Cliquer pour agrandir→
workshop · HoT MarkCom
Un atelier en trois actes
Construire une mémoire vivante
de marque, et la mettre au travail
dans toute la chaîne
De ChatGPT au workflow marketing augmenté.
Vos animateurs
Deux praticiens, une scène
David
CEO · AdWire
Mišo Pecirep
Co-fondateur · Dotika
Notre approche
Voir, faire, tenir.
Une chaîne marketing entière
En 4 h on couvre tout le cycle : de la démystification de l'IA à la gouvernance en passant par la fabrication d'assets, la data et l'activation.
01 ·
Voir
Pourquoi le shift se joue maintenant, et ce qu'il y a réellement dans une IA générative.
02 ·
Faire
On construit live toute la chaîne sur un cas concret : mémoire, message, assets, data, activation.
03 ·
Tenir
Automatisation, gouvernance, kit de démarrage pour reproduire en autonomie.
Acte 01 · 60 min
Voir
Le shift IA n'est pas qu'un changement d'outil. C'est un changement de process.
On démystifie d'abord, pour décider ensuite avec lucidité.
Accueil
On fait connaissance
Tour de table rapide : 30 secondes par personne, en 4 points.
01
Prénom
Et l'organisation où vous bossez.
02
Outil IA principal
Celui que vous ouvrez le plus souvent.
03
Usage en 5 mots
À quoi vous vous en servez concrètement.
04
Attente du jour
Ce qu'il faudrait que vous emportiez ce soir.
22 mai · 09:14
Vendredi matin, dans votre boîte mail
De
CMO Halba <cmo@halba.lu>
À
Équipe marketing
Objet
La nouvelle bière 0,0 % protéinée · j'ai une intuition, j'aimerais qu'on la creuse
Hello l'équipe,
Je reviens du salon BrauBeviale à Nuremberg. J'ai vu une marque allemande qui vend une bière sans alcool enrichie en protéines comme boisson de récupération post-sport. À côté, un brasseur belge avec une 0,0 % « active recovery » aux électrolytes. Et hier en rentrant, mon fils (32 ans, court trois fois par semaine) m'a dit qu'il avait arrêté la bière « parce que ça l'empêche de progresser ».
Je pense qu'on a un truc à jouer. Une bière 0,0 % protéinée, brassée au Luxembourg, pour les actifs 25-44.
Mettez mon intuition à l'épreuve. Sortez-moi une stratégie go-to-market pour vendredi prochain. Visuels, message, audiences, plan de lancement.
Le boss
Vendredi
Vendredi.
C'est aujourd'hui
Vous ouvrez Claude. Vous collez le mail. Vous demandez une newsletter de lancement. Vous attendez.
Démo · sans mémoire de marque
Ce que Claude vous sort
Sortie générique · 12 secondes
« Cours. Récupère. Trinque. »
Accroche « la bière sans alcool, enrichie en protéines, pensée pour les sportifs ». Angle récupération post-sport, cible 25-44 ans, CTA « Je découvre la bière des sportifs ».
→ propre · plausible · sans positionnement défendable
Le piège
L'IA d'aujourd'hui sait déjà produire du joli. Ré-exécutez la même requête trois fois, vous obtenez trois marques différentes. Sans mémoire, le résultat est beau mais hors-sol.
À la fin du workshop
On revient sur
cette même newsletter
Sauf que d'ici 4 heures, votre projet aura une mémoire : produit, audiences, segments, ton, visuels. La même requête sortira une newsletter défendable, déclinable, spécifique à Halba.
Voici comment on y arrive
Mais d'abord, c'est quoi vraiment
une IA générative ?
Cadrage
Quand on dit IA, on parle de quoi ?
