La production de contenu s'accélère, mais pas son impact.
L’essentiel
— L’IA facilite la création de produits et de contenus, mais ses effets sur les revenus et l’usage restent encore limités.
— Avec la disparition progressive des barrières technologiques, la distribution et la force de marque deviennent des facteurs de différenciation plus importants que le produit lui-même.
— Le modèle de la « Software Factory » promet d’automatiser progressivement toute la chaîne marketing, jusqu’à la prise de décision par des agents autonomes.
— Mais le marketing ne se résume pas à une logique de production : la perception, la créativité, le risque réputationnel et la réception des messages échappent largement à l’automatisation.
Nous sommes ravis de retrouver Jérémy Lacoste, contributeur sur la Réclame. Jérémy est directeur général France de l’agence Eskimoz. C’est un expert du marketing digital, des martech et de la publicité en ligne. Il a pour grande qualité de partager chaque semaine ses analyses et observations, que ce soit sur LinkedIn, dans son podcast Icebreaker, en tant qu’enseignant ou dans ses tribunes sur la Réclame.
Il n’y a peut-être pas de meilleure illustration du chaos ambiant que ce graphique du Financial Times : jamais autant d’applications n’ont été créées, et pourtant l’usage et la collecte d’avis n’ont jamais été aussi bas depuis trois ans.
Le brouhaha de l’IA ne serait-il qu’un écran de fumée ? Pour l’heure, ses effets véritablement comptables se résument surtout à multiplier les idées et les projets. Pas encore les revenus.
De quoi donner raison à Benedict Evans, ex-partner d’Andreessen Horowitz : à l’ère de l’IA, le produit sera de moins en moins différenciant, les barrières à l’entrée ayant quasiment disparu. Ce qui fera la différence, ce sont les capacités de distribution et, j’y ajouterais, l’autorité de marque. Ce n’est pas un hasard si Google tire aujourd’hui son épingle du jeu.
La course à l’automatisation : utile, mais pas différenciante
Ce à quoi on assiste aujourd’hui, c’est un concours à qui automatisera le mieux sa chaîne de production. Anthropic annonce que 90 % de son code est écrit par l’IA ; OpenAI indique que 95 % de ses ingénieurs utilisent leur agent interne ; Google communique sur un triplement des lignes de code automatisées. Façon de montrer qu’elles consomment ce qu’elles vendent.
La représentation la plus extrême de cette tendance ? Les fameuses one-person billion-dollar companies : OpenClaw, Polsia, et quelques autres.
Le code est le terrain le plus instinctivement automatisable pour plusieurs raisons : il obéit à des conventions normées, idéales pour les LLM ; il concentre l’imaginaire symbolique (et les finances) des big techs ; et il concerne une catégorie de travailleurs peu susceptibles de se mobiliser collectivement (on imagine la levée de boucliers si l’on automatisait l’Éducation nationale).
On parle désormais de Software Factory. Un concept qui ferait presque rêver l’ancien patron d’Alcatel, Serge Tchuruk, qui évoquait au début des années 2000 la fabless company… avec le non-succès qu’on lui connaît.
Mais attention au raccourci : un job n’est pas la somme de micro-tâches automatisables. Il s’inscrit dans un système de relations, d’influence, d’exécution, de supervision et de prises de décision. C’est précisément ce qui explique pourquoi les gains de productivité individuels s’évaporent souvent dans l’efficacité collective.
Les 4 niveaux de la Software Factory et ce qu’ils impliquent pour le marketing
1 – Mettre l’IA à portée de tous les collaborateurs. C’est l’initialisation : achat groupé de licences, validation de la stack technique, identification des premiers cas d’usage, corpus de formation, guidelines d’usage.
En pratique : beaucoup d’entreprises n’ont pas encore franchi cette étape, trois ans après l’émergence des LLM. Si les formations et chartes d’usage ont souvent été mises en place rapidement, la stratégie de connectivité reste largement impensée. Peut-on utiliser le MCP de son CRM ? Intégrer ses briefs dans Claude ? Ces questions restent sans réponse dans de nombreuses organisations.
2 – Confier une campagne complète à un agent. L’IA prend en charge toute la chaîne de production : idéation, création, ciblage, repurposing, mesure de performance, itération.
En pratique : le frein n’est pas technique. Les outils sont là, notamment depuis que l’écosystème se concentre sur des modèles auto-apprenants. La friction est humaine : la difficulté des équipes à déléguer l’exécution ou la décision. D’où le fait que la plupart des déploiements concernent encore des projets internes ou des outils à destination des collaborateurs.
3 – Éliminer les goulots d’étranglement. On s’attaque à l’inertie organisationnelle : les « points de synchro », les réunions d' »alignement », les validations au N+5. Des agents opérationnels délivrent ; des agents superviseurs contrôlent la conformité, le respect des guidelines de marque et la qualité des livrables.
En pratique : ce basculement est déjà en partie amorcé. Non pas en interne, mais via les SaaS que nous utilisons. Quand Google ou Meta formulent des « suggestions » en mode nudge pour optimiser nos campagnes, nous y sommes déjà. Pour les équipes marketing, atteindre ce niveau est un enjeu majeur : la validation et la compliance sont aujourd’hui chronophages.
4 – Autonomie de la chaine de production : le déclenchement de la tâche, qui était encore le dernier bastion humain est outsourcé à l’IA. Tout se passe en back, dans une approche auto-immune : 100 % du pilotage est agentique. C’est vertigineux.
En pratique, cela semble être de la science-fiction, mais honnêtement, il y a déjà des cas d’usage à portée de main, encore une fois dans les SaaS mis à disposition sur le marché. Un agent qui détecte une anomalie sur les redirections et prend la responsabilité de couper la campagne ou qui identifie une baisse de CTR et crée des variantes d’annonces. Côté CRM, on a déjà des actions automatiques aussi pour lutter contre le churn à base de scoring et de nurturing programmé.
Six limites que le modèle ne voit pas
Ces modèles de maturité ont le mérite de donner une trajectoire (parfois bancale). Mais la Software Factory appliquée au marketing est réductrice. Voici pourquoi.
1. Le marketing est moins objectivable que du code. Comment juger qu’un contenu est bon ? Sur quel KPI ? Conformité n’est pas égale à performance.
2. Le coût de l’erreur n’est pas le même. Un bug en production se corrige. Une communication maladroite, beaucoup moins. Le risque réputationnel est structurellement plus élevé en marketing qu’en développement.
3. La linéarité du modèle est un trompe-l’œil. Une marque de luxe devrait s’arrêter aux niveaux 1 et 2. Un acteur qui se lance aujourd’hui devrait démarrer au niveau 3. Il n’y a pas de trajectoire universelle.
4. La standardisation ne crée pas de valeur. Ni la vitesse de production. Ce modèle optimise l’automatisation, mais pas l’output.
5. La question de la propriété et de la confidentialité des données est un impensé. Qui possède les modèles entraînés sur vos assets ? Où vont nos briefs ?
6. La définition des « sujets sensibles » est hautement interprétable. En code, c’est le paiement, l’authentification et les données clients. En marketing ? La réponse reste ouverte, et c’est précisément là que réside le danger.
La faille fondamentale
La Software Factory appliquée au marketing en fait un sujet de production pure : automatiser, rationaliser, valoriser les protocoles. Elle n’adresse pas ce qui fait le sel du métier : la perception.
On peut industrialiser la fabrication du contenu. Pas la façon dont il est reçu.
