Le problème du défilé est le mode d'échec où tu ajoutes de l'IA à un workflow que tu n'as jamais redessiné et obtiens une première étape plus rapide suivie d'exactement le même goulot. Le défilé arrive quand même au rythme de ce qui le suit de plus lent. Tu ressens la vitesse à l'avant et aucune à l'arrivée.
Je lui ai donné ce nom parce que c'est l'erreur la moins chère de l'adoption de l'IA et la plus dure à voir. Tu lances un pilote, quelqu'un démontre un générateur de deux cents variantes créatives en quelques minutes, la salle applaudit, et six semaines plus tard la campagne est encore en retard. Rien ne clochait avec le générateur. L'itinéraire en dessous n'a jamais été touché.
J'ai passé 19 ans dans la publicité, et les dernières années à reconstruire le même travail avec l'IA dans la boucle. D'après mon expérience, les équipes qui calent ne calent presque jamais sur la qualité du modèle. Elles calent sur un workflow qui traite l'IA comme une étape plutôt que comme le défaut, donc les gains fuient par le côté dès que la machine rend la main. Laisse-moi te montrer où.
À quoi ressemble le problème du défilé
Imagine un défilé physique. Le char de tête est beau et rapide. Derrière, il y a une fanfare, une douzaine de chars plus lents, et une équipe de nettoyage qui marche à son propre rythme. Si tu remplaces le char de tête par une voiture-fusée, le défilé n'arrive pas plus tôt. La fusée prend juste de l'avance et crée un plus grand trou avant que la fanfare rattrape.
Un workflow média, c'est ce défilé. La recherche alimente la planification, la planification alimente l'activation, l'activation alimente le reporting, et le reporting alimente la prochaine ronde de recherche. Accélère une étape et tu ne raccourcis pas le défilé — tu élargis le trou entre cette étape et ses voisines. La seule chose qui raccourcit le défilé est de bouger l'étape la plus lente, et l'étape la plus lente n'est presque jamais celle qu'on démontre.
Pourquoi le char rapide crée un trou
Il y a une raison simple à ça, et ce n'est pas un problème de technologie. C'est un problème de contrainte.
Chaque workflow a une étape qui donne le rythme, et c'est en général la moins glamour : une validation, un tirage de données, une relecture client, un brief qui n'a jamais été décidé. Ajouter de l'IA en amont de la contrainte produit de l'en-cours, pas de la sortie. Tu génères plus de matière première que l'étape suivante ne peut absorber, et la matière en trop s'empile, vieillit et est retravaillée.
C'est pourquoi les pilotes IA rapportent si souvent une étape plus rapide et un temps de cycle stable. L'étape est devenue plus rapide. La contrainte n'a pas bougé. Et comme la contrainte est là où vit le vrai coût, le résultat business change à peine — et c'est là que les sceptiques commencent à dire « on te l'avait dit » et que le budget disparaît discrètement.
Les quatre goulots qui survivent à un pilote IA
D'après les pilotes que j'ai observés, le goulot atterrit presque toujours à l'un de quatre endroits. Aucun n'est un modèle.
- Le brief non décidé. Le modèle produit fidèlement deux cents versions d'une question que personne n'a tranchée. Le goulot est en amont de la génération, dans la décision que le brief était censé encoder.
- La file de validation. Un relecteur humain peut lire une douzaine de variantes attentivement ou cent mal. Si le workflow en produit désormais cent et que la capacité de relecture est inchangée, tu as déplacé la pile, pas le travail.
- Le passage de données. Le rapport est généré en quelques secondes, puis attend trois jours que quelqu'un réconcilie les chiffres de deux systèmes qui se contredisent. La génération n'a jamais été la partie lente.
- La couture d'intégration. La sortie vit dans un outil et l'étape suivante dans un autre, donc un humain copie-colle entre les deux. Ce copier-coller est désormais la chaîne de production.
Remarque le motif : trois des quatre portent sur qui et quoi attend, pas sur l'intelligence. Tu ne résous pas une file de validation à coups de prompts.
L'histoire à laquelle je reviens toujours
L'exemple le plus clair que j'aie est une équipe qui a construit un générateur de copy IA produisant des centaines de variantes de titres en quelques minutes. C'était vraiment impressionnant, et tout le monde était ravi. La campagne a quand même sous-performé.
Le goulot n'a jamais été les titres. C'était que personne n'avait décidé quel message unique la campagne portait. Le générateur a consciencieusement produit des centaines de versions d'un brief non décidé, et l'équipe a passé les mêmes deux semaines à débattre du message qu'elle aurait passées sans l'outil. L'IA avait supprimé l'étape bon marché et laissé l'étape chère intacte.
Une fois que l'équipe a passé une semaine à rendre le brief lisible par une machine — un message choisi, les règles de marque, l'audience, la métrique — le même générateur est devenu utile, parce qu'il y avait enfin une direction contre laquelle générer. L'outil n'avait pas changé du tout. L'itinéraire, oui.
