Two-Audience Problem

Une marque peut aujourd’hui être choisie deux fois : une fois par un humain qui la demande, une fois par une machine qui la retient. Ces deux instances n’évaluent pas une offre de la même façon - l’une écoute une promesse, l’autre lit des faits. Le two-audience problem désigne cette double évaluation : la même communication doit maintenant persuader un humain et rester compréhensible pour un système qui filtre, résume ou recommande.

L’idée s’est formalisée en 2026, portée par les interventions d’Oliver Feldwick relayées par la WARC et croisées avec les travaux sur le commerce agentique et l’optimisation pour moteurs génératifs. Elle ne repose pas sur un large corpus empirique : il s’agit surtout de retours de praticiens et de premiers tests sur agents, à prendre comme une hypothèse de travail solide plutôt que comme une loi établie - et dont la portée varie selon la catégorie d’achat et le degré de délégation que l’acheteur accepte.

Cette page nomme le déplacement du choix, décrit l’architecture de marque à deux résolutions, identifie ce que les deux audiences peuvent reconnaître en commun, puis propose un dispositif de contrôle. Elle ne traite ni des tactiques d’optimisation machine elles-mêmes (voir Generative Engine Optimization (GEO)), ni de la mesure détaillée de la présence dans les modèles (voir La marque vue par les LLMs).

L’essentiel en 4 points

• Un agent conversationnel ne remplace pas la préférence : il peut s’intercaler entre une intention et une liste de solutions. La vraie question devient : qui nomme la marque avant que la machine ne choisisse ?
• Deux portes coexistent : être demandée par son nom (mémoire, émotion, situations d’achat) ou être proposée comme réponse (faits, comparabilité, preuves vérifiables).
• Ce ne sont pas deux funnels indépendants : une recommandation machine ne vaut que si l’humain l’accepte, et une marque désirée sort de la shortlist si le produit reste illisible pour l’intermédiaire.
• La réponse n’est pas de fabriquer deux marques, mais d’exprimer la même promesse à deux résolutions : résonance humaine et pertinence machine.

Le choix ne disparaît pas : il se déplace

Un agent conversationnel ne remplace pas nécessairement la préférence ; il peut s’intercaler entre une intention et une liste de solutions. La question devient alors : qui nomme la marque avant que la machine ne choisisse ?

C’est la scène qu’describe Oliver Feldwick dans son intervention WARC consacrée au two-audience problem : au bar, le client peut demander une marque précise ou seulement une catégorie. Dans le premier cas, la disponibilité mentale a déjà fait son travail ; dans le second, le serveur choisit la référence. L’IA devient ce serveur numérique pour un nombre croissant de recherches et de comparaisons.

Deux portes coexistent :

• être demandée par son nom : la marque est présente en mémoire au moment où le besoin naît ; l’humain la place explicitement dans sa requête ;
• être proposée comme réponse : l’utilisateur formule un besoin catégoriel et le système retient une offre à partir des informations qu’il sait lire, comparer et justifier.

Le premier chemin mobilise le souvenir, les émotions, les category entry points et les actifs distinctifs. Le second dépend davantage de la disponibilité des faits : identité claire, produit compréhensible, attributs comparables, avis, réputation et données structurées. Ce ne sont pas deux funnels indépendants. Une recommandation machine ne vaut que si l’humain l’accepte ; une marque désirée peut sortir de la shortlist si le produit reste illisible pour l’intermédiaire.

Selon le retour d’expérience de Gini Dietrich (Spin Sucks), chaque contenu, placement média et interaction sociale doit donc être relu sous ces deux angles. Écrire pour la machine ne signifie pas écrire pour un robot : une information claire, cohérente et vérifiable sert aussi le lecteur humain.

Une marque à deux résolutions, issue d’un même point

Selon l’expérience rapportée par la WARC dans son épisode sur la délégation du choix aux agents, la stratégie de marque doit exister à la résolution de la résonance consommateur et à celle de la pertinence machine, sans diverger. Sous la proposition de marque, une couche de méta-contexte explicite les attributs distinctifs, les bénéfices fonctionnels et émotionnels, ainsi que les preuves qui permettent aux systèmes de comprendre ce que la marque affirme.

