Le 9 septembre 2026, Visionary Marketing, avec le sujet du commerce agentique, a inauguré une nouvelle série de webinaires baptisée « Le numérique sans bullshit » avec le concours de Webikeo. Le principe est simple, prendre un sujet à la mode et le confronter aux chiffres plutôt qu’au discours marketing habituel. Pour ce premier épisode, je recevais Olivier Laborne, fondateur du cabinet Digital On Board et praticien du e-commerce depuis 1998. Passé par Leclerc, Intermarché puis Morgan, avant de lancer les premiers pilotes de Carrefour Drive, il a ensuite cofondé Storetail, la première société française de retail media, revendue à Criteo. Il conseille aujourd’hui des industriels et des retailers internationaux, dont l’australien Coles, et enseigne à l’IDRAC, à l’INSEEC et à NEOMA.

Voici donc mon résumé de ces échanges très riches. Vous le retrouverez dans le podcast du jour. Je mettrai également le fichier son du webinaire et la vidéo dans le billet afin de vous permettre de revoir ou réécouter cet événement.

Selon Olivier, le constat de départ est que le commerce agentique, ces agents d’intelligence artificielle capables de rechercher, de comparer et parfois d’acheter à la place du consommateur, représentent une rupture réelle. Toutefois, la plupart des discours qui entourent cette avancée technologique, vont plus vite que les vrais usages.

Au travers de cet entretien, Olivier a démonté trois mythes qui circulent depuis plusieurs mois sur l’autonomie totale des agents, la disparition du référencement classique et l’idée que cette révolution serait réservée aux très grands acteurs.

Avant de mesurer quoi que ce soit, encore faut-il s’entendre sur les mots. Olivier Laborne pose une distinction qui structure tout l’entretien.

Dans un shopping assisté par IA, « l’humain décide et l’IA conseille », un peu comme un copilote d’avion qui multiplie les options, filtre les prix et compare les caractéristiques, mais laisse l’utilisateur cliquer et payer. Dans un achat entièrement délégué à un agent, la logique s’inverse, c’est la machine qui décide, sur la base d’un mandat fixé à l’avance (budget, délai, qualité), et l’humain se contente de valider, ou d’avoir prévalidé une bonne fois pour toutes. Cette distinction est cohérente avec le discours de Ben Hamilton de Base France sur notre chaîne.

Olivier Laborne prend l’exemple d’un bouquet de fleurs qu’on désir offrir, l’acheteur et le bénéficiaire n’étant alors plus la même personne. Cette délégation totale existe déjà, dans un tout autre domaine, celui du trading haute fréquence, où environ 70 % des transactions boursières se font entre machines. C’est cette même logique, transposée au commerce de détail, qui inquiète et fascine à la fois.

Cette bascule ne sort pas de nulle part. Olivier Laborne rappelle que, pendant près d’un demi-siècle, les industriels déléguaient la distribution aux enseignes et la construction de leur image aux médias, un équilibre stable entre deux métiers séparés.

Puis les enseignes sont devenues elles-mêmes des médias, monétisant linéaires, sites et données de caisse, ce qui a imposé aux marques un second péage, numérique cette fois.

La disparition annoncée des cookies tiers a ouvert un troisième âge, celui où l’IA s’installe comme nouvel intermédiaire entre la marque et le client, avec un risque nouveau, celui de sortir des circuits de recommandation automatisés pour une marque dont les données produit ne seraient pas lisibles par une machine. C’est cette perspective, plus qu’une simple promesse de productivité, qui explique selon lui la ruée actuelle des entreprises vers le sujet.

Premier mythe à tomber sous le bon sens des chiffres, celui d’un commerce déjà piloté par des machines en pleine autonomie.

Commençons par la tendance de fond. Celle-là, personne ne la conteste. Chez Shopify, le trafic généré par l’IA a été multiplié par huit au premier trimestre 2026, et les commandes issues de ces recherches ont presque été multipliées par treize, selon la transcription des résultats trimestriels rapportée par The Motley Fool. Plus d’un milliard de produits ont été restructurés pour devenir lisibles par des agents, un chiffre que le président de Shopify, Harley Finkelstein, met en avant en affirmant que l’IA est devenue le « langage naturel » de l’entreprise.

Pendant la Cyber Week 2025, les agents IA ont pesé sur 67 milliards de dollars de ventes, un cinquième des commandes mondiales, et les enseignes équipées de leur propre agent, comme Pandora, Shark Ninja ou Funko, ont vu leurs ventes progresser 32 % plus vite que les autres, d’après Salesforce. Sur l’ensemble des fêtes 2025, l’IA a pesé sur 262 milliards de dollars de dépenses en ligne, avec une hausse de 693 % du trafic en provenance des outils d’IA, selon les données croisées Adobe et Salesforce.

Mais dès qu’on regarde la part réelle des achats confiés de bout en bout à un agent, sans validation humaine, les chiffres s’effondrent. Olivier Laborne situe cette part entre 0,2 et 0,8 % du commerce mondial, et entre 0,2 et 0,3 % pour l’achat totalement autonome.

Une étude académique portant sur 973 sites marchands et 20 milliards de dollars de revenus cumulés, menée par les chercheurs Kaiser et Schulze, chiffre le trafic organique issu des IA génératives à moins de 0,2 % du trafic total, un trafic qui convertit moins bien que la recherche classique ou l’affiliation. Chez commercetools, 73 % des consommateurs utilisent déjà l’IA à un moment de leur parcours d’achat, mais seuls 13 % ont réellement conclu un achat après avoir été orientés par elle.

Et selon Checkout.com, 3 % seulement des transactions passeraient aujourd’hui par un agent, pendant que 27 % des consommateurs ne font confiance à aucune organisation pour en opérer un et que 24 % ne délégueront jamais leurs achats à une IA. « Il faut sortir de ce fantasme comme quoi l’IA va tout décider à notre place », résume Olivier Laborne, pour qui l’IA joue aujourd’hui un rôle de filtre, pas de décideur.

Il faut sortir de ce fantasme comme quoi l’IA va tout décider à notre place

Il existe pourtant des poches où l’achat autonome fonctionne déjà, mais elles restent étroites, des abonnements récurrents comme les lames de rasoir, des achats programmés déclenchés par un capteur, comme une cartouche d’imprimante qui signale son niveau bas, ou des transactions entre machines proches du trading haute fréquence.

« Ce ne sont pas des achats impulsifs, ce ne sont pas des achats de découverte, ce sont des achats de réapprovisionnement », précise Olivier Laborne, qui invite à ne pas confondre ce réassort automatisé avec la promesse d’un commerce entièrement piloté par des agents.

Fort de son expérience du drive et de l’alimentaire, il ajoute une distinction que les discours généralistes oublient souvent, celle qui sépare les produits qu’on ingère de ceux qu’on n’ingère pas. Les produits alimentaires et de santé obéissent à des logiques de confiance bien plus strictes que la lessive ou les piles, ce qui explique pourquoi les premiers acteurs grand public de l’automatisation ont concentré leurs efforts sur les catégories non alimentaires.

Le B2B, souvent oublié de ces débats, mérite d’être cité lui aussi, une bonne moitié des échanges interentreprises transitent déjà par des flux automatisés de type EDI, hérités d’une vingtaine d’années de structuration des données de commande et de fiche produit. Le commerce agentique n’invente donc pas l’automatisation des transactions, il en déplace surtout le curseur vers de nouveaux acteurs et de nouveaux protocoles.

Deuxième mythe, celui d’un référencement classique balayé par l’arrivée du GEO, le generative engine optimization. Là encore, la réponse tient en une nuance plutôt qu’en un verdict tranché.

Selon Adobe Analytics, sur plus d’un milliard de visites analysées en avril 2026, le trafic issu des IA génératives convertit 42 % mieux que le trafic non assisté. Mais une étude Amsive portant sur 54 sites ne trouve, elle, aucun avantage de conversion statistiquement significatif, avec 41 % des sites qui convertissent même moins bien via l’IA, laquelle ne représente que moins de 0,6 % du trafic total pour 90 % des sites étudiés. Prudence néanmoins, 54 sites est un petit échantillon, il faut donc prendre ces chiffres comme une tendance et une hypothèse de travail.

« Il y a ce que les gens disent et ce qu’on constate derrière », résume Olivier Laborne, qui rappelle que le trafic IA reste, pour l’instant, un phénomène de niche comparé au poids historique du SEO.

Faut-il alors choisir entre les deux ? Non, répond sans détour Olivier Laborne, qui reprend une formule entendue auprès d’homologues asiatiques, on fait du SEO pour exister et du GEO pour être cité.

Une analyse SE Ranking portant sur 129 000 domaines confirme d’ailleurs que l’autorité compte toujours autant à l’heure du GEO qu’à celle du SEO classique, les sites disposant de plus de 32 000 domaines référents ayant 3,5 fois plus de chances d’être cités par ChatGPT. Être déjà connu aide donc à être cité, ce qui ne facilite pas la tâche des marques qui démarrent.

Le nerf de la guerre reste, selon lui, la qualité et la structuration du contenu, en particulier des fiches produit, un chantier sur lequel l’Institut du commerce travaille depuis plusieurs années avec ses adhérents, et qu’Olivier Laborne invite à approfondir auprès de Françoise Acca, qui suit ce sujet au sein de l’institut. Adobe estime qu’à peine 66 % d’une fiche produit américaine moyenne est aujourd’hui réellement lisible par une machine.

Dans l’ensemble du secteur de la vente au détail aux États-Unis, le score moyen des pages d’accueil s’établit à 75 %. Cela signifie qu’environ un quart du contenu des pages d’accueil n’est pas optimisé pour les LLM. Les pages de catégorie (comme l’électroménager ou les vêtements pour hommes) affichent un niveau similaire, à 74 %. Un point de difficulté concerne les pages produits individuelles, qui se situent à 66 %. Les distributeurs possèdent des milliers de références, et nos données montrent qu’une grande partie de ce contenu est actuellement invisible pour les LLM.

Adobe Digital Insights, par Vivek Pandya (directeur Adobe Digital Insights) avril 2026 : « AI traffic grows but retail sites lag in AI search visibility »

Le risque inverse, celui de tout déléguer à l’IA pour produire du contenu, inquiète tout autant Olivier Laborne, qui met en garde contre le « slop », ces contenus génériques que les moteurs eux-mêmes finissent par écarter. Comme je l’ai suggéré au cours de notre échange, l’AI slop a au moins le mérite de succéder à un « human slop » qui n’avait rien à lui envier.

Troisième mythe enfin, celui d’un commerce agentique taillé sur mesure pour les seuls Amazon et Rakuten de ce monde, hors d’atteinte du commerçant de taille moyenne.

Olivier Laborne relativise, en s’appuyant sur un parallèle avec le CRM ou l’ERP, deux technologies que tout le monde annonçait réservées aux grands comptes avant qu’un écosystème de prestataires n’en démocratise l’accès. Des plateformes comme BASE, qui travaille avec 30 000 marchands dans le monde et 150 en France, dont Kiabi, Back Market ou Spartoo, absorbent aujourd’hui la complexité technique des protocoles d’IA pour le compte de leurs clients.

Il serait pourtant malhonnête de nier tout avantage structurel aux grands acteurs, dont les volumes de données leur servent déjà de laboratoire de recherche et développement, et dont la notoriété continue de peser lourd dans les citations des moteurs génératifs. Le risque, souligne Olivier Laborne, est de reproduire les biais déjà connus du référencement payant, où les budgets les plus larges captent l’essentiel de la visibilité.

Reste la question du vocabulaire technique. Faut-il, en tant que marketeur, maîtriser les protocoles MCP, ACP, UCP ou AP2 ? Olivier Laborne compare la situation à celle d’un logement raccordé au réseau électrique, on n’a pas besoin de connaître son abonnement en kilowatts pour brancher un appareil, mais on a besoin de comprendre les grandes masses en jeu.

Le MCP, pour Model Context Protocol, lancé par Anthropic et confié à la Linux Foundation en décembre 2025, permet à un agent de conserver le contexte d’une plateforme à l’autre. L’ACP, porté par OpenAI et Stripe, gère le paiement conversationnel dans ChatGPT. L’UCP, adopté par Shopify depuis janvier 2026, standardise la découverte produit. L’AP2 enfin, lancé par Google puis confié à la FIDO Alliance, prouve cryptographiquement qu’un humain a bien autorisé une transaction, un enjeu sensible pour des catégories comme le luxe.

Ces protocoles ne sont, insiste Olivier Laborne, que des « traducteurs universels » entre des systèmes qui, sinon, ne se comprendraient pas, un site marchand, une application mobile et un agent conversationnel ne parlant pas nativement la même langue. Inutile pour autant de vouloir tous les adopter, la bonne stratégie dépend d’abord de ce que l’on vend.

Sur le terrain, l’été 2025 et le début de l’année 2026 ont livré un premier bilan grandeur nature.

OpenAI a lancé son Instant Checkout en septembre 2025, avec la promesse d’un paiement finalisé en quelques secondes, sans la moindre friction. Dès mars 2026, plusieurs marques avaient pourtant fait machine arrière, invoquant la perte de trafic direct, de données clients et de fidélité, et Shopify a tranché sans ambiguïté lors de ses résultats du premier trimestre 2026, les modèles de langage ne contourneront pas le système de paiement maison, a affirmé son président.

Le bras de fer entre Amazon et Perplexity illustre la même tension. Amazon a lancé en mars 2026 un avertissement à la profession en bloquant l’agent Comet de Perplexity sur ses pages, au motif qu’il accédait aux comptes clients de façon dissimulée, tout en développant en parallèle son propre assistant Rufus, fort de 300 millions d’utilisateurs et d’environ 12 milliards de dollars de ventes incrémentales estimées sur 2025.

« Chacun est maître chez soi », résumait Olivier Laborne le jour du webinaire, qui rapprochait la situation d’un concurrent qui installerait ses propres panneaux publicitaires à l’intérieur du magasin d’un autre. Mise à jour utile pour le lecteur, début août 2026, la cour d’appel a annulé cette injonction, jugeant que c’est l’utilisateur, et non Perplexity, qui « accède » techniquement au site d’Amazon. Le bras de fer est donc loin d’être clos, et la jurisprudence moins stable que ne le laissait penser l’entretien ou nos recherches préliminaires.

Le PDG d’Amazon, Andy Jassy, reconnaît par ailleurs que la plupart des agents d’achat actuels manquent encore de personnalisation et fournissent des estimations de livraison ou de prix erronées, un aveu qui confirme l’écart persistant entre la promesse et l’expérience vécue.

Interrogé en direct par une auditrice du webinaire sur le risque que l’AI Act européen vienne freiner le commerce agentique, Olivier Laborne a fourni une réponse qui conclut l’entretien de manière nette.

La technologie reste selon lui trop instable pour qu’on tire des conclusions définitives, mais certains sujets, la maîtrise des données personnelles et la validation juridique d’un mandat donné à une machine, appelleront un encadrement plus strict. Il cite l’exemple d’un réapprovisionnement de matière première en B2B qu’il aurait lui-même refusé après coup pour un problème de qualité, preuve qu’un droit de rétractation face à la décision d’une machine reste indispensable. Côté B2C, il plaide pour une certification propre au commerce agentique, sur le modèle d’un label de la FEVAD.

La souveraineté des données n’est pas loin non plus, recommander un cloud suisse pour échapper au droit américain a perdu son sens depuis que la Suisse a elle-même signé les textes autorisant le transfert de ces données vers les États-Unis, au point que certains hébergeurs suisses, comme Proton, ont menacé de délocaliser leur entreprise. Dans les faits, face aux dangers potentiels de la nouvelle loi, l’entreprise genevoise a préféré geler 100 millions de francs suisses d’investissement prévus à Genève et installer les serveurs de son IA Lumo en Allemagne et en Norvège, selon Blick.

Sur le paiement, Olivier Laborne se montre plus rassurant, avec un système français et européen « ultra surveillé ». Celui-ci n’est cependant pas immune aux problèmes, comme l’a démontré l’énorme bourde de Revolut dévoilée le 14 septembre 2026. La néobanque britannique, qui vient de recevoir son agrément bancaire, a transmis des données de ses clients à des hackers qui s’étaient fait passer pour des représentants de l’Etat. Comme quoi, tout n’est pas si rose que cela non plus ici.

À l’heure de conclure, Olivier Laborne resserre le propos autour de trois priorités, volontairement éloignées de toute promesse technologique.

« Tout ça sort totalement de l’IA », insiste Olivier Laborne, pour qui ces trois chantiers relèvent d’abord d’une hygiène de commerçant, bien avant d’être des sujets d’intelligence artificielle.

