L’IA déplace parfois le travail au lieu de le réduire

L’IA peut produire une première ébauche en quelques secondes. Le rapport de Knak, Marketing Production in the Age of AI, indique que 85% des équipes marketing interrogées ont manqué au moins une date de lancement de campagne au cours de l’année écoulée en raison de contraintes de workflow. Cet écart importe aux PDG et aux responsables marketing, car la vitesse de rédaction n’est qu’une composante de la productivité. Si une génération plus rapide crée davantage de retouches, de choix, de transferts et d’approbations, le temps gagné peut ne jamais se transformer en capacité réellement exploitable.

Une génération de contenu plus rapide peut laisser le temps total de production inchangé

L’IA générative peut réduire le temps nécessaire pour créer une première version de contenus marketing. Une équipe peut rapidement transformer une idée en texte d’email, lignes d’objet, images et variantes de traitement. La question de management vient ensuite : dans quel délai la campagne finalisée est-elle réellement lancée ?

Une ébauche doit encore correspondre à la stratégie de campagne, au besoin client, au ton de la marque et à l’offre. Elle passe ensuite par le design, la relecture, les tests, l’approbation, la planification et la coordination. Une rédaction plus rapide améliore une étape d’un système plus vaste. Le résultat business dépend de l’effort total et du temps de cycle de bout en bout.

Il s’agit ici d’un raisonnement circonscrit au workflow. Knak indique aussi que certaines équipes utilisant l’IA réalisent leur travail nettement plus vite, de sorte que l’usage de l’IA et une productivité plus élevée peuvent coexister. Les dirigeants doivent distinguer l’automatisation d’une tâche de l’augmentation du débit du système qui l’entoure.

L’IA accélère une partie du workflow de production

Knak fait état d’un usage important de l’IA dans plusieurs activités de production marketing. Knak vend des technologies de production marketing et a donc un intérêt commercial dans la manière dont les entreprises comprennent et traitent le workflow de production. Les résultats de son enquête constituent donc des éléments fournis par un éditeur sur des pratiques déclarées.

Knak situe les retards les plus importants signalés dans d’autres parties du workflow. Une génération de texte plus rapide aura un effet limité sur le délai de lancement lorsque les campagnes passent beaucoup de temps à attendre un travail créatif, de la coordination ou des décisions.

Knak indique également que 60% des équipes ont besoin d’au moins quatre personnes pour produire un seul email. Davantage d’intervenants peuvent créer plus de transferts, de dépendances et de décisions. L’automatisation de la rédaction ne réduit ces coûts que lorsqu’elle modifie aussi le workflow environnant.

Le même problème apparaît dans les chiffres de Knak sur l’édition. L’entreprise indique que 70% des équipes ont déployé l’IA dans la production marketing, tandis que 88% affirment que les résultats de l’IA nécessitent encore une édition humaine modérée ou importante. Ces chiffres montrent une adoption de l’IA parallèlement à une édition humaine, mais ils n’établissent pas que l’IA provoque un surcroît d’édition.

La revue humaine a des objectifs de fond. Les équipes marketing doivent déterminer si un message correspond à l’objectif, à la marque, à l’offre et au client, tout en évaluant son exactitude et son pouvoir de persuasion. Une génération plus rapide réduit l’effort nécessaire pour créer une première version. Son effet sur l’effort total de revue dépend de la manière dont l’équipe utilise le résultat.

Une génération peu coûteuse change l’économie de la variation

L’IA générative rend peu coûteuse la création de versions supplémentaires. Une équipe qui préparait autrefois deux lignes d’objet peut rapidement en préparer 10, ou produire plusieurs accroches et appels à l’action avant de choisir une direction. Cette capacité peut aider lorsque les variantes soutiennent un test défini ou explorent des approches sensiblement différentes. Elle peut aussi donner aux équipes davantage de matière à évaluer.

