Ce qu’un système marketing prêt pour l’IA doit connecter

La question de la préparation du marketing à l’IA dépasse l’ajout d’agents

La question centrale de l’IA pour un directeur marketing se déplace vers l’environnement opérationnel qui entoure l’agent. Gartner aurait constaté que 65 % des directeurs marketing estiment que les avancées de l’IA transformeront leur rôle dans les deux prochaines années. Le cabinet aurait également constaté que seuls 5 % des responsables marketing qui utilisent l’IA générative uniquement comme un outil signalent des gains significatifs sur les résultats business.

Ces chiffres soulèvent une question de modèle opérationnel : qu’est-ce qui doit entourer l’IA pour que sa production devienne une activité business utile ? Les campagnes restent des livrables importants. Les marques lancent des produits, créent de la demande et stimulent les ventes grâce à elles. Les systèmes qui entourent ces campagnes déterminent comment les demandes, les données, les contenus, les validations, l’activation et la mesure s’enchaînent d’un cycle à l’autre.

Un système opérationnel marketing est la structure connectée par laquelle les demandes entrent, le travail est élaboré et approuvé, les expériences atteignent les clients, les résultats sont mesurés, et ces résultats orientent les décisions ultérieures. L’orchestration consiste à coordonner ce processus entre les systèmes et les équipes. L’automatisation peut accomplir une tâche individuelle. L’orchestration détermine quelle tâche a lieu, quelles informations elle utilise, qui en a l’autorité, et ce qui suit.

L’IA accélère le système opérationnel dont elle hérite

Prenons une demande de lancement de produit. Elle peut commencer dans un e-mail, recueillir des exigences dans Slack, obtenir un budget dans une feuille de calcul, changer de périmètre en réunion, puis devenir plus tard un ticket de gestion de projet. Le contexte client, les assets approuvés, les exigences juridiques, les résultats des campagnes précédentes et les plans de canaux peuvent se trouver dans d’autres systèmes.

La génération par IA peut accélérer une étape tout en laissant inchangés les transferts qui l’entourent. Davantage de variantes de textes et de créations peuvent aussi envoyer plus de contenus vers les revues de marque, juridiques et de canaux. Si la capacité de revue reste fixe, un volume de production plus élevé peut allonger la file d’attente. L’indicateur utile pour les dirigeants est la performance du workflow de bout en bout plutôt que la seule vitesse de génération.

Les données créent une dépendance similaire. Un agent qui formule une recommandation d’audience ou de prochaine action peut avoir besoin d’informations sur les clients, les produits, la performance, la recherche, les offres et l’historique, dans le cadre de ses autorisations. Des entrées incomplètes limitent sa recommandation. La question pratique de conception est de savoir si les informations nécessaires à une décision sont fiables, accessibles et gouvernées lorsque l’IA les utilise.

Le contenu a lui aussi besoin de structure. Les allégations approuvées, les images, les messages produit, les offres, les témoignages, les modèles, les blocs de landing page, les modules d’e-mail et les variantes créatives peuvent être étiquetés et organisés pour la recherche et la réutilisation. De mauvaises métadonnées compliquent la recherche et augmentent le risque que les équipes recréent des contenus. Cela place la structure du contenu et la gouvernance au cœur du problème de préparation à l’IA.

La mesure complète la chaîne. Lorsque les preuves de performance sont accessibles lors de la planification et de la production ultérieures, un nouveau brief peut s’appuyer sur les résultats précédents. Lorsque ces preuves restent isolées dans le reporting, les personnes doivent elles-mêmes réinjecter ces enseignements dans le workflow. L’exemple de la demande de campagne met donc en lumière un enjeu de conception plus large : le marketing a besoin d’un moyen fiable de préserver le contexte tout au long du travail.

Adobe Workfront, Asana, Monday.com, Wrike, Jira et ServiceNow sont des exemples d’outils que les organisations peuvent utiliser pour l’intake et le workflow. Leur seule présence ne suffit pas à établir un modèle opérationnel efficace. L’organisation doit encore définir les priorités, les transferts, la responsabilité, le contexte et l’autorité d’approbation. Le choix des outils découle de ces décisions opérationnelles.

Les éléments disponibles renforcent l’argument en faveur d’une refonte des workflows

Le constat rapporté de Gartner sur les 5 % concerne les responsables marketing qui utilisent l’IA générative uniquement comme un outil. Il n’établit pas de causalité et ne montre pas qu’une refonte des workflows produira des gains significatifs. Mais il soulève une question utile sur les stratégies construites principalement autour de l’accès à l’IA générative.

