☠️ Comment l'IA est en train de tuer les marques moyennes

Il y a quelques semaines, pour la préparation d’une petite vidéo (que vous pourrez trouver ci-dessous), je me suis infligé un exercice somme toute assez simple mais vaguement masochiste.

J’ai ouvert une dizaine de sites B2B.

Pas des sites obscurs planqués dans les catacombes du web, non, des boîtes tout à fait respectables, bien financées, bien marketées, avec des logos lisses, des équipes sérieuses et probablement un abonnement HubSpot qui coûte le prix d’une petite baraque dans la Creuse.

Je clique sur “Ressources”… Et là, le bal commence.

• “Guide complet de...”

• “Comment réussir...”

• “Les 5 erreurs à éviter...”

• “Tout comprendre à...”

• “Tendances 2026...”

Même ton, même structure, même petite intro empathique, même promesse de vous “accompagner dans un environnement en constante évolution”, même FAQ à la fin, même conclusion vous proposant une démo avec la délicatesse d’un artisan qui veut nettoyer votre toit (sans déconner, chez vous aussi ça défile ?).

Bref, tout ça, c’est super carré et parfaitement décédé.

Il serait facile de balancer un gros parpaing sur l’IA : ChatGPT, Claude, Gemini, toute cette charmante ménagerie numérique qui produit de la moyenne, sauf qu’en y réfléchissant deux minutes, ça ne tient pas.

Parce qu’avant ChatGPT, les blogs B2B ressemblaient déjà à ça.

Avant les prompts, il y avait les briefs SEO.

Avant les agents, il y avait les calendriers éditoriaux remplis à la truelle.

Avant la génération automatique, il y avait déjà des armées de rédacteurs sommés de regarder les mêmes concurrents, les mêmes mots-clefs, les mêmes “People Also Ask”, puis de produire une version “plus complète” du même machin.

L’IA n’a donc pas inventé la bouillie : elle a simplement mis en place l’usine.

Et au moment précis où l’IA rend possible la production de contenus propres, rapides, structurés et déclinables à l’infini, tout ce qu’on considérait jusque-là comme un avantage éditorial est en train de perdre sa valeur.

Dit autrement, la production devient triviale, le contenu moyen abondant.

Dès lors, comment choisir un sujet qui mérite autre chose qu’un pauvre volume de recherche ? Choisir une idée qui résiste à la moyenne, une conviction qu’on est prêt à répéter jusqu’à ce que le marché finisse par l’associer à votre nom.

Et vu la surproduction, choisir aussi de ne rien publier, ou plutôt écarter, trancher, sentir qu’un contenu est techniquement bon mais profondément mort.

Tout ça, ça porte un nom : le jugement. Voire tout simplement le goût.

Pas le goût qui consiste à choisir une belle typo et à coller du violet dans un carrousel, hein : le goût éditorial, celui qui permet de distinguer une information correcte d’une idée importante, un sujet disponible d’un sujet nécessaire, un contenu qui remplit l’espace d’un contenu qui change réellement quelque chose dans la tête de celui qui le lit.

Pour la dernière édition de cet été, je vous propose donc un hors-série dans lequel on va explorer cette notion de “goût” ; je vais vous montrer pourquoi la qualité formelle du contenu est en train de devenir une commodité, pourquoi le jugement éditorial devient plus précieux, et pourquoi ce jugement doit sortir de la tête de quelques individus pour devenir un système collectif, transmissible et gouvernable.

Car lorsque tout le monde peut produire un contenu structuré et techniquement correct, la différenciation ne repose plus sur la capacité à fabriquer : elle repose sur la capacité à discriminer.

---

🎥 Pour remonter plus largement la chaîne du crime éditorial, RDV en vidéo !

---

1. La fin de l’exécution comme avantage compétitif

Savoir produire du contenu, c’était pendant longtemps un sacré taf.

Pas quelque chose d’héroïque non plus, entendons-nous bien, mais il fallait tout de même une équipe, un budget, quelques compétences, du temps et un minimum de coordination pour sortir un article convenable ou une vidéo qui donne pas envie de s’arracher les yeux.

Il fallait trouver les idées, interroger les experts, écrire, réécrire, relire, corriger les coquilles, mettre en page, publier, distribuer, puis recommencer la semaine suivante parce que ce tyran famélique qu’est le calendrier éditorial réclamait déjà sa prochaine offrande.

Cette capacité à produire constituait donc un avantage.

