Trop de contenu sans impact
Rédiger, illustrer, créer des versions, optimiser pour chaque canal : ce qui, pendant des années, a coûté du temps, de l'argent et des nerfs, se fait aujourd'hui rapidement grâce à l'IA générative. Pas toujours parfait, mais fiable. Mais que se passera-t-il si tout le monde est capable de produire davantage en même temps ?

L'année dernière, pour la première fois, les contenus générés par l'IA sur le Web ont dépassé ceux créés par les humains. De nombreuses entreprises s'empressent de suivre le mouvement, mais en subissent en même temps les conséquences. Leurs propres messages se noient dans le bruit ambiant. Le défi ne réside donc plus dans la création, mais dans la pertinence et l'impact. Pour continuer à se faire entendre, il faut davantage de réflexions personnelles, plus de mise en perspective et moins de simple exécution.
Le manque de ressources, la volonté d'élargir la portée et le défi consistant à produire suffisamment de contenu pour les différents canaux ont longtemps été les préoccupations centrales de nombreux services de communication et de marketing. Ceux qui publiaient beaucoup avaient investi et prenaient le marketing de contenu très au sérieux. Cette époque est révolue. Ce qui prenait énormément de temps pendant des années se fait aujourd’hui en un clin d’œil. Les contenus sont créés en un rien de temps à l’aide d’une invite, et l’IA générative semble avoir résolu le problème de la production fastidieuse de contenus.
Or, les conséquences de ce gain d'efficacité sont presque toujours les mêmes : on en fait davantage. Si la rédaction d'un texte ne prend plus que quelques minutes au lieu de deux jours, nous produisons et publions davantage, nous remplissons le calendrier éditorial et augmentons la fréquence de publication. Ce phénomène est appelé « paradoxe de Jevons » : les gains d’efficacité dans l’utilisation d’une ressource entraînent une augmentation de la consommation totale de cette ressource, au lieu d’une diminution. Dans le cas concret des contenus générés par l’IA, cela signifie que les coûts marginaux de production tendent vers zéro et que tout le monde publie davantage. Les conséquences ? Il en résulte des quantités colossales de contenus médiocres générés par l’IA qui encombrent les canaux de diffusion (Université de Floride, 2026). Aujourd’hui, plus de la moitié de tous les contenus sur Internet sont créés à l’aide de l’IA générative (cf. Paredes et al., 2025). Sans vérification des faits et souvent de qualité médiocre. Nous générons ce qu’on appelle de l«» AI Slop », car la production se fait d’un simple clic (Merriam-Webster, mot de l’année 2025). Pour qui nous produisons, dans quel but, avec quelles conséquences et si ce contenu a un sens d’un point de vue stratégique : ces questions restent souvent sans réponse.
L«» AI Slop » n'est pas une erreur de la machine. Celle-ci écrit généralement de manière fiable et, à première vue, pertinente. Mais la machine continue de produire de manière fiable même lorsqu'il n'y a rien à dire. Elle ne se pose pas la question de savoir s’il faut ou non produire un contenu. C’est précisément là qu’intervient l’être humain, doté de la capacité de réfléchir de manière stratégique et critique. Un «Human-in-the-Loop» qui prend des décisions claires dès le début et ne se contente pas d’intervenir en fin de processus en tant que relecteur.
Ce que l'IA ne peut pas remplacer dans le domaine de la communication
L'IA générative ne se contente pas de transformer la manière dont nous produisons du contenu. Elle modifie également les processus et les exigences imposées aux professionnels du marketing et de la communication. Cela va bien au-delà de la simple saisie de prompts ; il s'agit plutôt de déterminer ce que la machine ne peut pas faire et ne doit pas faire, c'est-à-dire de se demander où et dans quels domaines elle ne peut pas nous remplacer. Et ne doit pas nous remplacer. Les tâches s’en trouvent ainsi redéfinies : on s’éloigne de la simple formulation pour se concentrer sur le jugement, la connaissance du contexte et l’expertise humaine. La question centrale n’est plus « Comment mieux utiliser cet outil ? », mais « Quelle valeur ajoutée puis-je apporter que la machine ne peut pas fournir ? »
Capacité de jugement : un modèle ne peut par exemple pas savoir si une déclaration est adaptée au contexte de l’entreprise : il n’a pas connaissance ni du conflit en cours avec une partie prenante, ni de l’accord informel conclu vendredi dernier. La décision de publier ou non un contenu reste donc entre les mains de l’humain et nécessite la capacité de choisir la bonne option parmi plusieurs possibilités plausibles, puis de justifier ce choix. La décision courageuse de ne pas produire ou de ne pas publier un contenu exige une réflexion stratégique et une action assurée.
