IA et publicité : comment marques, plateformes et agences se partagent la création, le ciblage et la décision

Une campagne publicitaire reposait autrefois sur une répartition simple. L’agence imaginait le message. L’annonceur validait le budget et l’orientation stratégique. La régie diffusait l’annonce auprès d’une audience définie à partir de critères choisis à la main. Cette répartition s’efface progressivement. Les plateformes publicitaires génèrent désormais une partie des créations, ajustent le ciblage à partir de signaux qu’elles seules interprètent, et arbitrent une portion croissante des décisions budgétaires via des systèmes automatisés. Ce dossier détaille ces trois bascules, identifie ce qui reste sous contrôle humain et ce qui ne l’est plus, et propose une méthode pour situer votre organisation dans cette redistribution.

Le sujet concerne directement les responsables marketing, les équipes d’acquisition et les agences, quel que soit le niveau de maturité IA de leur organisation. Comprendre où se déplace le contrôle permet de décider consciemment ce que l’on délègue, plutôt que de le constater après coup.

Ce qui a changé : trois fonctions publicitaires historiquement séparées

Pendant des décennies, la chaîne de valeur publicitaire reposait sur une division claire des rôles. Une agence créative concevait les visuels, les textes et les concepts de campagne. L’annonceur définissait les objectifs, validait les créations et décidait des arbitrages budgétaires majeurs. La régie publicitaire, elle, se contentait de diffuser les annonces selon des critères de ciblage choisis manuellement : âge, centres d’intérêt, comportements de navigation.

Cette séparation reposait sur une hypothèse implicite : chaque acteur maîtrisait un maillon distinct de la chaîne, et l’annonceur gardait la vision d’ensemble. Cette hypothèse tient de moins en moins. Les régies publicitaires intègrent désormais des couches d’intelligence artificielle qui empiètent sur les trois fonctions à la fois. Google, Meta et Amazon proposent chacun des systèmes qui génèrent des créations, ajustent le ciblage en continu et pilotent une partie des enchères sans intervention humaine directe.

Cette évolution déplace la question du contrôle : qui décide réellement, aujourd’hui, de ce qui est montré, à qui, et pour quel budget ? Cette question touche la gouvernance des campagnes autant que leur efficacité opérationnelle. Les sections suivantes détaillent cette redistribution fonction par fonction.

La création publicitaire automatisée : que font réellement les IA génératives des régies

La génération créative automatisée a quitté le stade expérimental. Elle s’intègre directement dans les interfaces de campagne des principales régies, sans nécessiter d’outil tiers.

Ce que proposent aujourd’hui les principales régies

Google a intégré la génération d’IA dans Performance Max : à partir d’un résumé de produit ou de service, le système propose des titres, des descriptions et des images, que l’annonceur peut sélectionner, modifier ou régénérer. Cette fonctionnalité s’inscrit dans un cadre plus large baptisé AI Max, qui réunit en un seul système la correspondance large, la génération automatique de composants et les enchères intelligentes, auparavant traitées comme des leviers distincts.

Amazon Ads a suivi une trajectoire comparable. La régie propose une génération d’images en quelques secondes à partir d’une simple fiche produit, puis a lancé en France un assistant conversationnel nommé Creative Agent, intégré à Creative Studio, capable d’analyser les produits et les audiences pour proposer des concepts créatifs et générer des formats vidéo et display prêts à diffuser. Cet outil s’appuie sur des modèles d’IA hébergés via Amazon Web Services.

Meta propose, au sein de sa suite Advantage+, un module de création qui modifie automatiquement les éléments visuels et textuels d’une publicité pour tester différentes variations, sans que l’annonceur ne précise à l’avance quand et pourquoi chaque modification a lieu.