L'intelligence artificielle est « la conception de programmes informatiques qui accomplissent des tâches qui, pour l'instant, sont réalisées de manière plus satisfaisante par des êtres humains, car elles exigent des processus mentaux de haut niveau tels que l'apprentissage perceptif, l'organisation de la mémoire et le raisonnement critique. »
Dartmouth Summer Research Project on Artificial Intelligence Workshop · 1956
Marvin Minsky
Co-fondateur · Dartmouth 1956
Algorithme : une séquence finie et non ambiguë d'instructions utilisée pour résoudre un problème
IA : un ensemble de techniques pour faire réaliser à des machines des tâches qui exigent de l'intelligence
ML : des programmes qui apprennent leurs règles à partir de données, au lieu d'être codés explicitement
DL : du machine learning fondé sur des réseaux de neurones à plusieurs couches
GenAI : des modèles entraînés pour générer du contenu nouveau : texte, image, son, code
Un LLM ≠ base de connaissance, ≠ moteur de recherche, ≠ raisonneur, ≠ agent. C'est pour ça qu'on l'alimente avec knowledge-base/, skills, sources.
Pourquoi maintenant
Un alignement de trois planètes
01 · Maths
Mathématiques
Prêtes depuis 1989
Cybenko prouve que tout réseau de neurones peut approximer n'importe quelle fonction.
02 · Compute
Puissance
Mature depuis 1999
NVIDIA commercialise la première carte « GPU ». Même hardware que les PlayStation Sony, autre usage.
03 · Data
Données
Prêtes depuis 2010
ImageNet : 14 millions d'images labellisées par des humains.
Les trois s'alignent en
2012
AlexNet · Toronto · Krizhevsky · Sutskever · Hinton. Première fois qu'on entraîne un réseau de neurones sur GPU avec une base massive.
Histoire de l'IA
Dix moments qui ont compté
- 1950Turing
- 1956Dartmouth
- 1966ELIZA
- 1986Backpropagation
- 1997Deep Blue
- 2011Watson
- 2014GANs
- 2017Transformer
- 2020GPT-3
- 2022ChatGPT
- ?AGI
1950
Alan Turing pose la question.
« Si un interrogateur ne peut pas distinguer une machine d'un humain à travers une conversation écrite, alors la machine possède une intelligence humaine. »
A inventé l'ordinateur. Hacké Enigma pendant la guerre. Démontré qu'il existe des problèmes logiques impossibles à résoudre.
Quand ChatGPT « passe » pour humain en 2022, on referme une boucle ouverte 72 ans plus tôt.
1956
Conférence de Dartmouth.
L'IA devient une discipline. Le mot lui-même est inventé pendant cet été 1956.
John McCarthy invente le terme « intelligence artificielle » et le langage LISP. Marvin Minsky, pionnier des neurones artificiels. Nathaniel Rochester, architecte de l'IBM 701. Claude Shannon, père de la théorie de l'information.
Atelier d'un mois, 4 hommes, une discipline qui durera 70 ans.
1966
ELIZA, le premier chatbot.
Joseph Weizenbaum programme au MIT un agent qui imite un psychothérapeute — la première vraie conversation homme-machine.
ELIZA se contente de renvoyer les phrases de l'utilisateur sous forme de questions : aucune compréhension. Pourtant, des utilisateurs s'y confient des heures — Weizenbaum, troublé, en deviendra l'un des premiers critiques de l'IA.
Un chatbot qui « répond », ce n'est pas nouveau. Ce qui changera, c'est qu'il comprend.
1986
La backpropagation.
L'algorithme qui débloque tout le deep learning : calculer automatiquement les paramètres d'un réseau de neurones.
1970 : Seppo Linnainmaa développe l'algo. 1974 : Werbos l'applique aux neurones. 1986 : Rumelhart, Hinton, Williams publient dans Nature. 1989 : Yann LeCun applique la backprop à un CNN pour reconnaître les codes postaux US, 99 % d'accuracy.
En 1989, un réseau de neurones lit déjà votre courrier. Personne n'en parle.
1997
IBM Deep Blue bat Kasparov.
Premier choc grand public. 700 000 parties de Grands Maîtres ingérées. 1,4 tonne de matériel.
Au 44ᵉ coup, Deep Blue joue un coup aléatoire. Kasparov, déstabilisé, devient persuadé qu'un humain conseille la machine en coulisses. Votre smartphone d'aujourd'hui est 100× plus puissant.
2011
IBM Watson gagne à Jeopardy!
Watson bat les deux meilleurs champions humains du jeu télévisé Jeopardy! — comprendre une question en langage naturel, chercher, répondre en quelques secondes.