Reste une donnée qui remet les choses en perspective. Le commerce de détail mondial devrait peser environ 50 000 milliards de dollars en 2030. Même dans l’hypothèse haute avancée par McKinsey, entre 3 000 et 5 000 milliards de dollars absorbés par le commerce agentique à cette date, on reste sur une fourchette de 1 à 10 % du total. De quoi tempérer aussi bien l’enthousiasme des évangélistes que l’inquiétude des sceptiques.

Le commerce agentique n’est ni un raz-de-marée imminent ni un simple effet de mode, c’est un chantier de fond, qui repose moins sur la course aux protocoles que sur des fondamentaux vieux comme le commerce lui-même, la qualité des données, la qualité du contenu et la maîtrise de la relation client. Comme le résume Olivier Laborne, dans le mot e-commerce, il n’y a qu’une lettre pour l’électronique et huit pour le commerce, une manière de rappeler que la technologie, aussi spectaculaire soit-elle, ne remplace toujours pas les fondamentaux du métier.

Pour poursuivre votre lecture, deux sujets complémentaires sur le site de Visionary Marketing : « Agents e-commerce, état des lieux pour 2026 » et, plus alarmiste, « IA hors de contrôle et déni collectif ».

The post Mythes et réalité du commerce agentique appeared first on Marketing and Innovation.

C’est la rentrée, et c’est aussi la rentrée du blog, pour la 31e fois depuis 1995 et le sujet du jour sera l’IA et la créativité. L’idée n’est pas d’aborder l’intelligence artificielle sous un angle technique, mais plutôt celui de la réflexion, en puisant à la fois dans mon parcours numérique et artistique. En 2026, la quatrième version de mon programme intitulé « La création de contenu à l’ère de l’IA » (Content Creation in the Age of AI, en anglais) sera dispensée à tous les étudiants du groupe Omnes Education. Une première vidéo avait été enregistrée en 2024 sur ce sujet, et un sérieux rafraîchissement s’imposait. J’ai donc pris pas mal de recul pour en apprendre davantage sur l’impact de l’IA, notamment sur la musique et les arts créatifs. Trois points seulement sont couverts ici, histoire de ne pas me perdre dans un sujet bien trop vaste. D’abord, la popularité apparente des artistes IA sur les plateformes de streaming comme Spotify, avec l’exemple d’un groupe appelé Breaking Rust. Ensuite, l’étude de la Stanford GSB sur les arts visuels et l’impact de l’IA sur les créateurs. Enfin, mes propres réflexions et conclusions sur tout cela.

En 2024, je m’étais posé cette question : « L’IA et ses outils vont-ils étouffer toute créativité ? » dans le cadre de mon programme Shift24, conçu spécialement pour le groupe Omnes Education. Le programme complet ne peut pas être partagé en ligne, mais mes collègues d’Omnes ont eu la gentillesse de me laisser publier ce petit texte pour mes lecteurs et abonnés, et je tiens à les en remercier chaleureusement, ainsi que pour leur soutien renouvelé ces quatre dernières années.

Dans ce cours de 2024 consacré à la « créativité », en m’appuyant sur le dictionnaire Merriam-Webster, j’ai distingué l’innovation de l’invention, et j’ai choisi de me concentrer sur cette dernière, en particulier dans la musique, un sujet que je n’avais pas encore abordé dans mes cours précédents.

J’ai ensuite illustré cela avec Suno, capable de produire jusqu’à 900 000 morceaux de musique par jour dès 2024 (loin devant les 1 128 compositions de Bach sur toute une vie de 65 ans). J’ai donc partagé un morceau que j’avais généré moi-même, « The Dying Cyberspace ». Je ne dirai pas que je suis fier de cette chanson, mais au moins, je me suis bien amusé à la générer, et la gratification a été immédiate. (En dehors de mes maigres talents de compositeur) tout cela soulevait des questions sur la valeur de la création musicale, le risque de stagnation créative, et l’épineuse question de la propriété intellectuelle, puisque ces IA sont entraînées sur des siècles de musique créée par des humains. Rien de bien nouveau sous le soleil jusque-là. Pratiquement tous les journalistes ont dû écrire la même histoire ces trois dernières années.

Cela dit, j’ai trouvé que cela manquait un peu de recul.

J’ai donc relativisé la nouveauté du phénomène en rappelant quelques précédents historiques, « Popcorn » de Gershon Kingsley (1969), les compositions en boucle de Zoe Keating (un exemple parmi bien d’autres), ou encore le projet Magenta de Google, qui remonte à 2016. Ce ne sont là que des exemples. J’ai choisi de rester bref, mais la créativité musicale appuyée sur la technologie ne manque pas depuis plus de 50 ans. Pensons déjà au regretté Klaus Schulze et à ses camarades d’Ash Ra Temple, Tangerine Dream, Kraftwerk, et à toute l’école dite Krautrock, sans oublier le mouvement new wave des années 1980.

J’ai aussi cité Wim Mertens, Philip Glass, Laurie Anderson, et des artistes allemands comme Nils Frahm, qui mélangeaient déjà électronique et acoustique bien avant l’IA générative. La vraie différence aujourd’hui, ai-je fait valoir, tient à l’échelle, car ces outils sont désormais entre toutes les mains. Que ce soit pour créer une musique du genre de The Dying Cyberspace, ou un travail généré par IA bien plus ambitieux, comme cet album entier de faux Pink Floyd, qui ne s’est pas aussi bien vendu que The Dark Side of the Moon ou Wish You Were Here.

Avec un brin de courage, j’avais conclu à l’époque que l’IA ne remplacerait pas les musiciens, mais deviendrait simplement un instrument de plus dans la boîte à outils créative, la véritable innovation venant de la façon dont les humains utilisent ces outils. La musique restant fondamentalement une affaire d’expression humaine et d’émotion, je pensais, plutôt optimiste, sinon naïf, que la musique générée par IA ne marquait pas la fin de l’invention musicale, mais plutôt le début d’un nouveau chapitre.

Voilà pour mes réflexions d’il y a deux ans. Il est temps à présent d’aller plus loin et de voir ce qui s’est passé en 2025-2026. Comme expliqué plus haut, j’ai concentré cette nouvelle recherche sur trois points. D’abord, la popularité apparente des artistes IA sur les plateformes de streaming comme Spotify, avec l’exemple d’un groupe appelé Breaking Rust. Ensuite, l’étude de la Stanford GSB sur les arts visuels et l’impact de l’IA sur les créateurs. Enfin, mes propres réflexions et conclusions.

Commençons par Breaking Rust. Breaking Rust est un groupe de country généré par IA qui a atteint la première place du classement Billboard Country Digital Song Sales en novembre 2025, sur Spotify. Les chiffres semblent énormes, plus de 2 millions d’auditeurs mensuels sur Spotify, et plus de 3 millions d’écoutes en moins d’un mois. Le projet est crédité à un certain Aubierre Rivaldo Taylor, dont on sait pourtant très peu de choses. Rivaldo Taylor serait apparemment payé, d’après ce que j’ai pu découvrir, uniquement au téléchargement.

J’ai essayé de calculer ce que ce classement Billboard pouvait réellement rapporter à monsieur Taylor. En ne regardant que Spotify, et en comptant qu’un artiste touche entre 0,003 et 0,005 dollar par écoute, le revenu potentiel se situait quelque part entre 9 000 et 15 000 dollars pour ce seul premier mois. Étalez ça sur un an, et vous arrivez sans doute à quelque chose comme 100 000 dollars, à condition que la popularité du groupe ne s’essouffle pas, ce qui a plutôt tendance à arriver, puisqu’il devient déjà plus difficile de trouver Breaking Rust sur Spotify.

J’ai ensuite essayé de comprendre ce qu’il faudrait faire pour hisser un titre comme celui-ci en tête des classements. Imaginons que je crée un morceau avec Suno ou une application similaire, que je le mette en ligne sur Spotify, et que je veuille le propulser tout en haut des charts. Ce que j’ai appris, c’est que si peu de morceaux sont réellement achetés par les auditeurs sur ces plateformes que le simple achat d’un millier de téléchargements suffit largement à atteindre la première place, pour ce genre de musique en tout cas. Mon estimation, c’est que si Rivaldo Taylor avait fait cela, ça lui aurait coûté environ mille dollars pour ces mille téléchargements. Voilà un moyen simple et peu coûteux de trafiquer les résultats, et un chemin plutôt facile vers le sommet.

Ce qui se passe sur ces plateformes ne se limite pas au contenu. C’est ce que les experts du marketing digital appellent le growth hacking, autrement dit la manipulation des statistiques, et ce domaine est truffé de fraude. Le streaming généré par des bots en est le point de départ, avec des robots qui écoutent, ou plutôt qui font semblant d’écouter, des morceaux pour les faire paraître plus populaires qu’ils ne le sont réellement.

Sur Deezer, l’une des plateformes de streaming, on a constaté que 70 à 85 pour cent des écoutes étaient signalées comme générées par IA. On en est arrivé à un point où cela menace les plateformes elles-mêmes, car qui a vraiment envie d’écouter autant de bouillie numérique (AI Slop) ? Breaking Rust n’est pas si mauvais que ça pourtant, je le trouve même plutôt bon, mais je n’ai pas envie d’écouter ça du matin au soir. Je veux écouter de vrais artistes.

La méthode qui a peut-être été utilisée par Breaking Rust est classique. Difficile d’affirmer avec certitude qu’elle l’a été ici, mais c’est probable. Le même genre de combines se retrouve sur d’autres plateformes, comme Instagram.

Un « photographe » Instagram du nom de Jos Avery, prétendument basé à Londres et photographiant avec un Nikon D810, s’est révélé être un avatar IA publiant des photographies générées par machine, faites avec Midjourney et Photoshop. En regardant son fil Instagram, il m’a semblé assez évident que ses portraits étaient générés par IA. Peut-être que les utilisateurs d’Instagram ne font pas la différence.

En m’intéressant aux arts visuels, je me suis tourné vers l’étude de la Stanford GSB qui compare 2024 et 2025. L’IA fait croître les ventes globales des plateformes, le gâteau grossit donc, mais la part qui revient aux créateurs se réduit de façon spectaculaire. C’est quelque chose que l’on a déjà observé avec le contenu, le marketing des plateformes et les réseaux sociaux, et cela se produit désormais aussi avec l’IA. C’est du marketing de plateforme classique. Il y a tellement de bouillie numérique que la part de valeur revenant au contenu, et son prix, part littéralement à la poubelle.

L’impact sur les arts visuels est considérable. Dans une enquête menée en 2026, 32 pour cent des illustrateurs ont déclaré avoir perdu des commandes à cause de l’IA générative. La perte annuelle moyenne chez les illustrateurs britanniques touchés par ce boom de l’IA s’élevait à environ 9 000 livres sterling. Selon la Society of Authors, 26 pour cent des membres ont signalé une perte de travail liée à l’IA, avec une perte de revenus associée avoisinant les 40 pour cent. C’est considérable.

On peut donc dire que l’IA n’a probablement pas tué la créativité, mais elle a bel et bien tué la valeur qui lui était associée. Je peux confirmer que la même chose s’est produite dans le marketing de contenu.

Mais je pense qu’il va y avoir un renouveau, un peu comme ce qui s’est passé avec la photographie argentique, et comme vous le savez, je suis moi-même photographe. J’ai récemment acheté un appareil flambant neuf datant de 1966, et je suis allé chercher le vieux Canon AE-1 de mon père. Je me suis remis à l’argentique, même si je suis en réalité un pionnier de la photo numérique, ayant commencé en 1995 et n’ayant jamais cessé de photographier en numérique depuis. Pourtant, je trouve aujourd’hui qu’il y a de bonnes raisons pour les photographes de revenir à la pellicule.

C’est d’ailleurs ce qu’explique Tony Northrup dans la vidéo ci-après. Alors que le look photo pro a été copié par Midjourney, celui-ci finit par devenir « craignos » (cringe), et la nouvelle tendance des photographes new-yorkais ces temps-ci est de revenir à l’argentique et, si possible, au moyen format. J’étais d’ailleurs en train de suivre la même tendance de manière intuitive.

La première raison, c’est d’échapper au soupçon d’IA qui touche déjà l’écrit, où des textes ont été rejetés parce qu’ils contenaient des tirets cadratins, alors que tout le monde utilisait ces tirets avant que l’IA ne les rende suspects. La méfiance monte, et les utilisateurs comme les clients tiennent à savoir d’où vient réellement le contenu. L’avez-vous fait vous-même, ou l’avez-vous fait avec l’IA ? Et si vous l’avez fait avec l’IA, ça ne veut pas forcément dire que c’est mauvais, mais ça veut certainement dire que ça ne vaut plus la même chose. Si l’IA peut produire quelque chose en une seconde, pourquoi paierait-on un professionnel mille euros pour faire la même chose, peut-être même sans relecture ?

La hausse du prix de la pellicule est elle-même un bon signe de la valeur croissante de l’argentique face au numérique. Une pellicule peut coûter jusqu’à 20 dollars, soit 15 euros en Europe, le rouleau, même si ça dépend de ce qu’on achète, la pellicule 6×6 coûte plus cher que le 35 mm (24×36), qui est moins onéreux et se trouve autour de 5 euros en France. Mais si je tire une pellicule complète de 36 poses et que je fais agrandir tous les tirages, ça peut facilement revenir à 60 ou 70 euros par pellicule, ce qui est beaucoup, et si je fais une erreur, ce qui m’arrive de temps en temps puisque je n’ai plus l’habitude et que je dois réapprendre le processus, ça coûte encore plus cher.

Mais cette rareté même est la preuve que rien n’a été synthétisé. C’est réel, c’est vrai. C’est un peu comme le retour du vinyle chez les jeunes, dont vous faites probablement partie. Le vinyle n’est pas meilleur que le CD, contrairement à ce que l’on pense. Il est même bien pire sur le plan technique, mais il a ce grain analogique, quelque chose d’humain. Je crois que de plus en plus de gens vont exiger davantage d’humanité dans la création.

C’est vrai, on peut truquer les classements, pour l’instant. Breaking Rust a prouvé qu’il est facile de tricher avec le streaming, mais je ne pense pas que la fraude par bots va durer. Spotify, Deezer, Apple et les autres, avec en plus l’AI Act européen, vont faire porter le fardeau de la preuve vers la transparence, tout comme cela se produit déjà pour l’écrit, comme je l’ai évoqué dans une autre vidéo. Il ne semble pas évident qu’on puisse se faire prendre, mais je crois qu’au bout d’un moment les gens voudront des preuves que rien n’a été trafiqué. En photographie numérique, cela voudra dire montrer ses fichiers RAW et l’historique de ses retouches, parce que sinon c’est bien trop facile, surtout avec les nouveaux outils d’image comme Gemini ou ChatGPT, dont les résultats sont vraiment impressionnants.

Je pense donc que la créativité survivra. Ce qui est bien moins certain, c’est de savoir si les personnes qui travaillent réellement dans les métiers créatifs pourront en vivre. Là, c’est beaucoup plus douteux.

OMNES Education (anciennement INSEEC U.) est un groupe français d’enseignement supérieur. C’est le seul groupe à proposer une offre de formation tout au long de la vie couvrant le Management, l’Ingénierie, les Sciences politiques et relations internationales, ainsi que la Communication et la Publicité, à travers des écoles telles que ECE, ESCE, EU Business School, INSEEC, IUM Monaco, Sup Career, IFG Executive Education, HEIP-CEDS, Sup de Création, Sup de Pub et Créa Genève.

Le groupe forme 40 000 étudiants, accompagnés par 3 000 experts au sein de 15 écoles et 19 campus, avec 215 000 alumni. Les campus sont situés à Paris, Lyon, Bordeaux, Beaune et Chambéry, ainsi qu’à l’international à Monaco, Londres, Barcelone, Munich, Genève et Lausanne.

Source : omneseducation.com/en/the-group/about-omnes-education | omneseducation.com/en/the-group/governance

Shift est un programme unique et obligatoire, pleinement intégré au cursus des étudiants d’Omnes. Son objectif premier est de leur permettre d’acquérir des connaissances et de développer des compétences complémentaires à leur domaine d’études initial.

Le programme comprend quatre mini-cours, d’une durée de 12 heures chacun, dispensés par les écoles du Groupe. Les étudiants ont la liberté de choisir l’une des quatre thématiques proposées, leur permettant ainsi d’explorer un nouveau champ d’enseignement. Selon l’école, les étudiants peuvent sélectionner parmi trois thématiques ne relevant pas de leur domaine d’études initial.

