Avertissement : cet article est un exercice de fiction assumé. Camille Vasseur n'existe pas. Le cabinet Lucide Data non plus. Aucun propos rapporté ici n'est attribuable à une personne réelle. Il s'agit d'un scénario prospectif construit sous forme d'entretien, à partir de tendances publiques et documentées du marché, pour explorer un point de vue plausible sur l'IA générative dans le marketing en 2026.

Pourquoi publier un entretien imaginaire plutôt qu'un vrai ? Parce que l'exercice a une utilité propre, que j'explique en fin d'article : construire un persona d'expert oblige à formuler explicitement les arguments que l'on juge les plus solides du marché, et à les confronter aux siens. C'est un exercice de clarification, pas un substitut au terrain.

Le persona : qui serait Camille Vasseur ?

Dans ce scénario, Camille Vasseur est consultante en stratégie digitale, spécialisée dans l'intégration de l'IA générative au sein des équipes marketing. Elle a passé dix ans en agence avant de cofonder un cabinet de conseil, intervient auprès d'écoles de commerce sur les usages responsables de l'IA, et travaille principalement avec des directions marketing de taille intermédiaire — ni start-up, ni CAC 40.

Ce profil n'est pas choisi au hasard : c'est celui qui manque le plus dans le débat public. On entend beaucoup les éditeurs d'outils et les très grands annonceurs ; on entend peu ceux qui déploient l'IA avec des moyens contraints.

L'entretien

Quel est le changement le plus marquant que vous observez en 2026 ?

On sort enfin de la phase d'expérimentation. Pendant longtemps, l'IA générative servait surtout à produire des visuels ou des textes isolés : un post, une bannière, un brouillon de newsletter. Aujourd'hui, elle s'intègre dans l'orchestration complète des campagnes — ciblage, génération créative, diffusion, optimisation en continu. Le vrai changement est là : les équipes marketing ne pilotent plus des campagnes, elles pilotent des systèmes qui produisent des campagnes.

Cela change-t-il le métier des équipes ?

Clairement. On voit émerger des profils hybrides, capables à la fois de comprendre la donnée, de dialoguer avec des outils d'IA et de garder un œil critique sur ce qui sort de la machine. Le rôle humain ne disparaît pas, il se déplace vers la supervision : vérifier que le ton de marque, l'éthique et la cohérence sont respectés. Le problème, c'est que peu d'organisations ont formalisé ce rôle. Il est exercé de fait par des gens dont ce n'est pas la fiche de poste, et sans temps dédié.

Quels sont les risques de cette automatisation croissante ?

Trois, par ordre de gravité croissante. L'uniformisation d'abord : quand tout le monde utilise les mêmes modèles avec des prompts similaires, les contenus finissent par se ressembler, et l'avantage concurrentiel s'évapore. Les biais présents dans les données d'entraînement ensuite, qui se retrouvent dans les messages produits sans que personne ne les ait choisis. Et enfin la perte de transparence vis-à-vis des consommateurs, si l'on ne dit pas clairement qu'un contenu est généré ou assisté par IA.

Quel conseil donneriez-vous à un étudiant qui se lance ?

D'apprendre à questionner ce que l'IA produit plutôt que de l'accepter tel quel. Savoir formuler une bonne consigne est utile, mais savoir vérifier une source, une donnée ou un chiffre l'est tout autant — et c'est une compétence beaucoup plus rare. Et surtout, cultiver une sensibilité créative et stratégique que l'outil ne remplace pas.

Et dans cinq ans ?

On ira vers des agents capables de gérer une campagne de bout en bout, sous supervision humaine légère. La personnalisation deviendra très fine, presque individuelle. Mais la réglementation et la confiance des consommateurs deviendront des sujets aussi structurants que la performance elle-même. Les équipes qui gagneront ne seront pas les plus automatisées : ce seront celles qui sauront expliquer ce qu'elles automatisent.

Ce que j'en retiens — et là où je ne suis pas d'accord

L'intérêt de l'exercice est de pouvoir se contredire soi-même. Sur deux points, le discours que je viens de construire me paraît trop optimiste.

D'abord l'idée que « le rôle humain se déplace vers la supervision ». C'est vrai en théorie. En pratique, superviser un système qui produit cent créas par jour demande plus de temps que d'en produire dix soi-même, et ce temps n'est presque jamais budgété. La supervision n'est pas un rôle, c'est pour l'instant une dette.

Ensuite l'idée que la transparence suffirait à préserver la confiance. Ce que j'observe en prospection B2B, et que j'ai développé dans mon article sur le CRM augmenté par l'IA, est plus brutal : les interlocuteurs qui détectent une automatisation réagissent mal même quand le contenu est bon. Annoncer l'usage de l'IA ne neutralise pas la réaction — dans certains contextes, cela la déclenche.

Les limites de l'exercice

Il faut être honnête sur ce qu'un entretien fictif ne peut pas faire. Il ne produit aucune information nouvelle : il recombine ce qui circule déjà. Il ne surprend jamais celui qui l'écrit, alors qu'un vrai entretien dérape toujours quelque part — et c'est généralement dans ce dérapage que se trouve l'intérêt. Il ne crée aucune relation professionnelle, ce qui est pourtant la moitié de l'objectif d'une interview.

C'est pourquoi cet article est un exercice de format, et non un substitut : un véritable entretien avec un.e professionnel.le du digital fera l'objet d'une publication distincte. Si vous travaillez sur l'intégration de l'IA dans des équipes marketing et que le sujet vous intéresse, écrivez-moi sur LinkedIn : la prochaine interview de cette série sera bien réelle.

Rappel : Camille Vasseur et le cabinet Lucide Data sont des créations fictives. Cet article ne rapporte les propos d'aucune personne réelle.

Cet article a été préparé avec l'assistance d'outils d'IA générative. Le détail de la méthode est documenté dans la note méthodologique IA associée.