Successeur de Deep Blue, Watson ingère des millions de documents et gère jeux de mots et pièges d'énoncé. Ken Jennings, recordman du jeu, s'incline et ajoute sous sa dernière réponse : « Je souhaite la bienvenue à nos nouveaux maîtres ordinateurs. »
Le langage naturel devient un terrain de jeu pour les machines.
2014
Hassabis, Goodfellow : deux paris sur l'IA.
Demis Hassabis fait entrer DeepMind dans Google. Ian Goodfellow invente les GANs — réseaux antagonistes génératifs — dans un bar.
Porté par le GPU et les données massives, le deep learning ne fait plus que reconnaître : il génère. Hassabis : joueur d'échecs national à 13 ans, futur Prix Nobel de chimie 2024 pour AlphaFold. Goodfellow fait tourner le premier GAN avant le lever du soleil.
Début de l'IA générative : deepfakes, StyleGAN, images de synthèse.
2017
Transformer · Attention is all you need.
« Les modèles font des choses que je pensais personnellement ne voir qu'à la fin de ma carrière, peut-être dans 40 ans. » · Aidan Gomez, co-auteur.
8 chercheurs Google. Sans cette architecture, pas de GPT-2, pas de GPT-3, pas de ChatGPT. Noam Shazeer, l'un des auteurs, quitte Google en 2021. Google le fait revenir en 2024 en payant 2,7 milliards de dollars.
L'architecture qui rend l'IA d'aujourd'hui possible.
2020
OpenAI publie GPT-3.
Un grand modèle de langage de 175 milliards de paramètres : il génère du texte, traduit, répond aux requêtes en langage naturel.
Premier modèle à démontrer le few-shot learning : quelques exemples dans la consigne suffisent, sans réentraînement. La brique de l'assistant grand public est prête.
Tout est là — il manque encore l'interface.
2022
ChatGPT, l'IA devient grand public.
30 novembre 2022. 1 million d'utilisateurs en cinq jours. Record absolu.
Netflix : 3,5 ans. Twitter : 2 ans. Instagram : 2,5 mois. ChatGPT : 5 jours. Aujourd'hui (2026), 200M+ utilisateurs hebdomadaires.
Pas une rupture technique : une rupture d'accès. La techno existait, l'interface a tout changé.
?
AGI — l'intelligence artificielle générale.
Un système capable d'accomplir un large éventail de tâches avec une intelligence comparable à celle des humains.
Y compris la capacité autonome d'apprendre et de s'adapter. Aucune date : l'AGI suscite un débat et des recherches intenses — elle reste une question ouverte.
La prochaine frontière. Et personne ne sait quand.
↗ Démo en direct
Which Face Is Real?
whichfaceisreal.com
▶ À voir sur YouTube
The Thinking Game
Le documentaire DeepMind
Sous le capot
Mais qu'est-ce qu'il y a
vraiment dedans ?
Cinq étapes. Aucune magie. Beaucoup d'humain, beaucoup de hardware.
Pipeline ChatGPT · vue complète
Le process en un coup d'œil
01 Data›02 Token›03 Pre-train›04 Fine + RLHF›05 Inférence
Étape 01 · Data + Cleaning
De la collecte brute à la base nettoyée
01 a · Collecte
La mega base brute
Wikipédia (4,9 Mds mots), livres scannés, code open-source, web crawlé, données synthétiques.
Plusieurs téraoctets. Aucun tri. Pas encore exploitable.
01 b · Cleaning
Filtrer, dédupliquer, débiaiser
C'est là que ça devient sérieux : qualité, biais, éthique.
~ 30 travailleurs payés 2 $/h via Sama pour labelliser violence, haine, contenu sexuel explicite. Contrats interrompus début 2022.
01 Data›02 Token›03 Pre-train›04 Fine + RLHF›05 Inférence
Étape 02 · Tokenization
Le modèle ne lit pas du français
Une phrase saisie
« Bière Halba 0,0 % protéinée brassée Luxembourg »
↓
Ce que le modèle voit
Bière Halba 0,0 % protéinée brassée Luxembourg
15082, 64, 84130, 4407, 220, 11, 15, 8341, 9229, 78, 258, 7777, 41073, 7777, 23046
Un token, ce peut être :
- un mot entier (chat)
- un sous-mot (##tion)
- un caractère (é)
- ou un byte (0xE2)
Ordre de grandeur
Wikipédia entière
= 4,9 milliards de mots
= 7 milliards de tokens
= 7 milliards de tokens
01 Data›02 Token›03 Pre-train›04 Fine + RLHF›05 Inférence
Étape 03 · Pre-training
1000 GPUs · prédire le prochain mot
En sortie : un « modèle de base ». Et il est très, très mauvais.