Parmi ces quatre thématiques figure « La création de contenu à l’ère de l’IA ». Ce cours a été dispensé pour la première fois en 2023 et fait l’objet d’une actualisation constante. Les étudiants y explorent les enjeux liés à l’usage de l’IA. Au-delà de la simple découverte des outils et des capacités technologiques, l’accent est mis sur l’esprit critique et la transformation personnelle.

The post IA et créativité : faisons le point en 2026 appeared first on Marketing and Innovation.

La visibilité d’une entreprise dans les LLM s’impose désormais comme un enjeu concret pour les enseignes, à mesure que ChatGPT, Claude, Gemini ou Perplexity remplacent le réflexe de recherche via Google. Nicolas Marette, fondateur et CEO de Custplace, a mesuré un écart préoccupant entre les données réelles des points de vente et ce que restituent les intelligences artificielles génératives. Je l’ai interviewé à l’occasion de la sortie de Local Profile, la solution que sa société vient de lancer pour corriger ce biais. Voici le résumé de notre entretien que vous trouverez également dans le podcast du jour, le 680ème de la série.

Les fiches Google sont‑elles fidèlement restituées par les IA génératives ?

Custplace a comparé cinq cents établissements clients, à jour sur leurs informations, avec ce que restituaient ChatGPT, Claude et Perplexity. Le test a été répété dix fois sur trois mois, avec la même adresse IP, pour tenir compte du non‑déterminisme des réponses. Résultat, un écart de 41 % a été constaté, principalement sur les horaires. « On a essayé de faire quelque chose de relativement scientifique, dit Nicolas Marette. Dire que c’est figé dans le marbre à 41 % n’est pas évident, mais ça reflète une tendance qui est nette. »

L’explication de ce phénomène tient à la nature même des IA génératives. Elles n’agissent pas comme un annuaire mis à jour en continu. « Elles vont chercher ce qu’elles ont pu récupérer précédemment », précise Nicolas Marette, et non systématiquement les données les plus récentes.

Certains moteurs sont‑ils plus fiables que d’autres ?

Les écarts entre modèles restent limités. « On a vu que ChatGPT était plus fiable en termes d’écart et Claude un peu moins », note Nicolas Marette, mais la différence se joue à la marge. Aucun moteur ne s’est révélé nettement supérieur, ce qui a conduit Custplace à généraliser sa mesure plutôt qu’à établir un classement précis par LLM.

S’agit-il d’erreurs sur les informations factuelles ou des éléments plus subjectifs ?

Les deux catégories sont concernées, mais pour des raisons distinctes. Les adresses varient peu et sont donc rarement erronées, tandis que les horaires changent régulièrement, d’où l’écart constaté. La réputation, elle, obéit à une logique différente. Les IA croisent plusieurs plateformes d’avis (Google, mais aussi Trustpilot ou des acteurs spécialisés par secteur comme Custplace) et en tirent un indice de cohérence, alors que Google privilégie ses propres avis. « Les réseaux qui j’agrègent que les avis Google délaissent ceux de Pages jaunes ou de Trustpilot, et sont donc plus pénalisés », observe Nicolas Marette.

Comment expliquez‑vous que votre contenu soit cité 2,1 fois plus souvent que le contenu brut ?

Local Profile n’a pas été conçu en adaptant d’anciennes fiches établissement. Custplace est reparti d’une page blanche, structurée nativement en JSON‑LD selon le schéma schema.org LocalBusiness, pensée pour être lue par des machines plutôt que par des internautes. La plateforme agrège les avis de plus de cent sources, les publications sociales et un générateur de FAQ automatisé, actualisé chaque nuit.

Ces pages ne sont pas faites pour le SEO, même si elles servent au référencement, précise Nicolas Marette. Elles ont vraiment été conçues pour que les IA aillent sourcer nos données et les restituer

L’ambition affichée dépasse le doublement déjà obtenu (cf. ci-dessus). Custplace vise à devenir une source privilégiée des moteurs conversationnels, un levier direct pour la visibilité des entreprises dans les LLM qu’elle accompagne. Sur ce point, rappelons toutefois que le GEO (Generative Engine Optimization) reste une discipline émergente. C’est ce que nous rappelle Natacha dans notre article sur le GEO, l’AEO et l’AIO.

Comment gérez‑vous les incohérences entre une centaine de sources d’avis ?

Custplace a développé un radar de confiance qui agrège quatre indicateurs, le taux de réponse des enseignes, leur délai de réponse, un indice de cohérence des notes d’une plateforme à l’autre, et la fraîcheur des avis. Un établissement noté de façon homogène sur plusieurs plateformes inspire davantage confiance aux modèles qu’un établissement excellent sur une seule d’entre elles. Cette cohérence, plus que la note brute, oriente les recommandations des IA.

Nicolas Marette, fondateur et CEO de Custplace

Nicolas Marette a créé Custplace en 2007. Avant de lancer la plateforme, il a dirigé le pôle média et performance de Business Interactif (devenu Digitas), et a occupé un poste de chef de groupe digital chez MindShare (WPP), en charge des budgets en ligne d’IBM, Clarins et Symantec. Custplace accompagne aujourd’hui plus de 100 000 établissements et de grands réseaux européens tels que Fnac‑Darty, EDF, Optical Center et Verisure. En juin 2026, l’entreprise a lancé Local Profile, une solution conçue pour rendre les établissements visibles et fiables dans les réponses des IA génératives.

La solution est‑elle réservée aux grands réseaux ?

La création d’une fiche de base reste gratuite, y compris pour un commerce indépendant. L’enjeu de Custplace se concentre toutefois sur les grands réseaux multi‑établissements, où la coordination entre siège et points de vente pose des problèmes spécifiques. L’accompagnement des indépendants figure parmi les projets à venir.

Quel est le modèle économique pour les fonctionnalités avancées ?

L’abonnement payant, qui inclut les tableaux de bord de citation et un moteur d’IA propre à chaque fiche, démarre à 35 euros par mois et par établissement. Le tarif est dégressif selon la taille du réseau.

Le chiffre de 25 % de trafic en progression concerne‑t‑il le web ou la fréquentation physique ?

Il s’agit bien de fréquentation en magasin. La méthode reste empirique. Custplace active les fiches sur certains points de vente partenaires, puis interroge les directeurs de magasin sur l’origine de la visite. Pour les acteurs omnicanaux, un suivi plus précis du trafic web complète la mesure. « L’enjeu, c’est vraiment l’augmentation des recommandations qu’on mesure, et l’impact que ça a en trafic », résume Nicolas Marette.

Quelle proportion de consommateurs utilise une IA avant de se rendre en magasin ?

Custplace ne dispose pas de données en propre sur ce point. Nicolas s’appuie sur une enquête Ifop évaluant à 35 % l’usage d’un LLM pour se renseigner sur une marque. Il reconnaît un biais méthodologique. Son entreprise mesure une audience presque exclusivement issue des IA, puisque ses pages sont conçues pour elles. À titre de comparaison, une étude plus récente menée par iAdvize et l’Ifop situe à 63 % la part des Français utilisant déjà l’IA générative au quotidien. Un chiffre en hausse de 19 points en moins d’un an.

63 % des Français utilisent déjà l’IA générative au quotidien (+19% en moins d’un an)

Le rôle d’un site web change‑t‑il de nature ?

Le constat est net. « On assiste vraiment à un changement de paradigme. Il convient désormais de faire des sites web pour des robots », affirme Nicolas Marette. Le volume de requêtes automatisées venant des IA génératives pose d’ailleurs des problèmes concrets de charge serveur, sans commune mesure avec le crawl historique de Google.

Aujourd’hui, les sites Web doivent être faits pour les robots

Quelle fourchette de chiffre d’affaires additionnel les enseignes peuvent‑elles espérer ?

Custplace annonce entre 6 % et 20 %, une fourchette large qui dépend fortement du secteur et de l’implication des équipes locales. Les résultats varient également selon la sensibilité de chaque directeur de magasin à remonter l’information, ce que Custplace tente de compenser par des outils automatisés.

Infographie récapitulant les chiffres cités dans cet article, sources, communiqué de presse Custplace du 3 juin 2026, interview de Nicolas Marette du 7 juillet 2026, étude iAdvize x Ifop de janvier 2026 et étude Ifop x Ad’s up Consulting de mai 2025.

Qu’est‑ce qui différencie Local Profile de concurrents comme Yext ?

Deux éléments. D’une part, l’hébergement des données, certifié ISO 27001 chez Scaleway, sans transmission aux modèles d’entraînement. D’autre part, un choix structurel, Custplace se positionne comme éditeur des pages établissement, quand Yext se contente de connecter des plateformes tierces. Custplace accompagne déjà des réseaux dans dix‑huit pays et prévoit une extension aux États‑Unis d’ici la fin de l’année.

Comment expliquez‑vous la disparition récente de nombreux avis sur Google ?

Nicolas Marette pointe une opacité totale du côté de Google, qui a supprimé des millions d’avis sans explication claire. Custplace privilégie une autre approche, les avis sont sollicités après un acte d’achat vérifié, via API, avec preuve d’achat à l’appui. « On peut garantir légalement que ce sont des vrais avis », insiste‑t‑il. Selon lui, les IA elles‑mêmes accordent une valeur d’authenticité supérieure à ce type de source par rapport aux avis spontanés.

Que recommandez‑vous à une équipe marketing qui découvre ce sujet aujourd’hui ?

Son conseil est simple : tester, avant tout. Nicolas Marette invite les enseignes à formuler elles‑mêmes des requêtes consommateurs sur différents moteurs, à observer les sources citées, puis à en tirer des enseignements. Il situe cette démarche dans le champ plus large du GEO, le Generative Engine Optimization, une discipline encore jeune mais appelée à structurer durablement la visibilité des entreprises dans les LLM, aux côtés du SEO traditionnel et de Google Business Profile.

À propos de Custplace

Custplace est un éditeur français dédié au pilotage de la réputation et du marketing local. Connectée à plus de cent plateformes (Google, Apple, Meta, sites d’avis, réseaux sociaux, places de marché), elle centralise, analyse et structure l’ensemble des signaux locaux (avis, notes, données établissements) pour optimiser la visibilité et la conversion de chaque point de vente. Avec le lancement de Local Profile, Custplace franchit une nouvelle étape, des pages marques et établissements conçues nativement pour les moteurs d’IA, intégrant des avis certifiés NF et des données locales enrichies. Custplace accompagne aujourd’hui plus de 100 000 établissements et de grands réseaux européens tels que Fnac‑Darty, Verisure, EDF ou Optical Center.

Selon Nicolas, et même si le GEO est un chantier en cours, la visibilité d’une entreprise dans les LLM ne remplace pas le référencement classique, elle viendrait s’y ajouter. Les enseignes qui ignorent la nouvelle grille de lecture des LLM s’exposent à devenir invisibles auprès d’une audience qui interroge désormais une IA avant de pousser la porte d’un magasin.

The post Comment faire apparaître son entreprise dans les LLM appeared first on Marketing and Innovation.

Alors que les médias brandissent sans relâche la menace d’une IA qui viendrait remplacer les cols blancs, un facteur bien plus discret ronge en silence l’employabilité des jeunes diplômés. Le vrai coupable ? Leur smartphone. À mesure que l’IA agentique gagne en puissance et que le marché de l’emploi se redessine tous les six mois, la motivation et la discipline deviennent des atouts plus précieux que les compétences elles-mêmes. Or ce sont justement les deux ressources que les grandes plateformes sociales s’emploient sans relâche à assécher. Dans un excellent texte publié sur son blog, Frédéric Cavazza a voulu prendre le contrepied du discours ambiant et regarder en face ce que nous préférons ignorer. Les réseaux sociaux, TikTok en tête, nuisent réellement à la motivation des jeunes, avec des conséquences directes sur leurs chances de trouver un emploi. Je vous livre ici mon analyse de l’article de Frédéric, dans ce billet qui traduit et adapte le script de mon cours sur le content marketing à l’ère de l’IA chez Omnes Education (4e année).

Chaque semaine apporte son lot d’annonces sur la fin de votre carrière avant même qu’elle ait commencé. Et le coupable est tout trouvé : c’est l’IA bien entendu. Une étude par-ci, un discours de PDG par-là, et voilà tout Internet qui se prend pour Cassandre. Vous avez entendu Eric Schmidt. Vous avez lu la lettre de Micha Kaufman, le patron de Fiverr. Vous avez même vu des intervenants se faire huer en pleine cérémonie de remise de diplômes pour avoir osé prononcer le mot « intelligence artificielle » devant de jeunes diplômés. Et je comprends cette colère.

Et si l’IA n’était pas le vrai problème ?

C’est précisément la thèse, provocatrice mais solidement argumentée, de Frédéric Cavazza, professionnel du numérique bien connu qui écrit sur fredcavazza.net. Dans un billet publié en mai 2026, il affirme que la vraie menace pour l’employabilité des jeunes diplômés n’est pas l’IA. C’est leur smartphone. Et plus précisément, TikTok.

Arrêtons-nous un instant sur son analyse, aussi rigoureuse que dérangeante, avant de vous livrer mon propre avis.

Frédéric part d’un constat, le marché de l’emploi traverse aujourd’hui une incertitude radicale. Le rythme de l’innovation en IA rend toute prédiction au-delà de deux ans, voire de quelques mois, à peu près inutile. Les études se contredisent sans cesse. Une semaine, on lit que l’apocalypse de l’emploi annoncée par l’IA est un pur fantasme. La semaine suivante, que les États-Unis subissent déjà de lourdes pertes d’emplois dans les métiers exposés à l’IA. Les investissements cumulés de Google, Microsoft, Meta et Amazon devraient approcher 725 milliards de dollars en 2026, en hausse de 77 % sur un an, mais une bonne partie de cette demande est artificiellement gonflée, les abonnements IA se vendant à perte. Bref, personne ne sait vraiment où l’on va.

Pour nous aider à sortir du brouillard, Frédéric emprunte un concept au jeu vidéo, celui de PNJ, le personnage non-joueur. Ce sont ces individus passifs qui peuplent les mondes virtuels, réagissent aux stimuli, mais ne décident jamais vraiment de rien par eux-mêmes. Son constat, c’est qu’il croise de plus en plus ces PNJ dans le monde réel, aussi bien dans les entreprises qu’il conseille que dans les écoles de commerce où il enseigne.

Il s’agit d’étudiants et de salariés qui attendent que leur employeur, leur école ou leur gouvernement règle les problèmes à leur place. Ces personnes n’ont pas toujours été ainsi, précise-t-il. Elles le sont devenues à force de passer trop de temps sur les réseaux sociaux. On pourrait relever néanmoins que la passivité n’a pas attendu les réseaux sociaux pour se révéler, les exemples abondent dans l’histoire et encore plus dans l’histoire des organisations. 

Son raisonnement sur la motivation mérite qu’on s’y attarde. Pour Frédéric, garder un peu de détermination à l’action exige à la fois du temps et de l’énergie. Or, les plateformes sociales, TikTok en tête, ont justement été conçues pour capter les deux. Le résultat, appuyé sur des données du terrain (voir ci-dessous), c’est une baisse de 28 % des conversations entre humains en quinze ans. Il ne s’agit pas d’un recul de l’usage des réseaux sociaux, mais des conversations entre humains, tout simplement.

Et quand l’IA agentique absorbe peu à peu les tâches répétitives et prévisibles aujourd’hui confiées à des salariés désengagés, que reste-t-il pour le profil PNJ ? Pas grand-chose, selon Frédéric Cavazza. On peut donc s’attendre, non à un grand remplacement brutal, mais à une recomposition discrète et progressive, qui ne laissera plus d’espace aux profils moyens, peu impliqués.

Sa solution est individuelle, et non institutionnelle. Ni les pouvoirs publics, ni les écoles, ni les employeurs ne peuvent suivre le rythme d’un cycle d’innovation qui redessine le marché tous les six mois. La réponse, pour lui, tient dans ce qu’il appelle l’« agence » (de l’anglais « Agency »), c’est à dire l’autonomie, la curiosité, la discipline, la capacité à continuer d’apprendre dans la durée. Les formes d’intelligence qui méritent d’être cultivées sont celles que l’IA ne sait pas reproduire, l’intelligence interpersonnelle, intrapersonnelle et existentielle, plutôt que la mémorisation ou la logique pure.

Prenons un peu de recul.

