L'IA pour les contenus marketing B2B : ChatGPT ou Jasper, l'IA de votre plateforme, ou des agents qui travaillent à partir de faits approuvés

Demandez une étude de cas à un outil d'IA, et un brouillon fluide vous revient rapidement. Il peut aussi contenir une économie qu'aucun client n'a jamais déclarée. Il existe trois voies pour utiliser l'IA dans les articles, posts, e-mails et pages de vente B2B. Vous pouvez utiliser un assistant généraliste ou un outil de rédaction, ou l'IA intégrée à la plateforme marketing que vous payez déjà. La troisième voie est un ensemble d'agents qui recherchent, rédigent et vérifient à partir d'une base unique de faits approuvés sur l'entreprise, avec une personne qui approuve ce qui est publié. La première ou la deuxième voie peut suffire. Quelle que soit la voie, le résultat dépend de deux choses que vous mettez en place vous-même : une liste écrite de faits approuvés et une personne nommément désignée qui valide.

Qu'est-ce qui tourne mal quand l'IA rédige des contenus marketing ?

Le premier problème est un fait énoncé avec assurance que personne n'a fourni au modèle. La documentation d'Anthropic indique : « Même les modèles de langage les plus avancés, comme Claude, peuvent parfois générer un texte factuellement inexact ou incohérent avec le contexte fourni. » Les recommandations de Google aux propriétaires de sites expliquent pourquoi : « les modèles génératifs ne récupèrent pas des faits, mais prédisent une suite de mots probable à partir de leurs données d'entraînement. » Dans un texte marketing, cela donne un pourcentage, un nom de client, une certification ou une fonctionnalité qui sonne juste et n'a aucune source.

Le même mécanisme nuit à votre ton. Sans vos propres contenus ni vos propres règles, la formulation la plus probable tend à être celle de tout le monde, et vos posts peuvent finir par ressembler à ceux de vos concurrents. Google prévient aussi qu'« utiliser des outils d'IA générative ou d'autres outils similaires pour générer de nombreuses pages sans apporter de valeur aux utilisateurs peut enfreindre le règlement de Google sur le spam concernant l'abus de contenu à grande échelle. »

Vient ensuite l'affirmation que personne n'a approuvée. Le code britannique de la publicité hors audiovisuel, le CAP Code, dispose que « les annonceurs doivent détenir des preuves documentaires pour démontrer les allégations que les consommateurs sont susceptibles de considérer comme objectives et qui peuvent faire l'objet d'une justification objective. » Il exige aussi la preuve « qu'un témoignage ou une recommandation figurant dans une communication marketing est authentique », et une citation de client inventée par un modèle ne passe pas ce test. Pour les courtiers-négociateurs américains, la FINRA déclare : « Les sociétés sont responsables de leurs communications, qu'elles soient produites par un humain ou par une technologie d'IA. »

Ces problèmes atteignent les lecteurs si personne n'est responsable du contrôle final. Quand le rédacteur fait confiance au relecteur et que le relecteur fait confiance à l'outil, personne n'a lu les chiffres.

Qu'apporte un outil de rédaction comme ChatGPT ou Jasper ?

La première voie est un assistant généraliste comme ChatGPT ou Claude, ou un outil de rédaction pour les entreprises, comme Jasper ou Writer. Anthropic indique que les projets de Claude « vous permettent de créer des espaces de travail autonomes, dotés de leurs propres historiques de discussion et bases de connaissances », avec des instructions qui peuvent fixer un ton.

Un assistant généraliste peut même faire une vérification simple des faits. Un exemple de prompt tiré de la documentation d'Anthropic demande un communiqué de presse « en utilisant uniquement les informations de ces fiches produit et de ces études de marché ». Il ajoute ensuite : « Si vous ne trouvez pas de citation à l'appui d'une affirmation, retirez cette affirmation du communiqué de presse ». N'importe quelle équipe peut reprendre ce schéma avec sa propre fiche d'information, et pour une petite équipe, c'est peut-être tout ce qu'il faut.