Knak indique que 69% des équipes passent par deux ou trois cycles de révision avant d’obtenir une approbation. Dans ce workflow, le coût d’une nouvelle variante inclut la revue humaine. Chaque personne à qui l’on demande de comparer, modifier ou approuver une option ajoute du temps au-delà du coût marginal quasi nul de la génération machine.

L’enjeu de management porte sur l’objectif de la variation. Des hypothèses claires peuvent rendre les alternatives utiles, tandis qu’une génération sans limites peut élargir l’ensemble des décisions qu’une équipe doit prendre avant publication. Les dirigeants devraient vérifier si une production supplémentaire augmente le débit des campagnes ou accroît surtout le travail de sélection et de révision.

L’IA peut aussi produire des éléments concrets avant qu’une équipe ait arrêté l’audience, l’objectif, l’offre ou le message. La révision peut alors porter des décisions stratégiques qui auraient pu être prises avant la rédaction. Des changements ultérieurs dans l’offre ou dans l’accent mis sur l’audience peuvent modifier un travail déjà produit. Les dirigeants devraient tester ce risque de workflow au sein de leur organisation ; les chiffres de l’enquête de Knak ne l’établissent pas comme un résultat causal.

Le temps de production gagné peut être absorbé par une demande de production plus élevée

La promesse plus large de l’IA est la capacité organisationnelle. Knak indique que 82% des répondants consacrent au moins la moitié de leur temps à la production plutôt qu’à la planification ou à la stratégie. Combiné aux retards de campagne signalés, cela indique une forte pression de production parmi les répondants à l’enquête.

Une explication possible est qu’une génération plus rapide augmente le volume attendu. Une organisation peut réagir à la baisse des coûts de rédaction en demandant davantage de campagnes, de canaux ou de variantes, absorbant les heures gagnées à une étape par de la production supplémentaire. Les dirigeants peuvent tester cette hypothèse à l’aide de leurs propres données opérationnelles.

D’autres explications restent possibles. Les structures d’approbation, les pratiques de révision, les exigences de production ou des conditions organisationnelles plus larges peuvent influencer à la fois la charge de travail et l’usage de l’IA. Les corrélations signalées n’établissent pas quel facteur en cause un autre. Les dirigeants ont besoin de mesures de bout en bout avant de considérer qu’une exécution plus rapide des tâches prouve une capacité stratégique supplémentaire.

Un test pratique consiste à suivre les heures gagnées. Lorsqu’une étape devient plus rapide, les dirigeants peuvent mesurer si l’effort total de production diminue, si les cycles de lancement se raccourcissent ou si le temps consacré à la planification augmente. Cela montre si un gain d’efficacité local crée de la capacité pour l’organisation ou s’il est absorbé ailleurs dans le workflow.

Les équipes les plus rapides mettent en évidence la conception du workflow

Knak indique que les équipes capables de finaliser un email en environ quatre heures ont tendance à impliquer moins de personnes et à utiliser l’IA de manière délibérée plutôt qu’expérimentale. Cela apporte un contrepoint utile : les données rapportées par Knak montrent une corrélation entre l’usage de l’IA et une production rapide.

Cette corrélation déplace l’attention vers la conception du workflow. Moins d’intervenants peuvent réduire les transferts et les dépendances d’approbation, tandis qu’un usage délibéré de l’IA peut concentrer l’automatisation sur des tâches définies. Ces pratiques offrent une explication plausible à une production plus rapide, même si la corrélation signalée ne permet pas à elle seule d’établir une causalité.

Les équipes déjà efficaces peuvent avoir des processus qui influencent à la fois la vitesse de production et leur manière d’adopter l’IA. Les dirigeants peuvent considérer ce constat comme une invitation à enquêter. Comparer le nombre d’intervenants, les cycles de révision, le temps d’approbation et l’usage de l’IA entre équipes internes peut montrer quelles conditions accompagnent une livraison plus rapide.