Ce que « redessiner l'itinéraire » veut vraiment dire
Redessiner l'itinéraire n'est pas un grand programme de transformation. C'est quatre gestes précis, et tu peux les faire une étape à la fois.
- Décide le brief avant de générer. Rends la direction explicite et écrite, pour que la première passe ait quelque chose de vrai à amplifier.
- Bouge la relecture, pas seulement la sortie. Si le modèle produit plus, la capacité de relecture doit changer de forme — échantillonnage, contrôles structurés, une norme claire — sinon le volume devient du risque.
- Mets le contexte là où le workflow peut l'atteindre. Les règles de marque, l'audience et l'historique devraient voyager avec la tâche, pas rester dans la tête d'un senior.
- Ferme les trous de copier-coller. Tout endroit où un humain déplace manuellement la sortie entre des outils est un goulot qui se fait passer pour le travail d'une personne.
Fais ces quatre choses et le défilé avance. Saute-les et tu as acheté un char plus rapide.
Comment diagnostiquer ton propre défilé
J'utilise un test délibérément direct avant de recommander tout investissement IA.
Demande : quelle étape finit en dernier ? Pas quelle étape est la plus lente à démarrer — quelle étape la campagne attend encore à la fin. Cette étape est ta contrainte, et c'est là que l'IA doit aller d'abord si tu veux que le temps de cycle bouge.
Puis pose une seconde question : quand l'IA finit, que fait un humain de la sortie ? Si la réponse honnête est « tout lire, choisir, remettre en forme et coller en aval », tu as trouvé le prochain goulot. Que la première passe soit rapide vaut très peu si la seconde est la même qu'avant.
Tu peux commencer par une étape
La bonne nouvelle est que le problème du défilé plaide pour un début petit et peu glamour plutôt que grand.
Choisis la contrainte — en général le reporting, la recherche ou le brief — et redessine seulement cette étape pour que la machine produise la première passe et qu'un humain relise comme il relirait un junior. Mesure le temps de cycle de cette étape avant et après. S'il a bougé, tu as la preuve que l'approche marche et une raison de toucher l'étape suivante. S'il n'a pas bougé, tu as appris quelque chose de bon marché sur ta propre opération.
C'est l'argument de séquencement que fait le guide Stratégie pour toute la voie, et c'est pourquoi les templates existent : un brief lisible par une machine et une norme de relecture sont les deux artefacts qui transforment une étape rapide en un défilé plus rapide. Une étape faite correctement t'apprend plus que cinq à moitié faites.
FAQ
Le problème du défilé, c'est juste un problème de conduite du changement ?
En partie, mais pas principalement. La conduite du changement porte sur l'adoption — est-ce que les gens utilisent l'outil. Le problème du défilé porte sur la conception — est-ce que le workflow peut absorber la sortie de l'outil. Un outil parfaitement adopté et boulonné sur un itinéraire inchangé produit quand même le même goulot.
Ça veut-il dire que l'IA sur des workflows anciens ne marche jamais ?
Elle peut aider à la marge, et ça vaut quelque chose. Mais les gains sont plafonnés par la contrainte derrière. Si le but est un cycle de campagne nettement plus rapide, l'itinéraire doit changer ; si le but est une étape individuelle légèrement plus rapide, boulonner suffit.
Comment trouver ma contrainte vite ?
Demande quelle étape la campagne attend encore à la fin, pas quelle étape est la plus lente à démarrer. L'étape avec la file est la contrainte. C'est en général une validation, une réconciliation de données ou un brief non décidé, pas quelque chose de technique.
Dois-je redessiner toutes les étapes d'un coup ?
Non — l'inverse. Redessine une étape de bout en bout, mesure le temps de cycle, et seulement ensuite avance. Faire une étape correctement te donne la preuve pour la suivante ; en faire cinq à moitié te donne cinq nouveaux goulots.
La version courte
Le problème du défilé est le trou entre une première étape rapide et un goulot inchangé. L'IA sur un vieux workflow accélère le char, pas le défilé, parce que la contrainte se situe derrière et rarement là où se passe la démo. La réparation n'est pas un meilleur modèle. C'est décider le brief, bouger la relecture, mettre le contexte là où le workflow peut l'atteindre, et fermer les trous de copier-coller — une étape à la fois.
J'apprends encore ce domaine en public, et je me suis trompé dans les deux sens : j'ai surinvesti dans les outils et sous-investi dans l'itinéraire, et l'itinéraire était toujours la partie chère. Donc je continuerai à poser la même question directe — quelle étape finit en dernier ?
Si tu as vu un char rapide échouer à faire avancer ton propre défilé, j'aimerais savoir où le goulot s'est révélé.
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.