L’industrie de la publicité a connu une progression fulgurante en 2025 avec une adoption rapide de l’automatisation : LiveRamp a lancé l’orchestration agentique le 1er octobre, Adobe a présenté des agents d’IA le 9 octobre, et Amazon a dévoilé Ads Agent le 11 novembre. L’investissement en actions dans l’IA agentique a atteint 1, 1 milliard de dollars en 2024, et les offres d’emploi ont augmenté de 985 % d’une année sur l’autre, témoignant d’un élan sans précédent. Cependant, le 29 décembre, l’entrepreneur en marketing Dan Koe a remis en question cette ruée, déclarant : « Quand tout le monde a un avantage, ce n’est plus un avantage. Avec l’IA permettant une création instantanée, le véritable avantage consiste à ralentir, à se concentrer sur le métier, à effectuer un travail manuel, et à acquérir des connaissances si spécifiques que l’IA ne peut pas la reproduire. » Dans cette optique, Luiza Jarovsky, PhD, co-fondatrice de aitechprivacy. com, a souligné que l’excellence humaine requiert du temps, des efforts et de la discipline — et la disponibilité généralisée d’IA bon marché et de faux savoir-faire a fixé de nouveaux standards pour une expertise authentique. Ces idées reflètent une intuition grandissante chez les marketeurs selon laquelle la rapidité devient une commodité. L’IA accélère systématiquement l’exécution, réduisant la vitesse en tant qu’avantage concurrentiel. Au contraire, la différenciation réside dans une décélération intentionnelle : choisir de ne pas tout automatiser, investir dans la compréhension nuancée des problématiques, et appliquer un savoir-faire manuel et soigné. Ce paradoxe est évident dans la publicité digitale. Les plateformes promettent des gains via l’automatisation, mais peinent à maintenir leur efficacité, car la rapidité seule ne suffit plus. L’automatisation Advantage+ de Meta et son moteur de récupération Andromeda, dévoilés en décembre 2024 avec une amélioration de 6 % du rappel et une hausse de 8 % de la qualité des annonces, illustrent cette tension. Pourtant, des experts comme Bram Van der Hallen ont critiqué l’engouement pour la consolidation des campagnes, recommandant prudence et tests progressifs plutôt qu’une adoption massive de l’automatisation. Les difficultés proviennent en partie d’algorithmes « boîte noire » manquant de transparence, rendant difficile l’identification des causes de performance — qu’il s’agisse de fatigue créative, de saturation de l’audience ou de changements dans l’algorithme. Les annonceurs peinent à évaluer la vraie valeur ajoutée ou à distinguer les gains faciles. La recherche de Harvard Business School met en garde contre les pièges de l’automatisation marketing par l’IA : blâmer l’IA à tort, la perte de confiance après des échecs, le scepticisme face à des capacités surévaluées, des jugements plus sévères sur l’IA humanisée, ou encore la colère face à des pratiques trompeuses. Ces éléments confirment l’argument de Koe : sans transparence, la vitesse n’offre aucun avantage stratégique. Les marketers doivent investir dans la compréhension des mécanismes causaux, réaliser des tests systématiques et accumuler des connaissances propres à leur activité — des efforts manuels essentiels pour une stratégie supérieure. Les problématiques de mesure aggravent la situation. Une enquête de TransUnion et EMARKETER d’octobre 2025 auprès de 196 marketers a révélé que 54, 1 % n’avaient pas plus confiance en la précision de leurs mesures qu’en l’année précédente ; 14, 3 % ont constaté une baisse. Si 61, 7 % maintiennent leur confiance, la croissance stagne, malgré une disponibilité accrue des données. Les principales causes étaient la fragmentation des sources (49, 5 %), les difficultés de déduplication cross-canal (48 %) et les limites du reporting en « walled-garden » (40, 8 %). En décembre 2025, une étude de Funnel et Ravn a montré que 86 % des marketers en interne et 79 % des agences ont du mal à discerner l’impact channel par canal, malgré des outils analytiques avancés. Ce déluge d’informations crée une contradiction : malgré un flot constant de données, il reste difficile d’en tirer des insights exploitables. La rapidité à collecter les données ne sert à rien si leur synthèse et interprétation prennent du retard. Les marketers doivent donc ralentir, intégrer les données fragmentées, concilier les preuves contradictoires et bâtir des cadres pour comprendre la performance — des efforts qui résistent à l’automatisation. Un sondage de septembre 2025 auprès de 200 CMOs montre que 45 % des données marketing utilisées pour prendre des décisions sont incomplètes, inexactes ou obsolètes ; aucun n’a déclaré que ses données étaient fiables à plus de 75 %. L’amélioration de la qualité des données est la priorité numéro un (30 %), devant l’automatisation (22 %) et la démocratisation (21 %), soulignant que la qualité de la base prime sur la complexité de l’automatisation — une idée que Koe soutient en prônant une validation et une reconciliation méthodiques manuelles des données. Les enjeux économiques de la création de contenu