Menu Close

Cadrer sa campagne marketing avec une IA : gare aux faux pas

Demander à ChatGPT comment s'y prendre, c'est risquer de commettre des erreurs. Shutterstock

Tout le monde a entendu parler de l’intelligence artificielle (IA) et de la manière dont elle révolutionne notre façon de penser et d’agir. Les étudiants du monde entier y ont recours à grande échelle pour accomplir les travaux qu’ils auraient dû réaliser d’eux-mêmes.

De nos jours, il est facile de plagier et de recourir à des sources illégitimes si on veut se faciliter la vie. Face à des lycéens et étudiants qui font disserter ChatGPT, beaucoup de professeurs se trouvent démunis, même s’ils se doutent parfois que certains travaux ne reflètent en rien les capacités littéraires, de logique ou de synthèse des étudiants. Approche feutrée, presque moralisatrice, répétition excessive des mots, utilisation de recommandations gratuites et non fondées du type « Il est important de », telles sont quelques indices du recours à l’IA.

Sans s’épancher sur les éventuels effets nocifs de l’IA dans divers domaines de la science ni sur son impact sur l’apprentissage des étudiants, l’idée est ici de souligner les torts qu’elle peut causer lorsqu’elle soutient des efforts marketing liés à des projets. L’expression « marketing de projet » désigne l’application de la science du marketing à des projets de toutes tailles ; elle décrit aussi comment les gestionnaires de projet adoptent de plus en plus les techniques marketing pour promouvoir leurs idées auprès des investisseurs et des consommateurs/utilisateurs, souvent afin de les impliquer dans le processus de développement de nouveaux produits.

Des erreurs perpétuées, sans vérification

L’intelligence artificielle ne semble ici proposer aucune solution face au besoin de contenu crédible pour au moins deux raisons. Premièrement, celles et ceux qui y ont recours le font parfois dans un esprit de facilité. Les solutions que l’IA propose sont alors acceptées sans discernement, même si elles sont dépassées ou hors contexte. Deuxièmement, et surtout, l’IA se fonde sur une immense base de données qui n’est pas conçue pour détecter les erreurs ou imprécisions qui ont persisté au fil du temps, et qui peuvent être d’autant tenaces.

Une de mes recherches qui analyse une centaine d’années de publication de 14 revues scientifiques de très haut niveau montre par exemple que le terme bien souvent utilisé de « prédation » reste en réalité mal défini, si ce n’est pas défini du tout. D’autres de mes travaux invitent à remettre en cause les articles académiques qui privilégient des modèles marketing extrêmement compliqués au point d’être inutilisables par les gestionnaires et dans lesquels des erreurs peuvent s’engouffrer.

Le débat peut également porter sur l’adoption d’échelles biaisées aux fins d’études de marché qui rendent hautement spéculatives toutes les conclusions tirées de certaines contributions scientifiques. Des questionnaires demandent parfois d’évaluer de 1 à 5 un degré d’accord avec une affirmation donnée. Cependant, au moment de le construire, il faut faire attention de ne pas utiliser une double échelle, ce qui est pourtant fréquemment le cas. Une échelle construite avec 1 = « Je suis complètement en désaccord » et 5 = « Je suis tout à fait d’accord » est erronée. 1 devrait plutôt être formulé « Je ne suis pas du tout d’accord » car, pour une variété de raisons psychométriques bien documentées, l’accord et le désaccord ne relèvent pas du même construit psychologique.

En réinvestissant dans ses textes proposés des résultats de ce genre sans autre forme de débat, l’IA ne rend pas véritablement service aux professionnels, ni aux étudiants d’ailleurs. Elle invite à l’erreur.

Imprécisions sur la segmentation

Prenons l’exemple suivant. Lorsqu’on interroge ChatGPT sur le concept de « segmentation », on obtient des phrases telles que :

« La segmentation est une stratégie marketing qui consiste à diviser un marché plus large en groupes distincts. Elle peut être basée sur différents critères tels que les données démographiques (âge, sexe, revenu, éducation, etc.), les données psychographiques (traits de personnalité, style de vie, valeurs, attitudes), la localisation géographique, le comportement d’achat (habitudes d’achat, utilisation du produit, fidélité à la marque), ou une combinaison de ces facteurs. Une segmentation efficace favorise une fidélité accrue à la marque. »

Cette description est incomplète et diluée à bien des égards. D’abord, les quatre piliers de la segmentation ne sont pas optionnels mais nécessaires d’après les spécialistes de la discipline. On ne parle pas de segmentation démographique, mais bien de segmentation sociodémographique, car tout plan marketing doit tenir compte des éléments sociaux qui façonnent l’identité du consommateur : sa religion ou son ethnicité par exemple, et pas seulement son âge, son genre ou son revenu.