Mesurez le débit avant de déclarer une victoire de productivité de l’IA

La productivité de l’IA doit être mesurée là où l’organisation attend un bénéfice business. Si l’objectif est une livraison de campagne plus rapide et une plus grande capacité stratégique, le temps de rédaction n’est qu’une mesure parmi d’autres. Les dirigeants ont aussi besoin de visibilité sur les cycles de révision, l’édition humaine, le temps d’approbation, les transferts, le nombre d’intervenants, l’effort total de production et le cycle complet entre une orientation de campagne validée et le lancement.

Cela change la manière d’évaluer un déploiement de l’IA. Une équipe peut réduire le temps de première version tout en ajoutant des variantes, du travail de revue ou des activités d’approbation, laissant le débit global inchangé. Une autre peut utiliser l’IA tout en réduisant l’effort total de production ou le temps de cycle. Ce résultat constitue une preuve plus solide d’une capacité réellement exploitable.

La mesure peut aussi guider les changements de workflow. Lorsque le temps d’attente des approbations domine le cycle, les dirigeants peuvent examiner l’autorité d’approbation et le nombre d’intervenants. Lorsque la révision domine, ils peuvent vérifier si les objectifs, les exigences et les directives de marque sont arrêtés avant la génération. Lorsque la construction répétée consomme du temps, ils peuvent mesurer si des modèles ou une production modulaire réduisent cette charge.

Dans l’étude, Jennifer Delevante, Chief Marketing Officer de Knak, observe qu’on avait promis aux marketeurs que l’IA leur rendrait du temps pour la stratégie, alors que les données suggèrent que ce temps ne s’est pas encore matérialisé. En tant que dirigeante de Knak, qui a un intérêt commercial dans l’amélioration des workflows de production marketing, Delevante interprète des données sur un marché pertinent pour l’activité de Knak. La question opérationnelle pour les dirigeants est de savoir si une génération moins coûteuse laisse au workflow dans son ensemble davantage de capacité réellement exploitable.

Points clés à retenir pour les dirigeants

• Mesurez le temps de production de bout en bout : Une rédaction par IA plus rapide crée de la valeur lorsqu’elle réduit l’effort total de campagne ou le délai de lancement. Les responsables marketing peuvent suivre le cycle complet, de l’orientation validée jusqu’à l’approbation et au lancement.
• Ciblez les goulots d’étranglement du workflow : Les approbations, la production créative, la coordination et l’édition humaine peuvent absorber les gains issus d’une génération plus rapide. Les équipes d’opérations marketing peuvent identifier les étapes où les campagnes attendent le plus longtemps et repenser d’abord ces phases.
• Maîtrisez le coût de la variation : Une génération par IA peu coûteuse facilite la production d’un plus grand nombre d’options, alors que chaque option supplémentaire peut nécessiter une revue humaine. Les responsables de campagne peuvent relier les variantes à des hypothèses définies et mesurer si elles améliorent suffisamment les résultats pour justifier le travail de revue.
• Suivez les heures gagnées : La baisse des coûts de rédaction peut conduire les organisations à demander davantage de campagnes, de canaux et de variantes. Les responsables marketing peuvent suivre si les gains liés à l’IA réduisent l’effort de production, raccourcissent les cycles de lancement ou augmentent le temps disponible pour la planification et la stratégie.
• Concevez l’IA autour de workflows efficaces : Knak associe une production d’emails plus rapide à un nombre plus faible d’intervenants et à un usage délibéré de l’IA, même si ses données n’établissent pas de lien de causalité. Les équipes d’opérations marketing peuvent comparer le nombre d’intervenants, les cycles de révision, les délais d’approbation et les pratiques d’IA entre équipes internes.
• Mesurez la productivité de l’IA à travers les résultats business : La seule vitesse de rédaction ne permet pas de montrer si l’IA crée une capacité réellement exploitable. Les dirigeants qui évaluent des investissements dans l’IA peuvent suivre l’effort total de production, les cycles de révision, les transferts, le temps d’approbation et le temps de cycle de bout en bout.