Mais comme tout le monde l’a constaté, cette situation est en train de crever.

Pas le contenu (malheureusement, il s’en produit toujours davantage) : ce qui crève, c’est la valeur de l’exécution seule.

Parce qu’aujourd’hui, n’importe quelle boîte disposant d’une carte bancaire et d’une connexion Internet peut générer en quelques minutes ce qui lui aurait demandé plusieurs jours il n’y a pas si longtemps.

Un article ? Hop.

Une séquence de mails ? Hop hop hop, et Gérard peut même demander une version plus punchy avant le déjeuner. C’est beau, le progrès. Ou, plus exactement, la liquidation méthodique de toutes les petites barrières techniques qui permettaient encore à certains de se croire spéciaux.

Une étude publiée dans Science Advances par Anil Doshi et Oliver Hauser montre d’ailleurs un paradoxe assez croustillant : les participants aidés par une IA ont produit des histoires jugées plus créatives, mieux écrites et plus agréables à lire, avec un bénéfice particulièrement marqué chez les personnes initialement les moins créatives.

A priori, bonne nouvelle, donc : l’IA peut relever le niveau.

Sauf que, collectivement, les histoires produites se ressemblaient davantage. En gros, chacun devient individuellement meilleur, pendant que tout le monde devient collectivement plus semblable.

C’est probablement ce qui est en train de se passer sous nos yeux avec le contenu.

L’IA ne produit pas nécessairement des textes plus mauvais - c’est même le problème, elle produit des textes corrects. Le niveau moyen monte par conséquent, mais lorsque tout le monde utilise des systèmes entraînés sur des masses similaires de contenus, avec des prompts similaires, des objectifs similaires et la même hantise de produire quelque chose qui sortirait un peu trop du rang, la moyenne finit par tout envahir.

On se retrouve donc avec plus de qualité formelle, mais pas forcément plus de différence, et c’est ici que l’exécution commence à perdre sa valeur économique.

Parce qu’une compétence n’est réellement différenciante que tant qu’elle reste rare, coûteuse ou difficile à reproduire ; dès que tout le monde peut y accéder, elle ne disparaît pas : elle devient un prérequis.

Savoir écrire proprement ne vous distingue plus. Il faut toujours savoir le faire, évidemment. Une entreprise n’a pas intérêt à produire volontairement de la merde sous prétexte que la qualité est devenue une commodité, mais cette qualité ne suffit plus à créer un avantage.

C’est exactement ce que décrit une autre étude publiée dans Industrial Marketing Management sur les agences de content marketing.

Les chercheurs y expliquent que l’IA générative démocratise les capacités de production, réduit la demande pour certains services traditionnels et oblige les agences à déplacer leur valeur vers la créativité, la stratégie et la personnalisation. Normal : les clients savent désormais produire eux-mêmes une version acceptable de ce que l’on pouvait leur vendre. Peut-être moins raffinée, certes, mais suffisamment correcte pour qu’un directeur financier commence à se demander pourquoi il continuerait à payer le même prix.

Et lorsque deux productions paraissent équivalentes, le marché finit toujours par comparer ce qu’il comprend le mieux : le prix. La vitesse. Le volume.

Bienvenue dans la commoditisation.

Le rapport B2B 2026 du Content Marketing Institute raconte pourtant une histoire moins commode.

Lorsque les équipes jugées efficaces expliquent ce qui a réellement amélioré leurs résultats, elles citent d’abord la pertinence et la qualité des contenus, à 65%, puis les compétences de l’équipe, à 53%. La technologie et les outils n’arrivent qu’ensuite, à 43%.

La machine facilite donc la production, mais elle ne transforme pas automatiquement la production en valeur. C’est dramatique : il faut encore savoir ce qu’on raconte…

C’est là que beaucoup d’entreprises vont se faire cueillir puisqu’elles vont utiliser l’IA pour renforcer ce qu’elles savent déjà mesurer : le volume, la cadence, les délais, les coûts… Elles publieront davantage, plus rapidement, sur davantage de canaux.

Sauf qu’à mesure que l’exécution devient accessible, la valeur se déplace : elle quitte progressivement la fabrication pour remonter en amont, dans la sélection, dans l’angle ou plus simplement la capacité à comprendre ce qui mérite d’être produit avant d’appuyer sur un gros bouton “générer”.

Pendant des années, le marché a récompensé ceux qui savaient fabriquer en masse.

Demain, il récompensera surtout ceux qui savent encore pourquoi fabriquer.