Enfin, il est bien risqué de dire que la segmentation favorise une fidélisation accrue, sans en dire davantage. Une bonne segmentation n’est qu’une condition parmi d’autres permettant une fidélisation éventuelle. Mes recherches suggèrent que cette dernière est possible seulement lorsque le plan de marketing de projet repose sur les autres piliers à considérer, à savoir : l’innovation, le positionnement, le ciblage et la différenciation. L’IA n’a pas dit une contre-vérité, mais elle ne donne qu’une portion de la réalité, qui pourrait être mal interprétée ou mal utilisée par le novice en marketing de projet.

Des contraintes énoncées qui n’en sont pas

Tout plan marketing doit de plus répondre au fameux triangle des contraintes : un budget préétabli, des normes de qualité strictes et un calendrier des tâches et des activités. Ces trois composantes sont objectives et mesurables, ce dont l’IA ne rend pas (aujourd’hui) compte. Sur ce point, de nombreux écrits prétendent à tort que le chef de projet est contraint par les coûts, l’envergure et les délais, ou un agencement de la sorte, ce qui ne semble pas ni pertinent ni réaliste.

Certes, comme l’affirme ChatGPT, la « contrainte de coût » est bien synonyme de « contrainte budgétaire du projet ». Il se montre néanmoins imprécis pour le reste.


Chaque lundi, que vous soyez dirigeants en quête de stratégies ou salariés qui s’interrogent sur les choix de leur hiérarchie, recevez dans votre boîte mail les clés de la recherche pour la vie professionnelle et les conseils de nos experts dans notre newsletter thématique « Entreprise(s) ».

Abonnez-vous dès aujourd’hui


Ainsi, l’envergure, ou scope en anglais, se réfère à l’ensemble des objectifs, des livrables, des tâches et des fonctionnalités qui doivent être inclus dans le projet marketing pour le considérer comme achevé et réussi. Dans certains cas, il peut y avoir des éléments qui sont plus difficiles à mesurer que d’autres en raison de leur nature ou de leur caractère subjectif. Cela peut comprendre des éléments qualitatifs, complexes ou imprévisibles qui rendent leur mesure objective difficile, voire impossible. Or, le triangle des contraintes doit se restreindre à ce qui est mesurable objectivement afin d’avoir une appréciation précise et consensuelle du taux de performance du projet.

ChatGPT affirme par ailleurs que la « contrainte de temps », équivaut à « la contrainte liée au délai ». Cela porte à confusion : les délais peuvent être vus comme des retards, ce qu’il faut à tout prix éviter, ou, à l’inverse et paradoxalement, comme une date de tombée. Cette dernière est en réalité fonction d’un schéma plus large qui regroupe des tâches et des activités bien identifiées par des logiciels de gestion de projets ou avec des diagrammes de Gantt.

En bref, l’IA tend à rendre crédibles de fausses idées ou des concepts amputés d’une partie importante de leur sens. Le danger est réel que ceux qui y ont recours sans discernement, qu’ils soient étudiants ou professionnels, les perpétuent et, au bout du compte, produisent des plans marketing non mesurables et exempts de certains éléments fondamentaux qui les composent.

L’IA permet certes de synthétiser rapidement les connaissances, mais il faut toujours rester conscient qu’elle peut être sujette à des biais cognitifs, des erreurs de traduction et d’interprétation, des généralisations hors contexte sans contenu logique et pratique, ainsi qu’à de fausses conceptions. Tout cela se fait sans fournir initialement les références crédibles dont l’étudiant ou l’expert en marketing de projet aurait besoin pour élaborer un plan d’action éclairé et réalisable. La vigilance est donc toujours de mise.

Want to write?

Write an article and join a growing community of more than 187,200 academics and researchers from 5,000 institutions.

Register now