En quelques minutes, une intelligence artificielle peut produire une analyse SWOT, définir des personae, proposer un positionnement, sélectionner des canaux d’acquisition, construire un calendrier éditorial et suggérer une liste de KPI. Le document est structuré, le vocabulaire est professionnel et les recommandations paraissent cohérentes.
Il devient alors tentant de conclure que la stratégie marketing est faite. Pourtant, produire un document qui ressemble à une stratégie et construire une véritable stratégie sont deux choses très différentes. C’est la même confusion que celle que j’évoquais dans mon article consacré aux défaillances d’entreprises et au manque de réflexion stratégique : la valeur d’un business plan ne réside pas seulement dans le document final, mais dans les recherches, les remises en question et les arbitrages qui ont permis de le construire.
Il en va exactement de même pour une stratégie marketing. L’intelligence artificielle peut considérablement faciliter le travail du professionnel. Elle peut explorer des pistes, analyser rapidement de nombreuses informations ou formaliser une réflexion déjà engagée. Mais elle ne transforme pas mécaniquement des informations incomplètes en diagnostic juste. Elle ne remplace ni la confrontation au terrain, ni la compréhension des non-dits, ni les choix parfois difficiles qu’impose toute stratégie.
Une liste d’actions, même pertinente, n’est pas une stratégie. Prenons une demande volontairement simple : « Construis la stratégie marketing d’un cabinet de conseil B2B qui souhaite se développer en France. »
L’IA proposera probablement de préciser les personae, de développer la visibilité du cabinet sur LinkedIn, de publier des contenus experts, de travailler le référencement naturel, de créer un livre blanc, de lancer une newsletter, de nouer des partenariats et de mesurer le coût d’acquisition des clients.
Ces propositions sont-elles absurdes ? Non. Sont-elles suffisantes pour constituer une stratégie ? Pas vraiment.
Les questions que l’on doit se poser, l’IA ne le fait pas toujours : À quel type d’entreprise le cabinet doit-il s’adresser en priorité ? Sur quel problème particulièrement rentable et insuffisamment traité peut-il se positionner ? Quelle offre doit-il cesser de promouvoir ? Quels concurrents faut-il réellement affronter et lesquels vaut-il mieux éviter ? L’entreprise dispose-t-elle des compétences et des ressources nécessaires pour produire régulièrement du contenu ? Son équipe commerciale est-elle capable de traiter les prospects générés ? Quel investissement peut-elle supporter et pendant combien de temps ? Surtout, sur quelles données repose chacune des réponses ?
Une stratégie ne consiste pas à accumuler des actions possibles. Elle consiste à établir un diagnostic, choisir une direction, renoncer à certaines possibilités et affecter des ressources limitées là où elles auront le plus d’effet. Tant qu’aucun choix réel n’a été effectué, nous sommes face à un catalogue de bonnes pratiques, pas face à une stratégie.
Les réponses sont convaincantes parce qu’elles sont souvent convenues
C’est l’une des principales limites que je constate : lorsque le contexte fourni est pauvre, l’IA répond avec des recommandations génériques. Réseaux sociaux, SEO, publicité en ligne, influence, newsletter, fidélisation, partenariats… Les mêmes leviers réapparaissent, adaptés à la marge au secteur évoqué dans la requête.
Le résultat peut sembler très complet. Il ne dit pourtant pas quel levier doit être privilégié, lequel est incompatible avec les ressources disponibles, ni pourquoi une action qui fonctionne chez un concurrent fonctionnerait ou pas dans cette entreprise. Plus le brief est imprécis, plus l’IA comble les vides avec ce qui paraît statistiquement plausible.
Une recherche publiée en 2024 dans Science Advances par deux chercheurs de l’University College London et de l’université d’Exeter apporte un éclairage intéressant. Les auteurs ont étudié la rédaction de récits courts, et non la stratégie marketing : il faut donc rester prudent dans la transposition. Ils ont constaté que l’aide de l’IA améliorait la créativité perçue de chaque production, notamment chez les participants initialement les moins créatifs. Mais les textes produits avec l’IA devenaient aussi davantage similaires entre eux. Dans l’une des conditions, leur similarité a progressé de 10,7 % par rapport aux textes rédigés sans IA. Autrement dit, chaque résultat pouvait paraître meilleur pris isolément, alors que l’ensemble devenait moins diversifié.