Les limites tiennent à la façon dont les gens utilisent ces outils. Chaque rédacteur garde ses propres prompts et fichiers : l'un rédige à partir de la fiche d'information de ce trimestre, un autre à partir de celle de l'an dernier. À moins que vous ne le prévoyiez, rien n'enregistre d'où vient une affirmation, ni n'empêche un brouillon non relu d'être publié. Les paramètres peuvent aussi rester sans effet tant que personne ne les a reliés. Le centre d'aide de Writer prévient : « Pour que votre guide de style et votre terminologie s'appliquent aux contenus générés dans WRITER Agent, vous devez d'abord les relier au profil de voix. » Les formules plafonnent aussi ce que vous pouvez charger : la formule Pro de Jasper indique « 2 voix de marque, 5 ressources de connaissances et 3 audiences ».

Qu'ajoute l'IA de votre plateforme marketing, et où s'arrête-t-elle ?

La deuxième voie utilise une IA qui fait peut-être déjà partie d'un outil que vous payez. La page d'aide de HubSpot indique : « Utilisez les outils d'IA de HubSpot pour adapter les contenus générés ou rédigés à la voix propre à votre marque. » Sa page produit présente un Content Agent avec cette phrase : « Créez des articles de blog, des contenus pour les réseaux sociaux et des pages de destination avec la voix de votre marque. » Adobe GenStudio for Performance Marketing attribue à chaque brouillon un « Percentage of compliance with your Brand », selon le nombre de vos consignes qu'il respecte. Pour les publicités à image unique dans Campaign Manager, LinkedIn indique qu'il « peut générer plusieurs variantes d'annonce, notamment des titres, des textes d'introduction et des visuels suggérés. »

La rédaction se fait alors là où les contenus sont planifiés et mesurés, avec des droits d'utilisateur que vous gérez déjà. L'inconvénient, c'est une vue étroite. Chaque plateforme garde ses propres contenus et paramètres : les faits de vos e-mails HubSpot et de vos publicités LinkedIn peuvent donc diverger. Les contrôles d'approbation peuvent exiger une formule supérieure. HubSpot indique : « Un abonnement Enterprise est nécessaire pour accéder aux paramètres d'approbation de certains types de contenu », et aussi que « les super administrateurs peuvent passer outre les approbations. »

Un score de marque compte les consignes qu'un brouillon respecte. Savoir si un chiffre du texte est exact relève d'un autre contrôle : demandez donc à quoi la plateforme compare les affirmations. Pour les fonctions que les plateformes appellent désormais des agents, demandez d'où viennent les faits et qui approuve le résultat.

Qu'apportent des agents qui travaillent à partir de faits approuvés, et combien coûtent-ils ?

Un dispositif d'agents répartit le travail entre plusieurs agents IA. Anthropic décrit les agents comme « en général, simplement des LLM qui utilisent des outils en boucle, en fonction des retours de leur environnement. » LLM désigne un grand modèle de langage, et les outils sont des fonctions que le modèle peut appeler, comme une recherche web ou une base documentaire. Un agent rassemble les sources sur un sujet, un autre rédige à partir des faits approuvés et des règles de ton. Un agent de vérification compare ensuite chaque affirmation aux faits et signale ce qu'il ne parvient pas à y rattacher. Une personne approuve ou rejette le contenu, et le système enregistre qui l'a fait.

L'étape de vérification suit un schéma qu'Anthropic appelle evaluator-optimizer : « un appel à un LLM génère une réponse tandis qu'un autre fournit une évaluation et un retour, en boucle. » Anthropic écrit aussi que les agents « peuvent alors faire une pause pour obtenir un retour humain à des points de contrôle ou lorsqu'ils rencontrent un blocage. »

Ce dispositif peut être rentable quand le volume de contenus est élevé. Chaque canal et chaque langue puisent dans un même ensemble de faits, et le relecteur voit quelles affirmations ont été vérifiées. Il demande aussi du travail. Anthropic, qui vend des modèles pour ce type de systèmes, conseille de « trouver la solution la plus simple possible, et de n'augmenter la complexité qu'en cas de besoin. Cela peut vouloir dire ne pas construire de systèmes agentiques du tout. » Quelqu'un doit tenir la base de faits à jour, maintenir les agents, payer l'usage des modèles et donner suite aux signalements. Si un rédacteur et un relecteur suffisent à votre volume, ce travail vous rapporte peu.