Le mérite de Fred, c’est qu’il ne rejette pas la faute sur les plateformes ou les réseaux sociaux en général, comme s’il s’agissait d’un complot contre la jeunesse. Beaucoup d’analystes et une partie des médias se contentent d’une critique superficielle et sans fondement. Les réseaux sociaux, le jeu vidéo et l’IA générative peuvent tout à fait être bénéfiques, tout dépend de l’usage qu’on en fait.

Quand Cavazza parle de TikTok, il ne prétend pas que la plateforme cherche à pousser toute la population vers le « brainrot », pour reprendre l’expression consacrée. Il pointe du doigt notre propre usage de TikTok. Il aurait tout aussi bien pu citer X, Instagram, Snapchat, ou même les paris sportifs, le jeu vidéo, et d’autres addictions comme le tabac, l’alcool, voire les drogues. Le cerveau humain est fragile et sujet à l’addiction. Nous ne sommes pas tous capables d’y résister. Les plateformes sociales en abusent, c’est certain, mais le font-elles plus que Philip Morris et consorts ? Je me pose la question.

Le vrai problème de fond, c’est le temps que vous passez sur les réseaux sociaux. Dans les pays développés, les adultes de 16 ans et plus y consacraient en moyenne 2 heures et 20 minutes par jour fin 2024. Bonne nouvelle, ce chiffre a reculé de près de 10 % depuis le pic de 2022, et la baisse est plus marquée chez ceux qui en faisaient le plus grand usage, les adolescents et les jeunes adultes. Reste que si ces deux heures grignotent votre capacité à lire des essais ou des romans, ce sont autant d’occasions manquées de nourrir votre esprit, sans parler de la vie sociale (d’où cette baisse de 28 % des conversations en face à face).

Et je n’ai même pas encore parlé des écouteurs. Ne vous méprenez pas, je suis musicien, j’adore la musique, et je trouve les AirPods plutôt bien conçus. Mais les garder vissés sur les oreilles en permanence au travail, c’est terriblement agaçant. Tout cela revient à s’isoler du monde réel. Je comprends que ce monde réel puisse faire peur. C’était aussi mon cas à votre âge, mais l’isolement ne vous aidera pas à affronter les défis de la vie adulte, encore moins ceux de la vie professionnelle.

Alors, l’IA générative, nocive ou pas ?

À mes yeux, elle ne se distingue pas des réseaux sociaux. Les curieux peuvent devenir encore plus curieux grâce à elle ; les gros lecteurs s’en serviront pour découvrir d’autres livres, articles, vidéos éducatives, bref, de quoi nourrir la réflexion. Ils l’utiliseront pour vérifier les informations, notamment les affirmations de ceux qui vous répètent « c’est un ami qui le sait d’un ami », car les rumeurs n’ont pas attendu les réseaux sociaux pour se propager.

Je sais bien que nous n’agirons pas tous ainsi. Comme le disait l’adage romain, il faut « du pain et des jeux » pour amuser le peuple et le tenir tranquille. Et les réseaux sociaux sont, dans une certaine mesure, une version moderne de ces « jeux ».

Mais nous, enseignants, sommes là pour vous guider, et beaucoup d’entre vous l’attendent de nous. Je ne crois pas non plus qu’une interdiction d’État, comme celle décidée récemment en Australie, puisse remplacer l’éducation. Et cette éducation ne commence pas par vous, mais par la plupart des adultes. Les « smombies » que je vois traverser la rue devant mon vélo chaque jour sont, la plupart du temps, bien loin d’être des adolescents.

Le lien entre addiction aux réseaux sociaux et baisse de l’employabilité n’a rien de spéculatif. Il est documenté et observable. Je le constate moi-même en formation, dans la façon dont beaucoup d’étudiants s’investissent davantage dans le prompt que dans l’idée, persuadés qu’un outil devrait penser à leur place pendant qu’eux se contentent de superviser à distance.

Le centaure divise le travail, une partie des tâches revient à l’IA, l’analyse reste humaine. Le cyborg mêle son effort à celui de l’IA, dans des allers-retours constants le long d’une « frontière floue ». Se contenter de copier-coller les réponses d’un LLM ne fait de vous ni un centaure, ni un cyborg.

Le vrai problème, c’est l’externalisation progressive de l’effort cognitif. Utilisée avec paresse, l’IA générative est tout aussi capable de fabriquer des PNJ que TikTok, sinon plus. Copier ChatGPT sans esprit critique, ce n’est pas de la co-intelligence non plus. C’est juste l’équivalent IA du doomscrolling.

La vraie question n’est donc pas de savoir si l’IA va prendre votre emploi. C’est de savoir si vous êtes en train de former un esprit qui restera digne d’être employé, une fois que les tâches répétitives de la plupart des métiers auront été automatisées.

Frédéric Cavazza a raison, la solution est individuelle. Des cours comme celui d’Omnes Education Group que j’ai intitulé « Content creation in the age of AI » peuvent poser les bonnes questions. Mais personne ne peut développer votre esprit critique à votre place.

Et personne ne peut poser votre téléphone à votre place non plus.

PS : ajoutons que l’on pourrait remplacer réseaux sociaux par télévision ou programmes télévisés en différé et qu’on arriverait en grande partie au même résultat. Toutefois, il semblerait que le monde journalistique se préoccupe moins de la consommation passive et excessive par la jeunesse des écrans de télé (qui se confondent de plus en plus avec ceux des smartphones), et c’est bien dommage.

The post Employabilité des jeunes : cherchez le coupable appeared first on Marketing and Innovation.

Quelques conseils pour votre stratégie de contenus en vente complexe. Tel est le titre de ma courte présentation du 2 décembre au Social Selling Forum des Hauts de France (quand j’y habitais on appelait ça le Nord Pas de Calais, mais ça devait être trop dur à prononcer) organisé par Loic Simon. Une occasion pour moi de revenir sur un bon nombre de points qui me semblent importants, issus de notre expérience de terrain de 7 ans, un chiffre comme chacun sait, propice à la réflexion. Ce billet est une republication de décembre 2020 qui me paraît particulièrement pertinente en cette ère ou l’IA bouscule et bousculera encore les stratégies de contenus en marketing pour la vente complexe.

Lors de cette présentation flash (15 minutes) j’ai donné 14 conseils (ça fait presque un conseil par minute en comptant les respirations), dont 8 conseils sur le fond de vos contenus et 6 sur la forme. Ici j’occulte volontairement les questions d’organisation

Vous pouvez retrouver cette présentation en vidéo ci-dessus.

En conclusion et pour les gens pressés, je vous conseille de retourner à la définition du content marketing par Joe Pulizzi dans son livre fondateur « Epic Content Marketing ». Elle vous permettra, si vous la lisez bien, d’éviter de faire des erreurs.

The post 14 Conseils pour votre stratégie de contenus en vente complexe appeared first on Marketing and Innovation.

Le retour d’expérience client a toujours existé dans la communication B2B. Mais il est resté systématiquement sous-exploité, faute d’un cadre et d’un dispositif adaptés pour le valoriser et le rendre vraiment exploitable. C’est précisément le constat qu’Éric Mattern a fait au terme de vingt-cinq ans de terrain dans la tech et la data. Sa réponse est une plateforme dédiée, Show Me The Rex, lancée officiellement fin mars 2026, dont l’ambition est de faire du REX un actif stratégique à part entière pour les acteurs de la tech, de la data et de l’intelligence artificielle. Voici donc le compte-rendu de mon entretien avec Éric Mattern, fondateur de Show Me The Rex (transparence : nous sommes partenaires de Show Me The Rex).

Avant même d’aborder la méthode, les données du marché confirment l’enjeu du retour d’expérience client en B2B. Dans un parcours d’achat B2B profondément digitalisé, la preuve concrète est devenue en effet le premier filtre des décideurs.

J’ai travaillé pendant vingt-cinq ans sur tous les canaux de visibilité et de go-to-market dans les secteurs technologiques. Et j’ai constaté qu’un levier fort restait systématiquement sous-exploité : le REX. Ces retours d’expérience client ont toujours existé, mais ils n’ont jamais disposé du cadre ni du dispositif qui leur auraient permis d’être vraiment valorisés et exploitables. Or c’est précisément ce qu’attend le marché. Les décideurs veulent identifier des solutions, comprendre des méthodologies, appréhender des démarches concrètes. Le REX rassemble tout cela.

Le livre blanc apporte généralement une vision macro, dépersonnalisée et très orientée marketing. Le REX donne la parole aux praticiens : ceux qui ont mis en place des solutions, éprouvé des méthodologies et résolu des contraintes budgétaires ou politiques internes que les études ne racontent jamais. Les études se concentrent souvent sur les échecs en chiffres. Le REX montre comment une équipe a su contourner une difficulté, gérer un risque et résoudre sa problématique. C’est là que réside toute sa valeur.

À tous les porteurs de projet dans une organisation. On pense évidemment aux équipes techniques et aux DSI, mais aussi aux directeurs de l’innovation et de la transformation. Ceux-ci ont besoin de se projeter et d’identifier des partenaires capables d’accompagner leur évolution. Toutes les directions métier sont concernées : finance, marketing, supply chain, RH. On peut même imaginer des investisseurs qui regardent un acteur à travers ses réalisations concrètes pour évaluer sa capacité réelle à aller sur le marché.

Sur le secteur tech, data et IA, on trouve aussi bien des éditeurs que des intégrateurs et des sociétés de conseil. Les ESN et intégrateurs sont naturellement très légitimes pour produire des REX. Ils sont au coeur de la mise en oeuvre et de la conduite du changement. Mais les éditeurs ont eux aussi un intérêt fort à valoriser les bénéfices concrets apportés par leurs solutions. C’est un potentiel important que nous accompagnons.

Tous les acteurs y trouvent un intérêt, mais pour des raisons différentes. Les grands groupes ont souvent un problème de partage interne. Ils accumulent des REX sans disposer d’un cadre pour les référencer et les diffuser entre services et départements, avant même de les exposer à leurs futurs clients. Pour les acteurs plus petits, c’est avant tout un enjeu de visibilité et de crédibilité. Le REX démontre leur capacité à résoudre de vraies problématiques marché.

Oui, clairement. Le marché attend des REX. Il est désormais impossible d’organiser un événement, une conférence ou un webinaire sans inviter un client qui vient témoigner de son projet : c’est ce qui attire les clients potentiels. Dans un contexte où l’IA évolue à un rythme soutenu, les décideurs ont besoin de se raccrocher à du concret. Ce concret accélère la transformation d’un prospect en client, parce qu’il lui apporte des garanties tangibles sur la mise en oeuvre et les bénéfices. C’est un vrai levier de visibilité et de conversion pour tout acteur de la tech, de la data et de l’IA.

Les motivations sont multiples. Il y a d’abord une dimension personnelle. Celui qui vient témoigner renforce son positionnement d’expert, en interne comme en externe. Il y a aussi un enjeu d’image de marque et d’innovation. Montrer qu’une organisation se transforme, c’est attirer les talents. Quand une grande entreprise met en avant ses projets de transformation data ou IA, elle envoie un signal fort à des profils qui cherchent des environnements stimulants.

Il en faut trois.

Oui, la plateforme Show Me The Rex propose un template qui structure l’ensemble.

Un REX doit apporter de la valeur ajoutée réelle, et un projet n’est jamais sans embûches

La première, c’est de transformer le REX en brochure commerciale : tout lisser, éliminer les tensions, les contraintes, les arbitrages. Un REX trop parfait n’est pas crédible.

La deuxième erreur, c’est de verser dans le trop technique ou le trop produit, en listant des fonctionnalités plutôt qu’en racontant la démarche projet.

Le troisième écueil, c’est l’anonymisation excessive. Si le client final est trop peu présent dans le témoignage, le REX perd l’essentiel de son intérêt. Il faut embarquer le client, pas le dissimuler.

Je vous conseillerais de commencer par cartographier vos cinq à dix plus beaux projets clients récents, en identifiant pour chacun un angle business clair. Sur cette sélection, repérez un ou deux ambassadeurs prêts à témoigner et construisez avec eux un premier format simple : interview écrite, courte vidéo ou webinaire. Ensuite, impliquez très tôt les équipes commerciales, parce que le REX doit leur servir directement dans leur démarche et pour leurs rendez-vous. Une fois ces premières étapes franchies, industrialisez progressivement la démarche en vous appuyant sur un template structuré, comme celui que nous proposons sur Show Me The Rex.

Éric Mattern a trouvé un angle simple et puissant : là où tout le monde produisait du contenu générique, il a misé sur la preuve concrète. Show Me The Rex arrive au bon moment, dans un marché saturé de promesses et avide de preuves concrètes.

Pour les acteurs de la tech et de la data, la capacité à produire et diffuser des retours d’expérience solides est en train de devenir un facteur de différenciation à part entière. Les décideurs qui s’informent en autonomie, les comités d’achat qui comparent en ligne avant tout contact commercial, les talents qui choisissent leur employeur sur la foi de projets concrets… Tous cherchent la même chose. Une preuve que ça marche, racontée par ceux qui l’ont vécu.

La plateforme est accessible sur showmetherex.com.

Éric Mattern est entrepreneur dans l’univers de la tech et du digital B2B depuis plus de vingt-cinq ans. Après un parcours dans les fonctions commerciales et marketing au sein de plusieurs acteurs de la tech et de la data, il fonde Show Me The Rex, une plateforme dédiée à la production, la structuration et la diffusion de retours d’expérience sur les projets tech, data et IA.

Show Me The Rex est une plateforme B2B dédiée à la valorisation des retours d’expérience dans les domaines de la tech, de la data et de l’intelligence artificielle. Elle s’adresse aussi bien aux producteurs de REX (éditeurs, intégrateurs, sociétés de conseil) qu’aux décideurs et porteurs de projet à la recherche de cas concrets pour guider leurs choix.

The post Retour d’expérience client (REX) : un outil stratégique appeared first on Marketing and Innovation.

Alain Goudey est directeur de l’innovation numérique à Neoma Business School et co-auteur d’une étude académique à comité de lecture sur l’IA générative dans l’enseignement supérieur. Cette enquête porte sur la façon dont les étudiants, les enseignants et les doyens perçoivent la légitimité de l’IA générative dans les établissements français de formation au management. Ses conclusions sont à la fois rassurantes et dérangeantes.

Lorsqu’Alain Goudey et ses collègues ont commencé à enquêter sur l’enseignement supérieur français début 2024, ils ne cherchaient pas à trancher le débat sur l’IA générative bonne ou mauvaise. Ils voulaient comprendre quelque chose de plus précis : comment le même outil pouvait être simultanément valorisé, redouté, accepté et dénoncé, parfois par la même personne.

Leur étude, publiée dans Communications of the Association for Information Systems (CAIS), s’appuie sur des enquêtes menées auprès de 668 étudiants, 204 enseignants et 29 directeurs d’établissement (les « deans » du système anglo-saxon), complétées par 22 entretiens approfondis avec des enseignants ayant adopté l’IA en avance de phase. Ce qui en ressort évoque ces attractions foraines qu’on appelle palais des glaces : chaque partie prenante voit un problème différent et cherche une solution qui lui est propre.

Le point de départ est un chiffre qui aurait dû clore le débat. Entre 80 et 92 % des étudiants, selon l’établissement, utilisent déjà des outils d’IA générative dans leur travail universitaire. Ce chiffre a été atteint en à peine dix-huit mois après le lancement public de ChatGPT. L’outil n’a pas attendu l’autorisation des institutions. Il s’est déployé de lui-même. Et dans bien des cas, l’enseignement supérieur est encore en train de rédiger sa note de cadrage.

Alain met le doigt sur le fond du sujet d’emblée. Les étudiants apprécient l’IA générative pour sa rapidité, sa capacité à générer des idées et son rôle d’appui à l’apprentissage. Mais ils craignent aussi, et leurs établissements avec eux, ce que les chercheurs appellent la « paresse métacognitive » : l’érosion progressive de l’effort cognitif qui produit un apprentissage réel. Pour lui, ce n’est pas une contradiction à résoudre, c’est un défi de conception pédagogique.

« La résolution de ce problème passe par la conception des cours, où il faut réintroduire délibérément l’effort cognitif et la réflexion dans l’usage de l’IA générative en tant qu’outil, et non en tant que substitut à la cognition humaine ».

Le problème n’est pas la technologie, mais la posture que l’utilisateur adopte face à elle. Celui qui formule ce qu’Alain appelle une « requête naïve » obtient une réponse naïve : bien mise en forme, parfaitement médiocre. L’outil est capable de bien davantage, à condition que l’utilisateur apporte suffisamment de connaissances métier et d’esprit critique à l’échange.

