> ## Content Index
> Fetch the complete content index at: https://media.propositionmarketing.fr/llms.txt
> Use this file to discover other available public pages before exploring further.

# On a gagné des heures à créer la campagne. Pourquoi n’est-elle toujours pas sortie ?
- URL: https://media.propositionmarketing.fr/on-a-gagne-des-heures-a-creer-la-campagne-pourquoi-nest-elle-toujours-pas-sortie/
- Published: 2026-10-28T23:52:34.000Z
- Updated: 2026-10-29T00:35:34.000Z
- Description: L’IA permet de produire des campagnes plus vite, sans garantir leur lancement. Validations, règles implicites et arbitrages déplacent les blocages. Laurent Deséchalliers décrypte les limites d’une productivité mesurée uniquement à la création.
- Author: Laurent Deséchalliers 
- Tags: IA, data & transformations, Acquisition, contenu & visibilité, #Édition 18

Au début, c’est grisant.

Prenons une équipe marketing qui prépare une campagne. Le brief est prêt, la direction est claire, il faut maintenant décliner l’idée pour plusieurs supports et plusieurs marchés. Hier, cela aurait mobilisé des créatifs pendant des jours. Aujourd’hui, on ouvre un outil d’IA, on ajuste quelques consignes et les propositions arrivent.

Une première accroche. Puis cinq autres. Des variations pour les réseaux sociaux. Des visuels. Des versions plus courtes, plus directes, plus locales. Certaines sont franchement mauvaises. D’autres sont étonnamment bonnes. On corrige, on relance, on compare.

En quelques heures, l’équipe a devant elle une quantité de matière qu’elle n’aurait peut-être pas produite en une semaine voire en un mois.

Tout le monde devrait être ravi.

**Sauf que la campagne n’est pas sortie.**

Il faut encore vérifier les messages, obtenir l’accord de la marque, relire les claims, contrôler les mentions légales, faire valider certaines adaptations locales. Et comme il y a désormais beaucoup plus de propositions, il y a aussi beaucoup plus de choses à regarder.

Le dossier avance d’un bureau à l’autre. Une personne attend un retour. Une autre découvre une version qu’elle n’avait jamais vue. On demande un changement qui oblige à reprendre trois déclinaisons.

**La création a accéléré. Le reste n’a pas suivi.**

Ce scénario est volontairement schématique. Mais je crois qu’il pose une question que les démonstrations d’IA marketing contournent assez facilement : à quoi sert de produire dix fois plus vite si l’on ne parvient pas à mettre plus vite les bonnes campagnes sur le marché ?

## Le moment où le gain de temps disparaît

On mesure volontiers les gains de l’IA à l’endroit où elle travaille : le temps pour écrire un texte, créer un visuel, préparer une déclinaison. Et c’est compréhensible. Le résultat se voit immédiatement. Il est spectaculaire, parfois même un peu euphorisant.

Mais une campagne n’est pas terminée parce qu’un fichier existe.

Elle doit être validée, parfois adaptée, distribuée, activée. Elle doit arriver au bon moment, sur le bon canal, avec un message qui tient la route. Entre la proposition affichée à l’écran et ce que voit réellement le client, il reste tout un travail. Un travail moins photogénique qu’une génération en trente secondes, mais sans lequel la génération ne sert pas à grand-chose.

C’est un vieux problème d’organisation. Eliyahu Goldratt l’avait popularisé avec la théorie des contraintes : accélérer une étape ne suffit pas à accélérer l’ensemble. Si une machine fabrique cent pièces à l’heure et que la suivante ne peut en traiter que vingt, on n’obtient pas cent produits finis. On obtient surtout une pile de pièces en attente.

Je force un peu le trait, évidemment. Une équipe marketing n’est pas une usine, et toutes les idées ne méritent pas de suivre la même chaîne. Mais le mécanisme est là.

Quand produire était difficile, la rareté du temps créatif limitait aussi, de fait, le nombre de propositions qui entraient dans le circuit. Avec l’IA, ce filtre saute. On peut soumettre bien plus de variations, bien plus de pistes, bien plus de contenus.

Et soudain, le temps que l’on croyait avoir gagné réapparaît ailleurs. Chez le juriste. Chez le responsable de marque. Dans la coordination entre pays. Dans la boîte mail de celui qui doit prendre la décision finale.

**Le goulot a simplement changé de place.**

Ce n’est pas une raison pour renoncer à l’IA. C’est une raison pour arrêter de regarder uniquement le compteur de la création.

## Ce qu’on réglait autrefois autour d’une table

Il y a un autre détail qui me semble important : la plupart des règles que l’IA oblige à formaliser ne sont pas nouvelles.

