M2 confie 40% de ses textes marketing à l'IA sans perte de qualité

M2 a présenté un cas d'usage concret dans lequel l'IA ne remplace pas la rédaction, mais absorbe une part significative du contenu routinier. En interne, l'entreprise confie déjà environ 40% de ses textes produit et marketing à un réseau de neurones. Le dispositif ne se résume pas pour autant à un simple bouton : la qualité repose sur des règles strictes, des prompts précis et l'implication obligatoire d'humains sur les tâches complexes et créatives.

C'est la hausse du volume de contenus qui a motivé la création de cette rédaction IA. L'équipe éditoriale devait répondre à davantage de demandes du marketing, des ventes et du support, sans gonfler ses effectifs ni tout externaliser. M2 a d'abord étudié les options classiques : recruter un nouveau rédacteur, sous-traiter une partie du travail ou développer un outil d'IA interne.

L'entreprise a retenu la troisième voie, la plus rapide et la plus économique, en posant d'emblée une exigence : le modèle devait écrire dans le ton de la marque et respecter la charte éditoriale interne au moins aussi bien qu'un rédacteur débutant. Le principal obstacle ne tenait pas au choix du modèle, mais à la manière de lui transmettre les standards de l'entreprise. M2 n'a pas entraîné de modèle dédié sur son propre corpus de textes et a misé sur un système de prompts.

Dans un premier temps, l'équipe a regroupé dans un seul gros prompt système les principales règles de Tone of Voice, les contraintes syntaxiques, les mots proscrits et les exigences sur les noms de produits. Cette approche zero-shot n'a pas fonctionné : le modèle perdait le fil, produisait des textes trop fades et mélangeait parfois les styles. La rédaction est alors passée à un scénario few-shot, en ajoutant aux instructions de bons et de mauvais exemples tirés de textes réels.

C'est ce qui a permis d'obtenir des résultats prévisibles et de créer des modèles distincts pour les actualités, les réseaux sociaux et d'autres formats. Sur le plan technique, la rédaction IA s'appuie sur la plateforme d'entreprise Videocat, avec des composants llama.cpp et Open WebUI ; dans le cas décrit, le modèle utilisé est Google Gemma 3.

Mais l'essentiel tient moins à la stack qu'au principe d'architecture : l'outil reste flexible, ce qui permet de brancher et de tester d'autres modèles selon les tâches. Cette approche supprime la dépendance à un fournisseur unique et permet d'arbitrer entre qualité, vitesse et coût de génération. Au final, le modèle de M2 ne se contente pas de rédiger des brouillons et d'adapter les textes aux différents canaux : il aide aussi à trouver des idées, à extraire des informations à partir d'images et à expliquer son propre raisonnement.

Ce dernier point compte particulièrement pour les salariés extérieurs à la rédaction : lorsque le modèle justifie ses choix de mots et de structure, il sert à la fois d'assistant et d'outil de formation. L'entreprise ne cherche pas pour autant à faire de l'IA un remplaçant à part entière du rédacteur. M2 délimite clairement les responsabilités.

Les tâches routinières, standardisées et produites en masse peuvent être confiées presque entièrement à la machine, mais les textes de fond, les concepts créatifs, les slogans et les contenus qui exigent une justesse émotionnelle restent l'affaire des humains. Cet équilibre aide à lever l'angoisse de la page blanche, à accélérer la production des premiers jets et à soulager la rédaction, sans que les textes perdent leur dimension humaine. La sécurité constitue un volet à part : l'outil d'IA fonctionne dans le périmètre interne, et les salariés sont formés pour savoir quelles données ils peuvent charger dans le système et lesquelles ils ne doivent pas y verser.

Un détail important pour toute entreprise qui veut utiliser des modèles génératifs dans ses processus réels, et pas seulement en bac à sable. La leçon du cas M2 est plutôt terre à terre, et c'est ce qui la rend utile : les réseaux de neurones peuvent déjà absorber une part substantielle de la routine éditoriale, mais ils ne savent pas, à eux seuls, bâtir une rédaction solide. L'entreprise a d'abord besoin de ses propres standards, d'un Tone of Voice clair et de rédacteurs en chair et en os capables de distinguer un bon texte d'un texte simplement correct sur la forme.

Ce n'est qu'à cette condition que l'IA cesse d'être une menace pour l'emploi et devient un démultiplicateur pour l'équipe. Pour le marché, c'est un signal de plus : la demande ne glissera pas des auteurs vers les machines, mais des simples exécutants vers des spécialistes capables de concevoir des processus, de paramétrer des prompts et de hisser un brouillon généré par la machine au niveau d'exigence de la marque.