Que contient une base de faits approuvés ?

Une base de faits est la liste des affirmations que votre entreprise a validées pour un usage public, chacune avec sa preuve. Tenez une seule liste, que lisent tous les rédacteurs et tous les outils. Pour chaque affirmation, consignez :

• la formulation exacte, pour que les rédacteurs et les modèles la recopient au lieu de la reformuler ;
• la preuve : un document, un chiffre avec la date de sa mesure, ou la personne qui l'a confirmée ;
• où elle peut être utilisée, par exemple sur le site web et dans les e-mails commerciaux, mais pas dans les publicités payantes ;
• l'événement qui la renvoie en révision, comme un changement de prix ou le retrait du consentement d'un client.

Ajoutez les mots que l'entreprise n'emploie jamais, comme sans risque ou entièrement sécurisé. Les noms, logos et citations de clients n'y figurent qu'avec un consentement écrit.

Commencez par les affirmations que votre équipe commerciale répète le plus souvent. Quand un brouillon contient une affirmation absente de la liste, il attend que celle-ci soit approuvée ou retirée.

Comment rédiger des règles de ton qu'un modèle suivra ?

Les règles de ton fonctionnent quand quelqu'un peut y confronter un brouillon. Des adjectifs comme convivial ou professionnel ne se vérifient pas. Des règles comme celles-ci se vérifient :

• Vouvoyez le lecteur et parlez de l'entreprise à la première personne du pluriel.
• Une idée par phrase, et aucune phrase de plus de deux lignes.
• Un chiffre avec son unité plutôt qu'un adjectif comme rapide ou puissant.
• Dites ce que le produit ne fait pas aussi clairement que ce qu'il fait.
• Les mots interdits, chacun avec le mot à employer à la place.

Donnez à chaque règle sa raison d'être et deux lignes tirées de vos propres contenus passés, l'une qui la respecte et l'autre qui l'enfreint. Le guide de prompting d'Anthropic indique : « Les exemples sont l'un des moyens les plus fiables d'orienter le format, le ton et la structure des réponses de Claude. » Gardez la liste courte. Pour les règles éditoriales dans GenStudio, Adobe suggère 5 à 10 consignes et demande « des indications claires et applicables », par exemple « Faites des phrases de moins de 20 mots » plutôt que « Soyez concis ».

Testez les règles avant de vous y fier. Demandez à un collègue de repérer le brouillon de l'IA dans une série qui comprend vos propres contenus publiés.

Qui vérifie un brouillon avant sa publication, et dans quel ordre ?

Mettez cet ordre par écrit et gardez-le identique quelle que soit la voie. D'abord, une vérification des faits au regard de la liste approuvée, par une personne ou par un agent de vérification. Ensuite, un relecteur compare le brouillon aux règles de ton. Les affirmations portant sur le droit, la sécurité, les prix, les résultats de clients ou les produits financiers passent par le service juridique ou la conformité. Enfin, une personne nommément désignée approuve la version finale, et la trace indique qui a approuvé quoi, et quand. Donnez à cette personne les affirmations avec leurs sources et les éventuels signalements, pour que le contrôle soit rapide.

Certaines sociétés réglementées travaillent déjà ainsi. La Rule 2210 de la FINRA dispose : « Un responsable enregistré et dûment qualifié du membre doit approuver chaque communication destinée aux investisseurs particuliers avant son utilisation ou son dépôt auprès de l'Advertising Regulation Department de la FINRA, selon ce qui intervient en premier ». Cette règle s'applique aux courtiers-négociateurs membres de la FINRA et prévoit des exceptions, mais toute entreprise peut reprendre sa logique et ne rien publier sans approbation.

Que collons-nous dans les outils d'IA, et qu'en font les éditeurs ?

Les brouillons peuvent partir d'éléments qui ne sont pas encore publics, comme un changement de prix ou les résultats d'un client. Avant que quiconque ne les colle dans un outil, vérifiez de quelle formule il dispose et ce que l'éditeur dit faire des données.

