Promesses IA des agences : comment évaluer ce qui est réellement livré

Selon la dépêche relayée par Radio France, une émission intitulée « L'IApocalypse » traite du volet marketing du discours porté par les géants de l'intelligence artificielle. Le contenu détaillé de cette émission n'est pas repris ici. Le constat général qu'elle pose est toutefois transposable au marché des agences : la mention de l'IA est devenue un argument commercial standard, ce qui la rend peu discriminante en soi.

Une promesse d'IA peut recouvrir des réalités très différentes. Elle peut désigner l'utilisation d'un assistant de rédaction pour accélérer des premiers jets, un outil de génération d'images, une automatisation de tâches répétitives, un modèle de scoring appliqué à des données publicitaires, ou un développement spécifique entraîné sur les données du client. Ces cas n'impliquent ni les mêmes coûts, ni les mêmes risques, ni la même valeur ajoutée.

Le premier critère d'évaluation consiste à ramener la promesse à un livrable observable. Une formulation comme « campagne optimisée par l'IA » n'est pas vérifiable. Une formulation comme « génération de vingt variantes d'annonces par mois, relues et validées par un rédacteur avant diffusion » l'est. Demander systématiquement la traduction d'une promesse en livrables, volumes, fréquences et responsabilités fait apparaître rapidement le niveau de précision réel de la proposition.

Le deuxième critère porte sur la démonstration. Il est raisonnable de demander une démonstration sur un cas proche du besoin, réalisée devant le client, plutôt que la présentation d'un résultat finalisé dont on ne connaît pas le temps de production ni le nombre d'itérations. Un échantillon produit dans les conditions réelles de la mission est plus informatif qu'une sélection de meilleurs cas.

Le troisième critère concerne la mesure. Si l'apport annoncé est un gain de productivité, il doit se lire quelque part : dans le prix, dans le volume livré, dans les délais. Une prestation présentée comme accélérée par l'IA mais facturée au même tarif et livrée dans les mêmes délais qu'auparavant pose une question légitime sur la destination du gain. Inversement, un gain de productivité réel peut être mis au service de plus d'itérations plutôt que d'une baisse de prix, ce qui est un arbitrage assumable s'il est explicité.

Le quatrième critère est la répartition entre automatisé et humain. Il est utile de savoir, pour chaque livrable, quelles étapes sont générées par un outil, quelles étapes sont relues, par qui, et selon quels critères de validation. Cette cartographie détermine aussi la responsabilité en cas d'erreur factuelle, de contenu inapproprié ou de similitude avec un contenu existant.

Le cinquième critère relève des données. Un prestataire qui traite des données de clients ou de prospects avec des outils tiers doit pouvoir indiquer lesquels, où les données sont hébergées, pendant combien de temps, et si elles sont susceptibles d'être réutilisées pour l'entraînement de modèles. Ces questions relèvent du cadre de protection des données personnelles et se traitent avant le démarrage, pas après un incident.

Enfin, l'évaluation gagne à porter sur la constance plutôt que sur la performance de pointe. Un dispositif qui produit un résultat correct de façon reproductible, avec un contrôle humain identifié, est généralement préférable à un dispositif capable de résultats spectaculaires mais irréguliers. Demander comment le prestataire détecte et corrige un livrable défaillant renseigne sur la maturité de son processus.