Ce qui reste sous contrôle humain, ce qui ne l’est plus

Dans les trois cas, l’annonceur conserve la main sur le choix initial des actifs fournis et sur la sélection finale des variantes générées. La logique de génération elle-même échappe en revanche largement à son contrôle : il ne définit pas les critères exacts qui déterminent quelle variante sera testée, ni le rythme auquel les créations évoluent une fois la campagne lancée.

Google a introduit des garde-fous pour limiter les dérives possibles : une fonctionnalité de consignes textuelles permet désormais de restreindre les messages générés et d’exclure certains termes. Ce type de contrôle en amont devient une étape indispensable dès lors qu’une régie génère du contenu au nom d’une marque.

Le ciblage à l’ère des walled gardens IA

Le ciblage publicitaire a longtemps reposé sur des critères choisis manuellement : tranche d’âge, centres d’intérêt déclarés, comportements observés via des cookies tiers. Cette approche recule sur deux fronts à la fois.

Fin annoncée, réalité fragmentée des cookies tiers

Le sujet des cookies tiers illustre bien l’écart entre l’annonce et la réalité observée. Google a plusieurs fois reporté leur suppression complète dans Chrome, et a retiré en octobre 2025 plusieurs briques de son initiative Privacy Sandbox faute d’adoption suffisante par le marché. Les cookies tiers restent techniquement disponibles dans Chrome sous conditions, tandis que Safari et Firefox les bloquent déjà largement par défaut depuis plusieurs années. La situation relève davantage d’une fragmentation progressive que d’une disparition nette et datée.

Cette fragmentation pousse mécaniquement les annonceurs vers les données propriétaires (first-party data) collectées directement auprès de leurs propres audiences, ainsi que vers le ciblage contextuel. Ces deux leviers renforcent, de fait, le poids des grandes plateformes qui disposent déjà d’un volume massif de données propriétaires issues de leurs propres utilisateurs connectés.

Pourquoi le ciblage devient une boîte noire pour l’annonceur

Au-delà des cookies, un second mouvement structure le ciblage actuel : les paramètres définis par l’annonceur deviennent des points de départ plutôt que des filtres stricts. Sur Meta, le ciblage détaillé existe toujours dans le gestionnaire de publicités, mais ses critères sont désormais traités comme des suggestions dans la plupart des objectifs de campagne. L’audience définie par l’annonceur devient un point de départ que le système peut dépasser pour élargir la diffusion vers des profils jugés plus performants, sans que l’annonceur dispose nécessairement du détail des critères ayant motivé cet élargissement. Sur certaines campagnes, l’option permettant d’exclure manuellement certains emplacements de diffusion a même disparu, cette sélection étant désormais confiée entièrement au système d’optimisation.

Cette évolution transforme la nature du travail de ciblage. Les rapports de performance fournis par ces systèmes indiquent des résultats, rarement les décisions intermédiaires qui y ont conduit.

Qui décide ? Le rôle croissant des agents IA dans l’achat média

La troisième bascule concerne l’arbitrage budgétaire lui-même, longtemps considéré comme la prérogative exclusive de l’annonceur.

Enchères automatisées et arbitrages en continu

Les stratégies d’enchères intelligentes existent depuis plusieurs années, mais leur portée s’est élargie. Sur Google Ads, le cadre AI Max combine génération créative, ciblage étendu et enchères intelligentes pour allouer automatiquement le budget vers les combinaisons jugées les plus rentables, en apprenant en continu des données de conversion. Sur Meta, Advantage+ redistribue en permanence les impressions vers les combinaisons de créations et d’audiences les plus performantes, au sein d’un même budget de campagne.

Une distinction mérite d’être posée avec précision : ces systèmes optimisent à l’intérieur d’un périmètre fixé par l’annonceur, par exemple un budget de campagne ou un objectif de conversion. La comparaison de performance entre plusieurs campagnes distinctes, en vue d’une réallocation budgétaire, reste aujourd’hui davantage du ressort d’agents IA externes ou de scripts d’automatisation configurés par l’annonceur, sur la base de seuils qu’il définit lui-même.