Le parallèle avec le marketing mérite d’être posé. Si toutes les marques interrogent les mêmes outils à partir des mêmes données publiques et obtiennent les mêmes recommandations raisonnables, elles ne construisent pas leur différenciation. Elles organisent leur convergence.
Une donnée précise n’est pas nécessairement une donnée vraie
La seconde faiblesse est plus dangereuse : l’IA peut fournir des informations fausses ou invérifiables avec la même assurance que lorsqu’elle énonce un fait exact.
Demandez-lui la taille d’un marché très spécialisé, son taux de croissance, la part détenue par un concurrent local ou le comportement d’une cible étroite. Elle peut répondre avec des chiffres précis, citer une étude au titre crédible ou attribuer une donnée à un organisme reconnu. Pourtant, la source peut ne pas contenir le chiffre annoncé, être trop ancienne, concerner un autre périmètre ou, dans certains cas, ne pas exister.
Des travaux français documentent ce risque. Le CEA-Irig décrit des contenus qui semblent plausibles au premier abord, mais se révèlent erronés ou impossibles : source inexistante, contraintes du monde réel ignorées, conclusions corrompues par de petites erreurs difficiles à repérer. Le domaine étudié est la biologie moléculaire, pas le marketing. Mais le mécanisme est le même : la fluidité d’une réponse ne garantit jamais sa véracité. Le laboratoire d’innovation de la CNIL cite lui aussi les hallucinations ainsi que les réponses incomplètes, inexactes ou biaisées parmi les risques persistants des IA génératives.
En stratégie marketing, les erreurs les plus coûteuses ne sont pas toujours spectaculaires. Une estimation trop optimiste du marché, une segmentation reposant sur une cible théorique, une mauvaise lecture de la concurrence ou une hypothèse erronée sur la sensibilité au prix peuvent orienter pendant plusieurs mois les investissements, les recrutements et la communication de l’entreprise. Le danger n’est donc pas seulement que l’IA se trompe, mais c’est qu’elle se trompe de manière suffisamment convaincante pour que personne ne pense à la contredire.
L’étude de marché doit être assistée, pas automatisée
Cette distinction entre production automatique et assistance est également au cœur des travaux de Peter Mathias Fischer, professeur de marketing à HEC Paris. Dans un chapitre consacré à l’étude de marché assistée par l’IA, il distingue explicitement l’« étude de marché par l’IA », entièrement automatisée, de l’« étude de marché assistée par l’IA », dans laquelle la technologie complète l’expertise humaine.
L’IA peut aider à repérer des informations dans une masse documentaire, faciliter la collecte de données, coder des réponses ouvertes, interpréter des résultats ou adapter leur présentation au public visé. Mais l’automatisation complète comporte des risques : représentation incomplète des données, reproductibilité limitée, atteinte à la confidentialité et perte d’esprit critique.
Le jugement humain, la connaissance du domaine et la supervision éthique restent donc nécessaires. Le véritable enjeu est de déterminer si quelqu’un sait encore identifier les données absentes, tester la solidité d’une conclusion et décider ce qu’il faut en faire.
Demander une stratégie à l’IA sans posséder les compétences permettant de l’évaluer revient à déléguer le diagnostic à un interlocuteur qui peut se tromper, sans disposer soi-même des moyens de détecter son erreur.
Ce que le consultant va chercher et que l’IA ne peut pas deviner
Dans une mission de conseil, l’information décisive n’apparaît pas toujours dans les documents remis au départ. Elle peut surgir d’une contradiction entre le discours du dirigeant et celui des commerciaux, d’une objection répétée par les clients, d’une offre que l’entreprise continue de promouvoir alors qu’elle est peu rentable, ou d’une action jamais mise en œuvre pour des raisons qui n’ont rien de marketing.
