Qui formera les marketeurs de demain si l’IA produit à leur place

L’IA modifie une décision familière concernant la main-d’œuvre marketing. Une entreprise peut utiliser l’IA pour les premiers jets, la recherche de routine, l’assemblage de campagnes et d’autres tâches d’exécution junior, puis confier à des personnes expérimentées le soin de relire le résultat. Cela peut réduire la production manuelle. Mais cela soulève aussi une deuxième question pour les PDG et les CTO : comment les marketeurs moins expérimentés acquerront-ils le jugement nécessaire pour bien évaluer ce résultat ?

La production peut aussi créer des occasions d’apprentissage. Un collaborateur junior qui rédige un texte, construit une campagne, reçoit des retours, observe le résultat, puis recommence, acquiert de l’expérience sur de vrais choix marketing. Si l’IA prend en charge une partie de cette séquence, le poste peut rester le même tandis que le processus d’apprentissage évolue. La conception de la main-d’œuvre doit donc examiner à la fois le travail effectué dans les rôles de début de carrière et l’expérience qu’il procure.

Mesurer le changement au niveau des tâches

Un intitulé de poste peut rester inchangé sur un organigramme alors que le travail qui y est associé évolue. Un coordinateur marketing, par exemple, pourrait passer moins de temps à assembler des éléments manuellement et davantage à évaluer une production assistée par l’IA. L’unité pertinente pour cette question de main-d’œuvre est la tâche : quelles activités passent à l’IA, lesquelles restent pilotées par l’humain, et quelles opportunités d’apprentissage changent à mesure que le travail se transforme.

Paul Roetzer et l’équipe de SmarterX appliquent cette approche au niveau des tâches via JobsGPT, qui estime dans quelle mesure les tâches individuelles d’un poste sont exposées à l’IA. SmarterX a un intérêt commercial dans les organisations qui évaluent et adoptent l’IA pour le travail ; son framework doit donc être lu dans ce contexte.

Les coordinateurs marketing, spécialistes de l’email marketing, concepteurs-rédacteurs juniors, spécialistes SEO et coordinateurs des réseaux sociaux peuvent effectuer des tâches comme rédiger des premiers jets, créer des campagnes email, mettre à jour des sites web, programmer des publications sociales, rechercher des mots-clés et compiler des rapports. Un concepteur-rédacteur junior, par exemple, pourrait produire moins de versions initiales et consacrer plus de temps à comparer et affiner des options générées par la machine. Un coordinateur marketing pourrait superviser une production de campagne assistée par l’IA au lieu d’assembler manuellement chaque composant. Le changement dans la main-d’œuvre se situe dans les décisions et les répétitions que le collaborateur vit pendant la production du livrable.

Le travail de début de carrière peut aussi développer le jugement

Prenons l’exemple d’un premier jet de texte. Rédiger des lignes d’objet oblige un débutant à faire des choix qu’un collègue plus expérimenté peut examiner et corriger. Le travail sur les campagnes prolonge le cycle d’apprentissage : un collaborateur prend une décision, observe le comportement de l’audience, reçoit des retours, puis recommence. La répétition seule ne garantit pas l’apprentissage, mais la production peut créer des décisions concrètes et des conséquences autour desquelles un accompagnement peut avoir lieu.

L’évaluation des résultats produits par l’IA pose un problème spécifique de développement. Un marketeur qui examine un contenu généré doit décider s’il correspond à l’audience, à l’objectif, à la marque, au canal et à la situation. Un langage soigné peut malgré tout refléter un mauvais choix marketing. Un débutant a donc besoin de moyens pour développer le jugement nécessaire afin de distinguer une exécution acceptable d’une mauvaise décision de fond.

Cela crée une tension dans la conception de la main-d’œuvre. On peut demander de plus en plus à un débutant d’évaluer un marketing généré par machine tout en lui faisant passer moins de temps sur des activités qui fournissaient autrefois de la matière pour les retours et les corrections. L’ancienne séquence pouvait commencer par le brouillon du collaborateur junior et la révision d’un collaborateur senior. Une séquence médiée par l’IA peut commencer par du contenu généré et demander au débutant de l’évaluer.

Le travail manuel n’est pas automatiquement formateur. Certaines tâches d’exécution répétitives peuvent avoir peu de valeur en matière de développement, et l’IA peut les supprimer sans sacrifier une expérience importante. Les managers doivent identifier quelles activités créent une pratique utile et lesquelles consomment simplement du temps. Cette distinction compte, car les responsabilités senior exigent à terme de prendre des décisions dans l’incertitude : à quelle recommandation se fier, quel résultat mérite une investigation, et quand un résultat conforme au brief reste malgré tout stratégiquement faible.

Faire de l’apprentissage par compagnonnage un choix de conception explicite

La production junior traditionnelle peut devenir une forme informelle d’apprentissage lorsque les managers attribuent le travail requis, le relisent et élargissent progressivement les responsabilités d’un collaborateur. L’IA peut dissocier cette fonction de développement de l’économie de la production. Une tâche peut être intéressante à automatiser pour des raisons de rapidité, de coût ou de qualité du résultat, tout en offrant à un débutant une exposition utile aux décisions marketing. Évaluer l’automatisation uniquement au niveau de la tâche et du résultat peut donc laisser le processus d’apprentissage de remplacement non défini.