GPT-4
1 200
milliards de paramètres
Entraînés sur 1 000 GPUs, plusieurs mois, ~100 M$.
vs
Cerveau humain
86
milliards de neurones
100 000 milliards de synapses. Consommation : 20 watts.
Imaginez un cerveau qui aurait lu tout internet… et ne saurait que terminer vos phrases. C'est ça, un modèle de base.
01 Data›02 Token›03 Pre-train›04 Fine + RLHF›05 Inférence
Étape 04 · Post-training
Du modèle de base à l'assistant
A · Fine-tuning
Entraîner sur des conversations
3 heures, peu de GPUs. Le modèle apprend à répondre comme un assistant, plus à terminer du texte au hasard.
B · RLHF
Aligner avec les humains
Quelques centaines d'annotateurs classent plusieurs réponses du modèle. Il apprend à privilégier celles qui sont préférées.
Conséquence
Pas magique. Du dressage par feedback. ChatGPT, Claude, Gemini sont alignés différemment : c'est le RLHF qui crée le « caractère » de chaque assistant.
01 Data›02 Token›03 Pre-train›04 Fine + RLHF›05 Inférence
Étape 05 · L'assistant est prêt
Le produit fini. Puis vous y branchez votre cerveau
L'assistant en sortie
ChatGPT, Claude, Gemini. Tous arrivent ici, après les étapes 01 à 04. C'est le produit que vous utilisez tous les jours.
Concrètement, une release c'est :
- · le code (~200 lignes de Python)
- · les paramètres (1 200 milliards pour GPT-4)
Mais ce modèle est figé à sa sortie : pas d'actualité au-delà de son cut-off, aucune connaissance spécifique à vous, à votre marque, à votre métier.
Et après · le RAG
Brancher votre mémoire au modèle figé
RAG = Retrieval Augmented Generation. Au moment de la requête, on donne au modèle des sources externes : vos documents, votre charte, vos données, votre historique.
Le modèle reste figé. La mémoire, elle, est à vous : vivante, mise à jour, contrôlée.
→ C'est exactement ce qui transforme le marché. Cinq exemples concrets, juste après.
Rappel · le pipeline complet, étapes 01 → 05
10 min
Le shift, ailleurs
On vient de voir comment ça marche. Maintenant : où ça se passe déjà.
Cinq signaux qui disent pourquoi maintenant et pourquoi pas demain.
Signal 01 · Le geste change
« Le prompt engineering est mort. Ce qui compte maintenant, c'est le context engineering : alimenter la machine avec le bon contexte, pas chercher la phrase magique. »
Andrej Karpathy · ex-OpenAI · ex-Tesla · 2025
Pour un marcom
On ne s'assoit plus devant un chatbot. On s'assoit devant un poste de travail où Skills, Memory, MCP et Scheduled tasks vivent ensemble. Vous ne tapez plus, vous configurez.
Signal 02 · Encoder la marque
Coca-Cola + Adobe · Fizzion
Le brief PDF cesse d'être l'artefact central
Fizzion observe les designers travailler dans Illustrator et Photoshop. Il encode leur intention dans un StyleID : un identifiant machine-lisible qui contient mise en page, typo, traitement du logo, règles couleur.
Une fois entraîné, il génère 100 variations localisées toutes sur-marque. La charte PDF de 40 pages devient un programme de marque.
Une fois entraîné, il génère 100 variations localisées toutes sur-marque. La charte PDF de 40 pages devient un programme de marque.
10×
production plus rapide
Source · Adobe + Coca · 2025
→ C'est exactement ce que notre knowledge-base/ va matérialiser en Bloc 4.
Signal 03 · L'IA persiste
La fenêtre de chat ferme.
Le projet reste
Chaîner des générations image/vidéo depuis un CSV. Une mémoire visuelle de marque qui persiste entre projets et entre membres.