Et c’est totalement la direction que l’on prend avec les AI Overviews :

---

2. Le goût, ou l’art d’éviter la moyenne

Si produire n’est plus un avantage, qu’est-ce qui reste ?

On pourrait répondre la créativité. C’est séduisant et ça claque bien, ça permet de convoquer le génie humain, l’étincelle, la sensibilité, tout ça.

Sauf que l’IA sait aussi produire des idées originales.

Une grosse étude publiée dans Nature Human Behaviour a comparé les performances de milliers d’humains et de modèles de langage sur des tâches de pensée divergente.

Qu’est-ce que ça donne ? Eh bien, les meilleurs humains restent devant, mais les modèles égalent ou dépassent largement la moyenne humaine sur plusieurs tests.

Donc non, inutile de se réfugier derrière l’idée confortable que nous serions seuls proprios de la créativité pendant que les machines se contenteraient d’assembler des bouts de Wikipédia.

Je sais que certains ou certaines vont s’insurger à cette lecture ; l’homme ne serait-il finalement qu’une machine qui pense ?

Sauf qu’en vrai, on s’en fout de savoir qui peut avoir une idée : on cherche surtout à reconnaître celle qui compte.

C’est là que les choses se compliquent, parce qu’une idée peut être originale et parfaitement inutile ; elle peut être créative au sens où elle s’éloigne de la moyenne tout en restant complètement hors-sol.

La créativité produit des possibilités ; le jugement tranche entre elles.

C’est précisément ce que suggère un papier récent de Yigal Rosen et Ilia Rushkin consacré à la mesure de la créativité à l’ère de l’IA.

Les auteurs expliquent qu’à partir du moment où les machines peuvent produire des contenus fluides, propres et apparemment créatifs, les critères traditionnels deviennent moins discriminants.

Ce qui devient important, c’est la distinctivité.

Donc la capacité d’un résultat à se détacher réellement de la distribution moyenne plutôt qu’à paraître simplement bien fini, ou dit autrement : quand tout le monde peut produire quelque chose de bien foutu, savoir pourquoi est-ce que ça existe.

Et là, bon courage pour répondre avec une charte éditoriale où quelqu’un a inscrit “audacieux, authentique et chaleureux” dans trois bulles colorées.

Le goût éditorial commence précisément ici. Le goût, c’est une capacité de discrimination. Faire la différence entre une information correcte et une idée importante, entre un sujet populaire et un sujet stratégique, et surtout, peut-être, entre un contenu qu’on pourrait produire et un contenu qu’on devrait laisser crever au fond du backlog, car le marketing moderne manque moins d’idées que de filtres.

Des idées, il en pleut des trouzaines, suffit de voir les centaines de SaaS IA qui sortent chaque jour.

L’IA ne fait qu’accentuer le phénomène parce qu’elle réduit encore le coût psychologique de la mauvaise idée.

Avant, produire un contenu médiocre prenait du temps. Il fallait le rédiger, le relire, mobiliser des gens, et cette dépense créait au moins une petite friction susceptible de pousser quelqu’un à demander : “Est-ce qu’on a vraiment besoin de ça ?”

Aujourd’hui, la réponse implicite est : “Pourquoi pas ? Ça prend dix minutes”.

Le faible coût de production crée donc une illusion assez perverse : puisque l’acte devient bon marché, ses conséquences seraient négligeables.

C’est faux : produire un mauvais contenu ne coûte peut-être plus grand-chose, mais le publier, en revanche, continue de diluer votre identité.

Et ça va plus loin : une étude publiée dans Humanities and Social Sciences Communications a comparé la collaboration avec des humains et avec des modèles de langage sur différentes tâches créatives.

Sur les tâches simples, l’IA stimule l’inspiration et améliore les résultats.

Sur les tâches complexes, en revanche, elle peut réduire la créativité en provoquant une fixation : les premières propositions orientent trop fortement la réflexion et enferment progressivement l’utilisateur dans les directions suggérées.

C’est assez logique : vous demandez dix idées, l’IA vous en propose dix immédiatement, donc vous les lisez et même lorsque vous les trouvez moyennes, elles viennent de redessiner les frontières du problème dans votre tête.

Vous ne partez plus de rien puisque vous partez de ce qu’elle vous a montré, et si tout le monde demande les mêmes choses aux mêmes modèles à partir des mêmes contraintes, inutile d’avoir reçu le prix Nobel de sociologie pour deviner que les productions vont finir par converger.