Une marque savait déjà ce qu’elle voulait dire et ne pas dire. Le juridique avait déjà ses lignes rouges. Les marchés avaient déjà leurs sensibilités. Certains messages exigeaient déjà une validation particulière. Et les équipes savaient, plus ou moins, qui pouvait trancher.

Le « plus ou moins » compte beaucoup.

> « Ce n’est pas une raison pour renoncer à l’IA. C’est une raison pour arrêter de regarder uniquement le compteur de la création. »

Dans une organisation humaine, une partie de ces règles vit dans les habitudes. On sait qu’il vaut mieux appeler telle personne avant de publier. On reconnaît le moment où une phrase « ne sonne pas comme nous ». On se rappelle qu’une exception avait été accordée pour une campagne précise. Une conversation de couloir suffit parfois à lever une ambiguïté.

Ce fonctionnement n’était pas parfait. Il pouvait être lent, dépendre de quelques personnes et créer des incompréhensions. Mais il avait un amortisseur : on produisait et on décidait à une vitesse relativement humaine.

Quand des agents commencent à multiplier les versions, l’amortisseur disparaît. Une instruction floue, qui ne posait problème qu’une fois de temps en temps, peut se retrouver reproduite sur cinquante contenus. Une règle connue d’une seule personne devient un point de blocage pour toute l’équipe.

C’est un peu comme passer de la conduite en ville à une vitesse de circuit : on découvre brutalement à quel point on comptait sur des réflexes, des signes et des arrangements implicites.

Alors il faut écrire davantage de choses. Quels claims sont autorisés ? Quelles mentions sont obligatoires ? Qu’est-ce qui varie selon les pays ? Quelles validations sont nécessaires ? Qui peut accorder une exception ?

Pas pour fabriquer un manuel de deux cents pages que personne ne lira. Pour que les personnes et les outils puissent travailler à partir des mêmes règles.

L’IA ne crée pas ce besoin de clarté. Elle rend simplement beaucoup plus visible — et parfois beaucoup plus coûteux — le fait d’avoir appris à vivre sans elle.

## Faut-il maintenant faire valider les IA par d’autres IA ?

La réponse tentante serait de dire : puisque l’IA produit à grande vitesse, donnons-lui aussi la validation.

Sur une partie du travail, cela a du sens.

Vérifier la présence d’une mention obligatoire, repérer un claim non autorisé, contrôler une déclinaison par rapport à des règles explicites : ce sont de bons candidats à l’automatisation. Des outils spécialisés peuvent effectuer des contrôles, signaler des écarts et éviter que des équipes passent leurs journées à refaire des vérifications répétitives.

Mais il y a une marche que je ne franchirais pas trop vite.

Un modèle capable d’évaluer un contenu n’est pas automatiquement un modèle auquel on peut confier le droit de le publier. Il peut mal comprendre une nuance, inventer une infraction, laisser passer un problème. Et deux personnes parfaitement compétentes peuvent elles-mêmes ne pas être d’accord sur ce qu’une marque peut accepter.

La bonne première étape me semble moins spectaculaire qu’une démo d’agent autonome. On prend des contenus déjà examinés par des humains. On demande à l’IA de les évaluer séparément. Puis on regarde les désaccords.

Pourquoi a-t-elle refusé cette phrase ? Pourquoi l’équipe l’avait-elle acceptée ? Est-ce que la règle est mal formulée ? Est-ce une véritable exception ? Est-ce simplement une erreur de jugement ?

C’est là qu’on apprend quelque chose sur les outils, mais aussi sur l’organisation. Parfois, le problème n’est pas que l’IA ne connaît pas la règle. C’est que personne n’avait vraiment formulé cette règle de la même manière.

Progressivement, certains contrôles pourront devenir automatiques. D’autres continueront à exiger un regard humain, notamment lorsque le risque est élevé ou que le contexte ne se laisse pas réduire à une grille.

Je ne crois pas à une frontière universelle entre ce qu’il faudrait automatiser et ce qu’il faudrait laisser aux humains. La frontière dépend des conséquences d’une erreur, de la qualité des contrôles et du type de décision.

Et surtout, contrôler qu’une règle est respectée n’est pas la même chose que décider de faire une exception à cette règle.

C’est là que l’histoire devient vraiment intéressante pour le marketing.

## Le risque de fabriquer une marque qui n’ose plus rien

Imaginons maintenant une campagne qui sort volontairement des codes habituels.