Projets persistants, connecteurs, accès fichiers, rôles, audit. Multi-séances, multi-équipiers.
Ce qui change
Avant : chaque conversation repart à zéro. Maintenant : le projet, les skills, la mémoire restent. La conversation devient l'interface, pas le contenant.
Signal 04 · Une infrastructure, pas un produit
MCP, la prise standardisée
Model Context Protocol. Donné par Anthropic à la Linux Foundation en décembre 2025. Co-sponsorisé OpenAI, Google, Microsoft.
Email · CRM
Klaviyo
Lire vos contacts, déclencher des envois, analyser un funnel.
Inbound · Marketing
HubSpot
Workflows, sequences, attribution, pilotables en langage naturel.
Sales · Service
Salesforce
Comptes, opportunités, cas, exposés au LLM via MCP officiel.
Files · Drive
MS 365 · Google
Documents, sheets, calendriers, branchables au projet Cowork.
Téléchargements / mois
97 M
en mars 2026, contre 100 000 au lancement (nov. 2024).
Équipes IA enterprise
78 %
ont au moins un agent MCP en production (avril 2026).
Verdict
Plus un débat de fournisseur. Une infrastructure.
Signal 05 · La gouvernance arrive
AI Act · article 50
2 août
2026
2026
entrée en application
~10 semaines à compter d'aujourd'hui
Obligation de marquer le contenu synthétique en format machine-lisible. Transparence vers les utilisateurs finaux. Pas optionnel.
Amendes : 15 M€ ou 3 % du CA mondial.
Promesse
On y revient en profondeur en Bloc 10. Ici : juste savoir que ça arrive.
Synthèse
Le contexte devient
l'asset
Cinq signaux, une même direction : la valeur ne vit plus dans le prompt. Elle vit dans la mémoire de marque, les skills, les connecteurs, et la gouvernance autour. Vous arrêtez de produire à la main, vous configurez.
Fin de l'Acte 1
Pause. Puis on construit
10 minutes pour respirer, se servir un café, allumer ses laptops.
Au retour : on construit en live avec vous la chaîne complète sur Halba 0,0 % protéinée.
Mémoire produit, positionnement, landing, segmentation, newsletters, activation. 125 minutes.
B4
Recherche
30 min
B5
Message
20 min
B6
Landing
25 min
B7
Data
25 min
B8
Newsletter
15 min
Acte 02 · 1 h 30
Faire
On construit la chaîne marketing entière sous vos yeux.
Recherche, positionnement, assets, data, activation — sur un seul cas : Halba.
00
4 · Insight marché · 30 min · David
Avant de vendre,
comprendre
On transforme des signaux dispersés en mémoire exploitable.
Le brief en 60 secondes
Quatre questions à trancher
01 ·
Quel volume au Luxembourg ?
02 ·
Quelle cible réelle ?
03 ·
« Brassé Lux » suffit-il à différencier Halba ?
04 ·
Quelles tensions faut-il arbitrer ?
CMO Halba · brief 2026-05-15
« Ce que je vous demande, ce n'est pas de valider mon intuition. C'est de la mettre à l'épreuve. »
Plan de recherche
Quatre sources, deux fichiers
On part du brief et de la voix client. On ajoute les données publiques et les signaux marché.
4 sources en parallèle
Déjà dans sources/
brief CMO — l'intuition à tester.
300 verbatims clients — voix client, motivations, freins.
300 verbatims clients — voix client, motivations, freins.
À aller chercher en live
STATEC / LUSTAT — démographie LU officielle.
Web search daté — concurrence + tendances 18 derniers mois.
Web search daté — concurrence + tendances 18 derniers mois.
Deux dossiers à l'œuvre
sources/
├──brief-halba.md
├──data-verbatims-300.csv
├──data-transactions.csv
└──data-client-attributes.csv
knowledge-base/
├──audience.md
├──market-signals.md
├──tensions.md
├──votes.md
├──positioning.md
├──content-rules.md
└──segments.md
Atelier
Maintenant,
ouvrons Claude Cowork
et découvrons les skills
On construit la mémoire live — sous vos yeux.
Skills utilisés dans la démo
Huit skills, une mémoire
Chaque skill lit le contexte disponible, produit une sortie nommée, puis nourrit l'étape suivante.
