Un monde riche en lapins est un monde pauvre en laitue. 

C’est la métaphore qu’a utilisé Herbert A. Simon en 1971 pour expliquer qu’une abondance d’information engendre une pénurie d’attention. C’est l’idée de base derrière l’attention economy, avec laquelle nous sommes tous en prise au quotidien : comment répartir notre stock limité d’attention entre les innombrables sources qui la réclament ? 

Simon ne pouvait pas le savoir à l’époque, mais il n’aurait pas pu mieux choisir son image. Car un demi-siècle plus tard, l’information se reproduit à toute vitesse. Un peu comme, eh bien, des lapins. L’IA générative a ramené le coût de production du texte, de l’image et de la vidéo à presque zéro, mais ‘la laitue’, c’est-à-dire l’attention disponible, ne suit pas la croissance. 

L’abondance, c’est nous 

Les professionnels du marketing et de la communication vivent ce problème des deux côtés. D’une part, nous sommes des ‘récepteurs’ comme tout le monde : de pauvres bougres qui se fraient chaque jour un chemin dans une offre d’information proliférante, en maniant des filtres de plus en plus sévères. Quiconque reçoit ces derniers temps un nombre suspect d’e-mails interminables mais impeccables sait que la tâche ne s’est pas simplifiée. 

D’autre part, les professionnels du marketing et de la communication sont aussi des ‘émetteurs’. Et là, les rôles s’inversent : l’abondance, c’est nous. Jamais il n’a été aussi simple d’émettre plus, et plus vite. Si l’IA générative est ‘l’Anneau’, alors nous sommes ‘Gollum’. Produire davantage à moindre coût ? C’es tentant. Cinq posts tirés d’un maigre prompt ? Nous le voulons, nous en avons besoin. Un calendrier de contenu qui se remplit tout seul ? Mon préciiieux. 

Le prix caché de l’IA 

Ce jeu du volume est pourtant une impasse sans fin. Le YouTubeur Hank Green, qui compte plus de 4 millions d’abonnés, en a récemment fait l’expérience à ses dépens. Il s’est trop appuyé sur l’IA pour produire plus vite et davantage, jusqu’à ce que son public s’en aperçoive et se retourne contre lui. Green a reconnu qu’il était en train de vider sa propre voix de sa substance, et a promis de ralentir. 

Produire plus de contenu et crier plus fort vous vaudra sans doute un pic d’attention par-ci par-là, mais cela détourne aussi de ce qui fait le cœur du content marketing : mériter le peu d’attention de votre public, et continuer à la mériter. C’est là que réside le prix caché de l’IA. Nous calculons volontiers en coûts de production, en temps gagné et en budgets économisés. Ce que nous prenons rarement en compte, c’est la réputation que nous mettons en jeu. 

Personne ne cherche du contenu 

Jusqu’à nouvel ordre, aucun public ne cherche du ‘contenu’. Ce que les gens cherchent, et ont toujours cherché, c’est de la valeur ajoutée, sous quelque forme que ce soit : des connaissances qui peuvent leur permettre de se distinguer, des opinions conflictuelles, des idées nées d’expériences réelles, ou le genre de créativité et d’humour qui ne peut sortir que des circonvolutions étranges du cerveau humain.  

Placez donc d’abord la barre plus haut, et puis seulement montez le volume. Commencez par tout ce qui précède l’output : votre positionnement, votre public cible, votre récit central stratégique. Quelles sont les histoires que vous seul pouvez raconter ? Quelle est la valeur que vous seul pouvez offrir ? Ce sont les questions auxquelles répond une stratégie de contenu soigneusement élaborée. Ce n’est qu’une fois que celle-ci est claire qu’un seul contenu pourra en battre dix autres que n’importe qui aurait pu produire. 

Ceci n’est pas un plaidoyer contre l’efficacité. Produire plus vite et à moindre coût est un gain réel, et la visibilité comme la distribution restent nécessaires. La seule question est de savoir où vous investissez ce gain. Placez la barre suffisamment haut, et l’IA devient un levier bienvenu pour monter le volume à 10. 