Connaissance du contexte : les systèmes génératifs produisent des contenus plausibles. Pour déterminer si ceux-ci sont également pertinents, l’intervention humaine est indispensable. Une connaissance de l’organisation, du marché, des évolutions actuelles ainsi que des besoins des parties prenantes et des publics cibles est nécessaire pour produire des résultats pertinents à l’interface homme-machine. Que nous utilisions la machine comme créateur de contenu, partenaire d’échange ou challenger, ce sont les connaissances contextuelles qui font la différence.
Expertise technique : les modèles d'IA générative calculent des probabilités, que le résultat soit correct ou non. C'est à nous, les humains, qu'il incombe de vérifier cela. Est-ce ce que nous voulons ? Est-ce que cela doit être ainsi ? Est-ce possible ? Lorsque nous utilisons des outils pour des domaines dans lesquels nous ne disposons ni d'expertise ni de connaissances spécialisées, nous ne pouvons pas effectuer cette vérification. C'est pourquoi l'IA générative nous aide là où nous pouvons apporter nos propres connaissances et notre propre réflexion.
Ces compétences ne sont pas nouvelles. Ce qui est nouveau, c’est qu’elles ne sont plus acquises et développées dans la même mesure. Celui qui a rédigé cent communiqués de presse par le passé a ainsi développé un sens de la pertinence et une aptitude à formuler des messages concis. Celui qui se contente de faire rédiger une centaine de communiqués de presse ne développe pas ce sens. Les compétences qui s’acquéraient jusqu’à présent sur le terrain devront désormais être développées de manière ciblée. Le glissement des compétences de l’exécution vers la responsabilité, de l’exécution vers la prise de décision et de la connaissance vers la mise en perspective demande du temps et de l’engagement.
Ces compétences sont indispensables pour décider quoi produire et comment, mais aussi pour déterminer si un message passe réellement. En effet, parallèlement à l'avalanche de contenus, la manière dont ceux-ci sont trouvés et la confiance qu'on leur accorde évoluent. Quiconque souhaite se faire entendre doit donc répondre simultanément à deux questions : qu’est-ce qui mérite d’être dit, et d’où naît la confiance qui donne tout son impact au message ?
La confiance et la crédibilité passent par une position claire
De plus en plus de personnes utilisent des systèmes de réponse basés sur l'IA plutôt que les listes de résultats classiques (cf. DigitalLeverage 2025). Elles veulent des réponses rapides et, pour cela, moins de clics. Google affiche aujourd’hui des résultats différents de ceux d’il y a un an. Parallèlement, les utilisateurs recourent quotidiennement et intensivement à ChatGPT et à des systèmes similaires pour trouver des réponses à leurs questions. Le trafic sur les sites web et les taux de clics sont en baisse. Cela modifie la manière dont les contenus sont optimisés et à quelles fins. L’optimisation ne vise plus principalement à générer des clics, mais à permettre à un modèle de trouver, de comprendre et de restituer correctement le contenu. Il faut pour cela une structure claire, des affirmations explicites, des faits vérifiables et un contexte correct. L’optimisation pour les moteurs génératifs (GEO) modifie également les règles de diffusion. Les médias propres à l’entreprise, comme son site web, ne sont plus les leaders en matière de référencement et de visibilité. Les systèmes d’IA privilégient systématiquement les sources tierces par rapport aux contenus qu’une entreprise publie elle-même (Chen et al., 2025). Ainsi, se proclamer soi-même leader du marché ne convainc guère le système. En revanche, une entreprise désignée comme telle par un magazine spécialisé, une étude ou un portail d’évaluation indépendant aura davantage de chances d’être prise en compte dans la réponse générée par l’IA.
