Les publicités générées par IA paraissent crédibles mais restent moins efficaces

Seuls 25 % des spectateurs de publicités entièrement générées par IA étaient au moins un peu sûrs de leur origine, et ces publicités ont pourtant obtenu en moyenne de moins bons résultats que celles créées par des humains. Ce constat provient de l’étude publiée le 18 mai 2026 par Ipsos et la S.I. Newhouse School de l’université de Syracuse, menée auprès de 3 000 consommateurs américains. Ses auteurs résument l’écart en une formule : « credible is not the same as compelling », soit, en français, qu’une publicité peut être crédible sans pour autant emporter l’adhésion.

L’étude porte sur des spots vidéo grand public, assez loin du quotidien d’un responsable de programme de fidélité ou d’un directeur commercial. Sa question de fond les concerne pourtant, car un programme B2B envoie en continu des messages à un public qu’il souhaite garder. Voici ce que l’étude mesure, puis une transposition à la communication d’un programme ou d’un challenge : où utiliser l’IA, où garder la main et comment tester.

Ce que l’étude Ipsos et Syracuse a mesuré

Un protocole fondé sur 20 publicités de marques connues

Le panel a vu 20 publicités de marques connues, dont 10 créées par des humains et 10 entièrement générées par IA. Gemini a reconstitué le brief de chaque publicité d’origine et conçu un nouveau concept à partir de ce brief, puis Sora 2 a produit la vidéo correspondante.

Ce protocole confie à l’IA toute la chaîne, du concept à l’image. Les résultats décrivent donc une publicité produite de bout en bout par des modèles, et ils ne renseignent pas sur une création humaine assistée par IA pour une tâche précise.

Des publicités difficiles à repérer et moins efficaces en moyenne

Sur la détection, 25 % des spectateurs des publicités IA étaient au moins un peu sûrs qu’elles avaient été générées par IA, et 40 % de l’ensemble des spectateurs restaient incertains. Le public ne dispose donc pas d’un repère fiable pour distinguer les deux origines.

Sur la performance, les publicités humaines sont en moyenne 14 % plus fortes sur l’efficacité à court terme et 17 % plus fortes sur l’efficacité à long terme. Ipsos les décrit aussi comme plus divertissantes, plus uniques et plus propices à la conversation, trois qualités que l’institut associe aux gains de mémorisation.

L’IA obtient ses meilleurs résultats sur un registre précis. Les publicités générées les plus efficaces sont directes et centrées sur le produit, comme celles de Febreze et d’Herbal Essences citées par Ipsos, avec une construction simple : un problème, une solution, une raison d’y croire. Ipsos en fait un cas de réussite de l’IA sans affirmer que ces spots dépassent des équivalents humains.

Les limites à garder en tête avant de citer ces chiffres

La publication d’Ipsos ne donne aucun intervalle de confiance, son public est américain et la base de calcul des 14 % et des 17 % n’est pas précisée. Ces chiffres indiquent donc un sens plutôt qu’une mesure exacte, et la différence entre eux ne suffit pas à conclure que l’écart se creuse avec le temps.

Le terrain diffère aussi de celui d’un programme B2B. Un spot vu par un consommateur diffère d’un message adressé à un distributeur déjà en relation avec la marque. La transposition proposée plus bas relève de notre lecture, et non des résultats de l’étude : chaque entreprise doit la vérifier sur ses propres données.

Pourquoi la crédibilité ne suffit pas à la relation de marque

Le récit, point faible de la publicité générée par IA

Dans l’étude, l’IA a choisi le storytelling 30 % du temps, alors qu’un autre rapport d’Ipsos situe à 49 % la part des publicités qui y recourent. Ces deux chiffres ne proviennent pas de la même mesure et se comparent avec prudence, mais ils vont dans le sens du constat général : laissée à elle-même, l’IA se tourne moins vers le récit, et ses résultats faiblissent quand la direction demande de l’émotion ou un point de vue.

Ce résultat rejoint les principes du marketing émotionnel, selon lesquels une marque s’attache ses publics par ce qu’elle leur fait ressentir autant que par ce qu’elle leur démontre. L’utilisation des émotions dans le partage de contenu prolonge cette logique : un contenu qui touche circule davantage qu’un contenu simplement exact, et c’est précisément sur ce terrain de la conversation que les publicités humaines de l’étude prennent l’avantage.

Pour une relation commerciale suivie, l’enjeu dépasse la publicité. Un partenaire reste aussi parce qu’il comprend l’histoire de la marque et la place qu’elle lui accorde, et des messages corrects mais interchangeables n’alimentent pas ce lien.