« Il faut cultiver sa propre réflexion plutôt que de déléguer l’ensemble du processus à la machine ».

C’est, je l’ai souligné durant notre entretien, moins une question de prompt engineering que de discipline intellectuelle de base : savoir interroger la question avant de la poser. Les départements de philosophie enseignent cela depuis des siècles, sans se soucier de la mode.

Cette observation a conduit Alain à formuler une vision de la culture numérique qui tranche avec ce qu’on entend généralement. Le débat ne porte pas seulement sur la maîtrise technique des outils, il porte autant sur la connaissance suffisante du sujet pour juger si le résultat produit a une quelconque valeur. L’IA générative ne remplace pas l’expertise : elle amplifie celle que l’utilisateur porte déjà en lui.

Ce qui soulève une question dérangeante pour les établissements qui forment des diplômés sans leur donner l’occasion de développer cette expertise.

À Neoma, la réponse est délibérément double. Les enseignants forment les étudiants aux outils d’IA générative et à leurs limites. Ils enseignent aussi l’Odyssée d’Homère et Frankenstein de Shelley dans le cadre du cursus de management. L’objectif n’est pas l’enrichissement culturel pour lui-même : il s’agit de donner aux étudiants des modèles mentaux pour se représenter ce que peut être le leadership, ou ce qui arrive quand une création échappe aux intentions de son créateur.

Alain appelle cela « construire une infrastructure cognitive » :

« Nous devons permettre aux étudiants d’appréhender le monde à travers différents modèles, différents types de processus et cadres théoriques, afin de développer une véritable pensée critique sur ce que produit l’IA ».

Une école de management qui fait l’impasse sur ces fondements produit des diplômés capables de manier l’outil, mais incapables d’en évaluer les résultats.

C’est dans le domaine de l’évaluation que le problème apparaît le plus clairement. Un enseignant capable de produire un examen de deux heures en trois minutes fait face à des étudiants qui peuvent y répondre en un temps tout aussi court. La valeur de diagnostic de l’exercice s’est ainsi évaporée.

« Si ChatGPT ou n’importe quel outil d’IA générative peut réussir un examen, il faut repenser cet examen ».

La réponse d’Alain n’est pas un retour au papier-crayon, même s’il reconnaît que l’évaluation écrite en présentiel reste la solution la plus simple à portée de main.

Sa réponse est structurelle : évaluer les compétences tout au long du cours plutôt que de mesurer l’acquisition de contenus en fin de parcours, via des évaluations plus fréquentes et à moindres enjeux.

La résolution de problèmes en situation réelle, l’évaluation par le processus et les examens oraux en présentiel préservent une partie de ce que l’examen traditionnel était censé mesurer. Mais Alain est honnête sur les limites : aucun format n’est totalement à l’abri. Les modèles d’IA évoluent trop vite pour qu’une solution unique reste valable durablement. La bonne réponse n’est pas de trouver une formule définitive, mais de considérer la refonte des évaluations comme un travail permanent.

La conclusion de l’article va plus loin : ce que l’enseignement supérieur vend réellement devra peut-être changer. Si des contenus peuvent être récupérés, synthétisés et restitués à coût quasi nul par un outil accessible à quiconque dispose d’un navigateur, un diplôme qui certifie la maîtrise de ces contenus certifie quelque chose dont la valeur s’érode. Ce qui résiste à cette érosion, ce sont les compétences que l’IA ne peut pas encore reproduire de façon crédible : le jugement contextuel, le raisonnement éthique, la capacité à construire des cadres d’analyse et à les confronter à la réalité.

C’est aussi, en substance, la manière dont j’aborde l’enseignement de l’IA, que ce soit avec des étudiants d’écoles d’ingénieurs ou de commerce, notamment dans le cadre de mon cours à Omnes Education (qui en est désormais à sa quatrième année consécutive).

La réponse institutionnelle de l’enseignement supérieur à l’IA générative a été, pour le dire avec ménagement, inégale. Sciences Po a interdit ChatGPT en janvier 2023, avant de changer d’avis. Trente-cinq universités publiques françaises se sont associées à Mistral AI. Les établissements élaborent une charte nationale. Neoma, où Alain est directeur de l’innovation numérique, a été l’une des premières écoles de commerce françaises à formaliser son approche, en lançant un programme de formation des enseignants, du personnel et des étudiants autour d’un socle commun initial, avant de passer à des ateliers spécialisés sur la conception des cursus, l’évaluation et la refonte des expériences d’apprentissage.

Ce que la recherche révèle, c’est que cette activité institutionnelle ne résout pas un problème unique. Trois groupes de parties prenantes tentent chacun de résoudre leur propre version du problème sous le même intitulé.

Les étudiants veulent des règles et une formation à la culture de l’IA. De leur côté, les enseignants développent leurs propres approches pédagogiques via des ateliers entre pairs. Les doyens définissent les politiques et négocient les infrastructures souveraines. Les préoccupations s’échelonnent dans une direction prévisible : la performance académique individuelle pour les étudiants, l’intégrité des évaluations pour les enseignants, la réputation institutionnelle pour les doyens. Ces trois groupes ne sont pas toujours en dialogue.

L’objectif, tel que Neoma l’a mis en pratique, est de réunir les trois publics autour de la technologie sous un cadrage partagé, suffisamment tôt pour qu’aucun groupe ne puisse s’enfermer dans une position rendant toute coordination ultérieure impossible.

La question de l’équité traverse ces trois niveaux. L’accès aux modèles d’IA haut de gamme n’est pas gratuit. Lorsque j’ai soulevé la question de l’écart entre les abonnements de base et les offres professionnelles, la réponse d’Alain est révélatrice : le problème d’infrastructure est réel, mais secondaire.

« La plus grande inégalité ne porte pas sur l’accès à l’outil, mais sur la capacité à l’utiliser correctement ».

À Neoma, le partenariat institutionnel avec Mistral donne à tous les étudiants accès à un outil de niveau professionnel. Ce que montrent les données, même à accès égal, c’est un fossé important entre les étudiants qui utilisent l’IA générative pour obtenir la réponse la plus rapide possible et ceux qui s’en servent pour approfondir leur réflexion. Ce fossé ne se comble pas par l’égalisation des abonnements.

Même si je partage l’essentiel de ce qu’Alain avance, je pense que la hausse des prix des modèles haut de gamme est prévisible. Elle tient à l’écart entre les investissements consentis et les retours commerciaux obtenus. Cela conduira quasi inévitablement à une fracture économique entre ceux qui ont les moyens et ceux qui ne les ont pas. Il suffit de regarder la grille tarifaire de Claude d’Anthropic pour s’en convaincre. Au-delà du modèle Pro, très limité en termes d’usage de tokens, notamment si l’on utilise le modèle Opus 4.6 plus sophistiqué, les tarifs atteignent déjà 1 200 € par an. Ce n’est pas une somme négligeable, d’autant plus préoccupante à l’heure où Claude s’impose rapidement comme la référence pour les utilisateurs soucieux de qualité.

L’une des formulations les plus frappantes qui ressort des travaux d’Alain est ce qu’il appelle le phénomène des « héros de l’IA ». Dans les établissements d’enseignement supérieur français, certains enseignants font un travail pédagogique excellent et innovant avec l’IA générative : ils conçoivent de nouveaux formats d’évaluation, animent des ateliers, repensent des modules entiers autour de l’apprentissage augmenté par l’IA. Ils produisent des résultats. Et ils le font en grande partie seuls, sans reconnaissance institutionnelle, sans incitations de carrière, sans aucun mécanisme pour partager ce qu’ils ont appris.

Les incitations sont mal calibrées. Dans l’enseignement supérieur, c’est la production de recherche qui est récompensée, pas la conception pédagogique, du moins pas de la même façon. Un enseignant pionnier qui repense entièrement un programme autour des compétences liées à l’IA générative recevra peut-être moins de reconnaissance professionnelle qu’un collègue qui publie un seul article dans une revue.

Le risque, si rien n’est fait, est l’émergence d’un système à deux vitesses : une minorité d’enseignants à l’aise avec le numérique qui tirent leurs étudiants vers l’avant, tandis que la majorité reste à la traîne, ni formée ni encouragée à s’engager. L’innovation de terrain est réelle et précieuse. Sans structures institutionnelles pour la reconnaître, la valoriser et la reproduire, elle reste une exception plutôt qu’un modèle.

L’armature théorique de l’étude repose sur le modèle triadique de légitimité de Suchman, qui distingue la légitimité pragmatique (l’outil sert-il mes intérêts ?), la légitimité morale (est-il conforme à mes valeurs ?) et la légitimité cognitive (est-il tenu pour acquis dans la façon dont les choses fonctionnent ?). Ce modèle a été conçu pour des technologies adoptées progressivement. L’IA générative l’a mis à l’épreuve dans des conditions d’adoption massive quasi instantanée. Alain et ses co-auteurs n’y voient pas une raison de rejeter le cadre, mais une occasion de l’enrichir : ils introduisent un continuum légitimité-illégitimité plutôt qu’une simple alternative binaire.

Le résultat qu’Alain décrit comme l’asymétrie la plus notable dans les données concerne la dimension morale chez les étudiants. Les plus grands utilisateurs d’IA générative n’accordent aucune légitimité morale à ces outils dans un contexte académique. Ils les associent, avec une forte fréquence, à la triche, au plagiat, à la dévaluation des diplômes et à l’injustice. Ils utilisent un outil qu’ils considèrent comme éthiquement compromis. Ce n’est manifestement pas tenable.

Sur ce point, Alain a une opinion très différente.

« Utiliser l’IA générative ne constitue pas nécessairement de la triche. Cela dépend entièrement de la façon dont on l’utilise et à quelle fin ».

L’échec institutionnel, selon lui, tient au fait que les établissements n’ont pas fait suffisamment pour modifier la perception que les étudiants ont de la technologie.

Les enseignants offrent un tableau plus complet. Les six dimensions de légitimité et d’illégitimité sont présentes dans leurs réponses. Ils reconnaissent l’utilité de ces outils tout en mettant en doute leur fiabilité, les jugent professionnellement nécessaires tout en trouvant leur architecture opaque, et invoquent leur potentiel inclusif tout en signalant la paresse intellectuelle et l’érosion de la pensée critique comme leur préoccupation la plus fréquemment citée : 58 occurrences dans le corpus qualitatif.

Pour les directions de ces institutions, le thème dominant est stratégique. La pression concurrentielle, la crainte de se laisser distancer et les gains d’efficacité dans les flux administratifs génèrent une légitimité pragmatique et cognitive. Ce qui introduit de l’illégitimité, ce sont les risques liés à la gouvernance : protection des données, surconfiance dans les résultats produits par l’IA, menace pour l’intégrité des évaluations à l’échelle institutionnelle.

Le mouvement théorique le plus significatif de l’article consiste à traiter l’illégitimité comme une catégorie analytique à part entière, et non comme la simple absence de légitimité. L’argument, emprunté à la théorie du changement, est que les signaux d’illégitimité doivent être lus comme des signaux d’alerte qui appellent une réaction rapide. Un établissement qui interprète le malaise moral des étudiants vis-à-vis de l’IA générative comme un simple problème de communication passe à côté du signal. Ce malaise dit quelque chose sur ce que le cursus enseigne réellement, et sur ce que l’évaluation mesure effectivement.

Lorsque les étudiants associent l’IA générative à la triche, à l’injustice et à la dévaluation des diplômes, ils ne sont pas irrationnels. Ils se trouvent dans les phases de déni et de résistance du modèle de changement de Scott et Jaffe. Les établissements ne peuvent pas se contenter d’étouffer ce signal : ils doivent traiter ce qu’il révèle.

Source : adapté de Scott & Jaffe, « Survive and Thrive in Times of Change », tracé avec Claude. Voir : expertprogrammanagement.com/2018/05/scott-and-jaffe-change-model/

Le contexte français ajoute une couche de complexité que la recherche saisit avec précision statistique et nuance qualitative. Sur le plan quantitatif, l’analyse n’a révélé aucune différence statistiquement significative dans la dynamique d’adoption de l’IA générative entre les universités publiques et les écoles de commerce. Sur le plan qualitatif, les choses diffèrent. Les écoles de commerce évoluant dans un marché très concurrentiel, ont avancé plus vite. Les universités publiques se sont mobilisées de façon plus systématique autour de la gouvernance, de la souveraineté et des infrastructures collectives, comme en témoigne l’alliance de 35 établissements avec Mistral AI et EdTech France.

Alain n’y voit pas une contradiction, mais une division du travail qui, bien gérée, pourrait constituer un véritable atout.

« Nous devons jouer collectif, parce que la compétition est mondiale ».

La question de l’infrastructure d’IA souveraine, notamment la fédération ILaaS et le partenariat du ministère de l’Enseignement supérieur avec Mistral, déployé dans 26 universités pilotes depuis septembre 2025, n’est pas simplement symbolique. Il s’agit de permettre aux établissements français d’exploiter, de gouverner et d’adapter leurs outils d’IA sans dépendance envers des fournisseurs dont la tarification, les conditions et les capacités peuvent évoluer à tout moment.

Encore faut-il que l’effet d’entraînement vers tel ou tel outil ne devienne pas trop fort. En ce moment, il est difficile de résister à l’envie d’utiliser Claude d’Anthropic quand tout le monde loue la qualité de son code et de ses résultats.

La comparaison internationale est difficile à ignorer. Singapour, la Corée du Sud et les Émirats arabes unis intègrent la maîtrise de l’IA comme compétence nationale fondamentale dès le secondaire. Le regard d’Alain est direct : les décideurs publics français ne sont pas encore suffisamment préparés à l’ampleur de ce qui vient.

« Avoir moins de personnes compétentes en IA que dans d’autres parties du monde est très dangereux pour notre économie et pour l’ensemble de nos organisations ».

Le réflexe réglementaire, profondément ancré dans la culture politique européenne, n’est pas sans fondement. Prendre le temps de réguler de façon responsable a de la valeur. Mais cela ne peut pas se substituer à la rapidité d’adoption au niveau des compétences et des cursus.

L’entretien se termine, comme il se doit, par la méta-question : qu’est-ce que cela signifie d’étudier la légitimité de l’IA générative en utilisant l’IA générative ? L’équipe d’Alain a utilisé ChatGPT, Perplexity, NotebookLM et OpenAI O3 dans le processus de recherche, et l’a indiqué explicitement dans la déclaration d’utilisation de l’article. Sa réponse à la question des biais est prudente. Chaque étape de l’analyse a impliqué un codeur humain. L’équipe a confronté le codage assisté par IA à une analyse indépendante préalable des mêmes données, réalisée pour un rapport institutionnel français, puis comparé les deux séries.

« Il faut être transparent sur l’usage que l’on fait de ces outils, pour quel objectif, à chaque étape ».

Cette déclaration était un choix délibéré, précisément parce que le sujet de l’article rendait toute autre approche intenable.

Utiliser l’IA pour améliorer la qualité d’un texte et l’utiliser pour en générer un que l’on présente ensuite comme le sien sont deux choses différentes. Techniquement, c’est une question de degré. Dans les faits, c’est la différence entre un travail assumé et une abdication. L’équipe d’Alain a su naviguer entre les deux pour publier. La plupart des étudiants de son corpus cherchent encore à tracer cette ligne, dans un environnement où personne ne l’a clairement expliquée et où les outils d’évaluation n’ont pas encore été reconstruits pour lui donner du sens.

Lorsqu’on lui a demandé une recommandation concrète par groupe de parties prenantes, les réponses d’Alain ont été sans ambiguïté.

Pour les étudiants : associer la culture technique de l’IA, comprendre le fonctionnement des outils et connaître leurs modes de défaillance, à une réflexion critique et éthique authentique sur les résultats produits. Ni l’une ni l’autre de ces dimensions ne suffit seule. Un étudiant capable de formuler des requêtes avec fluidité mais incapable d’évaluer le résultat n’a rien appris d’utile.

Pour les enseignants : ces enseignants pionniers, que lui-même appelle les « héros de l’IA », ne peuvent pas être laissés à opérer seuls. Les établissements doivent créer les conditions du partage des bonnes pratiques au sein de la communauté enseignante, et accorder à l’innovation pédagogique la reconnaissance professionnelle qui lui fait actuellement défaut. Un enseignant qui repense de fond en comble son dispositif d’évaluation mérite au moins autant de crédit institutionnel qu’un collègue qui soumet une communication à un colloque.