Le rapport « State of AI » de McKinsey aurait constaté que les entreprises les plus performantes en IA sont presque trois fois plus susceptibles de repenser fondamentalement leurs workflows, et qu’elles sont plus avancées dans le déploiement à grande échelle d’agents IA. La corrélation ne montre pas que la refonte des workflows a causé leur performance. Elle fait néanmoins de la conception des workflows une variable pertinente pour les dirigeants qui évaluent des programmes d’IA.

Le déploiement agentique comporte également un risque d’échec signalé. Gartner a prédit que plus de 40 % des projets d’IA agentique seront annulés d’ici fin 2027 en raison de la hausse des coûts, d’une valeur business peu claire ou de contrôles des risques insuffisants. Cette prévision donne aux dirigeants une raison de définir l’économie et la gouvernance avant d’élargir les projets pilotes.

Une autre enquête de Gartner aurait également mis en évidence des contraintes liées aux capacités des fournisseurs et à la préparation des clients. Parmi les responsables martech disposant d’agents IA en projet pilote ou en production, 45 % auraient déclaré que les capacités proposées par les fournisseurs ne répondaient pas aux attentes en matière de performance business promise, tandis que la moitié a indiqué que leur organisation ne disposait pas de la préparation technique et de la stack de données nécessaires au déploiement. Ces résultats décrivent des problèmes signalés des deux côtés du déploiement.

Ces constats soutiennent un test plus large pour l’investissement en IA. Un projet pilote peut mesurer le temps qu’un agent met à rédiger un brief, mais cet indicateur ne couvre qu’une étape. Les dirigeants peuvent aussi examiner si l’agent a reçu un contexte fiable, si les équipes en aval ont pu utiliser sa production, si les contrôles requis ont tenu, si l’activation est devenue plus rapide et si les résultats mesurés ont éclairé le travail ultérieur. L’unité d’évaluation est le workflow et son résultat business.

Ce que relie un modèle opérationnel marketing prêt pour l’IA

Le modèle opérationnel commence là où le travail entre. Un processus d’intake cohérent peut capturer la demande, son objectif et sa priorité, le responsable désigné, le calendrier, les contraintes et les objectifs business pertinents. Ces champs donnent aux systèmes automatisés un contexte explicite pour la priorisation et l’exécution. Ils donnent aussi aux dirigeants un point défini pour les décisions de capacité et de priorité.

À partir de l’intake, la demande a besoin d’un contexte partagé. Une plateforme de données client (CDP) rassemble les informations client pour des usages tels que la segmentation et l’activation ; les entrepôts de données et les plateformes d’intelligence client peuvent fournir d’autres parties de l’environnement de données requis. Salesforce Data Cloud, Adobe Experience Platform, Snowflake, Databricks, Twilio Segment et Treasure Data sont des exemples dans ces catégories. L’objectif de conception est de rendre disponibles les informations nécessaires à une décision avec des définitions appropriées et des contrôles d’accès adaptés.

L’IA fait également de la consommation machine des données marketing une exigence opérationnelle récurrente. La fiabilité, les métadonnées, l’identité, les autorisations et la fraîcheur influencent les informations qu’un agent peut utiliser. Les équipes doivent donc traiter la qualité des données comme une entrée des décisions marketing automatisées. Le niveau requis dépend de la décision et du risque qui lui est associé.

Le contenu a besoin d’une structure similaire. Un système de gestion des assets numériques (DAM) stocke et organise les assets afin que les contenus approuvés puissent être retrouvés et réutilisés. Adobe Experience Manager Assets, Bynder, Aprimo, Acquia, Sitecore et Contentful sont des exemples de fournisseurs de DAM ou de plateformes de contenu.

Les agents peuvent intervenir une fois que le contexte, les autorisations et le contenu requis sont disponibles. Les tâches potentielles incluent la rédaction de briefs, la génération de variantes de contenu, la vérification des assets par rapport à des règles de marque encodées, la synthèse des performances, la recommandation des prochaines actions et le déclenchement de suivis autorisés. Salesforce positionne Agentforce Marketing autour d’agents qui aident les marketeurs à planifier, créer des campagnes et des contenus, optimiser et orchestrer les expériences client sur l’ensemble des canaux ; HubSpot positionne les agents Breeze dans son CRM pour les tâches marketing, commerciales et de service. Salesforce et HubSpot tirent un bénéfice commercial de l’adoption de ces produits ; ces descriptions relèvent donc du positionnement fournisseur plutôt que d’une preuve de résultats business.