Les conditions varient selon la formule. Anthropic indique que, par défaut, elle « n'utilisera pas vos entrées ni vos sorties issues de nos produits commerciaux » pour entraîner ses modèles. Ses formules grand public laissent aux utilisateurs « le choix d'autoriser l'utilisation de leurs données pour améliorer Claude » : un rédacteur qui travaille sur un compte personnel peut donc relever d'autres conditions. OpenAI indique que « les données envoyées à l'API OpenAI ne sont pas utilisées pour entraîner ou améliorer les modèles d'OpenAI (sauf si vous choisissez explicitement de nous les confier). » Cette phrase concerne l'API ; pour ChatGPT, vérifiez les conditions de la formule qu'utilise chaque rédacteur.

HubSpot indique qu'elle « peut utiliser les données des clients, au sens des conditions d'utilisation client de HubSpot, pour entraîner et améliorer les propres modèles d'IA de HubSpot ». À propos de son option de refus, elle précise : « Par défaut, le paramètre sera activé. » Elle indique aussi qu'elle ne laisse pas les fournisseurs d'IA tiers s'entraîner sur les données des clients. Le centre d'aide de Writer indique : « Nous n'entraînons pas nos LLM avec les données des clients. »

Vérifiez ces points dans le contrat et dans les conditions de traitement des données, et gardez-en une copie datée. Donnez à l'équipe une règle tenant sur une page : quels outils et quelles formules sont autorisés, et ce qui n'entre jamais dans aucun outil, comme des résultats financiers non publiés ou les données d'un client.

Comment les éditeurs facturent-ils l'IA qui rédige des contenus marketing ?

Les éditeurs facturent par utilisateur, sur une réserve de crédits, à l'usage ou en combinant ces modes. Jasper fixe le prix de sa formule Pro par utilisateur et par mois, et propose des prix sur devis pour Business. Anthropic fixe aussi le prix de sa formule Team par utilisateur et par mois. HubSpot indique que « de nombreux agents et fonctionnalités d'IA fonctionnent avec les HubSpot Credits », achetés « à l'avance, par packs, pour des dépenses prévisibles, ou au fil de leur utilisation, en paiement à l'usage. »

La tarification à l'usage facture le texte qu'un modèle lit et écrit, compté en tokens. Les tokens sont de petits morceaux de texte que les fournisseurs comptent et facturent. La page de prix de l'API d'Anthropic affiche Claude Sonnet 5.5 à 2 dollars par million de tokens en entrée et 10 dollars par million de tokens en sortie. Les prix publics changent. La formule Enterprise d'Anthropic combine un prix par utilisateur et une facturation à l'usage : « 20 $ par utilisateur et par mois, plus l'usage facturé aux tarifs de l'API, de sorte que le coût évolue avec les modèles et les tâches qu'exécute votre équipe. »

Un dispositif d'agents appelle un modèle plusieurs fois pour chaque contenu. Demandez à l'équipe qui construirait le dispositif un chiffre mesuré : le coût d'usage des modèles pour un article approuvé. Ajoutez-y ensuite les heures des personnes qui tiennent à jour la base de faits. Quelle que soit la voie, obtenez le prix par écrit, y compris le nombre minimal d'utilisateurs et les options, et demandez ce qui se passe quand les crédits sont épuisés.

Comment mesurer les résultats, y compris ce que les assistants IA disent de nous ?

Mesurez d'abord le processus. Dès la première semaine, suivez :

• le délai entre le brief et le contenu approuvé ;
• les corrections factuelles relevées à la relecture, par brouillon ;
• les brouillons rejetés d'emblée ;
• les heures de relecture par contenu publié.

Si le nombre de corrections ne baisse pas au cours des premiers mois, corrigez la base de faits et les règles de ton avant de changer d'outil. Mesurez les résultats comme vous le faisiez déjà : trafic issu de la recherche, réponses, rendez-vous pris et affaires auxquelles le contenu a contribué.