Jusqu’il y a peu, tous les marketeurs ne disposaient pas du budget nécessaire pour réaliser un audit de contenu approfondi. Les content marketers devaient parfois se contenter d’un seul workshop par an ou s’appuyer sur un audit ou une analyse obsolètes. Avec l’IA, vous pouvez en grande partie suppprimer ce goulot d’étranglement et élaborer des briefings plus solides qui débouchent sur des contenus plus pertinents.

L’IA n’accroît pas l’output, mais la recherche 

Pour mener une étude de contenu rigoureuse, vous devez analyser systématiquement les contenus existants ou souhaités afin de déterminer ce qui fonctionne, ce qui peut être amélioré et où se situent les opportunités pour votre public cible. Avec un modèle d’IA, les API nécessaires, les bons outils et l’expertise adéquate, vous pouvez automatiser ce travail. Chaque projet et chaque situation nécessitent un système sur mesure qui vous permet de garder le contrôle sur la propriété des données, les connaissances spécifiques et la confidentialité. Concevoir un tel système d’IA personnalisé est un métier à part entière. Mais si vous pouvez compter sur cette expertise, des contenus plus pertinents sont à votre portée – à condition de tenir compte de quelques réserves.  

Voyons tout d’abord quelques exemples de la manière dont vous pouvez utiliser l’IA pour créer des contenus plus pertinents. 

1. Étude des publics cibles 

   Si vous entraînez votre agent IA de manière à ce qu’il suive les bonnes étapes pour mener une étude et que vous lui fournissez ensuite le contexte adéquat, vous pouvez lui confier une grande partie de l’étude de vos publics cibles. Si votre entreprise propose un produit ou un service qui fait l’objet de nombreux avis, ceux-ci constituent une matière de recherche précieuse. Autrefois, rechercher parmi 5.000 avis des éléments pertinents pour vos contenus relevait de l’impossible. Aujourd’hui, vous pouvez importer tous ces avis en une seule fois dans une base de données et laisser l’agent déterminer, sur la base de vos critères, quels commentaires sont intéressants. Un agent IA peut également rassembler en un clin d’œil d’autres informations pertinentes, par exemple la fréquence à laquelle certains commentaires reviennent et les catégories de contenu auxquelles ils appartiennent. Vous obtenez ainsi rapidement des insights concrets sur vos publics cibles. Vous pouvez aussi paramétrer le système pour que ce processus se déroule de manière automatisée, afin de toujours disposer d’un input actualisé. 

   Vous pouvez aller encore plus loin dans l’analyse et l’affinement de vos publics cibles. Combinez les insights collectés par votre agent IA avec le marketing automation et vous pourrez hypersegmenter vos publics cibles sur la base de de leur comportement, de leurs centres d’intérêt et de leurs besoins. Vous pourrez ainsi personnaliser toujours davantage vos contenus. 

2. Veille concurrentielle

   Les modèles d’IA peuvent également être utilisés pour recueillir à plus grande échelle des insights sur vos concurrents. Vous pouvez par exemple connecter l’API Meta Ad Library à votre système d’IA afin qu’il collecte et analyse automatiquement les informations relatives aux publicités de vos concurrents. Vous pouvez ainsi voir ce qu’ils mettent en avant, à quel moment et à l’aide de quelles créations.

   Vous pouvez demander au système d’IA de traiter ces informations sous la forme de synthèses, dont vous pourrez extraire des thématiques utiles ou qui vous permettront d’identifier des angles morts. Dans le cadre d’un workflow automatisé, vous pouvez envoyer des notifications dès qu’un concurrent publie quelque chose de nouveau. Vous pouvez ainsi suivre la concurrence à la trace et détecter plus rapidement de nouvelles opportunités de contenu. 

3. Suivi des sources de données publiques

   Les sources de données publiques, telles que les publications des pouvoirs publics, des autorités de contrôle, etc., constituent une source intéressante pour la création de contenu, jusque-là inexploitée. Prenons la législation comme exemple concret. Une nouvelle règle ou obligation est rendue publique plusieurs mois à l’avance et suscite presque toujours une vague de questions. En assurant ce suivi, vous pouvez anticiper les questions à venir. Vous pouvez concevoir un système d’IA de telle façon qu’il suit ces publications de près, envoie des notifications lorsqu’un nouveau contenu paraît et résume immédiatement les informations ou les classe par thème.