suivent une tendance similaire. Des plateformes comme TikTok incitent à une production massive de vidéos via des fonds de créateurs payant 0, 02 à 0, 04 dollars par 1 000 vues, favorisant une « avalanche » de contenu de faible qualité, destiné à l’engagement plutôt qu’à l’authenticité. En juin 2025, un segment de HBO « Last Week Tonight » constatait : « Tout le contenu IA n’est pas du spam, mais en ce moment, tout le spam est du contenu IA. » La vitesse permise par l’IA inonde les flux, diminue la visibilité et érode la confiance des audiences. Une étude de Raptive de juillet 2025 montre que le contenu suspect d’IA réduit la confiance des lecteurs d’environ 50 %, tout en diminuant la considération d’achat et la volonté de payer un supplément de 14 %. Fait alarmant, ces perceptions empirent même lorsque le contenu est réellement généré par l’IA, ce qui révèle des problèmes profonds d’authenticité. Cette perte de confiance confirme la nécessité pour les marketers d’investir dans l’artisanat manuel : une production rapide par l’IA n’a aucun intérêt si elle est perçue comme inauthentique. Il faut au contraire privilégier un développement conscient du contenu — recherche originale, voix authentique, refinement qualitatif — qui résiste à la compression via l’automatisation. Les défis opérationnels renforcent également l’avantage du ralentissement. Un audit de John Ho, expert en marketing digital, sur des campagnes Meta révèle des problèmes persistants — comme des vignettes floues ou générées automatiquement — qui affectent le taux de clics.

La sélection manuelle d’images claires, orientées produit, a permis d’améliorer les résultats, prouvant que la curation manuelle et délibérée a un impact supérieur à la rapidité de l’automatisation. Une étude sur la maturité du commerce média publiée en novembre 2025, auprès de 788 décideurs, montre que 42 % considèrent leurs opérations comme déjà opérationnelles ou avancées, mais seulement 13 % sont des « pionniers » excellant dans la stratégie, la technologie, la mesure et l’opérationnel. Beaucoup de réseaux s’appuient encore sur des approbations créatives manuelles, avec des stacks technologiques et workflows déconnectés ; seuls 12 % peuvent activer et mesurer leurs campagnes de façon fluide sur tous les canaux. Ce décalage montre que se précipiter dans l’automatisation sans bases solides ne crée que de fausses illusions de sophistication, avec peu d’avantages concrets. Ralentir pour bâtir une intégration, des cadres de mesure, et des capacités opérationnelles produit des résultats supérieurs, validant l’appel de Koe : « concentrez-vous sur votre métier », en insistant sur un travail de fond non « sexy » mais essentiel pour une automatisation efficace. Le cadre de mesure d’incrémentalité de l’IAB, publié en novembre 2025, confirme aussi cette tendance. Il privilégie les essais contrôlés randomisés comme méthode d’or pour mesurer la vraie augmentation, mais souligne qu’ils prennent souvent des semaines ou des mois pour être menés correctement. Des proxies hybrides plus rapides donnent des résultats rapides, mais peu fiables, avec risque de biais. Les marketers doivent choisir entre vitesse et métriques peu crédibles ou tests plus lents, rigoureux, qui apportent une compréhension concrète, en accord avec la stratégie manuelle et craft de Koe. Ce principe s’applique aussi à la planification stratégique. Quand l’IA est accessible à tous, la différenciation repose sur une meilleure formulation de questions, des hypothèses raffinées, et une compréhension contextuelle fondée sur l’expérience directe. L’IA ne peut remplacer le savoir développé au fil du temps par une immersion approfondie dans des industries, comportements client, dynamiques des plateformes, et nuances concurrentielles. Par exemple, maîtriser la modélisation d’attribution pour une entreprise de souscription exige d’observer les cohortes, les facteurs de rétention, la saisonnalité, et l’impact des prix — des complexités qu’une prédiction IA seule ne peut pas remplacer. Cette expertise nécessite un apprentissage lent, itératif, basé sur l’observation, l’analyse, le test, l’échec, la correction et la reconnaissance de motifs, au-delà de ce que l’IA peut faire. Les crises d’authenticité illustrent aussi cette nécessité. La prolifération des avis produits générés par IA a explosé, passant de 0, 51 % en 2022 à 6, 61 % en 2024 pour Shein, et de 0, 75 % à 10, 90 % pour Temu en 2025 — un phénomène lié à la montée de l’IA générative après le lancement de ChatGPT fin 2022. Cette prolifération dilue la fiabilité des avis, indispensable pour les décisions d’achat et le marketing basé sur la recommandation client. La solution : ralentir. Effectuer une recherche client authentique, recueillir de vrais feedbacks via des enquêtes, analyser des données comportementales réelles, et bâtir des insights à partir d’expériences véridiques, et non d’approximations IA. Ce travail manuel garantit l’authenticité et la différenciation concurrentielle, inaccessible par l’automatisation. En juillet 2025, la mise à jour