Le rôle du consultant commence précisément à cet endroit : poser les questions qui n’ont pas encore été formulées, comprendre les non-dits, confronter les déclarations aux comportements et rechercher les informations manquantes.
Une IA peut parfaitement analyser les comptes rendus d’entretiens qu’on lui transmet. Elle ne peut pas analyser l’entretien qui n’a jamais été mené, la question que personne n’a pensé à poser ou la donnée que l’entreprise ne mesure pas. Elle ne peut travailler qu’à partir du contexte auquel elle a accès. Or construire une stratégie consiste souvent, avant toute chose, à découvrir quel contexte manque.
Il faut ensuite arbitrer. Deux orientations peuvent être cohérentes sur le papier, mais exiger des ressources différentes, comporter des risques différents ou entrer en conflit avec la culture de l’entreprise. Le consultant ne se contente pas de générer des options. Il les hiérarchise, en explique les conséquences, aide le décideur à choisir et assume la cohérence de la recommandation finale.
Il apporte enfin l’expérience du terrain. Il sait qu’un plan théoriquement pertinent peut échouer parce que l’équipe ne se l’approprie pas, que le budget a été sous-estimé, que le calendrier est irréaliste ou que l’entreprise n’est pas en mesure de tenir la promesse formulée dans sa communication.
Faut-il pour autant se passer de l’IA ? Certainement pas
Refuser l’idée que l’IA puisse remplacer la stratégie ne revient pas à minimiser son intérêt. Je l’utilise moi-même comme un outil d’exploration, d’analyse et de formalisation. Elle peut accélérer une recherche documentaire, à condition que les sources soient accessibles et systématiquement vérifiées. Elle peut comparer des verbatim clients, repérer des thèmes récurrents dans un corpus d’entretiens, synthétiser un benchmark, faire apparaître des relations dans un jeu de données ou proposer plusieurs scénarios à partir d’hypothèses clairement formulées.
Elle est également très utile pour ouvrir la réflexion. On peut lui demander de produire des contre-arguments, d’identifier les fragilités d’une hypothèse, d’imaginer la réaction de plusieurs concurrents ou de chercher les raisons pour lesquelles un plan pourrait échouer. Dans ce rôle, elle ne prend pas la décision : elle aide le professionnel à mieux la préparer.
Enfin, l’IA excelle dans la formalisation d’un travail déjà pensé. Une fois les objectifs, les cibles, le positionnement, les priorités et les contraintes définis, elle peut contribuer à structurer le plan d’action, décliner les messages, proposer des indicateurs ou accélérer la production de certains supports.
L’ordre des opérations est essentiel. Si l’on commence par lui demander une stratégie, on risque de construire la réflexion autour de sa première réponse. Si l’on commence par le terrain, les données et le questionnement, l’IA devient un outil puissant au service d’une stratégie dont le professionnel conserve la maîtrise.
L’IA ne remplace pas la stratégie : elle remplace surtout la page blanche
Une intelligence artificielle peut rendre un bon stratège plus rapide, plus productif et parfois plus créatif. Elle peut aussi rendre une réflexion insuffisante beaucoup plus présentable. La différence réside dans la qualité des informations fournies, dans la capacité à remettre en cause la réponse obtenue et dans le jugement de la personne qui prendra finalement la décision.
Une stratégie marketing engage des ressources, écarte des options et produit des conséquences réelles pour l’entreprise. Elle exige de comprendre ce qui n’est pas écrit, d’accepter l’incertitude, de confronter les hypothèses au marché et, parfois, de dire au dirigeant ce qu’il n’a pas envie d’entendre.
L’IA peut aider à penser. Elle peut nourrir, challenger et formaliser une stratégie. Mais lui abandonner la réflexion stratégique reviendrait à confondre la vraisemblance d’une réponse avec la pertinence d’une décision.
Et cette confusion peut coûter beaucoup plus cher que le temps prétendument gagné.
Rédigé en septembre 2026 avec https://analyse-de-marche.fr/