La machine ne vous impose pas une idée : elle vous tend très poliment une moyenne puis vous invite à la personnaliser.

C’est là que le goût devient une forme de résistance par cette capacité à casser le cadre, à rejeter la première réponse plausible, à dire : “C’est correct, mais ce n’est pas nous, déso frer”.

Le goût n’est pas seulement une faculté positive : il consiste à refuser ce qui est suffisamment bon et cette distinction va devenir absolument centrale, pour la simple raison (on l’a dit) que les machines sont championnes de ce suffisamment bon.

Le goût éditorial, c’est aussi une capacité politique : il faut pouvoir trancher et défendre une formulation, ou tout simplement pouvoir accepter qu’un contenu déplaise (les fameux “paris éditoriaux” dont parlait Kay-Kay Clapp, head of content chez Typeform).

Parce qu’une marque reconnaissable ne se construit pas seulement avec ce qu’elle dit, elle se construit avec des opinions et des options qu’elle écarte systématiquement : les sujets qu’elle laisse aux autres ou les croyances qu’elle s’obstine à attaquer.

Croire encore qu’un “bon texte” ou un “bon argument” vous permettra de vendre votre produit par palettes est une vision bien naïve de la réalité dans laquelle vous êtes empêtrés :

---

3. Le goût des entreprises vit dans quelques cerveaux

D’expérience, ce fameux jugement éditorial existe rarement quelque part - enfin, si : il existe dans la tête de quelqu’un.

Un fondateur qui sait exactement pourquoi une formulation sonne faux, ou plus probablement une responsable marketing qui connaît les vieux contenus, les angles déjà usés, les sujets sur lesquels la boîte a quelque chose à dire et ceux sur lesquels elle ferait mieux de fermer sa mouille.

Et voilà comment tient une marque : pas grâce à sa charte éditoriale, grâce à Jeanne-Micheline, la mémoire vivante de la boîte.

Dans beaucoup de boîtes, la singularité éditoriale repose souvent sur une poignée de personnes qui portent la doctrine sans l’avoir jamais formalisée. Elles savent ce qu’il faut dire (et elles savent surtout ce qu’il ne faut pas dire), elles savent qu’un mot est techniquement juste mais politiquement mauvais ou qu’une promesse paraît forte mais ne tiendra pas face au terrain.

Tout ça relève d’un savoir tacite, un savoir construit par l’expérience ; bref, du savoir cher. Seulement, comme personne ne l’a réellement organisé, il reste coincé dans les individus.

Un papier publié récemment décrit assez bien ce joyeux foutoir : la connaissance des entreprises est fragmentée entre des logiciels, des documents manuels et des expertises tacites pensées pour être interprétées par des humains. Dès lors que l’on confie davantage de décisions aux systèmes d’IA, une question devient assez pressante : à quelle connaissance leur donne-t-on réellement accès ?

Appliquée au contenu, la réponse est souvent simple : pas grand-chose, puisqu’on donne à l’IA une charte de ton de 3 pages, deux personae et un prompt qui demande d’être “expert mais accessible, humain sans être familier, audacieux sans être clivant”.

L’IA apprend donc la surface : elle reproduit les tics, elle rallonge les phrases et rajoute même quelques métaphores si vous lui demandez de faire plus incarné.

Mais elle ne récupère pas, par magie, les dix années d’expérience qui ont permis à quelqu’un de sentir qu’un texte était juste.

Et le jour où cette personne part, tout le monde découvre la fragilité du système : les nouveaux contenus deviennent plus fades, les validations s’allongent et le marketing produit des trucs que personne n’utilise.

Ce qui manque, c’est une structure capable de dire :

• Ce qui fait foi ;

• Pourquoi ça fait foi ;

• Qui peut arbitrer ;

• Quelles règles sont stables ;

• Quelles exceptions dépendent du contexte ;

• Ce que l’organisation a appris du terrain.

En gros, l’entreprise manque d’une mémoire éditoriale qui ne conserve pas seulement les contenus produits, mais les décisions qui les ont rendus possibles.

C’est là que l’IA devient réellement utile : pour interroger les experts, comparer leurs réponses, repérer les contradictions, reconstruire les critères implicites et faire remonter une connaissance dispersée.

Ce papier de recherche explore précisément cette piste : utiliser des agents fondés sur des modèles de langage pour retrouver une connaissance tacite fragmentée dans une organisation, y compris sans passer directement par l’unique spécialiste du domaine.