   Pensez cependant aussi, par exemple, à ce que vous pouvez faire avec les données météorologiques. Si vous proposez un produit sensible aux conditions météo, vous pouvez connecter en temps réel une campagne à des données météorologiques via un système d’IA. Vous pouvez ainsi anticiper les questions de votre public cible et proposer des réponses de manière proactive. Les possibilités sont légion… 

4. Comportement de recherche et analyse GEO

   Un content marketer peut faire beaucoup de choses, mais analyser 10.000 mots-clés en quelques secondes est humainement impossible. Un système d’IA correctement entraîné peut, lui, le faire. D’une part, nous voulons créer, sur la base de l’analyse du comportement de recherche, des contenus qui aident réellement nos publics cibles. D’autre part, nous voulons aujourd’hui également veiller à ce que ces contenus soient visibles et pertinents dans les chatbots d’IA, tels que Google Gemini, ChatGPT ou Claude (GEO). La question est alors la suivante : quels thèmes de fond et quelles questions intéressent notre public cible, et comment pouvons-nous nous en inspirer avec nos contenus ?

   À l’aide de prompts intelligents autour de questions, de besoins et de frustrations spécifiques du public cible, vous pouvez demander à différents chatbots d’IA de répondre à ces questions. Vous utilisez plusieurs chatbots simultanément, car ils n’adoptent pas nécessairement le même comportement et ne donnent pas forcément les mêmes réponses. Vous répétez ensuite ces requêtes à intervalles réguliers, par exemple toutes les trois heures. Ce choix est délibéré, car si vous n’introduisez un prompt qu’une seule fois, la réponse peut être fortement influencée par le moment où vous posez la question. En soumettant à plusieurs reprises les mêmes prompts à différents chatbots, vous rassemblez un jeu de données plus large et tentez d’éliminer autant que possible cette part d’aléatoire.

   Vous analysez ensuite les thèmes de fond qui reviennent systématiquement dans le contexte qui vous intéresse. Quels sujets sont abordés de manière récurrente ? Quelles informations les modèles d’IA utilisent-ils pour élaborer leurs réponses ? Et surtout : sur quelles thématiques pouvons-nous agir pour nos clients ou nos publics cibles ? L’IA ne nous aide donc pas seulement à optimiser les contenus pour le GEO, mais aussi à découvrir quels contenus nos publics cibles ont réellement besoin de trouver. 

Des insights IA aux briefings humains 

Le fil rouge de cette histoire : l’IA permet aujourd’hui d’extraire à très grande échelle des insights concrets de toutes sortes de sources, des avis et données de recherche à la communication des concurrents et aux données des pouvoirs publics. Il s’agit parfois d’insights très actuels, auxquels vous pouvez réagir dans les jours qui suivent avec un article, une publication ou une tribune. Il arrive aussi qu’un même insight revienne pendant plusieurs semaines. Il ne s’agit alors plus d’un incident, mais d’une thématique qui mérite de figurer dans votre plan de contenu, voire qui peut vous inciter à revoir votre positionnement. 

Une collection d’insights ne constitue cependant pas encore une stratégie. La véritable valeur réside dans l’interprétation. Pourquoi le public cible pose-t-il certaines questions ? Sur quels sujets les concurrents ne communiquent-ils pas encore ? Et surtout : comment pouvez-vous y répondre de manière crédible pour votre client ? C’est précisément là que la stratégie et la créativité restent des atouts typiquement humains. L’IA peut nous montrer beaucoup plus rapidement ce qui se passe. Mais la question intéressante demeure : qu’allons-nous en faire ? Bref, l’interprétation et l’évaluation des insights générés par l’IA restent idéalement du ressort du content marketer, qui s’en sert pour élaborer un briefing. 

Un point à ne pas oublier : ce briefing de contenu basé sur des insights générés par l’IA a également un impact non négligeable sur la manière de travailler de votre équipe. L’output fourni par l’IA est différent, plus large, structuré différemment ou issu d’autres sources. Les marketeurs doivent donc savoir comment gérer ces informations et comment les transformer efficacement en contenu. Tous les membres de l’équipe – de la stratégie à l’exécution – devront s’adapter. 

