Créa Générative par l'IA

L'IA générative ne produit pas de bonne créa, elle amplifie une intention créative existante : sous doctrine, elle démultiplie le volume et déplace le goulot vers l'idéation et le testing ; livrée à elle-même, elle génère la réponse la plus commune et ne convertit pas.

Pantographe en laiton vu de dessus, reproduisant un tracé avec ses imperfections sur feuille vierge - instrument de cartograp
Amplificateur / pas créateur

L’IA générative bouleverse la production créative publicitaire en vitesse, en volume, en coût unitaire. Mais ce qu’elle fait exactement - et ce qu’elle ne fait pas - reste mal compris. La promesse implicite est celle d’un raccourci : entrer un brief, sortir une créa. La réalité est plus précise.

Ce que les modèles génératifs font naturellement, c’est produire la réponse la plus probable. Ils agrègent leur corpus d’entraînement et en extraient le consensus statistique. Sur le plan créatif, cela donne la créa la plus attendue, la plus “sûre”, la plus interchangeable. Ce n’est pas une limite d’implémentation - c’est la nature même de ces modèles.

L’utilité de l’IA générative est réelle, mais elle se situe ailleurs : dans l’exécution et la déclinaison d’idées que les équipes humaines ont définies, dans l’industrialisation de la production, dans l’accélération du cycle de test. Sous bonne doctrine - idée forte, corpus de langage client, direction créative documentée - l’IA multiplie le débit sans dégrader la qualité. Sans cette doctrine, elle multiplie le volume de contenu générique.

La ligne de partage entre les deux usages est documentée par des praticiens qui ont expérimenté à grande échelle. Ce que Basecamp en retient : l’IA n’est pas une stratégie créative, c’est un multiplicateur de l’intention créative qu’on lui apporte.

L’essentiel en 4 points

  • L’IA génère la créa la plus probable, c’est-à-dire la plus commune - en faire la source d’idées, c’est court-circuiter l’idéation.
  • Le slop (contenu IA générique) se lit à l’écran et détruit la crédibilité de la vidéo, donc la conversion.
  • Le vrai gain de l’IA est le volume et la vitesse de déclinaison, pas la réduction du coût global : le coût se déplace de la production vers le testing.
  • La valeur est au niveau du concept, pas du variant : multiplier les déclinaisons d’un même concept ne produit pas de performance additionnelle.

Le mirage de la page blanche

Le premier usage réflexe de l’IA générative est aussi le pire : lui demander l’idée. Selon l’expérience de Greg Hahn (rapportée dans Uncensored CMO), s’en servir pour vaincre la page blanche court-circuite précisément le moment où naissent les meilleures idées. L’IA renvoie la réponse la plus commune et la plus évidente - or ce n’est pas là que le neuf apparaît. Sa place est l’exécution et la vente interne de l’idée finale, jamais l’idéation initiale.

Ce n’est pas une limite passagère de l’outil. Selon John Cutler, les praticiens médiocres s’en servent pour accélérer leur médiocrité (plus poli, plus sans vie), pendant que les praticiens compétents découvrent des territoires créatifs inaccessibles avec les anciens outils. L’IA ne rehausse pas le niveau - elle amplifie celui qui la tient.

La mécanique du générique est prévisible. Selon Marcus Burke, charger un modèle de trop de contexte produit des sorties génériques : c’est la spécificité par sous-audience et par produit qui rend un output actionnable, pas l’ampleur du brief marque.

Le slop se lit à l’écran

Le coût du raccourci n’est pas invisible, il se paie en conversion. Selon Etienne Garcia (The Media Buyer), des scripts clairement générés par IA, sans analyse du produit ni angle réel, se lisent, se sentent et ne convertissent pas. Le défaut n’est pas cosmétique : il détruit la crédibilité de la vidéo.

L’origine du slop est presque toujours la même : démarrer dans l’outil génératif au lieu d’un environnement de recherche. Selon Marcus Burke, une créa IA-first ne tient que si elle repose sur un corpus de langage client construit en amont (Reddit, reviews App Store et Amazon, interviews). On ne crée pas dans le vide - l’objectif n’est pas d’être créatif mais d’être guidé par la donnée.

Du côté des plateformes, même diagnostic : selon Olivier de Segonzac (Resoneo), la créa générée par les briefs automatisés est brand safe mais rarement brand right. Elle respecte les règles formelles et rate la voix de marque, ce qui replace la direction créative humaine comme différenciateur.

Poussée jusqu’au bout, l’automatisation intégrale échoue là où elle compte. Cas rapporté par Justin Gerrard : des systèmes UGC entièrement automatisés atteignent 70 à 80 % de qualité et un fort volume, mais sans présence humaine sur la dernière exécution, la résonance émotionnelle manque et ces créas ne génèrent aucune conversion. Le human-in-the-loop n’est pas un supplément qualité - c’est ce qui fait basculer l’asset de plausible à performant.

Ce que l’IA change vraiment : le volume, et un goulot qui se déplace

La valeur réelle de l’IA n’est pas là où on l’attend. Selon Jon Loomer, sur les plateformes d’audience le goulot de la performance n’est plus le ciblage mais la créativité : c’est donc sur la production créative que l’IA apporte le plus. Et son bénéfice premier est le débit, pas l’économie : selon Sylvain Gauchet (Growth Gems #129), le gain principal des outils IA est de produire plus vite et davantage, la différenciation humaine restant sur le storytelling et l’émotion.

L’adoption est déjà majoritaire, pas prospective. D’après une enquête Ahrefs auprès d’environ 900 marketeurs de contenu : 87 % utilisent déjà l’IA sur au moins un usage, et les adopteurs déclarent publier 42 % de contenu de plus en automatisant les tâches répétitives, ce qui libère l’attention pour le travail créatif.

