Les marketeurs sont confrontés à la fois à des opportunités et à des risques dans l’interprétation des résultats de l’IA générative, en particulier lorsqu’ils utilisent des personas d’audience générés par l’IA. Ces personas exploitent de grands modèles de langage (LLMs) tels que ChatGPT, Claude et Llama pour aider les responsables de marques à naviguer dans des données clients complexes dans le cadre de la prise de décision. Les personas d’audience sont depuis longtemps des outils marketing essentiels, permettant de segmenter les consommateurs et d’éclairer les relations entre les données afin de guider la planification médiatique et la stratégie. Auparavant, leur développement nécessitait des semaines et des investissements importants. Aujourd’hui, les outils d’IA ont en grande partie pris le relais de ce processus, avec 85 % des marketeurs qui, selon une enquête SAS auprès de 300 entreprises, utilisent l’IA générative d’une manière ou d’une autre. Par exemple, la marque italienne de café Lavazza a commencé à utiliser des personas d’IA début 2023 pour réduire le temps de développement et obtenir de nouvelles perspectives sur les données. Ces personas correspondent aux marchés clés de Lavazza : « Adele » en France et « Lucy » au Royaume-Uni et aux États-Unis. Simone Ballarini, responsable de l’intelligence commerciale chez Lavazza, a noté que l’interface d’IA combine un dialogue semblable à celui de l’humain avec une objectivité quantitative. Les personas d’IA de Lavazza ont été créés par la société suédoise Stravito, formés à partir de 5 000 entretiens avec des consommateurs menés par Kantar, d’enquêtes Nielsen, et de données de la National Coffee Association. Cette vaste base de données permet d’obtenir des insights au-delà de ce qu’un seul individu pourrait traiter, et ces personas sont régulièrement mis à jour pour rester pertinents. Elles offrent un retour créatif précoce et des insights pour la planification média, accélérant l’exploration sans remplacer les investissements en tests complets. Thor Olof Philogène, PDG de Stravito, compare ces personas à un « système d’alerte précoce » permettant de concentrer la recherche sur des idées prometteuses. Lavazza a déjà utilisé ces personas pour revoir le branding et la création de sa gamme Dolcevita. De même, Code & Theory, une agence de Stagwell, met en œuvre des personas d’IA pour tous ses clients, dont Champion, Albertsons et Marriott Bonvoy, illustrant l’adoption généralisée de cette technologie par les agences. La facilité de génération de personas d’audience via les LLM a alimenté cette croissance. Par exemple, la plateforme Pencil de Jellyfish propose un agent persona qui transforme des diapositives statiques en outils dynamiques pour le développement de concepts et la stratégie de mise sur le marché, selon John Dawson, chef de la stratégie de Jellyfish. Malgré ces avantages évidents, les marketeurs restent prudents.

D’ici 2025, beaucoup hésitent à prendre des décisions média ou créatives sans études et enquêtes approfondies, reléguant l’intuition et l’expérience au second plan. Par ailleurs, des solutions de programmation médiatique autonomes, telles que la suite Advantage+ de Meta, délèguent de plus en plus ces décisions. Il existe aussi un risque de dépendance excessive vis-à-vis des personas d’IA, qui pourraient être traités comme des oracles plutôt que comme des outils. La personnalisation des personas avec des noms, des visages animés ou des voix générées par l’IA—pratiques adoptées par Code & Theory—peut renforcer leur aspect anthropomorphe. Même des experts prudents comme Piper reconnaissent la tentation de considérer ces personas comme des « êtres vivants ». Pour éviter une foi mal placée dans ces personas d’IA, la formation est essentielle. Dawson conseille de s’assurer que les utilisateurs comprennent les sources de données alimentant l’IA et ses limites, en insistant sur le rôle humain dans l’interprétation des profils générés par l’IA. Lavazza, par exemple, inclut des notes de bas de page reliant les insights des personas aux données sources originales, suivant des standards similaires à ceux de Perplexity. La conception des prompts (prompt engineering) contribue également à limiter les biais : chez Code & Theory, on demande aux personas de « juger » de manière critique les entrées pour atténuer la tendance naturelle des LLM à être d’accord. Des mesures supplémentaires de contrôle impliquent une supervision humaine. L’agence média de Lavazza, Wavemaker, n’accède qu’aux insights générés par l’IA, sans utiliser directement les personas, limitant ainsi l’influence indue de l’IA dans la chaîne décisionnelle. Piper souligne la nécessité d’une validation humaine : les insights prometteurs doivent être confirmés par des enquêtes et des panels, et la création approuvée par les personas doit passer par des groupes de test humains. En fin de compte, les marketeurs doivent équilibrer l’utilisation des personas d’IA avec leur propre jugement. Comme le dit Piper, sans intervention humaine, la dépendance à l’IA ne produira que des résultats génériques et peu inspirés.