Toutes les sources ne se prêtent pas à l’analyse automatisée 

L’IA facilite la collecte d’informations provenant de toutes sortes de sources. Mais cela ne signifie pas pour autant que toutes les sources soient librement accessibles à des fins d’analyse automatisée. La question que vous devez vous poser en tant que marketeur n’est donc pas seulement de savoir si les informations sont fiables, mais aussi si vous êtes tout simplement autorisé à les utiliser. 

LinkedIn en est un bon exemple. Les conditions générales de la plateforme n’autorisent pas le scraping des pages de concurrents. Vous devez donc réfléchir à la manière de développer une intelligence concurrentielle dans le respect des règles. Toutes les sources ne vous autorisent pas à collecter ou analyser automatiquement l’information. 

Conclusion : l’IA accélère, l’humain détermine la pertinence 

Créer des contenus plus pertinents à l’aide d’insights générés par l’IA ? C’est possible, à condition : 

• d’interpréter correctement les insights générés par l’IA ; 

• de veiller à la crédibilité et à l’identité de marque de votre client ; 

• de vérifier la fiabilité des sources et de l’output, ainsi que les droits d’utilisation ; 

• d’adapter votre méthode de travail et celle de votre équipe ; 

• de laisser la stratégie et la créativité à l’humain. 

En résumé, l’IA peut aider les content marketers à écouter, à établir des liens et à détecter plus rapidement et à plus grande échelle des opportunités qui étaient auparavant hors de portée. Le véritable bénéfice ne réside donc clairement pas dans la production d’un maximum de contenus, mais dans la capacité à mieux déterminer quels contenus sont pertinents, pour qui et à quel moment.

Perplexity, ChatGPT, Gemini, Claude, mais tout autant SEMrush, Canva ou Hubspot… L’offre de large language models (LLM) et d’outils basés sur l’IA est immense, mais aussi immédiatement accessible à tous. Et cela a des conséquences pour le content marketing. 

« La connaissance est devenue extrêmement accessible à tous grâce aux LLM », constate Jef De Busser (Content Director chez HeadOffice). « Mais l’expertise, ce sont les leçons et la compréhension que l’on acquiert en appliquant ses connaissances sur une longue période. Beaucoup de gens confondent connaissance et expertise au moment où ils commencent à expérimenter avec l’IA. Construire une expertise demande du temps, de l’énergie, des ressources humaines et beaucoup de tests, et c’est précisément là qu’une agence peut se démarquer. Du côté des clients, on sent aussi qu’après le battage médiatique un retour à la réalité s’installe. Tout bien pesé, il n’est pas si simple de vraiment bien faire les choses. » 

Jugement et intuition 

Cela résonne chez Jonas Vandroemme (Managing Partner chez com&co). Il porte la réflexion au niveau des décisions. « Pour moi, le judgement est un mot clé dans la valeur d’une agence », explique Vandroemme. « Il est assez simple d’obtenir des connaissances, de l’output, en un clin d’œil. Mais savoir quel choix est le plus judicieux, et pouvoir porter ce jugement, cela repose sur les dizaines de cases vus au fil d’une carrière, sur des choses que l’on a testées et qui, après coup, se sont révélées être un mauvais choix. » Selon lui, cette capacité de jugement ne se situe pas seulement au niveau de la stratégie, mais tout autant à celui de la créativité. La valeur de ce jugement fondé sur la connaissance et l’expérience est au cœur de ce que fait une agence. Ou elle devrait l’être. 

Simon Heylen (Head of Studio chez MediaMixer) ajoute une notion qui, pour lui, y est étroitement liée : l’intuition. « L’intuition a toujours été un trade important pour un créatif ou un art director, mais elle l’est encore bien davantage aujourd’hui. On ne peut pas simplement apprendre l’intuition ; elle est en partie innée et se développe avec l’expérience. Appelez cela un talent entraîné. Surtout à cette age of AI, cet élément humain devient beaucoup plus important. » 

Évitez le shit in, shit out

Juger ce qui sort des modèles d’IA est important. Mais y injecter les bonnes choses l’est tout autant. Sander van Dijcke (Managing Partner chez Propaganda Group) en est convaincu. 