L’IA pourrait donc servir à faire émerger le jugement avant de prétendre l’automatiser, à demander “Pourquoi avez-vous rejeté ce sujet ?” ou “Qu’est-ce qui vous paraît faux dans cette formulation ?”, soit des questions autrement plus utiles que “Peux-tu me générer dix idées de posts engageants ?”.

Parce qu’avant d’apprendre à une machine à parler comme votre marque, il faudrait déjà que votre organisation soit capable d’expliquer comment elle pense.

---

4. Transformer le goût en système éditorial

On sait désormais où se trouve le problème : le jugement existe, mais il est mal structuré.

Il traîne dans les têtes, les habitudes, les conversations Slack et les soupirs de la CMO qui vient encore d’effacer “dans un monde en constante évolution” pour la huitième fois de la semaine.

Alors, comment sortir tout ça des cerveaux sans transformer le goût en règlement intérieur de copropriété ?

Parce que le risque inverse existe : à force de vouloir formaliser, on peut très vite fabriquer une splendide usine à gaz.

Le but n’est bien évidemment pas de tout codifier, on cherche pas à fixer dans le marbre une recette de quiche. Ça dépend du contexte, du moment, du marché, de la personne à qui l’on parle et du réel.

Il faut donc faire autrement : transformer le jugement en système ne signifie pas supprimer l’humain, ça signifie éviter que l’humain doive tout réexpliquer, tout valider et tout reconstruire à chaque contenu.

Commencer par ce que l’entreprise croit

La première brique n’est pas une charte de ton à la con, c’est une doctrine, un ensemble de convictions suffisamment claires pour aider quelqu’un à décider quoi dire, quoi répéter et quoi refuser.

• Que pense réellement l’entreprise de son marché ?

• Quelle croyance dominante considère-t-elle comme fausse ?

• Quel problème ses concurrents décrivent-ils mal ?

• Qu’est-ce qu’elle a appris que les autres n’ont pas encore compris ?

À défaut de répondre à ces questions, elle pourra toujours produire une page Nos valeurs avec “innovation”, “proximité” et “excellence”.

Une doctrine, elle, permet de dire “Nous parlons de ce sujet parce qu’il sert cette conviction”. Ou : “Nous refusons cet angle parce qu’il reproduit précisément la croyance que nous cherchons à renverser”.

Mine de rien, ça change légèrement du brief classique :

• “Mot-clef principal : transformation digitale”

• “Longueur : 1 500 mots”

• “Ton : expert et accessible”

• “CTA : demande de démo”

On passe d’une commande de texte à une décision éditoriale.

Ça paraît pas révolutionnaire, mais vu l’état de la production B2B, on se contentera déjà de cette avancée civilisationnelle.

Documenter les arbitrages, pas seulement les résultats

Ensuite, il faut garder une trace des décisions.

Pas uniquement archiver le contenu final : le contenu final montre ce qui a été retenu mais il ne montre pas ce qui a été écarté, ni pourquoi. Or, c’est souvent dans ces refus que se trouve le véritable jugement :

• Pourquoi ce titre a-t-il été rejeté ?

• Pourquoi cette promesse était-elle trop forte ?

• Pourquoi cet exemple semblait-il séduisant mais faux ?

• Pourquoi ce sujet ne méritait-il finalement pas d’être traité ?

• Pourquoi a-t-on supprimé ce paragraphe, alors qu’il était objectivement bien écrit ?

Ces décisions forment une sorte de mémoire négative.

Elles indiquent les frontières de la marque, ce qu’elle ne veut pas devenir ou ce qu’elle ne veut plus dire (ou ce qu’elle ne veut surtout pas laisser une IA reproduire cinquante fois avec une ponctuation impeccable).

C’est beaucoup plus utile qu’une liste d’adjectifs parce que les exemples donnent du relief aux règles.

“Soyez audacieux” ne veut rien dire.

“Nous avons refusé ce titre parce qu’il promettait une certitude que nos données ne permettent pas de défendre”, là, on commence à apprendre quelque chose.

Le système doit donc conserver :

• Des contenus canoniques ;

• Des contre-exemples ;

• Des décisions commentées ;

• Des preuves de référence ;

• Des formulations fondatrices ;

• Des cas où la règle ne s’applique pas.

En somme, une bibliothèque de la manière dont l’entreprise a “jugé”.