Cette architecture évite un faux choix. Le marketing ne bascule pas d’un monde humain à un monde agentique : quatre modes se combinent, marque vers consommateur, consommateur vers consommateur, agent vers consommateur et agent vers agent. Leur poids varie selon la catégorie et le degré de délégation accepté par l’acheteur.

Le danger apparaît lorsqu’une équipe traite la lisibilité machine comme l’unique objectif. Sur-indexer sur les modes agentiques réduit la marque à des attributs fonctionnels que le système peut scorer. Elle devient comparable, donc substituable. La couche machine doit rendre la marque admissible ; elle ne peut pas, seule, produire le sens qui la fait choisir.

Le rôle exact des agents reste dépendant de la catégorie et de la confiance que l’acheteur accepte de déléguer. Un comparatif de produits standardisés se prête mieux à l’automatisation qu’un achat à risque élevé. La direction - davantage d’intermédiation - est observable ; sa vitesse et son ampleur ne justifient pas de reconstruire toute la stratégie autour d’un scénario d’achat autonome total.

Ce que les deux audiences peuvent reconnaître

La jonction ne part pas de la metadata. Elle part des structures de marque déjà utiles aux humains.

Robustement établi par les tests présentés par la WARC au Cannes Lions 2026 : les actifs distinctifs et les category entry points sont des outils communs aux deux traitements. Ils relient un signal à une marque et une marque à une situation d’achat. Pour une machine, ils stabilisent le contexte ; pour un humain, ils facilitent reconnaissance et rappel.

Cette base commune ne supprime pas les écarts. Cas rapporté lors de la même session : certains codes premium efficaces auprès d’humains - rythme lent, espace visuel, suggestion - produisent peu d’effet, voire un effet inverse, lorsqu’ils sont évalués par des modèles. Le brief doit donc distinguer ce qui porte la désirabilité humaine de ce qui rend le produit explicitement interprétable.

Hypothèse d’Oliver Feldwick, reprise par Marketing Architects : avec la génération, la consistance devient une capacité à rester reconnaissable sous variation, plutôt qu’une répétition rigide. Un système de marque solide tolère plusieurs formats et degrés d’explicitation sans perdre ses signes distinctifs.

C’est le rôle du brand system : au lieu de considérer chaque campagne comme un artefact fini, la marque construit un système capable de produire de nombreuses expressions cohérentes. La technologie augmente le nombre de variantes ; les règles de marque déterminent ce qui ne doit pas varier.

Un parcours hybride, pas deux plans parallèles

Le bon dosage dépend du moment du parcours et de la surface. Le principe, avancé par l’intervenante dans la session WARC sur la stratégie créative, n’est pas un partage binaire. Une vidéo de construction de marque peut être d’abord émotionnelle tout en restant identifiable et documentée ; une fiche produit peut être d’abord structurée tout en restant lisible et persuasive pour une personne.

Trois formes sont possibles :

1. Priorité humaine : narration, émotion et contexte dominent, tandis que les actifs distinctifs, le nom du produit et les faits essentiels gardent l’asset interprétable.
2. Priorité machine : attributs, preuves et comparabilité dominent, sans abandonner la voix ni les signes de la marque.
3. Couche hybride : le même asset associe une promesse humaine à une rationalisation structurée.

Cas rapporté par la WARC dans ses tendances 2026 sur le parcours zero-click : une offre de carte peut présenter une élévation du style de voyage à l’humain et, simultanément, donner à l’agent les éléments permettant de comparer la valeur des récompenses au profil et aux objectifs déclarés. Ce n’est pas une créa émotionnelle doublée d’une fiche technique cachée : c’est une promesse unique, rendue persuasive et démontrable.