01
knowledge-base
initialise la mémoire projetmaintenant
02
audience-research
cible, motivations, freinsmaintenant
03
market-signals
concurrence, tendances, espacemaintenant
04
tensions
axes à voterà venir
05
positioning
promesse + règles de contenuà venir
06
visual-prompts
prompts visuels pour générationà venir
07
rfm-segmentation
audiences activablesà venir
08
newsletter-writer
contenus newsletterà venir
Skill 02 · audience-research
Qui consomme ?
Au Luxembourg
01 · CLAUDE LIT
Brief + verbatims
L'intuition CMO et 300 verbatims clients pour repérer les motivations et les freins.
02 · CLAUDE CROISE
STATEC · LUSTAT
Taille de cible, âge, territoire, contexte socio-démo Luxembourg.
03 · CLAUDE SYNTHÉTISE
Motivations / freins
3 motivations, 3 freins par cible. Sourcés — ou assumés comme hypothèses à valider.
04 · CLAUDE ÉCRIT
audience.md
Cible primaire chiffrée LU + cible secondaire + sources + limites.
Skill 03 · market-signals
Espace défendable ?
01 · CLAUDE LIT
audience.md + brief
La cible produite par audience-research, plus l'intuition CMO.
02 · CLAUDE CHERCHE
Web · 18 derniers mois
Concurrence directe (Heineken 0.0, Erdinger Alkoholfrei, brasseurs LU/BE).
03 · CLAUDE MAPPE
Tendances + espace
Catégorie 0,0 % en croissance ? Quelle posture reste libre ?
04 · CLAUDE ÉCRIT
market-signals.md
Concurrents, tendances récentes, espace défendable.
Ce que nous avons produit
Deux fichiers dans le knowledge-base/
Audience clarifiée, marché cadré. Deux fichiers sourcés pour préparer le vote.
maintenant
audience.md
Premier fichier.
maintenant
market-signals.md
Deuxième fichier.
suivant
positioning.md
à venir
suivant
content-rules.md
à venir
plus tard
segments.md
à venir
À suivre
Arbitrer
Transformons la recherche en choix collectifs, six tensions à décider ensemble avec Claude.
TERMINÉ
Recherche
Deux fichiers sourcés prêts pour le vote.
MAINTENANT
Positionnement
Six tensions à arbitrer · vote salle.
APRÈS
Assets + landing
Figma Weave + Claude Design.
5 · Positionnement · 25 min · David + vote salle
Positionner,
c'est choisir
Six tensions à trancher par vote salle. Deux fichiers de marque en sortie.
Skills utilisés dans la démo
Huit skills, une mémoire
Chaque skill lit le contexte disponible, produit une sortie nommée, puis nourrit l'étape suivante.
01
knowledge-base
initialise la mémoire projetfait
02
audience-research
cible, motivations, freinsfait
03
market-signals
concurrence, tendances, espacefait
04
tensions
axes à votermaintenant
05
positioning
promesse + règles de contenumaintenant
06
visual-prompts
prompts visuels pour générationà venir
07
rfm-segmentation
audiences activablesà venir
08
newsletter-writer
contenus newsletterà venir
Avant le vote
Les tensions sortent du skill
On ne les connaît pas à l'avance : tensions lit la recherche, le brief et les verbatims, puis écrit la fiche de vote.
Axe 01
pôle A
pôle B
Axe 02
pôle A
pôle B
Axe 03
pôle A
pôle B
Axe 04
pôle A
pôle B
Axe 05
pôle A
pôle B
Axe 06
pôle A
pôle B
Skill 04 · tensions
Préparer la fiche de vote
01 · CLAUDE LIT
Recherche + brief
audience.md + market-signals.md + brief CMO produisent la matière à arbitrer.
02 · CLAUDE IDENTIFIE
6 axes utiles
Pas plus, pas moins. Chaque axe change le ton, les assets, la landing ou la newsletter.
03 · CLAUDE SOURCE
Voix client par pôle
1 à 2 verbatims par pôle, tels quels. Le vote s'appuie sur du langage client réel.
04 · CLAUDE ÉCRIT
tensions.md
Fiche de travail : 6 tensions prêtes à voter + voix client. Aucune décision dedans.