Une ressemblance avec le travail humain qui ne prouve aucun résultat

Dans une tribune publiée par The Wise Marketer le 29 octobre 2026, Jacques van Niekerk, Global CEO d’Incubeta, formule le problème ainsi : « Looking indistinguishable from human work is an operational metric. It is not a commercial outcome. » Il range donc le fait de ressembler à un travail humain parmi les indicateurs de production, à bonne distance du résultat commercial. Ce texte reste la prise de position d’un dirigeant d’agence, et il se lit comme tel.

L’argument a une conséquence pratique sur les circuits de validation. Une relecture qui vérifie seulement le ton et l’absence d’erreur laisse de côté l’effet du message. Ajoutez une question avant la diffusion : quel comportement ce message doit-il changer chez le membre, et comment le saura-t-on ?

La transparence, une attente à traiter dès le départ

Ipsos rappelle que 79 % des personnes interrogées dans une autre de ses enquêtes estiment que les entreprises devraient signaler l’usage de l’IA. Cette attente prend un relief particulier dans un programme relationnel, où le membre a accepté de recevoir vos messages et vous confie parfois ses données.

Le plus simple consiste à écrire une règle interne avant de produire. Elle précise les contenus concernés, la personne qui valide et la manière d’en parler aux membres qui posent la question. Vous évitez ainsi d’improviser le jour où un partenaire s’étonne du ton d’un message.

Où utiliser l’IA dans un programme de fidélité ou un challenge B2B

Les recommandations d’Ipsos tiennent en trois points : soigner le brief, garder l’humain sur le récit, utiliser l’IA pour le bas de tunnel et les variations. Appliquées à un programme de fidélité B2B, elles conduisent à séparer les contenus qui informent de ceux qui construisent le lien.

Les variations et l’adaptation par segment

Un même message se décline rarement à l’identique pour un installateur indépendant, un chef d’agence et un acheteur de grand compte. Cette adaptation demande du temps, et elle correspond bien à ce que l’IA sait produire : partir d’un texte validé et en changer l’exemple, la longueur ou le vocabulaire métier.

Le texte source reste écrit et approuvé par l’équipe, et l’IA travaille à partir de lui, sans partir d’une page blanche. Prenons une campagne de relance sur un palier de points : l’équipe rédige la version de référence, l’IA propose une déclinaison par segment et par canal, et un responsable relit l’ensemble avant l’envoi. Les outils d’IA générative accessibles aux TPE et PME suffisent à ce type d’usage.

Les messages produit et d’information

Les publicités IA les plus efficaces de l’étude reposent sur une structure simple et sur un message fonctionnel. Dans un programme, ce registre correspond aux contenus de bas de tunnel : nouvelle référence éligible, rappel des conditions, fiche produit résumée, relance sur une offre en cours.

Ces messages tirent leur valeur de la clarté et de l’exactitude. Le risque se situe donc du côté des faits, avec un taux de bonification, une date ou une condition mal reprise. Fournissez à l’outil les données de référence et faites contrôler ces éléments par une personne, comme le rappelle notre article sur la qualité des contenus créés avec l’IA.

Où garder la main sur la communication du programme

Le récit de marque et le sens du programme

Le lancement d’un programme, son changement de nom ou l’évolution de ses règles engagent la parole de l’entreprise. Ces moments expliquent pourquoi le programme existe et ce que la marque attend de la relation, et ils appellent un point de vue que seule l’équipe peut assumer.

Concrètement, confiez ces textes à une personne qui connaît le réseau, et faites-les signer par un dirigeant ou un directeur commercial identifié. L’IA peut servir ensuite à relire, à raccourcir ou à proposer des accroches, une fois le fond arrêté.

L’animation du programme dans la durée

Un programme vit par ses rendez-vous : le point d’étape d’un trimestre, le témoignage d’un membre, la coulisse d’un événement, l’annonce d’une nouveauté décidée après des retours du terrain. Ces contenus s’appuient sur des faits que l’IA ne connaît pas, comme une anecdote d’agence ou une remarque entendue en réunion régionale.

Gardez un rédacteur référent, proche des animateurs de réseau, qui recueille ces matières et tient une ligne de ton stable. Les membres finissent par reconnaître cette voix.

La reconnaissance des membres

La reconnaissance constitue le cas le plus sensible. Féliciter un membre pour un palier atteint, remercier un partenaire de longue date ou saluer le gagnant d’un challenge sont des gestes qui perdent leur sens s’ils paraissent standardisés. Le fond de la félicitation doit nommer ce que la personne a accompli.