des règles de YouTube a distingué « contenu inauthentique » et création assistée par IA acceptable, permettant l’usage d’outils IA pour soutenir des créateurs authentiques tout en interdisant le spam de masse. Cette distinction rejoint la vision de Koe : les outils IA peuvent augmenter la créativité délibérée mais ne remplacent pas le jugement humain concernant ce qui mérite d’être créé, structuré, ciblé, et avec quelle attention. La rapidité n’apporte de la valeur que lorsqu’elle est associée à une réflexion stratégique, développée par une observation lente. La doctrine centrale de Koe — « Quand tout le monde peut apprendre et créer en un clic, votre avantage provient de ralentir, de vous concentrer sur votre métier, et de faire manuellement ce qui est essentiel » — va à l’encontre des incitations des plateformes à la rapidité et à l’abondance. Pourtant, la confiance dans la mesure, la crise de la qualité des données, les lacunes opérationnelles et la perte de confiance des consommateurs confirment tous que la décélération est la véritable stratégie stratégique. En investissant du temps pour comprendre les mécanismes causaux, les marketers construisent un jugement que l’IA ne pourra pas reproduire. Ceux qui ralentissent pour bâtir des cadres de mesure solides obtiennent des insights inaccessibles aux concurrents qui se précipitent dans l’automation. La pratique manuelle délibérée préserve des compétences essentielles que l’automatisation à outrance détruit. La connaissance acquise par un engagement soutenu — observer des schémas, tester des hypothèses, apprendre de ses erreurs, et accumuler des nuances contextuelles — est profondément humaine et impossible à reproduire par une IA par simple correspondance de motifs. Cette expertise incarne la définition de Koe : « un savoir si spécifique à vous que personne ne peut le générer avec l’IA. » Jarovsky est d’accord, soulignant que l’accès bon marché à l’IA élève la barre : les professionnels doivent prouver une véritable expertise au-delà des façades IA. La maîtrise authentique se démontre par une analyse approfondie, des cadres sophistiqués, des prédictions précises des effets secondaires, et une compréhension nuancée du contexte — qualités qui ne s’acquièrent qu’en prenant le temps, avec une démarche délibérée. Le race à l’automatisation de 2025 dans l’industrie publicitaire a créé un paysage où tous ont accès aux mêmes outils IA. Comme l’a dit Koe, « quand tout le monde a un avantage, ce n’est plus un avantage. » La véritable différenciation se déplace alors de l’accès à la technologie et la rapidité vers la qualité du jugement, la stratégie sophistiquée et le savoir-faire manuel. La convergence des observations de Koe et Jarovsky du 29 décembre 2025 cristallise l’implication de la démocratisation de l’IA : la vitesse devient une commodité, et la réussite dépend désormais d’un ralentissement délibéré. — Points clés chronologiques : - Nov 2022 : lancement de ChatGPT et explosion du contenu IA - Juin 2025 : HBO met en évidence des enjeux de qualité dans le contenu IA - Juil 2025 : YouTube applique des règles contre le contenu inauthentique ; Raptive signale une atteinte à la confiance - Sept 2025 : inquiétudes majeures sur la qualité et l’exhaustivité des données - Oct 2025 : LiveRamp et Adobe déploient des outils avancés de marketing IA ; confiance dans la mesure stagne - Nov 2025 : Amazon lance un agent d’IA ; l’IAB publie un cadre d’incrémentalité ; étude sur la maturité du commerce média révèle des écarts - Nov-déc 2025 : Meta sous surveillance pour l’automatisation ; étude de Funnel montre des difficultés de mesure ; la quantité d’avis IA augmente fortement - 29 décembre 2025 : Koe et Jarovsky publient leurs analyses en faveur du ralentissement — Résumé : Le 29 décembre 2025, Dan Koe, co-fondateur de Kortex (créateur de la toile Eden AI), et Luiza Jarovsky, PhD, co-fondatrice de aitechprivacy. com, ont indépendamment formulé une perspective essentielle pour les professionnels du marketing face à la généralisation de l’IA : alors que les outils d’IA démocratisent rapidité et exécution, le véritable avantage compétitif réside dans le ralentissement. En se concentrant sur l’artisanat manuel, l’amélioration rigoureuse de la qualité des données, le développement d’une expertise authentique, et la compréhension nuancée, les marketers peuvent se différencier malgré l’accès universel à l’IA. Leurs observations s’inscrivent dans un contexte de déploiement massif d’automatisations par des grands acteurs (Meta, Amazon, Adobe, LiveRamp), d’un statu quo ou d’un déclin dans la confiance dans la mesure, de fragmentation des données, de perte de confiance du public dans le contenu IA, et de défis liés à la maturité opérationnelle. Les points de vue de Koe et Jarovsky contredisent fortement l’impératif d’accélération de l’industrie, en insistant sur le fait que le ralentissement délibéré est essentiel pour construire un savoir spécifique, irremplaçable, et pour élaborer des stratégies marketing authentiques dans un environnement saturé d’IA.