Le ton est plus provocateur. La direction artistique est inattendue. La marque prend une liberté qu’elle n’aurait pas autorisée sur une campagne ordinaire. Peut-être que l’idée est mauvaise. Peut-être aussi que c’est précisément cette rupture qui lui donnera de la force.

Un système de validation parfaitement entraîné à repérer ce qui ne ressemble pas à la marque pourrait très bien la rejeter.

Et il aurait, d’une certaine façon, fait exactement son travail.

C’est le paradoxe : on introduit l’IA pour démultiplier les possibilités créatives, puis on risque de construire des contrôles qui ramènent systématiquement chaque proposition vers ce qui était déjà acceptable hier.

Je ne dis pas qu’il faut laisser passer n’importe quoi au nom de la créativité. Les règles juridiques ne sont pas de simples préférences éditoriales, et toutes les exceptions ne se valent pas. Mais on doit pouvoir distinguer une erreur involontaire d’un écart décidé.

Qui assume ce pari ? Dans quel périmètre ? Pour combien de temps ? Avec quels garde-fous ?

Ces questions ne sont pas des anomalies du système. Elles sont une partie du travail de direction marketing.

Une campagne peut rester « sur les rails » et bénéficier de contrôles très industrialisés. Une autre peut avoir besoin qu’une personne dise : oui, c’est différent de nos habitudes, c’est même pour cela que nous voulons le faire.

Si l’on oublie cette seconde possibilité, on risque de construire une formidable machine à produire des contenus convenables. Cohérents, contrôlés, conformes.

Et parfois parfaitement oubliables.

## On voulait produire plus. Mais pour obtenir quoi ?

C’est peut-être finalement la question la moins technologique de toute cette histoire.

Pourquoi veut-on produire davantage de contenus ?

Pour couvrir des marchés jusque-là délaissés ? Tester plus d’idées ? Personnaliser des messages qui méritent réellement de l’être ? Réagir plus vite à une opportunité ? Renforcer une marque ? Contribuer aux ventes ?

Dans tous ces cas, l’IA peut changer la donne. Mais aucun de ces objectifs ne se mesure au nombre de visuels qui sortent d’un outil.

> « Si elle nous conduit seulement à remplir plus vite les files d’attente de nos organisations, nous aurons automatisé le début du problème, pas sa résolution. »

Une campagne livrée trop tard n’a pas la même valeur qu’une campagne activée au bon moment. Cinquante variantes inutilisées ne valent pas forcément mieux que cinq variantes bien choisies. Et faire passer davantage de contenus dans une chaîne saturée peut retarder ceux qui auraient dû sortir en premier.

Pour un directeur marketing, je crois que l’enjeu se déplace donc lui aussi.

Il ne s’agit plus seulement de demander aux équipes comment elles vont produire avec l’IA. Il faut regarder ce qui se passe après. Où les contenus attendent-ils ? Quels contrôles apportent réellement de la sécurité ? Lesquels ne font que répéter des gestes mécaniques ? Où faut-il un jugement humain ? Et qui a le droit de prendre un risque assumé ?

Surtout, il faut relier tout cela au résultat. Pas au volume de fichiers créés. Pas même au volume de fichiers validés. À ce que ces contenus permettent effectivement de faire sur le marché.

L’IA rend la production de plus en plus facile. Tant mieux.

Mais si elle nous conduit seulement à remplir plus vite les files d’attente de nos organisations, nous aurons automatisé le début du problème, pas sa résolution.

**Le progrès, ce n’est pas de voir apparaître dix campagnes là où l’on en produisait une. C’est de réussir à faire exister les bonnes, au bon moment, sans perdre ce qui fait qu’une marque a quelque chose à dire.**

##   
Pour prolonger la réflexion

[IA générative : produire plus ne suffit pasAvec l’IA, produire davantage ne suffit plus. Les vrais enjeux : choisir les bonnes idées, interpréter les signaux et garder la maîtrise des décisions marketing.![](https://storage.ghost.io/c/41/41/41418fd9-555b-44d1-be99-81fa61b41026/content/images/icon/-Proposition-Marketing-logo-cdf73b5d-2a33-4e61-904c-a0c8f30d8bc7.png)Proposition MarketingLa rédaction - Proposition Marketing![](https://storage.ghost.io/c/41/41/41418fd9-555b-44d1-be99-81fa61b41026/content/images/thumbnail/Sommet-Adobe-_-visibilite---et-engagement-1-a709966c-ea86-473d-af73-bbef10c276e0.png)](https://media.propositionmarketing.fr/quand-produire-devient-facile-choisir-quoi-produire-devient-strategique/)

**Quand produire devient facile, choisir quoi produire devient stratégique*