Une organisation simple consiste à automatiser le déclenchement et à personnaliser le contenu : le système signale le palier franchi, puis le commercial ou l’animateur ajoute une phrase qui lui est propre. Sur les grands volumes, réservez ce traitement aux moments forts, et laissez aux messages automatiques les confirmations de routine.

Comment tester une communication générée par IA

Soigner le brief avant de générer

Ipsos insiste sur la qualité du brief, et le conseil vaut autant pour un email d’animation que pour un spot. Une consigne vague produit un texte correct et sans relief, faute d’indications sur le destinataire et l’objectif.

Un bon brief tient en quelques lignes : à qui s’adresse le message, où en est cette personne dans le programme, quelle action est attendue, quels faits utiliser, quel ton adopter et ce qu’il faut éviter. Conservez ces briefs dans un modèle partagé, afin que chaque déclinaison parte de la même base et que les résultats restent comparables.

Travailler sur de petites cohortes avec des seuils comportementaux

Jacques van Niekerk recommande de tester sur de petites cohortes payantes, avec des seuils comportementaux, avant de monter le budget. Dans un programme, la cohorte peut être un segment de membres ou une partie du réseau, et le coût du test se mesure surtout en attention consommée auprès de votre base.

Fixez le seuil avant l’envoi et choisissez-le parmi les comportements : connexion à la plateforme, déclaration d’une vente, commande sur la référence promue, activation d’une récompense. L’avis favorable d’un comité interne ne constitue pas un seuil, et le taux d’ouverture renseigne peu sur l’effet relationnel. Si le seuil n’est pas atteint, la version reste sur le segment test et repart en révision.

Un exemple de test sur un challenge commercial

Prenons un challenge commercial adressé à un réseau de distributeurs. L’équipe rédige le message d’animation de mi-parcours pour une région, et l’IA en produit une déclinaison pour une région comparable. Les deux groupes reçoivent le message le même jour, et l’équipe suit les ventes déclarées et les connexions sur la période qui suit.

Une agence très active peut suffire à déplacer la moyenne de petits groupes. Répétez donc l’essai sur plusieurs temps forts avant de décider, et conservez dans le suivi l’origine de chaque message. Vous saurez alors, sur vos propres données, quels contenus peuvent passer à l’IA.

Questions fréquentes

Les publicités générées par IA sont-elles moins efficaces que les publicités humaines ?

Oui en moyenne, selon l’étude Ipsos et S.I. Newhouse School de Syracuse : les publicités humaines sont 14 % plus fortes sur l’efficacité à court terme et 17 % plus fortes sur le long terme. La publication ne donne ni intervalle de confiance ni base de calcul pour ces écarts, et le public est américain.

Les consommateurs repèrent-ils les publicités générées par IA ?

Assez peu. Dans l’étude, 25 % des spectateurs des publicités IA étaient au moins un peu sûrs qu’elles étaient générées par IA, et 40 % de l’ensemble des spectateurs restaient incertains. Cette difficulté à les repérer ne se traduit pas par une efficacité équivalente.

Sur quels contenus utiliser l’IA dans un programme de fidélité ?

Notre lecture de l’étude conduit à la réserver aux variations, à l’adaptation par segment et aux messages produit, à partir de textes validés par l’équipe. Le récit de marque, l’animation du programme et la reconnaissance des membres restent mieux tenus par des personnes qui connaissent le réseau.

Faut-il signaler l’usage de l’IA dans la communication d’un programme ?

Ipsos rappelle que 79 % des personnes interrogées dans une autre de ses enquêtes estiment que les entreprises devraient signaler cet usage. Dans un programme relationnel, la bonne pratique consiste à fixer une règle interne avant de produire : contenus concernés, personne qui valide et réponse à donner aux membres.

Comment tester un message généré par IA avant de le déployer ?

Envoyez-le à un segment limité et comparez-le à une version rédigée par l’équipe, avec un seuil comportemental fixé à l’avance : connexion, vente déclarée, commande ou activation d’une récompense. Répétez l’essai sur plusieurs temps forts avant d’étendre l’usage au reste du programme.

Vous souhaitez revoir la communication de votre programme de fidélité ou de votre challenge ? Kalido conçoit et anime des dispositifs de marketing relationnel B2B et B2B2C, de la plateforme aux messages adressés aux membres. Parlons de votre projet.