La planification média IA signifie que le modèle rédige plusieurs options structurées à partir du même brief et budget, et que le planneur choisit et affine parmi des plans plausibles au lieu d'assembler un deck à la main. Le changement ressemble à un gain de vitesse et est en réalité un changement de la forme du livrable — et il ne paie que si la mesure est conçue en même temps que le plan.
J'ai passé 18 ans en planification et en achat. Le deck de planification était l'artefact qui prouvait que tu avais fait le travail : slides, organigrammes, tableau de budget, justification. Une grande partie était de l'assemblage, et l'assemblage est ce que l'IA prend. Ce qui reste est la partie qui était toujours le métier — décider quelle contrainte compte vraiment et miser une recommandation dessus. Voici comment les deux moitiés, plan et mesure, changent ensemble.
Le livrable de planification change de forme
Dans l'ancien modèle, le planneur produisait un plan. Le temps était la contrainte, donc le livrable était une seule meilleure estimation, polie jusqu'à paraître inévitable. Il y avait rarement une seconde option, parce qu'une seconde option coûtait une semaine de plus.
Dans le modèle AI-native, le modèle produit plusieurs options structurées à partir du même brief et budget — mixes de canaux différents, schémas de flighting, découpages d'audience, rotations créatives — chacune cohérente en interne et chacune chiffrée. La première tâche du planneur passe de construire un plan à comparer un ensemble de plans plausibles. Le deck devient un compte rendu de décision plutôt qu'un chantier de construction.
C'est un meilleur usage du temps d'une personne senior, mais ça expose une faiblesse. Quand tu n'avais qu'un plan, tu le défendais. Quand tu en as cinq, tu as besoin d'une norme pour choisir, et la plupart des équipes n'en ont pas d'écrite. Sans elle, cinq options ne font que déplacer l'argument plus tard.
De construire le plan à choisir parmi les plans
La compétence qui compte désormais est la discrimination : voir vite quelle option colle à la vraie contrainte, et laquelle est seulement séduisante.
En pratique, les options du modèle ne valent que ce que vaut le brief qu'on lui a donné, et le brief est là où vit la réflexion. Si le brief dit « maximiser la portée dans le budget », tu obtiendras cinq plans maximisant la portée et aucun moyen de les distinguer. S'il dit « maintenir la fréquence sous le seuil de fatigue tout en gardant le CPM sous l'objectif dans un marché avec une fenêtre de vente de deux semaines », tu obtiens des options qui diffèrent de façons qui valent la discussion. La qualité du plan est fixée avant que le modèle tourne.
Le jugement du planneur atterrit alors à trois endroits : choisir l'option, nommer ce qui la rendrait fausse, et poser le fil-piège qui déclencherait un changement en cours de route. C'est un travail plus précieux que mettre en forme un organigramme, et plus dur à simuler.
La moitié mesure que les équipes sous-planifient
Voici l'échec que je vois le plus souvent, et il est discret. L'équipe câble la planification IA, produit plus d'options, fait tourner plus de variantes — et garde la même conception de mesure qu'avant. Le résultat est plus d'activité et pas plus d'apprentissage, parce que rien dans la conception n'était prévu pour comparer les options entre elles.
La planification média et la mesure sont en général traitées comme deux projets qui se rencontrent à la fin. Dans un workflow AI-native, elles sont une seule conception. Si le plan génère des variantes, la mesure doit décider à l'avance quelles variantes seront comparées, sur quel signal, sur quelle fenêtre, et ce qui compte comme un résultat plutôt que comme du bruit. Sinon tu génères plus de façons de dépenser de l'argent et pas plus de preuve sur celle qui a marché.
Concevoir la mesure avec le plan
Quatre décisions, prises avant que rien ne tourne, transforment le volume en preuve.
- Quelles variantes seront comparées. Tu ne peux pas apprendre de tout ce que tu fais tourner. Choisis les quelques comparaisons qui changeraient une décision future, et laisse le reste être des exécutions à un seul bras.
- Quel signal compte. Décide la mesure principale et les mesures garde-fou à l'avance, pour que la lecture ne soit pas une négociation après coup.
- Quelle fenêtre et quelle référence. Prédéfinis la période et le point de comparaison, sinon chaque résultat devient discutable.
- Qui le lit et quand. Nomme la personne et la cadence. Une conception de mesure sans lecteur est un rapport que personne n'ouvre.
Rien de tout ça n'est de la statistique nouvelle. C'est la discipline de décider le test avant de le lancer, et l'IA rend la discipline plus nécessaire, pas moins, parce qu'elle multiplie le volume de choses que tu pourrais tester.
Planification traditionnelle vs planification AI-native
| Dimension | Planification traditionnelle | Planification AI-native |
|---|---|---|
| Livrable | Un plan poli | Plusieurs options chiffrées |
| Métier du planneur | Construire et défendre | Choisir, affiner, poser des fil-pièges |
| Coût en temps | Semaines par plan | Minutes par option |
| Contrainte | Heures de planneur | Norme de décision et brief propre |
| Mesure | Conçue après le plan | Conçue avec le plan |
| Apprentissage | Par campagne, rétrospectif | Par variante, conçu d'emblée |
| Mode d'échec | Lent et à valeur unique | Volume sans norme de comparaison |
Lis la ligne du bas comme la chose à prévenir. L'échec AI-native n'est pas la lenteur ; c'est produire beaucoup et apprendre peu, parce que personne n'a décidé ce que le plan était censé t'apprendre.