MarTech a également traité de l’architecture des agents autour de l’intention, des garde-fous et de l’intégration au niveau de la stack. Ces concepts deviennent des questions opérationnelles concrètes : que l’agent cherche-t-il à accomplir, quelles informations peut-il utiliser et quelles actions peut-il entreprendre ? Chaque organisation doit répondre à ces questions en fonction de ses propres exigences de risque et de gouvernance.

La gouvernance accompagne le travail. Les standards de marque, les règles juridiques, les exigences de conformité, les droits d’usage et les validations humaines peuvent déterminer si un contenu généré peut être utilisé. Writer, Jasper, Adobe GenStudio, Typeface, Frontify et les workflows de gestion des droits dans les DAM sont des outils possibles dans ce domaine.

Une capacité de production plus élevée rend la conception de la gouvernance plus déterminante. Une équipe capable de produire des dizaines de variantes peut créer une charge de revue plus importante qu’une équipe produisant cinq créations. Les dirigeants ont donc besoin de politiques explicites sur ce que les agents peuvent générer ou déclencher, quelles sources ils peuvent utiliser, comment les droits et les allégations sont traités, et qui reste responsable. Ces politiques fixent la limite dans laquelle une production plus rapide peut être utile.

Le travail approuvé passe ensuite à l’activation via des canaux tels que l’e-mail, le SMS, les médias payants, le web, les applications, le commerce, les programmes lifecycle, l’aide à la vente, les canaux partenaires et les retail media. Braze, Iterable, Salesforce Marketing Cloud, Adobe Journey Optimizer, HubSpot, Klaviyo, Google Marketing Platform, Meta, TikTok, The Trade Desk et les réseaux de retail media sont des exemples dans cet environnement. La question opérationnelle est de savoir si l’audience visée, le contenu approuvé, la logique de décision et le plan de mesure peuvent passer à l’activation sans reconstruction manuelle.

La mesure compte lorsque les preuves deviennent disponibles pour les décisions ultérieures. Les équipes peuvent examiner quelles allégations ont bien performé, quelles audiences ont répondu, quels assets méritent d’être réutilisés, quels canaux ont évolué et quels tests doivent suivre. Adobe Customer Journey Analytics, GA4, Salesforce Marketing Intelligence, Rockerbox, Measured, Northbeam, Neustar, Optimizely et Statsig sont des exemples pour certaines parties de cet environnement de mesure.

La séquence demeure : l’intake fournit la demande ; les données et contenus gouvernés fournissent le contexte ; les agents et les personnes réalisent le travail ; la gouvernance contrôle les actions autorisées ; l’activation met sur le marché les décisions approuvées ; et la mesure fournit des preuves pour les choix ultérieurs. Chaque étape contient des informations ou une autorité qu’un agent ne devrait pas avoir à inventer. Cette structure donne à la demande de lancement de produit introduite plus tôt un chemin défini dans l’organisation.

Une campagne peut alors être traitée comme la production d’un système qui perdure d’une campagne à l’autre. Les résultats historiques peuvent rester disponibles au-delà d’une rétrospective, d’un deck de slides ou de la mémoire des participants individuels. Des mesures telles que le coût d’acquisition client (CAC), la réponse des audiences, la notoriété et les résultats d’expérimentation peuvent devenir des entrées pour les décisions ultérieures. Le fait que ces mesures s’améliorent reste un résultat à tester plutôt qu’un bénéfice supposé de l’architecture.

Les grands fournisseurs construisent des systèmes marketing plus larges

Adobe décrit une content supply chain dans laquelle GenStudio relie la planification, la création, la gestion des assets, la gouvernance de marque, les workflows humains et agentiques, ainsi que les insights de performance, y compris l’orchestration sur l’ensemble du cycle de vie du contenu. Adobe a un intérêt commercial à présenter GenStudio comme une plateforme large.

Adobe a indiqué que Qualcomm a sélectionné Adobe GenStudio en 2025 pour accélérer sa content supply chain avec l’IA générative, en s’appuyant sur Adobe Workfront, Marketo et d’autres outils Adobe pour rationaliser les workflows marketing et créatifs. Cet exemple constitue une affirmation d’implémentation plutôt qu’une preuve que le modèle opérationnel produit des gains business.

Salesforce décrit Agentforce Marketing comme combinant données, IA, automatisation et engagement dans une plateforme marketing unifiée. WPP Open se décrit comme une plateforme marketing agentique intégrant stratégie, création, média et production dans un espace de travail sécurisé unique. Salesforce et WPP tirent chacun un bénéfice commercial de l’adoption de leurs offres respectives.