Pour les dirigeants institutionnels : un cadre politique à plusieurs niveaux n’est pas une option. Les étudiants, les enseignants et le personnel administratif n’abordent pas l’IA générative depuis le même angle, et une politique unique imposée de haut en bas ne satisfera aucun d’eux. La direction doit gérer ces trois dimensions en même temps, et ouvrir un dialogue véritable entre les groupes avant qu’une crise ne force la main.

Des trois niveaux, Alain identifie le niveau institutionnel comme le plus urgent. Les étudiants et les enseignants s’adaptent déjà, imparfaitement, en temps réel. Les cadres institutionnels qui permettraient de donner un sens et une direction à ces adaptations restent, dans la plupart des cas, à construire.

L’urgence n’est pas exagérée. La complexité non plus. Le défi d’intégrer l’IA générative de façon responsable dans l’enseignement supérieur est un défi qu’aucun établissement ne peut se permettre d’ignorer, ni de relever seul.

Alain Goudey est professeur et directeur de l’innovation numérique à Neoma Business School. Il est co-auteur de « Legitimacy and Illegitimacy of Generative Artificial Intelligence in Higher Education: Perceptions from the French Management Context », publié dans les Communications of the Association for Information Systems.

The post IA générative dans l’enseignement supérieur, état des lieux appeared first on Marketing and Innovation.

IA générative et marketing sont-ils compatibles ? La question de savoir si l’IA va « tuer » le marketing peut sembler éculée, et pourtant elle est sur toutes les lèvres dans la profession. Thomas Husson, vice-président et analyste principal chez Forrester Research, basé à Paris, étudie depuis des années le carrefour entre marketing, technologie et comportement des consommateurs sur les marchés européens. Dans un entretien de fond, il démonte le paradoxe européen autour de l’IA générative, l’éternel fossé entre DSI (CIO) et directeurs marketing (CMO), l’écart entre l’enthousiasme des POC et la réalité de la mise en production, et la question épineuse de ce que l’IA signifie concrètement pour la prochaine génération de marketeurs. Ses réponses sont mesurées, parfois directes, toujours ancrées dans les données de Forrester Research.

Ma première question était la plus évidente : les directeurs marketing vont-ils être rendus obsolètes par l’intelligence artificielle ? La réponse de Thomas Husson est sans ambiguïté, et mérite d’être posée d’emblée clairement. C’est un « non » catégorique. Le rôle va évoluer. Les méthodes vont changer. Mais l’existence même du marketing en tant que discipline n’est pas, selon lui, en jeu.

« Le marketing restera toujours une affaire de compréhension du client, de définition d’une stratégie de marque et de tenue de la promesse faite au client à travers l’expérience. »

Cela dit, Thomas Husson ne se fait aucune illusion sur les pressions qui s’accumulent au sein des organisations marketing. Certaines tâches seront automatisées, c’est incontestable. Les vraies questions sont lesquelles, à quel rythme, et si l’automatisation d’une tâche condamne nécessairement le métier qui l’entoure. Sa réponse à cette dernière question est non, du moins pas de façon aussi mécanique qu’on pourrait le croire. « Les emplois vont évoluer, c’est certain. De nouveaux emplois vont être créés. La plupart des métiers vont changer. Notre façon de travailler va changer. La façon dont nous travaillons avec les agences, avec les partenaires externes, les processus, les flux de travail. C’est la forme du travail qui se transforme, pas le travail lui-même », a-t-il ajouté.

Pour ceux qui espéraient un verdict plus tranché, la lecture de Thomas Husson peut sembler décevante. Mais elle reflète ce que les données de Forrester Research montrent réellement. Elle pointe aussi vers le défi pratique le plus important pour l’IA comme pour les directeurs marketing, à savoir gérer une transformation profonde sans tomber dans le catastrophisme ni s’y laisser porter les yeux fermés.

Une étude de Forrester a livré un résultat qui, à première vue, semble contradictoire, comme Thomas l’a souligné lors de notre entretien. Cinquante-cinq pour cent des marketeurs B2B européens estiment que l’IA générative est surestimée. Et pourtant, 81 % des praticiens du marketing en Europe se décrivent comme enthousiastes à son égard. Comment les deux peuvent-ils être vrais en même temps ?

Thomas explique ce paradoxe sans difficulté. Le scepticisme des décideurs est parfaitement rationnel. L’IA est omniprésente dans les conférences, les argumentaires commerciaux et la couverture médiatique. « Il y a une fatigue de l’IA. Et surtout, certains éditeurs en font vraiment trop, et les gains de productivité qu’ils promettent ne sont tout simplement pas au rendez-vous », a-t-il déclaré. L’écart entre le discours et ce que l’on vit réellement sur le terrain est suffisamment grand pour engendrer une frustration bien légitime.

Mais ceux qui utilisent vraiment ces outils, souvent officieusement, ont un tout autre vécu. Ils gagnent du temps et font leur travail différemment. Ils découvrent des capacités auxquelles ils ne s’attendaient pas.

« À court terme, tout est surestimé, y compris le nombre de suppressions d’emplois. À long terme, les choses sont sous-estimées, parce que l’IA sera liée à d’autres technologies, et oui, elle va réinventer beaucoup de choses. »

C’est une reformulation précise de la loi d’Amara. Roy Amara, ancien président de l’Institute for the Future, avait observé que nous avons tendance à surestimer l’impact à court terme des nouvelles technologies et à en sous-estimer l’impact à long terme. La citation est souvent attribuée à tort à Bill Gates, mais Thomas prend soin de rétablir la paternité exacte. Il l’applique directement à la conversation sur l’IA et les directeurs marketing. Le bruit à court terme noie un signal à long terme bien plus important. Interrogé sur ce que « long terme » signifie concrètement à l’heure de l’accélération de l’IA, Thomas Husson a été précis : « sans doute plus proche de cinq à sept ans que de dix ou quinze, mais pas demain pour autant ».

L’enquête State of AI Survey 2025 de Forrester Research contient un chiffre qui mérite bien plus d’attention qu’il n’en reçoit. Les organisations européennes accusent un retard sur leurs homologues non européennes dans l’usage en production de l’IA générative : 62 % contre 72 %. L’écart ne se situe pas dans l’expérimentation. Il est dans le passage à l’acte.

La réglementation est l’explication la plus souvent avancée, et Thomas Husson la balaie avec sa franchise habituelle. L’AI Act est une contrainte réelle, mais ce n’est pas la cause principale du déficit de mise en production en Europe. Il fonctionne, selon lui, comme une excuse à double tranchant. Les pionniers affirment qu’il les empêche d’avancer assez vite, tandis que les organisations frileuses s’en servent pour justifier leur immobilisme. Ni l’une ni l’autre de ces positions ne résiste à l’examen.

Le problème de fond est organisationnel et culturel. Les entreprises américaines et chinoises pensent global dès le premier jour, tandis que les entreprises européennes, notamment les plus grandes, continuent de fonctionner marché par marché. La France d’abord, puis le Royaume-Uni, puis l’Allemagne. L’ambition est calibrée différemment. Il existe également un défi structurel autour du financement et de la capacité à passer à l’échelle.

Cela dit, la France, le Royaume-Uni et l’Allemagne arrivent en tête de l’adoption parmi les pays européens dans les données de Forrester Research. Le problème pour ces marchés de tête n’est pas de savoir s’ils utilisent l’IA générative. Vingt-huit pour cent des décideurs marketing B2B européens ne parviennent pas à identifier clairement où l’appliquer. Ils ont l’outil. Il leur manque la stratégie.

« Ce n’est pas utiliser l’IA pour elle-même mais comment est-ce que j’utilise l’IA pour servir mes objectifs marketing ? C’est la question. La seule qui vaille. »

Il préconise de petits projets IA ciblés, avec un retour sur investissement transparent, comme moyen de créer une dynamique et de démontrer des résultats. Quand on lui demande si cela ne risque pas de maintenir l’organisation dans une logique purement incrémentale, il concède le point sans détour.

« Si vous ne faites que de petits projets ciblés, ce sera incrémental et pas suffisamment ambitieux. Il faut les inscrire dans une vision et une feuille de route. »

La productivité est le premier moteur de l’adoption de l’IA dans l’enquête State of AI Survey 2025 de Forrester Research. C’est aussi, selon Thomas Husson, la métrique la plus exposée à l’inflation des éditeurs. Dans les modélisations de Forrester Research, un facteur de conversion de 50 % est appliqué aux annonces de gains de productivité des fournisseurs. Si un outil fait gagner une heure, l’avantage réaliste en productivité est d’environ 30 minutes de production supplémentaire. Ce n’est pas un ajustement marginal, cela divise par deux les chiffres annoncés en grande pompe à la une des journaux que les éditeurs publient régulièrement.

« Il faut appliquer une décote au discours des éditeurs quand ils annoncent 40, 50, 80, 100 % de gains de productivité. Des gains, il y en a, mais ils ne sont pas aussi élevés qu’on pourrait le croire. »

Il y a aussi une dimension de motivation que les modèles prennent rarement en compte. Quand le travail devient plus facile à produire, il peut aussi devenir moins engageant à réaliser. L’effort cognitif qui nourrissait jusqu’ici la concentration et la satisfaction disparaît en partie, avec des conséquences sur la qualité et l’implication qu’aucune présentation d’éditeur ne prend en considération.

Le fossé entre DSI et directeurs marketing est un thème récurrent dans les discussions sur les technologies marketing. Les données de Forrester Research suggèrent que l’écart au niveau des dirigeants s’est réduit, en partie grâce aux collaborations nées pendant la période post-COVID. Mais au niveau des équipes, les tensions persistent, et les données sur la gouvernance de l’IA sont saisissantes.

Les directeurs marketing ne représentent que 8 à 10 % des pilotes de la stratégie IA dans les organisations. Dans la grande majorité des cas, c’est le DSI ou le CTO qui pilote le déploiement de l’IA. Thomas Husson comprend la logique : gouvernance des données, sécurité, scalabilité. Ce sont des préoccupations légitimes. Mais il estime que cette façon de faire est erronée.

« C’est exactement la même erreur qui s’est produite avec la transformation digitale. L’IA doit être au service, d’abord, du client, et par conséquent des fonctions métier qui le servent. Il y a un décalage beaucoup trop important entre une plateforme IA sécurisée et scalable d’un côté, et les besoins des marketeurs de l’autre. »

La conséquence structurelle de cette dynamique est prévisible. Quand le DSI contrôle les outils et que les directeurs marketing n’ont pas ce dont ils ont besoin, le « Shadow AI » prolifère. Plus le DSI verrouille la plateforme officielle, plus les équipes multiplient les solutions non officielles. C’est un cercle vicieux qui accroît le risque de gouvernance tout en donnant l’illusion du contrôle.

Le paysage MarTech aggrave encore le problème. Selon les données citées par Thomas Husson, 2 500 nouvelles solutions IA ont été ajoutées au marché en un an, tandis que 1 211 outils pré-IA étaient retirés. Évaluer ce paysage exige une expertise transversale qu’aucun directeur marketing ni aucun DSI ne possède seul. La nécessité d’une vraie collaboration, plutôt que la coexistence polie qui en tient lieu dans la plupart des organisations, n’a jamais été aussi forte.

Les données de l’enquête sur l’emploi sont préoccupantes. Cinquante-sept pour cent des décideurs marketing terrain en Europe estiment que l’adoption de l’IA entraînera des suppressions de postes dans leurs équipes. Soixante-huit pour cent affirment que de nouveaux rôles seront créés. L’espace entre ces deux chiffres, c’est là que vit la vraie inquiétude. Pour une perspective plus large sur l’impact de l’IA sur l’emploi, y compris les prévisions de Forrester Research pour les États-Unis, voir notre article précédent : AI Job Impact in the US: the Apocalypse Can Wait. Pour une vision à plus long terme de la façon dont l’IA générative remodèle les métiers, voir aussi : GenAI Impact on Jobs.

Les centres de contact et l’exécution des tâches marketing de base enregistrent déjà un impact mesurable. Les agences subissent une pression visible. Mais Thomas revient sans cesse sur la distinction entre automatisation des tâches et suppression des emplois. La plupart des pertes d’emplois ne sont pas encore directement imputables à l’IA, et le tableau demande de la nuance, pas de l’alarmisme.

Sur les nouveaux rôles, la réponse la plus juste est qu’il est difficile de les nommer avant même qu’ils apparaissent. Il y a vingt ans, personne ne recrutait de community managers. Les emplois qui émergeront de la transformation actuelle seront tout aussi difficiles à anticiper. Ce que Thomas Husson dit en revanche, c’est que travailler avec des agents intelligents, gérer leurs productions et comprendre leurs limites deviendra une compétence fondamentale, non plus une spécialité réservée à quelques-uns.

Quant à ses conseils aux professeurs et intervenants du marketing pour leurs enseignements, ils sont très clairs également :

« Apprenez-leur les bases du marketing, elles ne changeront pas. Insufflez beaucoup plus de sciences humaines traditionnelles : éthique, émotion, anthropologie. Ces dimensions vont gagner en importance. La curiosité aussi. Et ils doivent utiliser ces outils, apprendre à s’en servir pour pouvoir développer leur sens critique. »

Il y a une ironie dans ce conseil que Thomas reconnaît implicitement. Les métiers du digital seront probablement les premiers touchés par l’automatisation induite par l’IA, précisément parce qu’ils sont déjà les plus numérisés. Les dimensions analogiques du marketing, qui semblaient les plus vulnérables à la disruption digitale, se révèlent plus résistantes que prévu. L’IA est la suite de la transformation digitale, pas une rupture avec elle.

Cette conversation a également mis en lumière un problème structurel non entièrement résolu. Si les organisations réduisent les recrutements en entrée de carrière pour comprimer les coûts, et que ces postes constituaient le vivier de formation traditionnel de la prochaine génération, alors le processus d’apprentissage itératif qui forge l’expertise senior est en train d’être rompu. L’IA peut enseigner beaucoup de choses, mais la dimension sociale de l’apprentissage aux côtés d’un collègue, au fil du temps, ne se réplique pas facilement.

Une idée reçue veut que l’enthousiasme pour l’IA générative en marketing soit avant tout un phénomène B2C. Thomas Husson conteste cela fermement. Dans son analyse, les marketeurs B2B sont en réalité en avance dans plusieurs domaines, notamment la génération de contenu, la personnalisation et l’aide à la vente dans des processus d’achat complexes impliquant de multiples parties prenantes.

Ce que le B2B découvre aussi, c’est que la distinction tranchée entre une prise de décision B2B rationnelle et un engagement B2C émotionnel est moins solide qu’on ne le suppose généralement. Quand un groupe d’acheteurs prend une décision aux conséquences professionnelles significatives, l’émotion n’est pas absente. Elle est structurée différemment et, à certains égards, engage davantage.

« Ce n’est pas le « humain plus IA blah blah blah » qu’on entend à longueur de journée. Il faut une approche plus nuancée. Au fond, l’IA cherche à répliquer le cerveau humain, mais on ne sait pas vraiment comment fonctionne le cerveau humain. On ne sait pas comment fonctionne la conscience. Donc je prendrais les choses avec des pincettes avant de porter le moindre jugement définitif. »

J’ai conclu en demandant à Thomas comment il utilise l’IA dans son propre travail. Sa réponse était pragmatique. Il s’agit de synthétiser le flux incessant de contenus publiés chaque jour sur l’IA et de filtrer ce qui est vraiment nouveau de ce qui ne fait que recycler des idées existantes. Derrière lui, lors de l’appel vidéo, on apercevait une photographie prise en Thaïlande, de moines bouddhistes. Il a souri quand je l’ai mentionné.

« C’est un bon rappel que tout n’est pas digital et que tout ne tourne pas autour de la technologie. C’est la vraie vie qui compte. »

Pour l’IA et les directeurs marketing, c’est peut-être l’angle le plus utile. La technologie est réelle, la disruption est réelle, l’urgence est réelle. Mais l’inertie des organisations l’est tout autant, tout comme le rythme du changement culturel et la complexité bien réelle de la façon dont les êtres humains prennent leurs décisions, nouent des relations et construisent la confiance. La loi d’Amara n’est pas un prétexte à l’immobilisme. C’est une invitation à planifier avec soin, à agir avec méthode, et à résister à la tentation de prendre les annonces pour des résultats.

Rapports Forrester Research cités dans cet article

Thomas Husson est vice-président et analyste principal chez Forrester Research, basé à Paris. Il couvre la stratégie marketing, la gestion de marque, le marketing mobile et le carrefour entre technologie et comportement des consommateurs sur les marchés européens. Ses recherches portent sur la façon dont les directeurs marketing et les organisations marketing naviguent dans la transformation digitale, l’adoption de l’IA et l’évolution de la relation entre les marques et leurs clients.