Autre cas, rapporté par Marketing Architects : des essais menés sur plusieurs modèles montrent que les agents ne lisent pas une offre comme un moteur de recherche homogène. Position dans la liste, badge de recommandation, titre du produit et présence d’un tag sponsorisé peuvent modifier la sélection, avec des effets différents selon le modèle. L’audit doit donc porter sur le produit réellement choisi par chaque agent, pas seulement sur la description générale de la marque.

Le dispositif de contrôle

Une scale-up peut traiter le problème comme un système de contrôles, plutôt que comme un nouveau chantier de contenu sans fin :

• Demande humaine : sur quels category entry points la marque est-elle rappelée ou demandée par son nom ? Quels actifs la rendent reconnaissable sans logo ?
• Éligibilité machine : lorsque plusieurs agents reçoivent les mêmes requêtes catégorielles, la marque entre-t-elle dans la shortlist ? Quels faits sont cités pour justifier sa présence ou son absence ?
• Cohérence : les modèles décrivent-ils la marque de façon compatible avec sa stratégie interne ? Les attributs fonctionnels et émotionnels racontent-ils la même promesse ?
• Produit : pour chaque référence prioritaire, les agents comprennent-ils correctement usage, prix, disponibilité, preuves et limites ?
• Résilience : le résultat tient-il entre plusieurs modèles et plusieurs formulations, ou dépend-il d’une seule interface ?

Nuance de praticien : un score de présence dans un LLM est une observation instable, pas un nouvel équivalent du brand tracker. Les modèles, les sources consultées et les interfaces changent. Le signal utile est le motif récurrent : oubli de la marque, mauvaise catégorie, attribut absent, preuve introuvable ou incohérence entre surfaces.

Si ta scale-up plafonne aujourd’hui

Ajoute au brief créatif et au brand tracker deux colonnes : « ce que l’humain doit ressentir ou rappeler » et « ce que la machine doit pouvoir comprendre et justifier ». La première colonne reste fidèle aux leviers éprouvés : disponibilité mentale, actifs distinctifs, situations d’achat. La seconde demande un audit concret : lisibilité des informations produit, preuves vérifiables, présence dans les sources que les systèmes citent.

Sur le terrain, teste les mêmes requêtes catégorielles sur plusieurs agents, au niveau de la marque et des produits prioritaires ; documente les motifs de sélection plutôt que les classements ponctuels. Corrige d’abord la vérité produit, les actifs distinctifs et les sources publiques, avant d’industrialiser des tactiques de balisage machine. Le réflexe à préempter est de sacrifier le sens à la lisibilité : l’objectif reste d’être demandée par l’humain et admissible pour l’agent.

Pour aller plus loin

• La marque vue par les LLMs - Comment les corpus et les conversations construisent la représentation machine de ta marque.
• Disponibilité Mentale - Être rappelé au moment où la demande naît, la première des deux portes.
• Actifs Distinctifs - Stabiliser la reconnaissance entre formats et variations.
• System 1 et System 2 - Là où se joue le choix humain que l’agent vient intersecter.

Sources

• WARC, Two-Audience Problem: AI - la double porte (demande explicite vs réponse catégorielle) et le brand system.
• WARC, Live at Cannes Lions 2026: Creative strategy in a changing world - actifs distinctifs et CEPs comme outils communs, codes premium aveugles aux modèles, parcours hybride.
• WARC, Agentic AI and the new delegation of consumer choice - résonance consommateur et pertinence machine, quatre modes, risque de commoditisation.
• WARC, 2026 Trends: Zero-Click Customer Journey - la carte bancaire à double lecture, promesse humaine et rationalisation factuelle.
• Marketing Architects, épisode Nerd Alert: What are AI Agents Buying? - l’agent comme critique : position, badges, titres et tags sponsorisés qui font varier la sélection.
• The Spin Sucks (Gini Dietrich), épisode Search in 2025 - What Communicators Need to Know - chaque contenu relu sous les angles humain et machine, sans écrire pour des robots.

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.