Deux rapports publiés en avril décrivent le même fossé depuis deux angles opposés : la majorité a adopté l’IA, mais peu lui ont accordé le droit d’agir. Le Digiday+ Research, fondé sur des enquêtes de terrain réalisées au quatrième trimestre 2025, constate que 82 % des professionnels de marques et d’agences utilisent l’IA pour la production créative ; le Supermetrics 2026 Marketing Data Report, qui a interrogé 435 marketeurs dans cinq marchés, révèle que 6 % seulement l’ont pleinement intégrée à leurs opérations. Le premier chiffre mesure l’adoption ; le second mesure l’autorisation. Entre les deux se pose une question de vérification à laquelle trois ans de promotion de l’IA marketing n’avaient pas eu à répondre. Le plafond de l’IA en marketing n’est plus le modèle lui-même. C’est la capacité d’un marketeur à assumer ce que le modèle produit.

La pression pour combler cet écart vient d’en haut. Supermetrics constate que 80 % des marketeurs se sentent poussés à adopter l’IA. Mais l’acheteur d’une solution IA et son opérateur sont deux personnes différentes, et c’est l’opérateur qui porte le coût de la vérification. La direction voit des chiffres d’adoption ; le marketeur voit le travail qui a été livré. Cette asymétrie s’est déjà manifestée dans le CRM, l’attribution et la personnalisation — ce qui est nouveau dans ce cycle, c’est la vitesse à laquelle les dirigeants peuvent contourner les réserves des opérateurs.

Les données de déploiement reflètent presque ligne pour ligne le coût d’audit. Digiday relève que 82 % utilisent l’IA pour la production créative, où chaque ébauche est relue avant d’être publiée, et que 54 % n’ont pas encore déployé de systèmes agentiques capables de fonctionner sans surveillance. La génération progresse là où les humains peuvent vérifier, et recule là où ils ne peuvent pas. Le schéma est constant : plus le coût d’inspection d’une tâche est élevé, plus l’adoption est faible. L’IA est la bienvenue quand un marketeur peut corriger les copies, et rare quand il ne le peut pas.

La confiance n’est pas une variable abstraite dans ce tableau ; c’est une ligne budgétaire correspondant au temps qu’un marketeur doit consacrer à relire le travail.

La réponse habituelle consiste à dire que le fossé est un problème de maturité, pas un problème structurel. Supermetrics lui-même impute le retard à la maîtrise des données : 52 % des équipes marketing ne contrôlent pas leur stratégie de données, et le chiffre d’implémentation est présenté comme une courbe que chaque équipe finira par parcourir. L’argument n’est pas sans fondement ; la gouvernance et l’intégration freinent l’adoption, et la courbe s’est déjà redressée pour l’analytique, l’attribution et la personnalisation. Mais cette réponse passe à côté de ce que signifie la vérification au sein des systèmes agentiques. Dès qu’un agent enchaîne cinq tâches sans point de contrôle humain, aucun journal d’audit rédigé après coup ne remplace celui qu’un marketeur aurait effectué en cours de route. Le point de rupture dans une chaîne agentique, c’est là où la vérification prend fin — et aucune courbe de maturité n’y remédie.

Le CMO Council a abouti au même constat par un chemin inverse. Son enquête auprès de 371 directeurs marketing a révélé un écart de ROI de 51 points entre les équipes qu’il qualifie de « Power Partners » et celles qu’il appelle « Emerging Partners », et attribue cet écart à la refonte des flux de travail plutôt qu’aux dépenses en outils. Les équipes qui gagnent ne sont pas celles qui font tourner le plus de modèles ; ce sont celles qui réintègrent des points de vérification dans le travail. Là où Supermetrics lit « maîtrise », le CMO Council lit « jugement ». Les deux mesurent la part de la production de l’IA qu’un humain est prêt à assumer.

Les marketeurs du secteur de la mode ont le plus à gagner de la génération et supportent le coût de relecture le plus élevé. Selina Sykes d’Unilever, au sein de la division beauté et bien-être, a confié à Digiday : « Avant, on produisait 20 visuels par campagne, et maintenant on en produit des centaines. » La barrière à la production s’est effondrée, et le goulot d’étranglement est devenu l’inspection. La même dynamique vaut dans la mode : Gap, cité dans le rapport du CMO Council parmi les marques ayant apporté leur témoignage, évolue dans un secteur où un lookbook mal stylisé peut pénaliser les conversions sur toute une saison. Le coût de vérification augmente avec chaque visuel, parce que la marque est inscrite dans ce visuel ; des systèmes agentiques qui diffusent du contenu créatif sans point de contrôle exposent la marque à la vitesse de la génération. Les équipes mode maintiennent un humain entre le modèle et le marché, même quand elles ont déjà payé pour l’autonomie.

Le plafond tient parce que la vérification, contrairement au calcul informatique, ne coûte pas moins cher à mesure que l’échelle augmente. Un modèle deux fois plus performant produit deux fois plus pour le même humain à relire, et la journée du marketeur ne double pas pour autant. Si la prochaine génération d’IA marketing ne peut pas fournir sa propre piste d’audit — une piste qu’un humain puisse sonder par sondage plutôt que relire intégralement — l’adoption progressera lentement, car la confiance exige des preuves que la technologie ne produit pas encore. Les éditeurs qui l’emporteront dans ce cycle seront ceux dont la production peut être défendue en une seule lecture. L’achat était la partie facile. Ce qui reste dans le panier, c’est l’autorisation.