Robert Rose a mis en lumière cette tension dans une série en quatre volets pour le Content Marketing Institute. Le Content Marketing Institute opère dans l’industrie du marketing commercial ; ses recherches et commentaires doivent donc être lus en gardant ce contexte institutionnel à l’esprit. La question du vivier de talents est une conséquence possible plutôt qu’une prévision établie. Les entreprises pourraient créer d’autres voies vers l’expertise senior, et l’IA pourrait accélérer certaines formes d’apprentissage.

La question opérationnelle est de savoir si les entreprises conçoivent ces parcours à mesure que les workflows de production évoluent.

Tester si la relecture assistée par l’IA peut développer le jugement

L’IA pourrait exposer les débutants à davantage d’exemples qu’ils ne pourraient en produire manuellement. Un marketeur junior pourrait examiner des brouillons générés, diagnostiquer leurs faiblesses, tester des révisions et recevoir des retours sur ces décisions. Ce processus pourrait développer des compétences pertinentes dans un workflow médié par l’IA. Il déplacerait une partie de la formation de la production du contenu initial vers la formulation de l’intention, la critique du résultat et la décision de ce qui mérite d’être approuvé.

La question la plus difficile est de savoir de combien d’expérience de production directe un débutant a besoin avant de pouvoir évaluer efficacement un travail. Une tentative indépendante peut donner au collaborateur une base de comparaison avec des alternatives générées par l’IA, mais les employeurs devraient tester si cette séquence améliore le jugement par la suite. Certaines expériences peuvent être des prérequis à une évaluation solide, tandis que d’autres peuvent perdurer simplement parce qu’elles appartenaient à un ancien processus de production. Les entreprises peuvent tester différentes séquences de travail indépendant, d’assistance par l’IA, de critique, de correction et de retours des managers.

La mesure doit être de savoir si les collaborateurs prennent de meilleures décisions au fil du temps. Les managers peuvent examiner si les collaborateurs identifient des défauts significatifs, expliquent leurs choix, réagissent aux retours et appliquent ce qu’ils ont appris à des travaux ultérieurs. Cela teste directement la valeur de développement d’un workflow assisté par l’IA. Cela donne aussi aux dirigeants des éléments concrets pour décider où la production indépendante a encore sa place dans un rôle junior.

Repenser les rôles juniors autour du développement du jugement

Pour les responsables marketing, une décision d’automatisation peut inclure une autre question : qu’un débutant doit-il vivre avant qu’on lui fasse confiance pour juger un travail généré par l’IA ? Cela intègre le développement des talents dans la conception du modèle opérationnel au lieu d’en faire un simple effet secondaire de la production. Le rôle qui en résulte peut combiner production directe, usage supervisé de l’IA, critique, correction, retours et responsabilité décisionnelle progressivement accrue.

La combinaison dépendra des compétences qu’une tâche développe. Une équipe pourrait exiger une tentative indépendante lorsque la formation d’un premier jugement fait partie de l’objectif d’apprentissage, tout en introduisant l’IA plus tôt là où la répétition manuelle apporte peu de valeur. Les managers peuvent alors examiner le raisonnement du collaborateur : pourquoi un résultat a été accepté, pourquoi un autre a été rejeté, quel défaut a été détecté et en quoi une correction sert l’objectif marketing. Ces décisions observables montrent si un rôle junior assisté par l’IA développe le jugement nécessaire à des responsabilités plus importantes.

Points clés à retenir pour les décideurs

Mesurer l’évolution liée à l’IA au niveau des tâches : Les responsables marketing peuvent cartographier quelles tâches passent à l’IA, lesquelles restent pilotées par l’humain et lesquelles offrent un apprentissage utile. Les seuls intitulés de poste peuvent masquer des changements importants dans la manière dont les collaborateurs juniors acquièrent de l’expérience.
Préserver les expériences qui développent le jugement : Les premiers jets, les décisions de campagne, les retours et les résultats observés donnent aux marketeurs juniors l’occasion de s’exercer à faire et corriger des choix. Les managers peuvent identifier quelles tâches de production créent un apprentissage utile avant de les automatiser.
Intégrer l’apprentissage dans les workflows d’IA : L’IA peut dissocier le développement des collaborateurs du travail de production qui le soutenait autrefois de manière informelle. Les organisations marketing peuvent combiner délibérément travail indépendant, assistance par l’IA, revue par les managers et responsabilité progressivement accrue.
Tester l’apprentissage assisté par l’IA : Les managers peuvent comparer différentes séquences de production indépendante, d’usage de l’IA, de critique et de retours afin de déterminer lesquelles développent le mieux le jugement. L’amélioration devrait se voir dans la capacité des collaborateurs à identifier les défauts, expliquer leurs décisions et appliquer les retours.
Construire les rôles juniors autour du développement du jugement : Les responsables marketing peuvent définir les expériences dont les collaborateurs ont besoin avant qu’on leur fasse confiance pour évaluer un travail généré par l’IA. La conception du rôle peut ensuite préserver une pratique directe précieuse tout en utilisant l’IA là où la répétition manuelle apporte peu de valeur en matière de développement.