[Tribune] Content marketing à l'international : les erreurs à ne pas commettre avec l'IA

Pour une entreprise opérant à l'international, la création et la gestion des assets relatifs à l'ensemble de ses gammes sur l'ensemble de ses canaux marketing peuvent vite devenir un casse-tête, avec des milliers de contenus à produire, à valoriser et à localiser chaque année, avec les risques d'approximations que cela implique. Dans ce contexte, l'utilisation de l'intelligence artificielle est une solution appréciée pour réduire les coûts, améliorer la cohérence globale des prises de parole, ou même pour se déployer sur des marchés qui s'avéraient trop complexes à adresser auparavant.

Toutefois, attention à ne pas adopter une approche contre-productive : créer en masse du contenu, même dans la langue du pays ciblé, n'est pas un gage d'efficacité, d'autant plus si ce contenu est peu pertinent. Or, c'est le risque associé à une mauvaise utilisation de l'IA.

L'intelligence culturelle, qui permet de créer des contenus plus pertinents, marché par marché, n'est pas innée chez l'intelligence artificielle. Pour y parvenir, il faut conjuguer celle-ci à une bonne dose d'intelligence émotionnelle et humaine, que ce soit pour comprendre et adapter les contenus au contexte spécifique de chaque culture, mais aussi pour sélectionner les bons cas d'usage et mettre en place la meilleure architecture IA possible, de laquelle résultent les gains de performance attendus.

Où l'IA sera-t-elle la plus efficace ?

Ainsi, il faut être en mesure de définir précisément ses objectifs, afin d'identifier, d'entraîner et d'orchestrer les bons modèles d'intelligence artificielle, pour chaque pays et culture ciblés. Au-delà de faire adopter par l'IA l'ADN de chaque marque, ses codes et sa charte graphique, et de réussir à retranscrire et adapter le tout dans différentes cultures, le principal enjeu est de parvenir à identifier où l'IA est utile.

L'IA est plus forte dès que l'on parvient à penser et décomposer les workflows. Il est alors plus simple de voir où elle peut s'intégrer de manière logique et naturelle, afin de libérer les équipes des tâches les plus répétitives, et où elle délivrera les résultats les plus intéressants, sans nécessiter de multiples contrôles et ajustements de la part d'opérateurs qui annihilent logiquement tout l'intérêt de l'automatisation, en augmentant les coûts de post-production.

C'est seulement après avoir répondu à ces questions qu'il est possible de choisir un modèle, de l'adapter aux spécificités d'un marché et de produire des assets adaptés à vos canaux, puis d'optimiser le tout en identifiant des pistes d'amélioration grâce à l'A/B testing, aux retours des équipes sur place ou encore à une phase de vérification qualité, qui permet d'identifier les erreurs factuelles ou les biais et de les corriger à la source.

Dès qu'un premier cas d'usage est validé, il faut ensuite être capable de passer à l'échelle, car les coûts sont alors marginaux. Déployer ce cas d'usage auprès d'autres métiers, puis adapter le modèle à des cas d'usages proches pour gagner en ROI.

Mais attention : le sujet est si innovant qu'il faut toujours pouvoir faire évoluer ses modèles, sans pour autant être dépendants de ces derniers. Par ailleurs, il est toujours bon de rappeler la nécessité d'utiliser l'IA de manière éthique, en anticipant également les inévitables évolutions légales et réglementaires qui ont ou auront lieu dans chaque pays.

Des gains de productivité déjà concrets en création audio et vidéo

Le groupe Datawords, qui est une référence en matière de marketing multiculturel, accompagne ses clients pour faire face à ces nouveaux défis. Voici deux exemples concrets issus de collaborations réelles avec nos clients.

Nous travaillons notamment pour un géant des produits d'entretien et de la cosmétique, qui doit produire plus de 10000 assets chaque année pour alimenter les campagnes OOH, print, TV et digital, mais aussi le référencement e-commerce ou les PLV des produits de ses 16 marques, le tout sur une trentaine de marchés. Avec, en bonus, des marques dont le nom diffère selon les marchés.

Aux questions : "sur quelle partie du workflow pouvons-nous intégrer l'IA ? Quoi automatiser de manière efficiente et comment le faire ?", nous avons répondu en nous focalisant dans un premier temps sur la partie audio. En utilisant l'IA d'ElevenLabs, nous avons généré et doublé automatiquement les voix des contenus vidéo des marques du groupe dans les langues des pays où elles sont commercialisées. Habituellement, les budgets sont insuffisants pour localiser tous les contenus sur ces marchés, notamment les nombreuses vidéos diffusées en social media. Sur cette partie, le fine tuning est indispensable car les biais culturels sont importants, et il faut adapter avec précision les intonations aux spécificités des dialectes et accents régionaux.

Enfin, il faut là encore s'assurer de bien disposer des droits d'utiliser les voix des comédiens sur l'ensemble des marchés. Ce sont ces questions de droits, mais aussi d'éthique, qui freinent par exemple le développement de pratiques de localisation plus poussées en vidéo, en adaptant par exemple les traits des acteurs aux régions ciblées.

Par ailleurs, nous utilisons également en post-production l'IA de Aive pour décliner une vidéo en une grande variété de formats différents et ainsi délivrer plus de contenus et plus de performance. Nous avons constaté un gain d'efficacité de 30% au sein des équipes qui utilisent cet outil, qui permet également d'améliorer le score de créativité obtenu par les assets lors des post-tests.

Autre exemple de cas concret pour un célèbre horloger qui déploie des contenus dans une dizaine de langues et sur une trentaine de marchés. L'enjeu ici n'était pas de diminuer les coûts, mais d'augmenter la production d'assets à budget équivalent. Le tout, en utilisant bien sûr un niveau de langage représentatif du positionnement de la marque, et en ayant une traduction respectant les mêmes standards dans toutes les langues.

Des problématiques dont Datawords est un spécialiste. Nous créons en effet pour nos clients des agents de copywriting et des moteurs de traduction personnalisés, intégrant leur ADN de marque, leur charte éditoriale, les champs lexicaux qu'ils utilisent, les contenus SEO déjà réalisés... Là encore, cette phase de "set-up" initiale est essentielle, car les entreprises qui n'investissent pas assez dans les fondations de leur modèle IA devront dépenser plus en post-editing, en faisant retravailler leurs contenus par des traducteurs ou des spécialistes.

Pour cet horloger, nous avons là encore décomposé le workflow existant afin d'identifier les différentes phases de la création d'un contenu et les outils mobilisables. Dans le cas de la création de fiche produit par exemple, la difficulté réside souvent dans l'orchestration. Il faut là aussi un minimum d'interventions humaines entre les tâches : s'il faut exporter à la main les éléments du PIM/DAM afin de générer le contenu, puis intégrer manuellement celui-ci dans chaque fiche, l'intérêt de la GenAI est limité. Une problématique résolue grâce à notre outil Wezen, qui automatise ces tâches, et sans lequel ce POC ne pourrait pas être déployé à grande échelle, privant notre client de gains budgétaires substantiels et de la capacité à répondre plus rapidement aux évolutions de ses marchés qui fait tout l'intérêt de l'intelligence artificielle.

Les auteurs : Jérôme Houdry, chief revenue officer du groupe Datawords et président de l'agence 87seconds et Frédéric Simon, directeur commercial France de Datawords.