Annonces et IA : plus nombreuses, mais toutes pareilles

Produire une annonce n’a jamais coûté aussi peu d’effort. Un assistant propose trente titres en une minute, la régie génère des images à partir de votre page, et une équipe qui sortait cinq variantes par semaine peut en sortir cinquante. La question intéressante n’est plus la vitesse. C’est ce qui arrive quand tous les annonceurs d’un secteur accélèrent avec les mêmes outils, entraînés sur les mêmes textes, et qu’ils finissent par dire la même chose de la même façon.

Une expérience sur 11 024 annonces

Harang Ju et Sinan Aral ont mené une expérience de terrain rare par sa taille. Les participants, tirés au sort, travaillaient soit à deux humains, soit avec un agent d’IA, et devaient produire des publicités. Ces annonces ont ensuite été diffusées en conditions réelles sur un réseau social, pour environ 5 millions d’impressions.

Le résultat a deux faces. Les équipes avec une IA ont produit plus, avec des textes de meilleure qualité. Mais leurs contenus étaient plus homogènes, et les équipes de deux humains ont fait de meilleures images. Il s’agit d’un document de travail, dont la publication en revue n’est pas confirmée à ce jour : un résultat solide par sa méthode et son échantillon, mais qui reste à confirmer par d’autres équipes.

Le même effet, ailleurs

Ce n’est pas un accident propre à la publicité. Anil Doshi et Oliver Hauser ont publié dans Science Advances une expérience sur des histoires courtes. Celles écrites avec des idées venues de l’IA sont jugées plus créatives, mieux écrites et plus plaisantes, surtout chez les auteurs les moins créatifs au départ, mais elles se ressemblent davantage entre elles que celles écrites sans IA.

Nous avons détaillé cette étude, et ce qu’elle dit de la créativité en général, dans notre article sur l’IA et la créativité. Ce qui compte ici, c’est la convergence des deux résultats : chacun progresse, l’ensemble s’uniformise.

Pourquoi des annonces se ressemblent

Le mécanisme n’a rien de mystérieux. Un modèle de langage propose la suite la plus probable compte tenu de ce qu’on lui demande. Si deux concurrents lui décrivent le même produit avec les mêmes mots, il leur proposera des accroches voisines : les mêmes bénéfices, les mêmes verbes, les mêmes promesses de rapidité et de simplicité.

Sur un fil d’actualité ou une page de résultats, l’annonce interchangeable a un coût précis : elle peut être bien écrite et ne rien faire retenir. L’acheteur voit trois promesses identiques et choisit sur le prix, ou ne choisit pas.

Ce qui ne se ressemble pas : vos données

La seule matière qu’un concurrent ne peut pas donner au même outil, ce sont vos propres faits. L’IA les met en forme très bien ; elle ne peut pas les inventer, et il ne faut pas qu’elle essaie.

• Vos chiffres d’exploitation. Un délai de livraison réel, un taux de réponse en moins d’une heure, une année de création, à condition de pouvoir les prouver.
• Les mots de vos clients. Les objections entendues en rendez-vous, les phrases des avis, les questions posées au support. Elles disent ce qui décide l’achat mieux qu’un argumentaire générique.
• Vos résultats de campagne. Les annonces qui ont amené des demandes qualifiées, pas seulement des clics, et celles qui ont échoué.
• Vos contacts consentants. Une liste à laquelle écrire avant de payer pour retrouver les mêmes personnes ailleurs.

Concrètement, la consigne donnée à l’IA change de nature. Au lieu de « écris une annonce pour notre logiciel », on lui donne trois objections réelles, un délai mesuré et la formulation exacte d’un avis client, puis on lui demande des variantes. Elle produit alors toujours vite, mais à partir d’une matière que personne d’autre ne possède.

Le volume, pour tester plutôt que pour diffuser

L’avantage de l’IA sur le volume reste réel, à condition de s’en servir pour tester, pas pour inonder. Cinquante variantes ne valent rien si elles disent toutes la même chose ; dix variantes qui testent dix angles différents, chacun nourri d’un fait propre, apprennent quelque chose.

1. 01Choisir les angles.

   Trois à cinq promesses distinctes, chacune adossée à un fait vérifiable de votre activité.

2. 02Faire décliner par l’IA.

   Plusieurs formulations par angle, à partir des données fournies, sans rien ajouter qui ne soit dans la consigne.

3. 03Relire ce qui engage.

   Prix, délais, garanties, comparaisons : tout ce qui pourrait tromper se vérifie avant diffusion.

4. 04Tester avec assez de volume.

   Un angle à la fois, jugé sur les demandes qualifiées et non sur les clics.

Le nombre de clics qu’il faut pour conclure est l’objet de notre article sur le test d’annonces, et les règles de relecture des textes et visuels générés sont détaillées dans notre article sur la publicité et l’IA.

Nous appliquons la même règle à nos propres contenus : le moteur qui prépare les articles de ce blog ne produit que des brouillons, et aucun ne se publie sans relecture humaine, une règle adoptée après qu’un client a dû retirer de son site trois contenus inventés par l’IA.

Un marché qui va se remplir

La concurrence pour l’attention payante est déjà large. Selon Eurostat, 32,6 % des entreprises de l’Union de 10 personnes et plus payaient de la publicité sur internet en 2024, et 27,8 % en France (base isoc_cismt). À mesure que la production d’annonces devient presque instantanée pour chacun d’eux, le nombre d’annonces augmente plus vite que l’attention disponible.

Dans ce paysage, le travail des personnes qui conçoivent les campagnes ne disparaît pas, il change de centre : moins de temps à rédiger la quinzième variante, plus de temps à décider ce qui mérite d’être dit, à aller chercher les faits qui le prouvent, et à relire ce que la machine en fait. C’est ce partage que prévoit notre offre de marketing digital : l’IA prépare les variantes, une personne les valide. Et pour juger une annonce sur les ventes plutôt que sur les clics, remonter les ventes du CRM vers Google Ads reste le point de départ. L’IA rend la production abondante ; la différence redevient rare, et elle vient de ce que vous savez sur vos clients.

Questions fréquentes

Sources

1. Ju et Aral, Collaborating with AI Agents: Field Experiments on Teamwork, Productivity, and Performance, arXiv 2503.18238 (nouvel onglet)arxiv.org
2. Doshi et Hauser, Generative AI enhances individual creativity but reduces the collective diversity of novel content, Science Advances, 12/07/2024 (nouvel onglet)doi.org
3. Eurostat, base isoc_cismt (médias sociaux et publicité), extraite le 14/10/2026 (nouvel onglet)ec.europa.eu