Deux options, c'est une décision de conception
Il y a une version de ça qui échoue discrètement : le modèle produit des options, le planneur les ignore et défend le plan d'origine, et le volume en trop devient du théâtre. Le nombre d'options est en soi un choix de conception. Deux alternatives bien construites contre un brief aigu suffisent en général à forcer une vraie décision ; cinq produisent souvent une réunion plus longue et le même résultat. Choisis le nombre qui rend le choix honnête, et laisse le modèle produire des variantes à l'intérieur de l'option choisie plutôt que plus d'options à côté.
Ce que le planneur possède encore
Si le modèle rédige les options, à quoi sert le planneur ? Aux mêmes choses qu'avant, concentrées.
- Choisir la contrainte. Décider quelle réalité du client contraint vraiment — la fenêtre de vente, la marge, l'offre créative — est une décision humaine que le modèle ne peut pas prendre pour toi.
- Discriminer parmi des options plausibles. Savoir lequel de cinq plans séduisants colle à la vraie situation est la compétence centrale désormais.
- Définir le succès. Nommer la mesure et le fil-piège avant que la campagne tourne est ce qui rend le volume apprenable.
- Posséder la recommandation. Quelqu'un signe le plan de son nom et en répond. Ça ne se délègue pas.
J'ai fait une version de cet argument dans un billet bien plus ancien, comment les planneurs média perdraient leur emploi, à l'époque où l'automatisation était un outil de recherche et un tableur. Les outils ont énormément changé ; le schéma, non. Les planneurs qui perdent sont ceux dont la valeur était l'assemblage. Ceux qui gardent le poste sont ceux dont la valeur était le jugement, et l'IA est désormais la chose qui rend cette distinction visible à tous.
Par où commencer
Choisis une campagne et reconçois plan et mesure ensemble, pas séquentiellement. Écris le brief pour qu'il nomme la vraie contrainte. Fais produire au modèle trois options chiffrées. Choisis-en une, écris ce qui la rendrait fausse, et définis la comparaison que tu lanceras pour vérifier. Puis lance-la et lis le résultat selon la cadence fixée à l'avance.
Fais-le une fois et tu en sauras plus sur ta propre norme de planification qu'une année de decks ne t'a appris. Le parcours pour team leads séquence ça sur le cycle de vie, et le guide Stratégie le place dans la voie plus large.
FAQ
L'IA écrit-elle tout le plan média ?
Elle rédige des options structurées vite et de façon cohérente, ce qui est l'essentiel de l'assemblage. Elle ne décide pas quelle contrainte compte, ne choisit pas parmi les options, et ne possède pas la recommandation. Le plan reste un livrable humain ; la rédaction, non.
Pourquoi la mesure compte-t-elle plus dans un plan AI-native ?
Parce que l'IA multiplie le nombre d'options et de variantes que tu peux faire tourner. Sans conception de mesure décidée à l'avance, ce volume en trop produit de l'activité plutôt que de la preuve — plus de dépense, pas plus d'apprentissage sur l'approche qui marche.
Les planneurs existeront-ils encore ?
Le rôle se concentre plutôt qu'il ne disparaît. La planification, comme le reste du média, se scinde en assemblage (largement automatisable) et jugement (pas). Les planneurs dont la valeur était l'assemblage sont exposés ; ceux dont la valeur est choisir et définir le succès deviennent plus centraux.
C'est juste du testing sous un autre nom ?
C'est plus proche de concevoir la campagne pour qu'elle soit lisible que de lancer un test de laboratoire. Le but n'est pas de faire de chaque campagne une expérience, mais de décider à l'avance quelles quelques comparaisons changeront une décision future et de bâtir le plan pour que ces comparaisons soient possibles.
La version courte
L'IA fait passer la planification de construire un plan à choisir parmi plusieurs, et l'argent est dans l'appariement avec la mesure. Si le plan est généré et la mesure pas reconçue, tu obtiens plus d'options et pas plus de preuve. Conçois la comparaison, le signal, la fenêtre et le lecteur avant de lancer ; garde le jugement humain ; et le volume se transforme en apprentissage au lieu de bruit.
J'ai fait ma part de plans qui paraissaient certains et n'ont rien appris, et la discipline que je réapprends sans cesse est de décider ce que la campagne est censée prouver avant qu'elle tourne.
Si ton équipe a apparié planification et mesure ainsi, j'aimerais savoir quelle décision a été la plus dure à faire accepter à l'avance.
À bientôt, Chandler
Cet article est en français, mais le contenu du cours (vidéos, templates et guides d'accompagnement) est proposé en anglais et en japonais ; ce site est disponible en 13 langues.