Vous voudrez peut-être aussi savoir si les assistants IA citent votre entreprise quand des acheteurs les interrogent sur votre domaine. Google indique : « Il n'y a pas d'exigences supplémentaires pour apparaître dans AI Overviews ou AI Mode, ni d'autres optimisations particulières nécessaires ». Il ajoute que les sites qui y apparaissent « sont inclus dans le trafic de recherche global de Search Console. » OpenAI indique qu'« OAI-SearchBot sert à faire apparaître des sites web dans les résultats de recherche des fonctions de recherche de ChatGPT », et que les sites qui s'en sont exclus « ne seront pas affichés dans les réponses de recherche de ChatGPT ». Vérifiez que votre fichier robots.txt ne bloque pas les robots d'exploration des assistants qui vous intéressent.

Pour suivre les mentions, dressez une liste de vingt vraies questions d'acheteurs. Posez chacune d'elles dans chaque assistant qui vous intéresse, plusieurs fois selon un calendrier fixe, et notez si vous êtes nommé et quelles pages sont citées. Comptez combien de fois vous êtes nommé chaque mois, car une seule réponse ne vous apprend pas grand-chose.

Quelle voie convient à notre entreprise ?

Utilisez un assistant généraliste ou un outil de rédaction quand une ou deux personnes écrivent quelques contenus par semaine et qu'un relecteur les lit tous. L'IA de votre plateforme convient quand les contenus sont créés et publiés dans cette plateforme, et que ses paramètres d'approbation et de ton couvrent vos canaux. Envisagez des agents qui travaillent à partir d'une base de faits unique quand plusieurs personnes publient sur plusieurs canaux et dans plusieurs langues, que les faits changent souvent, que des affirmations réglementées apparaissent dans les textes ou qu'un seul chiffre erroné coûte cher. Si personne ne peut prendre en charge la base de faits, restez sur les deux premières voies, car des agents qui travaillent à partir de faits périmés les diffusent d'un coup sur tous les canaux.

Que demander à un éditeur, ou à une équipe qui construirait un dispositif d'agents ?

Pour un outil de rédaction ou l'éditeur d'une plateforme :

• À partir de quels faits l'outil rédige-t-il, et pouvons-nous voir d'où vient chaque affirmation ?
• Existe-t-il une étape d'approbation que personne ne peut contourner, avec une trace de qui a approuvé quelle version ?
• Nos données servent-elles à entraîner un modèle, dans quelle formule, et où le contrat le dit-il ?
• Combien coûte un mois de notre volume réel, et que pouvons-nous exporter si nous partons ?

Pour une équipe qui construirait un dispositif d'agents :

• Où la base de faits sera-t-elle hébergée, et qui, de notre côté, peut la modifier ?
• Comment l'étape de vérification décide-t-elle qu'une affirmation est étayée, et que deviennent les affirmations qu'elle ne parvient pas à rattacher à un fait ?
• Quels modèles et quels éditeurs traiteront nos brouillons, et selon quelles conditions sur les données ?
• Combien coûte un article approuvé en usage des modèles, et qui maintient les agents après le lancement ?
• Que possédons-nous à la fin : le code, les prompts, la base de faits et les journaux ?

Où se situe amBrain ?

amBrain publie ce blog et a des intérêts dans ce domaine. Sur son propre produit, elle dit : « Notre propre produit, aigo, repose sur des agents IA qui recherchent, rédigent, vérifient et mesurent à partir d'une mémoire commune des faits de l'entreprise. Une personne approuve tout ce qui est publié. » Cela correspond à la troisième voie décrite plus haut : lisez donc ce guide en sachant que la société qui le publie a un produit de ce type.

Cet article n'est pas une étude de cas et ne décrit aucun travail pour un client. Il ne dit pas qu'amBrain construit des systèmes d'agents pour des clients, et il ne rapporte aucun résultat d'aigo. Les autres sociétés, produits et régulateurs nommés ici sont cités d'après leurs pages publiées. L'article n'affirme aucun lien entre amBrain et l'un d'eux et ne donne ni tarifs ni délais d'amBrain.

amBrain développe des logiciels depuis 2019. Sur sa façon de travailler avec ses clients, elle indique : « Trois formats : livraison complète, équipe dédiée ou ingénieurs intégrés à votre équipe. » Sur la propriété, sa formule est : « Le client conserve la pleine propriété du produit et du code, à l'exception de nos composants réutilisables. » Les questions ci-dessus valent pour toute société que vous envisagez.