L'IA peut faire à peu près 75–80 % du travail dans la plupart des tâches média que j'ai observées — la part étant la plus élevée en production, assemblage et détection de motifs, et bien plus basse en négociation, relations et jugement final. C'est le principe des 75–80 %, et la première chose à en dire est que c'est une heuristique, pas un benchmark.
Je veux être prudent avec le chiffre, parce que les chiffres ronds attirent une fausse précision. Les 75–80 % ne sont pas une statistique mesurée issue d'une étude contrôlée. C'est la forme que je vois sans cesse après avoir moi-même fait tourner ces workflows et regardé des équipes les faire tourner : l'IA prend le grand milieu répétitif et génératif d'une tâche, et laisse un bord plus petit et plus risqué qui reste humain. La part exacte bouge selon la tâche, l'équipe et la propreté du contexte. La forme a tenu pour moi ; la décimale, non.
J'ai mis ce cadrage dans la définition des opérations média AI-native parce que les équipes se mettent en difficulté aux deux extrêmes. Posons où tombe la ligne, et comment la trouver dans ton propre travail.
Ce que dit le principe des 75–80 %
Le principe dit que pour une tâche média typique, un workflow bien conçu avec l'IA qui fait la première passe peut couvrir la majorité du travail, et un humain couvre le reste. Il ne dit pas que l'IA fait 80 % de chaque tâche, et il ne dit pas que les 20 % humains sont petits en importance. Importance et volume sont deux axes différents.
Pense-y comme à une division du travail plutôt qu'à un score. Le modèle est meilleur pour produire beaucoup de matière plausible vite : options, variantes, résumés, premiers brouillons, détection de motifs. L'humain est meilleur pour décider ce qui compte, choisir parmi le plausible, et porter les conséquences. Le pourcentage n'est qu'un rappel que la frontière existe — et qu'elle se situe plus loin vers le modèle que ne le supposent la plupart des équipes prudentes, et plus loin vers l'humain que ne l'admettent la plupart des fournisseurs enthousiastes.
Où la part de l'IA est élevée
Les tâches où l'IA couvre le plus de terrain partagent trois propriétés : fort volume, faible conséquence par unité, et une norme claire contre laquelle vérifier.
- Variantes créatives et de copy. Titres, descriptions, accroches, copy social — une équipe AI-native en produit des dizaines contre un brief décidé, puis un humain élague.
- Synthèse de recherche. Transformer une pile de sources publiques en un résumé structuré est désormais mécanique, ce qui libère l'analyste pour poser de meilleures questions.
- Assemblage de reporting. Tirer, joindre, mettre en forme et narrer les chiffres hebdo est largement automatisable une fois les données propres.
- Maths de budget et de pacing. Reprojeter, vérifier la dépense contre le plan, et signaler les anomalies sont des tâches de détection de motifs qu'un modèle fait bien.
- Localisation et adaptation. Traduire et adapter une campagne à travers les marchés, avec un relecteur natif à la fin, est une tâche de volume qui passe bien à l'échelle.
Dans ces domaines, 75–80 % est une estimation prudente. Regarde un bon opérateur travailler avec un bon workflow et la part du modèle paraît encore plus élevée.
Où la part de l'IA est faible
Les tâches où l'IA couvre le moins de terrain partagent les propriétés opposées : faible volume, forte conséquence par unité, et aucune norme claire.
- Négociation. L'achat média, les grilles tarifaires, les partenariats et les engagements sont relationnels et adversariaux. Un modèle peut te préparer ; il ne peut pas s'asseoir en face de toi à la table.
- Relation et confiance. Les clients achètent de la confiance. La confiance se construit dans des conversations et se délivre par une personne dont le nom est sur le travail.
- Jugement final. Choisir le seul plan qui colle à la vraie contrainte du client, ou le moment d'arrêter un test, est un jugement dont aucun modèle ne peut être responsable.
- Décisions de marque et de goût. Savoir qu'une copy est dans l'esprit de la marque plutôt que simplement correcte est un jugement humain qui s'apprend, et c'est là que les derniers 20 % gagnent leur pain.
- Nommer la question. Un modèle répondra à presque tout. Décider quelle question vaut la peine d'être posée — et quelle métrique compte — reste l'acte le plus précieux de l'opérateur senior.
Dans ces domaines le modèle peut assister, mais 75–80 % serait une exagération folle. Ici la part humaine est l'essentiel du métier.
Une carte approximative du partage
| Tâche | Part IA | Ce qui reste humain |
|---|---|---|
| Variantes créatives et de copy | Élevée | Brief, jugement de marque, choix final |
| Synthèse de recherche | Élevée | Cadrer la question, valider les sources |
| Assemblage de reporting | Élevée | Interpréter les chiffres, la recommandation |
| Maths de budget et de pacing | Élevée | Décider s'il faut agir sur le signal |
| Localisation et adaptation | Élevée | Nuance culturelle, relecture native |
| Brouillons de planification média | Moyenne | Choisir la contrainte, posséder le plan |
| Négociation | Faible | Toute la conversation |
| Relations client | Faible | Confiance, contexte, responsabilité |
| Jugement final go/no-go | Faible | La décision et ses conséquences |
Lis le tableau comme une forme, pas un tableau de scores. Les lignes à forte part sont là où tu reconstruis le workflow d'abord, parce que c'est là que vit le débit. Les lignes à faible part sont là où tu protèges la capacité, parce que c'est là que vit la valeur.