Ces stratégies fournisseurs pointent vers un périmètre produit plus large couvrant les données, le workflow, le contenu, l’activation et l’IA. Elles ne démontrent pas à elles seules une convergence à l’échelle du marché ni la préparation des organisations. Une plateforme intégrée dépend toujours de décisions sur la priorité, la qualité des données, l’autorité d’approbation, le risque et les objectifs business. La technologie peut encoder et soutenir ces décisions une fois que l’organisation les a prises.

Cette distinction compte dans les achats. Une démonstration peut montrer un agent produisant un plan de campagne ou générant rapidement des variantes. Une évaluation de dirigeant peut au contraire suivre la demande complète de lancement de produit : contexte entrant, autorisations, transferts, capacité de revue, connexions d’activation et retour de performance. Le coût, la vitesse, le risque et la performance marketing peuvent alors être évalués sur l’ensemble du parcours où la technologie opérera.

Le test pratique de préparation à l’IA est organisationnel et technique

Un directeur marketing qui envisage le prochain investissement en IA peut cartographier une demande réelle depuis l’intake jusqu’à la mesure. La cartographie doit montrer comment une demande de campagne devient un brief, où l’insight audience intervient, où les assets sont stockés, comment les allégations sont approuvées, quels systèmes conservent l’historique de performance et où les transferts ont lieu. Elle doit aussi montrer comment les preuves issues de la campagne terminée deviennent disponibles pour le travail ultérieur. Cela transforme la préparation à l’IA en test d’un parcours opérationnel précis.

L’autorité est la partie suivante de ce test. Les dirigeants doivent décider quelles décisions les agents peuvent assister, quelles actions ils peuvent exécuter et quelles décisions exigent un jugement humain. Ils doivent aussi établir si les agents peuvent accéder à un contexte client et business fiable, si le contenu est structuré pour la réutilisation, si les autorisations sont explicites et si l’activation se reconnecte au workflow et à la mesure. Ces décisions couvrent les fonctions marketing, data, sécurité, juridique et technologie.

Les directeurs marketing ont donc un rôle direct dans la préparation à l’IA aux côtés des DSI, des CTO, des responsables martech, des équipes data, des équipes sécurité et des équipes juridiques. La direction marketing définit les priorités, le sens business, les résultats acceptables et les points où la responsabilité humaine est requise. Les équipes techniques mettent en place les systèmes, les autorisations, les contrôles de données et les intégrations nécessaires pour soutenir ces choix. Le déploiement d’agents devient déterminant lorsque ce modèle opérationnel partagé détermine ce que la machine sait, ce qu’elle peut faire et comment ses résultats influencent la prochaine décision autorisée.

Points clés

• Concevoir le système opérationnel autour de l’IA : les directeurs marketing doivent relier l’intake, les données, le contenu, les validations, l’activation et la mesure afin que les agents reçoivent un contexte fiable et opèrent dans un cadre d’autorité clair. Évaluez l’IA sur l’ensemble du workflow de bout en bout plutôt que sur la seule vitesse de génération.
• Repenser les workflows avant de déployer l’IA à grande échelle : les éléments issus de Gartner et McKinsey associent de meilleures performances en IA à une refonte des workflows, tout en mettant en évidence des risques de préparation, de coût et de gouvernance. Les directeurs marketing peuvent tester les investissements à l’aune des résultats business, de la capacité en aval, de la préparation des données et des contrôles avant d’étendre les projets pilotes.
• Relier contexte, autorité et retour d’information : un marketing prêt pour l’IA exige des données gouvernées, un contenu réutilisable, des autorisations explicites, une activation connectée et des preuves de performance qui alimentent les décisions ultérieures. Les responsables du marketing, de la data, de la sécurité, du juridique et de la technologie doivent avoir une responsabilité claire à chaque transfert.
• Évaluer les plateformes selon le workflow qu’elles soutiennent : Adobe, Salesforce, WPP et d’autres fournisseurs étendent leur couverture aux données, au contenu, au workflow, à l’activation et à l’IA, mais l’ampleur d’une plateforme ne prouve pas la préparation organisationnelle. Les équipes achats peuvent suivre une demande marketing réelle dans chaque système proposé afin d’évaluer le coût, la vitesse, les contrôles et l’intégration.
• Cartographier une demande marketing réelle de bout en bout : les directeurs marketing peuvent tester la préparation à l’IA en suivant une campagne depuis l’intake jusqu’à la mesure et en identifiant les contextes manquants, les transferts fragiles, les goulots d’étranglement dans les validations et les autorisations d’agent peu claires. Cette cartographie crée une base concrète pour décider où l’IA peut assister, agir et apporter une valeur mesurable.