Donner à l’IA autre chose qu’un cimetière de PDF

En général, quand une entreprise veut “entraîner l’IA sur sa marque”, elle lui balance un drive rempli de présentations contradictoires et une plateforme de marque rédigée trois CMO plus tôt, puis elle s’étonne que l’IA produise une soupe dégueulasse.

La fameuse recherche de Gianlucca Zuin et ses coauteurs sur la découverte des connaissances tacites ouvre une piste plus intelligente : utiliser les modèles de langage pour interroger, rapprocher et structurer une connaissance dispersée plutôt que leur demander immédiatement de produire. En résumé, elle peut aider l’entreprise à faire le ménage dans sa propre caboche.

Alors certes, c’est moins spectaculaire qu’un agent qui produit cinquante posts automatiquement, mais c’est aussi plus utile que de générer cinquante posts faux plus rapidement.

Le bon usage de l’IA intervient donc avant la production. Elle aide à expliciter la doctrine, à reconstruire les raisonnements et à organiser les preuves, puis seulement ensuite, elle peut aider à écrire. Dans cet ordre-là.

Organiser le droit de dire non

Un système éditorial sérieux doit également savoir qui tranche.

Ça paraît bête (ça l’est).

Et pourtant, dans beaucoup d’entreprises, personne ne sait réellement qui possède le dernier mot : le marketing écrit, le produit corrige parce que y’a des approximations, ensuite ça part au juridique qui retire plein de trucs, la direction ajoute quelques phrases “““stylées”””, puis tout revient au rédacteur qui contemple le cadavre et cherche encore vaguement le sujet initial sous les gravats.

Qu’il y ait plusieurs parties prenantes, soit, ça fait partie du jeu.

Mais qu’elles valident toutes des choses différentes sans que personne ne porte la cohérence d’ensemble, là y’a un souci.

Il faut donc un propriétaire du jugement éditorial.

Pas un despote de la virgule : quelqu’un capable de relier les arbitrages à la doctrine, aux preuves et aux usages.

Quelqu’un qui puisse dire : “C’est exact, mais ce n’est pas notre sujet”.

Cette fonction est essentielle parce qu’un système sans possibilité de refus finit toujours par se transformer en canal d’évacuation des demandes internes.

Tout entre, tout est produit, et l’équipe se félicite de sa vélocité pendant que l’identité de la marque se dissout dans la merde.

Faire circuler le jugement

Enfin, le goût ne doit pas rester la propriété de l’équipe éditoriale :

• Les sales doivent comprendre les convictions centrales.

• Les experts doivent pouvoir enrichir ou contester les formulations.

• Le produit doit savoir quelles promesses sont tenables.

• Le marketing doit récupérer les objections du terrain.

Et les nouveaux arrivants doivent pouvoir comprendre rapidement pourquoi l’entreprise parle de cette manière sans attendre six mois d’osmose culturelle et trois déjeuners avec Jean-Michel, et tout ça circule plutôt que de finir enterré dans une page Notion nommée “Guidelines éditoriales - à lire absolument”.

Le rapport McKinsey consacré à l’IA dans le travail (kasdédi à notre président) insiste justement sur ce point : les bénéfices ne viennent pas du simple déploiement de l’outil, mais de la transformation des compétences, des rôles et des façons de travailler autour de lui.

Ce qui vaut pour l’organisation entière vaut aussi pour le contenu : brancher une IA sur un vieux workflow ne crée pas un système moderne, ça crée un vieux workflow qui court plus vite.

Et comme tout machin lancé à pleine vitesse sans direction claire, il finit généralement dans un mur, mais avec davantage d’assets publiés dans le trimestre.

Le nouvel enjeu éditorial tient donc moins dans l’automatisation de la production que dans l’organisation du discernement : faire émerger les convictions, documenter les arbitrages, donner des exemples, tous ces trucs chiants que personne prend le temps de faire, en réalité (sauf votre prestataire).

Au fond, on se fiche de savoir si ChatGPT peut écrire comme votre marque : il le pourra. Plus ou moins bien, mais il le pourra.

Ce qu’on veut savoir, c’est si votre organisation sait encore reconnaître ce qui lui ressemble.

Et si la réponse est non, aucun prompt ne vous sauvera.

Bonnes vacances, et à très vite en septembre !

---

🫠 Comment que vous avez trouvé ce hors-série ?

Vous pouvez m’aider à le savoir en likant l’édition (ou pas) ci-dessous, voire en laissant un commentaire salé comme la Mer Morte.