Le vote
Un arbitrage, pas un consensus
Axe 01
pôle A
depuis tensions.md
↔
Axe 01
pôle B
depuis tensions.md
Format
Vote main levée, 1 à 2 minutes par tension.
Geste
On défend un pôle dominant, pas un compromis tiède.
Trace
Six décisions saisies dans l'app de vote Cowork, puis exportées dans votes.md.
Skill 05 · positioning
Du vote au positionnement
01 · CLAUDE LIT
tensions.md + votes.md
Les 6 axes, les 6 décisions saisies + audience + market-signals + brief.
02 · CLAUDE FORMULE
Promesse + cible
Promesse en 15 mots max. Cible primaire. Revendiqué. Lâché.
03 · CLAUDE EXTRAIT
Vocabulaire natif
Mots récurrents (≥ 3 occurrences) des 300 verbatims qui matchent le positionnement.
04 · CLAUDE ÉCRIT
positioning.md + content-rules.md
Deux fichiers en une exécution. Vocabulaire sourcé par citations courtes.
Ce que nous avons produit
Quatre fichiers finaux + deux fichiers de travail
Promesse arbitrée, ton de marque défini. Les axes et votes restent traçables.
acquis
audience.md
Recherche.
acquis
market-signals.md
Recherche.
travail
tensions.md
Axes.
travail
votes.md
Décisions.
maintenant
positioning.md
Promesse + cible.
maintenant
content-rules.md
Ton + vocabulaire.
plus tard
segments.md
à venir
À suivre
Produire
On passe de la mémoire à la production : packshots Figma Weave, puis landing Claude Design.
TERMINÉ
Positionnement
positioning.md + content-rules.md.
MAINTENANT
Assets + landing
Figma Weave (packshots) → Claude Design (landing).
APRÈS
Data + audiences
RFM → segments.md.
6 · Assets · 25 min · David (Mišo en appui)
Rendre le produit
visible
Packshots Figma Weave, landing Claude Design.
Le knowledge-base/ pilote la production.
Skills utilisés dans la démo
Huit skills, une mémoire
Chaque skill lit le contexte disponible, produit une sortie nommée, puis nourrit l'étape suivante.
01
knowledge-base
initialise la mémoire projetfait
02
audience-research
cible, motivations, freinsfait
03
market-signals
concurrence, tendances, espacefait
04
tensions
axes à voterfait
05
positioning
promesse + règles de contenufait
06
visual-prompts
prompts visuels pour générationmaintenant
07
rfm-segmentation
audiences activablesà venir
08
newsletter-writer
contenus newsletterà venir
Avant de générer
Inputs cadrés
Deux sources d'entrée pour les workflows : les assets corporate et la mémoire de marque.
Identité + ambiance
Déjà dans assets/
Logo + sigle Halba — identité graphique fixée.
Photos d'ambiance brasserie — monde visuel concret.
Photos d'ambiance brasserie — monde visuel concret.
Guidelines marque
Palette + typographies — charte couleur et fontes.
Contraintes — règles d'usage, exclusions visuelles.
Contraintes — règles d'usage, exclusions visuelles.
Deux dossiers à l'œuvre
sources/
├──brief-halba.md
├──data-verbatims-300.csv
├──data-transactions.csv
└──data-client-attributes.csv
knowledge-base/
├──audience.md
├──market-signals.md
├──tensions.md
├──votes.md
├──positioning.md
├──content-rules.md
└──segments.md
Workflow 01 · Figma Weave
Packshot canette, packshot bouteille
01 · FIGMA CHARGE
Assets corporate
Logo Halba en image input, photos d'ambiance comme référence visuelle.
02 · FIGMA PARAMÈTRE
CSV de variables
Itérateur Weave : scène, lieu, lumière. Une ligne par visuel à générer.
03 · FIGMA GÉNÈRE
Batch packshots
Le packshot direct (canette + bouteille) et les variantes en situation, en une exécution.
04 · FIGMA SORT
Visuels produit
Packshot studio + mises en situation. Prêts à être consommés par Claude Design.
Workflow 02 · Claude Design
Du knowledge-base/ à la landing
01 · CLAUDE LIT
Knowledge Base + packshots
positioning.md, content-rules.md et les visuels Figma Weave en input combiné.