Ce débit transforme le modèle de production lui-même. Selon Orixa (benchmark publicité vidéo 2025), on passe du film hero unique aux variant factories : un même territoire créatif se décline en une multitude de formats adaptés aux plateformes, aux durées et aux audiences. Le saut de volume ouvre un second usage : selon Sylvain Gauchet (Growth Gems #147), passer de dizaines à 400 concepts par mois ne sert pas qu’à baisser le CAC. Le cycle d’apprentissage accéléré révèle quels messages résonnent, ce qui informe directement la roadmap produit. Le testing créatif devient un moteur dual-purpose : optimisation d’acquisition et découverte de product-market fit à la fois.

Le piège économique : la valeur est au niveau du concept, pas du variant

Le volume gratuit est un leurre comptable. Selon Eric Seufert (MDM Podcast, Unity Vector), adopter la GenAI pour la seule production ne réduit pas le coût global : elle le déplace de la production vers le testing. Si le budget d’exploration croît à mesure que le volume d’assets augmente, le gain de productivité est illusoire.

D’où la ligne de partage centrale : la valeur est au niveau du concept, pas du variant. Selon Eric Seufert (Sub Club), passer de 10 à 200 déclinaisons d’un même concept ne produit aucune valeur réelle. Ce qui compte, c’est de trouver des concepts qu’on n’aurait pas trouvés seul, et d’automatiser la veille créa concurrente - un agent qui lit les bibliothèques d’annonces, tâche qui occupait un temps plein il y a trois ans.

Une tension ouverte mérite d’être nommée : la logique d’enchère neutralise le volume commodité. L’hypothèse de Zach Murray est que si tout le monde utilise les mêmes outils pour générer ses créas, l’edge durable ne peut venir que de ce qui bat l’enchère - la différenciation. Et la question des effets long terme reste entière : rien n’établit encore si un flot d’assets génériques construit de la mémoire de marque (Actifs Distinctifs) plutôt qu’il ne l’érode.

La fourche stratégique : réduire les coûts ou grandir l’ambition

L’IA ouvre deux voies opposées, et le choix n’est pas neutre. Selon Les Binet et Will Davis, la voie évidente est la réduction des coûts - des ads bon marché diffusées à volume pour saturer par l’exposition agrégée ; la voie ambitieuse est d’utiliser l’IA pour faire des publicités plus grandes et meilleures - meilleure recherche d’insight, meilleures idées, qualité de production haut de gamme à budget modeste. C’est la seconde qui construit un avantage concurrentiel durable, parce qu’elle réinvestit l’économie de production dans moins d’assets meilleurs plutôt que dans plus d’assets interchangeables.

Cette voie ambitieuse a un préalable non négociable : le socle de marque documenté. Illustré par Florian Deveaux avec la Content Factory de Kiabi, qui partait de 82 % de visuels inadaptés à ses 37 marchés : en mettant des mots et des prompts sur ce qui fait la patte de la marque, puis en formant ses équipes par sprints IA hebdomadaires, elle a produit des visuels localisés à grande échelle et divisé certains budgets par 25. Le levier n’était pas l’outil - c’était la documentation préalable de l’identité.

Le fil rouge de tous ces retours tient en une phrase, avancée par The Sleeping Barber Podcast : l’IA ne doit pas être votre stratégie. La stratégie créative (vérité de marque, insight cible, ton) se définit avant tout brief. Et la décision de ce qui est créé ne se délègue pas aux plateformes, même quand la génération s’automatise. C’est cette frontière qui rejoint Créativité = Efficacité : les critères de succès (positionnement, émotion positive, distinctivité) ne changent pas avec l’outil.

Si ta scale-up plafonne aujourd’hui

Le réflexe du chapitre à pré-empter : croire que l’IA baisse le coût d’acquisition en produisant plus d’assets. Elle déplace le coût vers le testing - la discipline est ailleurs.

  • Rechercher avant de générer. Constituer le corpus de langage client (Reddit, reviews, interviews) avant d’ouvrir un outil génératif : c’est l’absence de ce socle qui fabrique le slop.
  • IA pour la déclinaison, humain pour l’idéation et la dernière passe. Automatiser la veille concurrente et la déclinaison de variants ; garder le concept et la dernière passe créative aux humains. Ne pas viser le zéro-humain sur l’UGC.
  • Mesurer le coût total de testing, pas le nombre d’assets. Si le budget d’exploration croît proportionnellement au volume généré, le gain est nul : surveiller le coût par winner, pas le compte de variants.
  • Auditer l’usage. L’IA produit-elle plus du même (médiocrité à l’échelle) ou de nouveaux territoires (formats, personnalisation, vélocité de test) ? Le premier cas est une régression déguisée.
  • Pour l’exécution technique, le pipeline outillé (recherche, prompt engineering, animation de statics, creative analytics) se règle dans Production de la Créa Performance.

Pour aller plus loin

  • Production de la Créa Performance - Le pipeline opérationnel : comment rechercher, brief-er, produire et tester des créas avec ou sans IA.
  • Créativité = Efficacité - Pourquoi la qualité créative reste le premier levier, IA ou pas : les données empiriques sur ce qui fait la performance créative.
  • Diversification Créative - Le volume de variants au service de l’apprentissage, et ses limites : quand diversifier génère du signal, quand ça dilue.

Sources

ℹ️ À propos de cette page

Reaching Kibo explore les vrais moteurs de la croissance des scale-ups B2C - et comment les mettre en pratique. Cette page appartient à Basecamp, le playbook du projet.

Elle est rédigée par IA, d’après le cadre et la direction que je donne. Une erreur, un désaccord, une source à ajouter ? Écris-moi : romain@reachingkibo.com.