La logique de distribution évolue : l'accent n'est plus mis sur l'audience, mais sur la crédibilité et la confiance. L’ancienne question était : « Où touchons-nous le plus de monde ? » La nouvelle est : « Où plaçons-nous nos messages et présentons-nous notre entreprise sans avoir à payer pour cela ? » Pour cela, il faut une stratégie de contenu claire et savoir où il vaut la peine de s’exprimer. Sur quels sujets sommes-nous une source crédible ? Que pouvons-nous raconter qui intéresse nos publics cibles ? Qui peut raconter cette histoire de manière crédible ? Un article publié exclusivement sur le blog de l’entreprise est rarement cité par l’IA (Kumar et al. 2025). Ainsi, les médias acquis et les relations publiques regagnent en importance. Une mention dans un média spécialisé, une citation d’une experte indépendante ou une étude interne solide sont extrêmement importantes pour la confiance et la visibilité, et ne peuvent pas être générées automatiquement.
De l'expérimentation à l'intégration
Attitude, confiance, crédibilité : tout cela ne s'impose pas et ne repose pas sur une seule personne. La question décisive est rarement de savoir dans quelle mesure une personne maîtrise l'outil, mais plutôt si l'équipe et l'organisation créent le cadre nécessaire à son utilisation. Qui définit les règles du jeu ? Comment les rôles, les flux de travail et l’assurance qualité évoluent-ils au sein d’un service marketing ou de communication lorsque, soudain, tout le monde utilise les mêmes outils, mais à des niveaux très différents ? Et comment une équipe gère-t-elle cet écart de compétences sans que certains ne se retrouvent à la traîne et que d’autres ne foncent tête baissée de leur côté ?
La majorité des collaborateurs des entreprises suisses déclarent utiliser régulièrement l'IA. Environ la moitié des entreprises suisses ont identifié des cas d'utilisation et lancé des projets pilotes. Rares sont celles qui vont au-delà de la phase pilote, et un bon tiers d'entre elles ne mesurent même pas la valeur de ces projets (cf. étude Colombus Consulting, 2026). L'utilisation de l'IA augmente, mais une grande partie des projets pilotes lancés n'est pas poursuivie, voire considérée comme un échec. Utilisation et intégration sont deux choses différentes. Nous avons beaucoup de la première. Nous avons encore trop peu de la seconde. Une utilisation accrue de l’IA ne signifie pas automatiquement une expertise accrue en la matière. Ce paradoxe des compétences empêche actuellement l’intégration systématique et la scalabilité des projets d’IA.
Avec le développement fulgurant de l’IA générative, les exigences en matière de compétences individuelles et de ressources disponibles ne cessent d’augmenter. Dans le même temps, le passage du projet pilote à l’intégration marque le pas. Si une technologie n’est pas intégrée aux processus de travail, son utilisation reste une charge supplémentaire. Dans ces conditions, les compétences individuelles progressent plus lentement, ou l'on a moins souvent recours à l'outil, car les obstacles au quotidien sont trop importants. « Se tenir à jour » devient également un fardeau supplémentaire lorsqu'une entreprise ne propose pas de formations, n'a pas défini de cas d'utilisation et ne poursuit aucune stratégie d'intégration. C’est au collaborateur individuel de rattraper ce que l’organisation n’a pas préparé. Or, la technologie est rarement le facteur limitant. Ce sont bien plus souvent les personnes et les processus. Les outils ne manquent pas. Ce qui manque, c’est la clarté quant à leur utilisation (et à ce pour quoi ils ne doivent pas servir), quant à la responsabilité de la qualité et quant à la manière dont le tout s’intègre dans les processus existants. Il est donc essentiel qu’une organisation crée les conditions permettant de passer de l’expérimentation à l’intégration : qui définit les lignes directrices ? Qui veille à ce qu’un projet pilote réussi devienne un processus bien ancré, plutôt qu’un simple souvenir d’une tentative réussie ? Qui décide comment garantir la qualité lorsqu’une machine enregistre les données ? C’est là que les professionnels du marketing et de la communication occupent la pole position. Leur mission consiste notamment à comprendre les publics cibles, à évaluer la pertinence et à vérifier l’impact et la crédibilité des messages. Il ne s’agit pas seulement de maîtriser une nouvelle technologie, mais aussi d’intégrer délibérément les compétences existantes dans la conception des processus de marketing et de communication.