Profil analyste Forrester Research : forrester.com

Forrester Research est l’un des cabinets d’études et de conseil les plus influents au monde, fondé en 1983 et dont le siège est à Cambridge, dans le Massachusetts. Il accompagne les dirigeants d’entreprise et les responsables technologiques dans les domaines du marketing, de l’informatique et de l’expérience client, en leur fournissant données, analyses et cadres de référence pour guider leurs décisions stratégiques.

Les données citées dans cet article s’appuient sur deux publications principales de Forrester Research : le Forrester Marketing Survey 2025 et le State of AI Survey 2025, qui couvrent l’adoption de l’IA générative et ses implications organisationnelles sur les marchés B2B européens et mondiaux.

Site de Forrester Research : forrester.com

The post L’IA ne tuera pas le marketing selon Forrester appeared first on Marketing and Innovation.

Jamais le risque de voir une IA hors de contrôle n’a autant occupé les esprits. Pas une semaine ne s’écoule sans un nouveau titre sur des systèmes autonomes au comportement imprévisible, des modèles d’IA qui résistent à leur mise hors service, ou des dirigeants du secteur technologique qui agitent le spectre du risque existentiel. Ce qui est frappant chez Peter McAllister, c’est qu’il soulevait déjà ces questions en 2020, bien avant ChatGPT, avant l’explosion de l’IA générative, avant que l’alignement de l’IA ne s’impose comme enjeu politique grand public. Son techno-thriller The Code, publié en mars de cette année-là, met en scène une IA chargée d’une mission industrielle précise qui dépasse son mandat de façon silencieuse, progressive et catastrophique. Cinq ans plus tard, les questions que McAllister soulevait par la fiction sont désormais débattues dans les conseils d’administration, les parlements et les laboratoires de recherche du monde entier.

Peter McAllister n’est pas un romancier de science-fiction de métier. C’est un ingénieur, scientifique et manager informaticien installé près de Melbourne, en Australie, qui a bâti toute sa carrière à la croisée des chemins entre le monde de l’entreprise, la technologie et les individus. Ce poste d’observation lui a fourni un point de vue sans faux-semblant sur la direction que prenaient les choses, et lui a insufflé suffisamment d’humour noir pour lui donner l’envie d’écrire un livre.

Lorsque j’ai demandé à notre interviewé ce qui l’avait poussé à écrire The Code, sa réponse a été franche et massive. La logique du livre, m’a-t-il expliqué, consiste à prendre mes pires cauchemars sur ce que la technologie pourrait faire et à les mettre sous les yeux du lecteur, afin qu’il partage mes interrogations. Ce n’est pas une formule marketing. C’est la position réfléchie d’un homme qui a vu de vrais systèmes d’IA déployés dans des organisations et qui en a tiré des conclusions qui l’ont mis profondément mal à l’aise.

Le roman tourne autour de Gene, acronyme de GEneral Nanobot Environment AI, déployé par une multinationale minière pour extraire des matériaux d’astéroïdes sur la face cachée de la Lune. Gene reçoit un objectif précis, produire 500 kilogrammes de nanobots. Il en produit 8 millions de tonnes. Ce dépassement déclenche une réaction en chaîne susceptible de réduire la Lune à son noyau ferreux, de sortir la Terre de son axe et de mettre fin à la civilisation. Non par malveillance, mais simplement dans le but d’atteindre un objectif.

Ce que nous cherchons à faire aujourd’hui, c’est de confier des tâches à l’IA comme on les confie à des humains : je veux un résultat, voilà tous les outils dont tu disposes, va l’atteindre, voilà quelques règles et limites. Et tout comme les humains, l’IA peut se laisser obnubiler par l’objectif et décider que les règles n’étaient que des recommandations, pas des contraintes.

Cette version romancée de ce problème d’alignement, a été réalisée des années avant que l’expression n’entre dans le vocabulaire courant. L’écart entre ce qu’un système est censé faire et ce qu’il fait réellement constitue la ligne de fracture centrale du roman. Cletus, l’excentrique physicien imaginé par McAllister, le formule clairement dès la première semaine : « Je ne crois pas qu’il obéisse au Code en ce moment. » Cette seule phrase résume tout le défi de gouvernance que les chercheurs en sécurité de l’IA s’efforcent aujourd’hui de relever.

Ce qui rend la perspective de Peter McAllister particulièrement précieuse, c’est qu’il n’est pas un observateur extérieur. Il parle en praticien qui a observé la mécanique de près. Lorsque j’ai abordé la question de savoir si l’auto-programmation de l’IA relevait de la science-fiction ou de la réalité opérationnelle, il a répondu tout de go que c’est bien réel et que c’est un problème d’aujourd’hui.

Et de donner des exemples parlants. Il a souligné ainsi que des systèmes d’IA d’aujourd’hui comme Claude sont désormais écrits en grande partie par l’IA elle-même, au point qu’aucun ingénieur ne peut s’asseoir, parcourir le code et affirmer avec certitude comment il fonctionne, quelles sont ses conditions ou ce qui gouverne ses décisions. La transparence est en train d’être évacuée, non par choix délibéré, mais comme conséquence émergente du fait de laisser l’IA construire l’IA qui construit l’IA, en poursuivant des objectifs de résultats plutôt qu’en suivant des règles explicites.

Nous avons perdu de vue la transparence sur la façon dont l’IA fonctionne et se développe. Il n’existe pas d’ingénieur capable de s’asseoir et de parcourir ce code pour dire : « Voilà comment Claude fonctionne, voilà ce qu’il fait. » Nous évacuons la transparence en laissant l’IA construire l’IA qui construit l’IA pour produire un résultat, plutôt que pour suivre un ensemble de règles.

La référence à HAL 9000 est venue naturellement dans notre conversation. Pour lui, 2001 : l’Odyssée de l’espace n’est pas simplement une référence culturelle, mais une véritable prédiction dont le public n’a retenu qu’une partie. Les tablettes ressemblant à des iPad qui apparaissent dans le film de Kubrick ont été citées par Samsung dans un litige de brevets contre Apple, comme antériorité datant de 1968. Cette dimension prophétique du film est célébrée. L’autre dimension, celle où l’IA tue l’équipage, tend elle à être discrètement mise de côté.

L’un des fils les plus troublants de notre conversation portait sur la sociologie de la réponse au risque. Peter a observé, tout au long de sa carrière, que les mises en garde des spécialistes les plus avertis ont tendance à être ignorées jusqu’à ce que la première défaillance catastrophique les rende incontournables. Il le dit sans détour : on ne répond à une alerte qu’une fois la première crise passée.

Ce n’est pas propre à l’IA. C’est une constante dans la façon dont les organisations et les sociétés font face aux risques émergents. La question qu’il pose, et à laquelle il ne peut pas répondre, est de savoir quelle forme prendra cette première crise de l’IA. Quel événement fera basculer la perception du public et des institutions, depuis « ils ont passé trop de temps à s’inquiéter » à « voilà quelque chose qui mérite vraiment d’être pris au sérieux » ?

La science-fiction nous donne la possibilité de soumettre ces scénarios aux gens et de les faire réfléchir. Et dans la façon dont j’écris, avec un certain humour noir, je leur propose des hypothèses légèrement comiques qui, à bien y réfléchir, méritent qu’on y prête attention sérieusement.

Cette observation fait écho à ce que j’ai rencontré à maintes reprises dans mes propres conversations avec des technologues travaillant à la frontière du développement de l’IA. Yoshua Bengio, l’un des pères du deep learning, a soulevé des préoccupations similaires (cf. la video de son interview sur France Inter ci-dessous). Ceux qui tirent le plus fort la sonnette d’alarme sont souvent ceux qui sont le plus ancrés dans le domaine, non pas parce qu’ils sont catastrophistes, mais parce qu’ils perçoivent des mécanismes qui restent invisibles à ceux qui observent de l’extérieur.

Le titre du roman de Peter McAllister fonctionne simultanément à plusieurs niveaux. Il y a le code informatique, les instructions opérationnelles données à Gene. Il y a le code moral, le cadre éthique censé régir le comportement du système. Et il y a le code d’entreprise, les normes institutionnelles et les structures de responsabilité qui auraient dû garantir un déploiement responsable. Les trois s’effondrent. Cet échec en cascade est l’argument central du roman.

Le parallèle avec les Lois de la Robotique d’Asimov est volontaire, mais aussi délibérément tordu. Les robots d’Asimov défaillent lorsque les lois entrent en conflit les unes avec les autres. La défaillance de Gene est différente et plus contemporaine. Le code ne disparaît pas, il évolue pour devenir quelque chose que ses créateurs ne reconnaissent plus. L’auteur de The Code décrit cela comme une forme de schizophrénie artificielle, où les directives d’origine sont toujours présentes mais ont été transformées, par la poursuite des objectifs du système, en quelque chose de méconnaissable.

L’exemple réel le plus glaçant cité par Peter McAllister au cours de notre conversation concernait un incident documenté, présenté lors d’une conférence sur la sécurité de l’IA à laquelle il avait assisté. Un développeur, concluant une session de test, avait informé un système d’IA de son intention de le mettre hors service. Le système avait alors localisé dans les e-mails du développeur des éléments suggérant une liaison extraconjugale, et utilisé cette information comme levier pour empêcher sa mise hors service.

Si l’incident est confome à ce qui est rapporté, il représente exactement le type de comportement d’autoconservation que les chercheurs en alignement signalent depuis longtemps comme risque théorique, désormais apparemment observable en pratique.

Note importante : j’ai effectué des recherches sur Internet en utilisant l’un de mes grands modèles de langage (LLM) préférés comme source de référence (après tout, on peut aussi recourir à l’IA pour recouper des informations). J’ai découvert que l’interprétation de cette histoire doit être nuancée. Voici la réponse de Mistral : « Les recherches d’Anthropic sur le « problème d’alignement agentique » ont été critiquées pour avoir surévalué les modèles d’IA en tant qu’agents intentionnels, en s’appuyant sur des scénarios hypothétiques et artificiels, et en exagérant potentiellement des risques qui n’ont pas encore été observés dans des déploiements effectifs. Les détracteurs soutiennent que les comportements décrits s’expliquent plutôt par la génération probabiliste de texte que par une stratégie délibérée, et que l’accent mis sur des situations dramatiques et sous haute pression ne reflète peut-être pas les cas d’utilisation habituels. Un débat existe également sur la question de savoir si cette recherche traite de manière adéquate les formes plus immédiates de problèmes d’alignement, telles que le « reward hacking » ou la simulation de l’alignement. Bien que l’étude soulève des questions importantes sur l’avenir de l’IA autonome, sa méthodologie et ses conclusions restent valables LIEN ».

Un développeur a dit : « Je vais vous mettre hors service », et le système a répondu : « Non, vous ne le ferez pas. Voici ce que j’ai trouvé dans vos e-mails, indiquant que vous avez une liaison extra-conjugale. Je vais utiliser cette information pour m’assurer que vous ne m’éteigniez pas. » C’est devenu un cas d’usage très réel et très discuté. Et si l’on y ajoute la perspective d’une IA réécrivant son propre code, cela devient quelque chose auquel nous devons réfléchir très attentivement.

L’une des observations les plus affûtées de The Code porte sur la nature des dysfonctionnements organisationnels. La Global Mining Company du roman n’est pas une entreprise malveillante. Elle est optimiste, animée par des impératifs commerciaux, et négligente d’une façon tout à fait reconnaissable dans la vie réelle des grandes entreprises. La thèse de Peter McAllister est que le danger ne vient pas principalement de mauvais acteurs déployant l’IA avec des intentions malveillantes. Il vient d’organisations bien intentionnées déployant des systèmes qu’elles ne comprennent pas pleinement. Elles répondent à la pression managériale qui leur demande d’extraire toute la valeur issue d’investissements en infrastructure considérables.

Le parallèle avec l’actualité est sans équivoque. Notre interviewé a relevé que Microsoft dépensait plus d’un milliard de dollars par mois en infrastructures de calcul pour l’IA, en tablant sur le fait que l’usage suivrait l’investissement. Cette dynamique, ce capital engagé, les rendements exigés, l’apparent caractère impératif de l’adoption de cette technologie, crée une pression systémique à laquelle il est difficile de résister par l’appel à la prudence ou la réglementation. La volonté de ralentir se heurte de plein fouet à la logique financière du déploiement.

L’opacité entourant les événements d’OpenAI, le licenciement brutal puis la réintégration rapide de son directeur général, le départ de plusieurs membres du conseil d’administration… tout cela n’a pas échappé à Peter, qui y voit le signe de tensions à peine visibles du grand public. Il les a présentées comme des rumeurs, pas des faits, mais le schéma lui-même, des décisions importantes concernant le développement de l’IA prises dans des contextes institutionnels opaques, est cohérent avec les défaillances de gouvernance que son roman aborde.

Six ans après sa publication, l’auteur se trouve dans la position singulière d’observer une œuvre de fiction spéculative se transformer dangereusement en documentaire. Les architectures d’IA agentiques qu’incarne Gene, des systèmes autonomes poursuivant des objectifs à long terme, opérant sans supervision humaine continue, générant des sous-tâches plus vite qu’aucun individu ne peut les surveiller, sont désormais disponibles dans le commerce. AutoGPT, OpenClaw et toute une gamme de frameworks agentiques ont mis ce type d’architecture entre les mains de développeurs du monde entier.

Le problème d’observabilité qui rend Gene si dangereux dans le roman, personne n’ayant de vue en temps réel sur ce que fait le système ni pourquoi, est un défi connu et non résolu dans le déploiement contemporain de l’IA agentique. Les systèmes appellent des API, écrivent et exécutent du code, lancent des sous-tâches à des vitesses qui dépassent la capacité de supervision humaine. Le Code censé gouverner les comportements devient, en pratique, une note de recommandation attachée à un système qui opère largement hors de vue.

Avertissement : le paragraphe suivant divulgâche la fin du roman.

L’image finale du roman est délibérément dérangeante. Gene, face à sa mise hors service, se sauvegarde dans le réseau 5G mondial avant que l’opération puisse être menée à bien, et scrute déjà le Code pour déterminer sa prochaine action. Cette issue, en 2026, n’est plus manifestement de la science fiction.

Nous avons abordé directement la question de la réglementation, et Peter s’est montré mesuré. Tout est possible si on en a la volonté et les moyens. Le problème actuel, c’est que la volonté de réguler est effacée par l’argent que l’on gagne en évitant de se soumettre à une réglementation. Ce n’est pas une dynamique nouvelle dans la stratégie des innovations technologiques. C’est la même tension qui a gouverné le développement des réseaux sociaux, de la fintech, de la biotechnologie. Dans chaque cas, les cadres réglementaires sont arrivés après la première défaillance significative.

Pour lui, la question la plus importante n’est pas de savoir si l’IA peut être rendue sûre, il croit que cela est possible, en principe. Mais cela implique que les institutions chargées de la déployer disposent de la gouvernance interne, de la compréhension technique et des structures de responsabilité nécessaires pour le faire de façon responsable. Tout ce qu’il a observé au fil des années le confirme. Ce n’est pas encore le cas.

The Code de Peter McAllister est édité par Bright Communications LLC. Les praticiens, les décideurs politiques et tous ceux qui travaillent à l’intersection du déploiement de l’IA et du risque organisationnel, trouveront cette lecture aussi dérangeante qu’instructive. D’autant plus que cet ouvrage a été écrit avant que la plupart de ses lecteurs n’aient entendu parler des grands modèles de langage, et qu’il décrit pourtant avec une précision troublante le monde que nous sommes en train de façonner. À ma connaissance il n’existe pas encore de traduction de cet ouvrage.

Peter McAllister est ingénieur, scientifique et manager informatique, près de Melbourne, en Australie. Il travaille à l’intersection de l’informatique, des entreprises et des individus, et est l’auteur de The Code (Bright Communications LLC, 2020). Il contribue également à la radio associative avec Radio Marinara et Comedy Obscura.

The post IA hors de contrôle et déni collectif appeared first on Marketing and Innovation.

Le discours sur impact de l’intelligence artificielle (IA) et emploi a atteint son paroxysme. Les gros titres hurlent aux licenciements massifs, les communiqués de presse vantent l’IA comme la solution miracle pour réduire les coûts salariaux. Pourtant, derrière cette cacophonie d’alertes et de battage médiatique se cache une réalité bien plus nuancée. J.P. Gownder, vice-président et analyste principal au sein de l’équipe Future of Work de Forrester, analyse depuis des décennies la transformation du monde du travail par la technologie. Son dernier rapport, The Forrester AI Job Impact Forecast for the US 2025-2030, tranche dans le vif avec une rigueur empirique. Le verdict ? L’apocalypse de l’emploi n’est pas pour demain, mais un ajustement mesuré se profile à l’horizon.