Pourquoi le chiffre compte moins que la forme
L'usage le plus courant et le plus abusif du principe est de citer le chiffre comme s'il était mesuré, puis de planifier autour.
Une équipe entend « 80 % » et suppose qu'elle peut couper quatre personnes sur cinq. Une autre équipe entend le même chiffre et suppose qu'elle doit tout garder humain pour rester sûre. Les deux traitent une heuristique comme un fait. Le travail du chiffre est de te garder honnête sur les 20 % que tu dois garder — et de t'empêcher soit de surdéléguer le jugement, soit de refuser de retravailler l'assemblage.
Si tu retiens une chose, que ce soit celle-ci : le volume vit dans la moitié de la machine, et la responsabilité dans la tienne. Les deux moitiés ne sont pas interchangeables, et c'est exactement pourquoi une description en pourcentage unique est utile et une cible en pourcentage unique est dangereuse.
Comment auditer tes propres tâches
Ne pars pas du principe. Pars de ton travail réel, et laisse le principe tomber de l'audit.
- Liste les tâches, pas les intitulés de poste. « Produire le rapport hebdo » se décompose en tirer, nettoyer, joindre, mettre en forme, narrer et interpréter. Les cinq premiers sont à forte part ; le dernier est à faible part.
- Pour chaque tâche, pose trois questions. Combien de volume ? Combien de conséquence par unité ? Y a-t-il une norme claire contre laquelle vérifier ? Fort volume plus faible conséquence plus norme claire signifie une forte part IA.
- Marque la norme explicitement. Une tâche sans norme de relecture reste humaine jusqu'à ce que tu en définisses une. Du volume sans norme est du risque, pas du débit.
- Protège le bord à faible part. Nomme qui possède le jugement, la relation et la décision finale. Si ce n'est pas clair, le workflow n'est pas fini.
L'audit produit en général une surprise : une équipe dépense la plupart de son anxiété sur une étape facile à automatiser, et presque rien sur l'étape de jugement où elle devrait investir. Le guide Exécution transforme cet audit en ordre de déploiement pour le reste du cycle de vie.
Les modes d'échec aux deux bouts
Surdéléguer. L'équipe livre une sortie IA sans relecture, puis blâme l'outil quand une affirmation fausse ou le nom d'un concurrent passe en ligne. Le modèle a fait ce qu'on lui a demandé ; le workflow a retiré l'humain au mauvais endroit. C'est les 20 % volés par les 80 %.
Sous-déléguer. L'équipe utilise l'IA comme correcteur orthographique et garde chaque étape manuelle, puis se demande pourquoi rien ne compose. C'est les 80 % traités comme s'ils étaient les 20 %. Les deux erreurs viennent de la même faute : ne pas savoir dans quelle moitié tu es.
Quoi mesurer
Suis la part du modèle et la part humaine séparément. Le temps de cycle te dit si le workflow est réellement plus rapide ; la qualité et le taux d'erreur te disent si la relecture fait son travail. Si le temps de cycle baisse mais que les erreurs montent, tu as déplacé le travail vers la machine sans déplacer la norme — ce qui est la façon la plus rapide de perdre la confiance d'un client et la plus lente de la regagner.
FAQ
75–80 % est-il un chiffre mesuré ?
Non. C'est une heuristique de travail issue de l'observation de ces workflows, pas un benchmark d'étude. Traite la forme comme la partie utile : forte part en production et assemblage, faible part en jugement et relations.
L'IA peut-elle faire 100 % d'une tâche média ?
Pas une où une personne doit signer le résultat de son nom. L'IA peut produire la matière et la première passe, et dans des tâches étroites à faible conséquence elle peut tourner de bout en bout. Tout ce qui a une vraie conséquence a besoin d'un propriétaire humain.
Une forte part IA veut-elle dire moins de gens ?
Ça veut souvent dire moins de gens pour l'assemblage et autant ou plus pour le jugement, les relations et la relecture. Les fonctions se concentrent plutôt qu'elles ne disparaissent, donc la réponse sur les effectifs dépend de quelle moitié tu penchais.
Comment savoir si le partage est bon ?
Deux signaux. Le temps de cycle baisse sans montée des erreurs, et le bord à faible part — jugement, relations, décision finale — a un propriétaire nommé. Si l'un manque, continue d'ajuster la frontière.
La version courte
L'IA fait à peu près 75–80 % du travail dans la plupart des tâches média, la part étant la plus élevée en production, assemblage et détection de motifs et la plus basse en négociation, relations et jugement final. C'est une heuristique pour trouver les 20 % à garder humains, pas une cible d'effectifs. Audite tes propres tâches pour le volume, la conséquence et une norme de relecture ; automatise la moitié à forte part, protège le bord à faible part, et mesure temps de cycle et qualité ensemble. Le guide Exécution est la carte complète de ce travail, et le parcours pour team leads transforme l'audit en ordre de déploiement.
J'apprends encore ce domaine en public, et mon propre chiffre dérive à mesure que les outils s'améliorent. Mais la forme a tenu : le volume est délégable, la responsabilité ne l'est pas.
Si ton équipe a fait cet audit, j'aimerais savoir ce qui t'a surpris — ce n'est en général pas la tâche que les gens attendaient.
À bientôt, Chandler
Cet article est en français, mais le contenu du cours (vidéos, templates et guides d'accompagnement) est proposé en anglais, japonais, chinois simplifié et coréen ; ce site est disponible en 13 langues.