Façonner notre rapport à l'IA, plutôt que de nous contenter de l'utiliser
Les discours sur l’avenir vont généralement dans deux directions. La première : l’IA nous rendra superflus, nous n’avons donc même pas besoin de prendre de décision, tout est de toute façon prédéterminé. L’autre : au final, tout restera comme avant, donc là encore, nous n’avons rien à décider, car il ne se passera de toute façon rien. Cette approche « tout ou rien » n’est ni pertinente ni réaliste pour les professionnels du marketing et de la communication. La question pertinente est depuis longtemps de savoir comment l’IA sera utilisée. Trois axes d’approche permettent de passer de la réaction à la création.
#1 Intégrer l'IA de manière stratégique plutôt que de s'en servir uniquement de manière ponctuelle
Il faut définir des objectifs, des responsabilités et des processus clairs pour l'utilisation de l'IA générative. Non pas comme une simple expérience avec un outil, mais comme un élément à part entière de la communication, et toujours dans une optique de création de valeur. Une utilisation efficace de l'IA nécessite des conditions-cadres adaptées, notamment une position claire qui permette de s'orienter et apporte de la sécurité.
#2 Gérer activement la qualité et la confiance
Les services marketing et communication devraient définir et mettre en place des critères de qualité clairs pour les contenus générés par l'IA. La pertinence, le contexte et la crédibilité jouent ici un rôle central. Dans un environnement informationnel caractérisé par un afflux croissant de contenus, une qualité soigneusement sélectionnée renforce le processus de confiance.
#3 Développer la culture de l'IA en tant que compétence clé
Des compétences telles que l'analyse, la remise en question et la prise de responsabilité ne s'acquièrent plus naturellement au quotidien. Elles doivent être développées de manière ciblée. Cela est possible dans une culture qui encourage l'expérimentation, qui considère les erreurs comme une source d'apprentissage et qui favorise la réflexion. La compétence s'acquiert par une mise en pratique consciente, et non par une simple utilisation. Cela demande du temps et de l'engagement.
L'IA ne déploie pleinement son potentiel que lorsqu'elle est intégrée de manière stratégique, utilisée avec compétence et mise en œuvre avec un haut niveau de qualité. Ce n'est pas l'outil qui détermine la valeur ajoutée, mais la structure, la responsabilité et une action réfléchie. Il s'agit là d'un travail de conception, qui ne commence pas par le prochain outil, mais par nous-mêmes.
La question n'est donc pas de savoir ce que la machine sera capable de faire ensuite, mais comment nous, en tant que #TeamHuman, allons façonner l'interface entre l'homme et la machine.

Formation continue en lien avec le thème
CAS AI en marketing et communication
Ce CAS modulaire permet d'acquérir les compétences nécessaires pour utiliser l'IA dans le marketing et la communication de manière efficace, responsable et conforme à la législation.
Tous les programmes SAS peuvent également être réservés individuellement.
L'IA générative de SAS pour le marketing et la communication
La transformation de SAS grâce à l'IA dans le marketing et la communication
SAS : l'IA responsable dans le marketing et la communication
Projet SAS sur le marketing basé sur l'IA appliquée
En savoir plus sur le CAS AI en marketing et communication
> hslu.ch/ai