« Les agences peuvent se différencier par ce qu’elles injectent dans les modèles : données, processus, insights, connaissances sectorielles, cases, boucles de feedback », explique Van Dijcke. Dans ce contexte, il considère les prompts individuels comme surestimés : « Si le modèle n’est pas correctement entraîné, les prompts individuels ne sont qu’un peu de bruit de fond. » Pour Jonas Vandroemme, il y a tout de même une nuance : « Il y a aussi déjà du ‘judgement’ dans ton prompt », répète-t-il. « Je pense que nous sous-estimons nous-mêmes à quel point nous orientons déjà les choses avec nos prompts. Et donc à partir de l’expertise construite. » 

Le jugement dépend du type de contenu 

Pour les content marketers, il ne s’agit évidemment pas seulement de’output stratégique. La création d’images et de textes peut également passer par l’IA. Se pose alors la question de l’authenticité. Un texte généré par IA peut-il inspirer autant de confiance qu’un texte écrit par un humain ? Jonas Vandroemme est catégorique : « L’authenticité n’est pas une stratégie. » Selon lui, ce qui compte n’est pas seulement ce qui est dit, mais aussi qui le dit. « Le défi n’est pas tant le contenu en lui-même », dixit le Managing Partner de com&co, « mais bien qui est l’orateur, de qui cela émane. Cela concerne l’expertise, le track record, quelle lived experience se retrouve dans ce que cette personne a à raconter. » Vandroemme observe donc que les grands acteurs misent de plus en plus consciemment sur l’executive profiling : mettre des personnes en avant comme porte-parole reconnaissables plutôt que du contenu de marque anonyme. On crée ainsi de l’autorité, ce qui est également important pour le GEO – être trouvé via les LLM. 

Selon Jef De Busser, tout dépend du type de contenu : « Quand vous voyez la description produit d’un nouveau sac à dos sur un site Web, vous ne vous attendez pas un jugement mais à des informations techniques. Que cela ait été créé avec l’IA ou non est moins pertinent. Mais quand vous naviguez dans l’actualité, vous attendez un judgement journalistique. Vous partez du principe que différentes parties ont été entendues. La validation humaine y est cruciale. » Un décalage entre ce cadre d’attentes et la manière dont une marque utilise l’IA mène, selon Sander van Dijcke, presque inévitablement à une contre-réaction : « Si la façon dont vous utilisez l’IA dans un contexte donné ne correspond pas à la promesse de marque, vous obtenez une contre-réaction. » 

Concernant ce judgement, le risque se situe surtout au niveau des profils juniors. Simon Heylen met en garde : « Plus quelqu’un est junior, moins il est parfois critique vis-à-vis de l’output d’un outil d’IA. » Son remède réside dans le mentorat : « Les juniors doivent pouvoir suivre le processus en observateurs, afin de comprendre pourquoi tel ou tel choix est fait. » 

Laissez du temps à l’IA 

En guise de conclusion, Kato Derks (Content Creative chez Publicis) fait un zoom arrière. Elle pense que la confiance dans l’IA doit encore grandir, à l’image de la façon dont les médias précédents ont été accueillis : « Même les jeux vidéo et les bandes dessinées ont un jour été décriés ou mis au ban. Si l’on raisonne ainsi, l’IA a certainement une chance de gagner en confiance, moyennant régulation. Mais tout est allé très vite, et cela n’est plus entièrement entre les mains des humains ; c’est la plus grande différence. Je pense que l’involvement humain est crucial, y compris dans l’encadrement (parfois légal). Du judgement donc, à tous les niveaux.

Le comportement de recherche des consommateurs a radicalement changé en peu de temps. Pour s’en rendre compte, il suffit sans doute de repenser aux dernières requêtes que vous avez vous-même saisies. Il y a de fortes chances que dans la barre de recherche de Google, Bing ou Safari, vous ayez tapé non pas des mots-clés, mais une question complète. À la suite de quoi vous avez d’abord obtenu un résumé généré par l’IA, et non une liste de liens bleus. Ou peut-être avez-vous carrément fait l’impasse sur les moteurs de recherche et choisi ChatGPT, Claude ou Perplexity comme interlocuteur privilégié. 