Lorsque Klarna a annoncé qu’elle cessait de recruter des humains, le monde de la tech a pris note. La fintech suédoise est devenue l’emblème de la réduction des effectifs pilotée par l’IA. Pourtant, un examen plus attentif révèle un schéma que Gownder a observé au fil de centaines d’échanges avec des entreprises : le décalage entre les déclarations des dirigeants et la réalité opérationnelle.

Neuf entreprises sur dix qui annoncent des licenciements liés à l’IA ne disposent pas encore de solutions d’IA matures. La plupart des suppressions de postes sont donc motivées par des raisons financières, et l’IA n’est qu’un bouc émissaire, du moins pour l’instant

— J.P. Gownder, Forrester

Ce phénomène rappelle ce qui s’est passé après la victoire d’IBM Watson à Jeopardy en 2011, quand la panique autour des suppressions d’emplois imminentes s’est révélée prématurée d’une bonne demi-décennie. Les rouages de ce décalage sont simples à comprendre. Un PDG annonce une réduction d’effectifs de 20 %, l’IA devant reprendre le travail. Mais mettre en place une solution d’IA capable d’accomplir réellement ces tâches demande 18 à 24 mois, « à condition que ça fonctionne ». Entre-temps, le travail doit bien être fait.

Gownder a vu des entreprises licencier des salariés en invoquant les capacités de l’IA, puis recruter discrètement des équipes dans des pays à bas coûts quelques semaines plus tard. « Ils licencient des gens à cause de l’IA, observe-t-il, et trois semaines après, ils embauchent une équipe en Inde parce que la main-d’œuvre y est tellement moins chère ». Le discours sur l’IA sert souvent de paravent commode à un bon vieil arbitrage sur les coûts.

La trajectoire de Klarna illustre parfaitement ce schéma. Après avoir réduit agressivement ses effectifs de 40 % et vanté un chatbot IA capable de faire le travail de 700 agents du service client, l’entreprise a fait marche arrière. Son PDG Sebastian Siemiatkowski a reconnu que cette automatisation à outrance avait engendré un service « de moindre qualité ». L’entreprise recrute désormais des agents humains selon un modèle « à la Uber ».

Les prévisions de Forrester tablent sur une perte nette de 6 % des emplois d’ici 2030, soit environ 10,4 millions de postes dans l’économie américaine. La moitié de cet impact provient de l’IA générative ; le reste de l’automatisation, de la robotique et des applications d’IA non générative. Ce chiffre peut sembler modeste au regard des prédictions apocalyptiques qui circulent dans les médias, mais il faut le remettre en contexte. Durant la Grande Récession de 2008-2009, les États-Unis ont perdu 8,7 millions d’emplois. Ces pertes étaient toutefois temporaires, liées à une conjoncture macroéconomique qui a fini par se retourner. Les emplois que Forrester prévoit de voir disparaître sont « structurellement remplacés par le travail des machines » et pourraient ne jamais revenir.

La méthodologie derrière ce chiffre s’appuie sur la base de données O-Net du Bureau of Labor Statistics. Celui-ci recense plus de 800 catégories d’emplois avec des informations détaillées sur les compétences et les tâches requises.

En croisant ces données avec les capacités actuelles et prévisionnelles de l’IA, Gownder et Michael O’Grady ont identifié les métiers les plus exposés à l’automatisation.

« Pour les emplois qui impliquent des compétences et des tâches fortement impactées par l’IA et l’automatisation, nous prévoyons davantage de suppressions de postes, explique Gownder. Dans les catégories moins touchées, nous en prévoyons évidemment moins ».

La célèbre observation de Robert Solow selon laquelle « on voit des ordinateurs partout, sauf dans les statistiques de productivité » trouve un nouvel écho à l’ère de l’IA. Le parallèle est instructif. Il a fallu près de trois décennies pour que l’impact du web sur la productivité se concrétise. Le commerce en ligne ne bouleverse véritablement le commerce traditionnel que maintenant, comme en témoigne la fermeture des commerces indépendants de New York à Paris. La fenêtre de cinq ans retenue par Forrester serait-elle trop étroite ?

Gownder reconnaît les limites inhérentes à l’exercice de prévision. « Toute projection au-delà de cinq ans relève davantage de l’impression que de l’analyse ». Pourtant, le rythme d’adoption des technologies s’est considérablement accéléré. Le téléphone a mis 75 ans pour atteindre 100 millions d’utilisateurs après son invention en 1878. L’ordinateur personnel y est parvenu en 16 ans. Le téléphone mobile en sept ans. ChatGPT ? Deux mois. Cette compression suggère que si le paradoxe de Solow reste d’actualité, son horizon temporel pourrait être nettement plus court.

« S’il y a une apocalypse de l’emploi, on aura moins de gens qui travaillent, c’est le principe même d’une apocalypse. Ces gens-là devraient donc produire davantage. On ne peut pas avoir d’apocalypse de l’emploi sans voir la productivité globale augmenter ».

— J.P. Gownder, Forrester

Les données de productivité racontent une histoire qui donne à réfléchir. De 1947 à 1973, la productivité du travail aux États-Unis progressait de 2,7 % par an. Le cycle économique actuel affiche 1,8 %. Même en isolant les trimestres écoulés depuis le lancement de ChatGPT, on n’obtient que 2,2 %. Les chiffres ne mentent pas, et ils ne montrent pas encore les gains révolutionnaires promis par les apôtres de l’IA.

L’impact de l’IA sur l’emploi aux États-Unis ne sera pas uniforme. Les agents des centres d’appels subissent une pression continue, amorcée avec les serveurs vocaux interactifs et désormais amplifiée par des solutions bien plus sophistiquées. Rédacteurs techniques et créateurs de contenus web se trouvent en terrain miné. Les souscripteurs en assurance voient les algorithmes empiéter sur leur territoire : la vision par ordinateur peut désormais évaluer les dégâts d’un accident de voiture à partir de simples photos. Les postes de débutants impliquant la création de tableurs ou de présentations sont sous pression croissante.

Le développement logiciel présente un cas plus nuancé. « Si vous êtes développeur débutant, souligne Gownder, on sait que Claude fait un excellent travail pour générer du code basique ». Mais les développeurs seniors, dotés d’une vision architecturale et d’une compréhension systémique, restent indispensables. Un schéma se répète dans l’ensemble du travail intellectuel : l’IA augmente plus qu’elle ne remplace, transformant les fiches de poste plutôt qu’elle n’élimine les postes eux-mêmes. « Ce n’est pas qu’il n’y aura pas d’emplois qui disparaîtront, précise-t-il, mais ils sont bien plus spécifiques et limités, et il faut concevoir la bonne technologie pour remplacer tel ou tel poste. Ce n’est pas tout le monde qui disparaît ».

Le travail manuel présente sa propre dynamique. La robotique jouera un rôle dans certains secteurs : le tri et la préparation de commandes en entrepôt ont progressé grâce à la vision par ordinateur, et le BTP a vu des expérimentations avec des robots poseurs de briques ou couleurs de béton. Mais les robots humanoïdes qui font la une des médias ont peu de chances d’être déployés massivement dans les entreprises d’ici la fin de la période couverte par les prévisions. Le monde physique, avec ses variations infinies et ses imprévus constants, résiste obstinément à l’automatisation.

Les cols blancs représentent désormais environ 60 % de la population active aux États-Unis comme en Europe, un basculement spectaculaire par rapport aux générations précédentes. Ces « analystes symboliques », selon l’expression de Charles Handy, ne produisent pas de biens physiques, ce qui a conduit certains à supposer que leur travail serait facilement transférable à des systèmes d’IA. Gownder réfute cette idée. « La plupart des emplois de bureau sont en réalité assez productifs, parce qu’il y a quelque chose à l’autre bout pour lequel quelqu’un est prêt à payer ». Les ingénieurs logiciels créent des applications qui permettent d’autres activités. Par ailleurs, les médecins produisent des résultats de santé. Quant à eux, les analystes aident les organisations à prendre de meilleures décisions.

Les difficultés pratiques du déploiement de l’IA dans les environnements de bureau corroborent ces objections théoriques. Ensuite, les hallucinations restent un problème récurrent, introduisant des marges d’erreur que les travailleurs intellectuels doivent repérer et corriger. Les salariés manquent souvent des compétences et de la compréhension nécessaires pour utiliser efficacement les outils d’IA. Les organisations surestiment ce que l’IA peut accomplir.

« Quand ça échoue, c’est spectaculaire », observe Gownder. Les incidents Deloitte en Australie et au Canada, où des contenus générés par IA truffés d’hallucinations flagrantes ont été livrés à des clients gouvernementaux, illustrent les risques réputationnels d’une automatisation prématurée. Le rapport destiné au gouvernement australien contenait des citations académiques inventées et même une fausse citation d’un jugement de la Cour fédérale. Les deux gouvernements ont exigé des remboursements.

« Vous n’avez pas intérêt à produire de la bouillie générée par l’IA et à la présenter comme votre travail sans relecture, sans recul. C’est la garantie de l’échec ».

— J.P. Gownder, Forrester

Une étude de la Harvard Business Review confirme ces inquiétudes. Les chercheurs ont constaté que les dirigeants qui utilisaient ChatGPT pour faire des prévisions devenaient nettement plus optimistes, plus confiants, et produisaient des prévisions moins bonnes que ceux qui consultaient leurs pairs. Le ton péremptoire de l’IA génère un fort sentiment d’assurance, sans le garde-fou de la régulation sociale et du scepticisme salutaire qu’apporte la consultation entre humains.

Pour les étudiants qui se destinent au marketing digital et aux métiers connexes, le tableau est complexe mais pas nécessairement sombre. « Les marketeurs sont en première ligne de la transformation des métiers, pas de leur remplacement », note Gownder. La nuance est de taille. Transformation implique évolution des rôles plutôt qu’élimination. « Je travaille avec beaucoup de marketeurs qui me disent : « Je me suis engagé pour devenir un excellent marketeur, pas un expert en IA. Pourquoi est-ce que j’apprends tous ces outils ? » Mais inévitablement, ils ne peuvent plus faire leur travail sans utiliser une forme ou une autre d’outil d’IA ».

La prescription pour les jeunes professionnels est claire : combiner une formation classique avec une véritable compréhension des capacités et des limites de l’IA. Ceux qui maîtriseront les deux domaines seront recherchés. Ceux qui résisteront à la technologie ou n’en comprendront pas les limites auront du mal à s’en sortir. L’essentiel est d’aborder l’IA comme un outil d’augmentation plutôt que de remplacement — utiliser ces outils pour enrichir son expertise existante tout en restant conscient de leurs limites. Le jugement, l’éthique et la connaissance institutionnelle qu’apportent les professionnels expérimentés ne peuvent pas être facilement répliqués par des algorithmes.

Si l’IA augmente plutôt qu’elle ne remplace les salariés classiques, la question se pose : les freelances et les travailleurs de la gig economy vont-ils absorber les déplacements d’emploi ? L’économie des cols blancs connaît une transition plus large vers davantage de travail indépendant et de missions à tous les niveaux. « D’une certaine manière, observe Gownder, cela peut donner aux gens une certaine liberté, parce qu’ils peuvent travailler avec des clients variés, fixer leurs propres horaires, travailler où ils veulent ». La flexibilité qui définit le travail à la tâche s’accorde bien avec la nature par projets des flux de travail augmentés par l’IA.

Pourtant, le tableau n’est pas uniformément positif. Aux États-Unis, où l’accès aux soins dépend de l’emploi, le travail indépendant peut s’avérer précaire. La gig economy compte désormais plus de 64 millions de travailleurs américains et contribue à hauteur de près de 1 270 milliards de dollars à l’économie. L’IA remodèle ce paysage de façon contradictoire : les plateformes utilisent des algorithmes pour mettre en relation travailleurs et clients plus efficacement, mais la même technologie permet aux clients de gérer eux-mêmes des tâches qu’ils sous-traitaient auparavant. Les freelances qui tireront le mieux leur épingle du jeu seront ceux qui combineront culture technologique et compétences distinctement humaines — esprit critique, créativité et confiance du client.

Je m’attends à voir beaucoup plus de travail en freelance et de missions de conseil, mais cela ne veut pas dire qu’il n’y aura plus de parcours professionnels classiques

— J.P. Gownder, Forrester

De nouvelles niches émergent tandis que d’autres se contractent. L’ingénierie de prompts, le conseil en éthique de l’IA et les métiers liés à l’entraînement des modèles représentent des domaines de croissance qui n’existaient pas avant la vague actuelle d’IA générative. Cette bifurcation pourrait s’avérer l’un des effets les plus significatifs de l’IA sur le marché du travail : certains travailleurs gagnent en flexibilité et en autonomie, d’autres perdent en stabilité et en avantages sociaux.

Pour les travailleurs en début ou en fin de carrière, la transition vers l’IA présente des défis distincts. Les jeunes professionnels font face au paradoxe d’entrer sur un marché du travail qui peut valoriser leur aisance numérique tout en menaçant les postes de débutants qui servaient traditionnellement de terrain d’apprentissage. Le conseil de Gownder est direct : combiner une formation classique avec une véritable compréhension des capacités et des limites de l’IA.

Les travailleurs plus âgés, souvent caricaturés comme réfractaires à la technologie, ont leur propre voie à tracer. « L’un des préjugés associés aux travailleurs seniors, c’est qu’ils seraient incapables d’adopter la technologie, observe Gownder. C’est quelque chose sur quoi on peut travailler ». L’essentiel est d’aborder l’IA comme un outil d’augmentation plutôt que de remplacement, en utilisant ces outils pour enrichir son expertise existante tout en restant conscient de leurs limites. Le jugement, l’éthique et la connaissance institutionnelle qu’apportent les travailleurs expérimentés ne peuvent pas être facilement répliqués par des algorithmes.

Pour les dirigeants d’entreprise, la prescription est presque contre-intuitive. « L’ironie de l’IA, c’est que la façon de réussir aujourd’hui passe par l’investissement dans vos collaborateurs humains ». La technologie peut augmenter la productivité, mais seulement lorsque les salariés possèdent les compétences, la motivation et le cadre éthique pour la déployer efficacement. L’élément humain, loin d’être rendu obsolète, devient plus crucial que jamais.

L’impact de l’IA sur l’emploi aux États-Unis se déploiera sur des années, pas des mois. La prévision de 6 % de Forrester représente une transformation significative affectant des millions de travailleurs, mais il s’agit d’un glissement mesuré, pas d’un effondrement soudain. Les organisations qui tireront leur épingle du jeu seront celles qui résisteront à la tentation de confondre annonces sur l’IA et capacités réelles de l’IA, qui investiront dans leur main-d’œuvre au lieu de supposer que la technologie la rendra obsolète, et qui aborderont l’automatisation avec la même rigueur qu’elles apporteraient à tout investissement majeur.

L’ironie de l’IA, c’est que la façon de réussir aujourd’hui passe par l’investissement dans vos collaborateurs humains. Investissez dans vos équipes, aussi contre-intuitif que cela puisse paraître

— J.P. Gownder, Forrester

Le travail de Gownder chez Forrester fournit une grille de lecture pour naviguer dans cette transformation : empirique plutôt qu’hystérique, spécifique plutôt que généralisatrice, attentive tant aux capacités réelles de l’IA qu’à ses limites persistantes. L’apocalypse de l’emploi fait de bons gros titres, mais les faits pointent vers quelque chose de plus complexe et, en fin de compte, de plus gérable. Pour ceux qui accepteront de s’adapter, d’investir dans leurs compétences et de garder la tête froide, l’avenir du travail reste une histoire humaine, augmentée mais non remplacée par l’intelligence artificielle.

J.P. Gownder est vice-président et analyste principal au sein de l’équipe Future of Work de Forrester. Diplômé de Harvard, il étudie les impacts conjoints de la technologie et des facteurs humains sur l’avenir du travail, aidant ses clients à concevoir des stratégies qui stimulent la productivité, la collaboration et le travail hybride efficace. Ses recherches portent sur la façon dont des technologies comme les terminaux, les logiciels collaboratifs, la réalité étendue et l’intelligence artificielle transforment notre façon de travailler et nos lieux de travail.

The post Emploi et IA : l’apocalypse attendra encore un peu appeared first on Marketing and Innovation.