Produire à grande échelle exige de gouverner la marque à la même échelle
Ce qui rend l'IA utile — produire vite et en volume — rend aussi une décision de marque mal calibrée reproductible à la même vitesse. La question n'est pas la qualité de génération, mais la gouvernance du jugement.
Une erreur isolée est corrigeable. Répétée sur des milliers de contenus et de points de contact, elle devient un risque de marque systémique.
La confiance est déjà le premier frein
L'usage de l'IA générative est largement installé chez les grands annonceurs, mais il s'accompagne d'une inquiétude explicite sur la manière dont elle est employée : 63 % des grandes marques interrogées déclarent l'utiliser en marketing, et 80 % se disent inquiètes de la façon dont leurs agences l'utilisent. Les risques cités sont juridiques, éthiques et réputationnels.
WFA · Annual Report 2024 · 2024 · annonceurs membres de la WFA — Consulter la source
Le mécanisme est propre à l'échelle : une erreur isolée se corrige, une erreur reproduite sur des milliers de contenus et de points de contact devient un risque systémique.
Les controverses révèlent souvent une erreur de jugement de marque
Les cas médiatisés ne sont pas d'abord des défaillances techniques. Ce sont des décisions de marque mal calibrées, que la production automatisée a rendues visibles plus vite et plus largement. Deux cas suffisamment documentés l'illustrent.
Google, « Dear Sydney » (2024). L'annonce des Jeux olympiques a été retirée après un fort rejet du public, qui a jugé qu'elle proposait de déléguer à l'IA un geste émotionnellement significatif. La difficulté ne portait pas sur la qualité d'exécution mais sur le choix du territoire.
The Verge · Google pulls its Gemini Olympics ad after backlash · 2024 — Consulter la source
McDonald's Pays-Bas (2025). Une publicité de Noël entièrement générée par IA a été retirée après un rejet massif, alors même que sa production répondait aux standards attendus. Le problème tenait à l'écart entre le registre attendu de la marque à ce moment de l'année et le registre produit.
The Drum · McDonald's pulls AI ad · 2025 — Consulter la source
Dans les deux cas, l'outil n'a pas produit une erreur factuelle. Il a exécuté fidèlement une décision de marque qui n'aurait pas dû être prise.
L'IA n'entraîne pas mécaniquement une dégradation
Le contre-exemple est nécessaire pour ne pas confondre l'outil et l'usage. Le remake par IA de Holidays Are Coming de Coca-Cola a suscité un backlash créatif, mais a obtenu 5,9 étoiles au test System1, son score maximal, grâce à la conservation des codes historiques de la marque.
Kantar · Rethinking AI-generated advertising · 2025 — Consulter la source
System1 · Nation's Favourite Ads 2024 · 2024 · test publicitaire, panel consommateurs — Consulter la source
Unilever a suivi la même logique en adossant son Beauty AI Studio à Brand DNAi, son cadre mondial de gouvernance de marque.
Unilever · Annual Report 2025 (Brand DNAi) · 2025 — Consulter la source
Ce n'est donc pas l'usage de l'IA qui détermine l'issue, mais la capacité à conserver les codes de marque et à les rendre opérationnels dans la production.
La marque doit devenir une couche opérationnelle
C'est le déplacement que décrit BCG sous le nom de brand intelligence layer : purpose, règles, identité, contexte et critères de décision encodés dans les systèmes eux-mêmes plutôt que transmis à des humains par un document.
BCG · Making the agentic marketing transformation a reality · 2026 — Consulter la source
- 01Brand book historiqueDes principes rédigés pour être lus, interprétés et appliqués par des personnes.
- 02Brand intelligence layerIdentité, règles, références, contraintes, critères de décision et points de validation, exprimés sous une forme exploitable par un système.
- 03Système d'exécutionCes règles s'appliquent dans les workflows de production, de contrôle et de publication.
La marque doit devenir lisible par une machine et gouvernable opérationnellement, sans pour autant devenir entièrement automatisée. Encoder une règle ne dispense pas de décider quand elle s'applique.
Le deuxième risque n'est pas l'erreur, c'est la banalisation
BCG met en garde contre ce qu'il appelle le scaling sameness : des systèmes construits sur les mêmes modèles et les mêmes patterns produisent des sorties qui se ressemblent, à travers des milliers d'interactions.
BCG · Making the agentic marketing transformation a reality · 2026 — Consulter la source
Le risque est plus insidieux que le bad buzz, parce qu'il ne déclenche aucune alerte : même sans erreur factuelle, une production générique répétée à grande échelle réduit progressivement la distinctivité d'une marque. Des agents sans identité organisationnelle diffusent la même réponse correcte — et interchangeable.
Ce que cela implique pour les marques
La gouvernance de marque doit quitter le seul domaine des guidelines statiques pour devenir une infrastructure opérationnelle : références, règles, droits, responsabilités, contrôles et décisions d'escalade intégrés aux workflows.
Cela suppose que l'entreprise dispose réellement de ces références et de ces règles, et qu'elles lui appartiennent. C'est la question de l'article suivant.
- 01Production et validation
- 02Fiabilité des modèles
- 03Cohérence et risque de marque
- 04Internalisation et connaissance propriétaire
- 05Orchestration et gouvernance