Le fait que plus de 70 % des recherches se terminent désormais sans clic, comme le montrent les chiffres de SparkToro et SimilarWeb, prouve que vous n’êtes pas le seul dans ce cas. Les Large Language Models (LLM) occupent aujourd’hui un rôle central et sont connus pour fournir aux utilisateurs une réponse détaillée et toute prête, accompagnée, dans le meilleur des cas, de quelques références.  

Cela représente un véritable bouleversement pour les marques et les organisations. Alors que, jusqu’à récemment, elles pouvaient simplement se concentrer sur les mots-clés et la visibilité, en visant une place en tête de la page de résultats de recherche avec la perspective de nombreuses visites sur leur site (SEO), il s’agit désormais d’être considérées par l’IA comme une source de connaissances (GEO). La source de connaissances par excellence, même. La révolution, qui consiste à passer du fait d’être trouvé à celui d’être choisi, est désormais une réalité. 

À la recherche de citations correctes 

Bien souvent, le résultat généré par un tel LLM constitue le point d’arrivée d’une requête de recherche. Pour le content marketer, il en découle un objectif clair et double : être mis en avant en tant que marque dans cet output, et surtout de la bonne manière. Car les mentions générées par l’IA ne sont pas le fruit du hasard. Seul celui dont le contenu est lisible à la fois par les humains et par les LLM peut compter sur des citations et s’assure que le récit de marque est correctement reproduit et diffusé.  

Cette lisibilité repose sur plusieurs éléments techniques et de fond essentiels, au premier rang desquels figurent la cohérence, la fiabilité et la clarté structurelle. Contrairement aux moteurs de recherche, les LLM ne récupèrent pas de pages Web ; ils interprètent, résument et recommandent. Cela nécessite une optimisation active des stratégies de contenu et des plateformes de marque. C’est ce qu’on appelle le Generative Engine Optimisation, ou GEO.  

Audit : où en êtes-vous aujourd’hui ? 

La première étape consiste à cartographier la position actuelle de votre marque ou de votre organisation dans les chatbots et les aperçus générés par l’IA. En d’autres termes : quelles requêtes pertinentes aboutissent (ou non) à une mention, et comment sommes-nous précisément décrits ou paraphrasés ? En vue d’une stratégie réajustée, il est par ailleurs utile d’examiner les performances des concurrents et d’identifier les requêtes ou questions qui intéressent le public cible. 

Un audit porte inévitablement sur une série de facteurs techniques, tels que l’indexabilité et les métadonnées, mais aussi sur l’architecture visuelle des sites Web, des pages Web et des éléments de contenu. Une structure claire, avec des menus de navigation intuitifs, des titres (intermédiaires) et des blocs de définition, tout comme une organisation du contenu axée sur les questions et des FAQ (stratégiques), fait toute la différence dans le domaine de l’IA. Et bien sûr, le SEO et les mots-clés restent également importants – le GEO étant davantage une extension sophistiquée qu’une nouveauté totale. 

Construire une autorité durable 

Être trouvé repose sur une combinaison de structure et de qualité. La structure vous permet de capter l’attention ; la qualité garantit que votre message résonne. Une stratégie de contenu qui réunit ces deux facteurs vous permet de devenir une autorité dans un secteur donné, un phare d’expertise et une référence tant pour les humains que pour les machines.  

Les messages fragmentés doivent céder la place à un scénario cohérent sur différents canaux, les articles isolés à des groupes thématiques. L’avenir appartient aux écosystèmes, qui, dans l’idéal, sont également renforcés par une touche de relations publiques (organiques). Les signaux externes, les mentions et les renvois par des tiers ont toujours été importants, mais ils le sont encore plus à l’heure où les systèmes numériques recherchent ‘l’autorité’ par excellence dans un domaine. 

Tout cela ne rappelle-t-il pas fortement l’essence même du content marketing ? La réflexion est pertinente. Alors que l’IA, en tant qu’outil, est plutôt spécialisée dans l’optimisation SEO de base – et que, fait remarquable, le contenu développé par l’IA est pénalisé par les LLM –, les content marketers et les experts en GEO appuient souvent sur exactement les mêmes boutons.