Ce que l’annonceur valide encore, ce qu’il délègue de fait

L’annonceur conserve la définition de l’objectif, du budget global et, dans une certaine mesure, des consignes de marque. Il délègue en revanche l’essentiel des décisions d’exécution : quelle variante créative diffuser, à quel profil, à quel moment, pour quel montant d’enchère. Cette délégation s’accompagne d’un journal d’actions souvent incomplet : les régies produisent des rapports de performance globaux, mais n’exposent pas systématiquement le détail de chaque décision prise, ni sa justification précise.

Amazon a présenté lors de son événement annuel une évolution supplémentaire de cette logique, décrite comme un passage de l’IA conversationnelle à l’IA d’action au sein de son outil Amazon Marketing Cloud, avec l’objectif de permettre à des agents d’exécuter directement certaines actions de campagne plutôt que de se limiter à formuler des recommandations.

Ce que cette redistribution change pour les agences

Les agences créatives et les agences média ne sont pas épargnées par cette bascule. Leur valeur ajoutée traditionnelle, centrée sur la production créative et le paramétrage fin des campagnes, se déplace vers d’autres compétences.

Cette évolution alimente aussi un mouvement d’internalisation partielle (in-housing) chez certains annonceurs, qui estiment pouvoir piloter directement les outils automatisés des régies sans passer systématiquement par une agence intermédiaire. Ce choix dépend fortement de la taille de l’organisation, du volume de budget publicitaire géré et de la disponibilité de compétences internes capables d’interpréter les données produites par ces systèmes.

Les risques et points de vigilance à ne pas déléguer

Cette redistribution des rôles s’accompagne d’un cadre réglementaire qui se précise. Depuis le 2 août 2026, l’article 50 du règlement européen sur l’intelligence artificielle impose des obligations de transparence spécifiques aux contenus publicitaires générés ou manipulés par IA. Concrètement, les voix synthétiques, les visages retouchés par IA, les personnages entièrement générés, ainsi que les deepfakes utilisés à des fins publicitaires doivent être signalés de manière claire et adaptée au support de diffusion.

Ces obligations s’ajoutent aux règles existantes en matière de pratiques commerciales trompeuses, qui continuent de s’appliquer pleinement. En France, la loi encadrant l’influence commerciale impose déjà, depuis 2023, la mention d’images virtuelles dans les contenus sponsorisés impliquant des personnes retouchées ou générées par IA, avec un mécanisme de responsabilité solidaire entre l’annonceur, l’agence et le créateur de contenu concerné.

Au-delà de la conformité réglementaire, la dépendance croissante aux plateformes soulève une question de gouvernance interne. Une organisation qui confie l’essentiel de sa création, de son ciblage et de ses arbitrages budgétaires à un nombre restreint de régies s’expose à une perte de compétence interne progressive, difficile à reconstruire rapidement si elle devient nécessaire.

Comparer les postures possibles selon le profil d’organisation

Le niveau d’automatisation pertinent dépend directement de la taille de l’organisation, du volume de budget publicitaire géré et des ressources internes disponibles pour superviser les systèmes automatisés.

Questions fréquentes

Ce qu’il faut retenir avant d’étendre l’automatisation

La publicité assistée par IA déplace le rôle de l’annonceur vers la définition des objectifs, la supervision et la conformité, en retirant progressivement la main sur l’exécution détaillée. Cette bascule concerne autant les grandes organisations que les petites structures, avec des enjeux de gouvernance proportionnels au volume de budget engagé.

La prochaine étape réaliste consiste à auditer, plateforme par plateforme, ce qui est aujourd’hui automatisé par défaut dans vos propres campagnes, à documenter les garde-fous déjà en place, et à identifier les décisions qui doivent impérativement rester sous validation humaine explicite, en particulier celles couvertes par les nouvelles obligations de transparence de l’AI Act.