02 · CLAUDE RÉGÉNÈRE
design.md
Système visuel cohérent avec la marque : palette, typo, hiérarchie, composants.
03 · CLAUDE ASSEMBLE
Hero · USP · Preuves · CTA
Sections de landing dérivées des règles de contenu et de la promesse.
04 · CLAUDE SORT
Landing
Artifact HTML manipulable en direct dans Cowork. Éditable, partageable.
Ce que nous avons produit
Produit rendu visible
Canette et bouteille : deux packshots sortis de la mémoire. La landing arrive juste après.
À suivre
Cibler
On passe des assets aux audiences : la base e-shop dit qui activer en priorité.
TERMINÉ
Assets + landing
Packshots Figma Weave + landing Claude Design.
MAINTENANT
Data + audiences
Segmentation RFM · deux audiences activables.
APRÈS
Activation newsletter
Claude Design + envoi via Brevo.
7 · Data · 25 min · David
La data, pour décider
Une base e-shop. Deux audiences activables. Un fichier segments.md.
La data sert à choisir qui activer, pas à faire une étude lourde.
Skills utilisés dans la démo
Huit skills, une mémoire
Chaque skill lit le contexte disponible, produit une sortie nommée, puis nourrit l'étape suivante.
01
knowledge-base
initialise la mémoire projetfait
02
audience-research
cible, motivations, freinsfait
03
market-signals
concurrence, tendances, espacefait
04
tensions
axes à voterfait
05
positioning
promesse + règles de contenufait
06
visual-prompts
prompts visuels pour générationfait
07
rfm-segmentation
audiences activablesmaintenant
08
newsletter-writer
contenus newsletterà venir
Étape 01 · Lire la base
Tableur d'abord
Avant le RFM : trois chiffres, deux CSV, une question simple.
Clients
420
uniques dans la base e-shop.
Achats
2 676
sur la période historique.
CA historique
94 364 €
depuis l'ouverture de la boutique.
Déjà dans sources/
data-transactions.csv — qui · quand · combien · canal.
data-client-attributes.csv — âge · opt-in.
data-client-attributes.csv — âge · opt-in.
Étape 02 · Décider
RFM — trois scores pour prioriser
01 · R
Récence
Jours depuis le dernier achat
Plus le dernier achat est récent, plus le client est proche de l'activation. Score 1 = ancien, 5 = récent.
02 · F
Fréquence
Nombre d'achats sur la période
Un client qui revient souvent. Score 1 = achat isolé, 5 = fréquence élevée.
03 · M
Montant
Somme dépensée en EUR
La valeur d'achat cumulée. Score 1 → 5. Pas de seuil magique — des quintiles, ça suffit.
Les trois scores deviennent
5·5·5
Un score par client. Un segment par client.
Étape 02bis · Comment on score
Cinq tranches égales
On range les 420 clients par récence, on découpe en 5 tranches de 84 clients. Score 5 : les plus récents. Score 1 : les plus anciens. Même logique pour la fréquence et le montant.
Du combo de scores au segment
Combo R·F·M
Segment
Décision Halba
5·5·5 · 5·5·4
Champions
Audience 01 — Premium
4·5·5 · 4·4·5
Loyaux
Audience 01 — Premium
2·4·4 · 1·4·4
Potentiel récupération
Audience 02 — Test coupon
4·3·3 · 3·4·3
Actifs intermédiaires
Réserve
1·1·1 · 1·2·1
Perdus
Réserve
Étape 03 · Résultat
Trois lignes seulement
On pourrait afficher 7 segments. On n'en retient que 3 — dont 2 activables.
SegmentTailleUsage
Champions actifs
90
Audience 01 — lancement direct premium
Potentiel récupération
93
Audience 02 — test coupon 50/50
Autres segments
237
Réserve, non activée maintenant
68 %
du CA porté par le top 30 % des clients
Repère Pareto · pas un cours data
Étape 04 · Activer
Deux audiences. Une activation
Audience 01 · Champions
90
personnes
Lancement direct premium. Sans remise. Message : plaisir social après l'effort.
vs
Audience 02 · Potentiel
93
personnes
Test pack découverte. Coupon vs contrôle. Mesure simple.
Ce que nous avons produit
Cinquième fichier final dans le knowledge-base/
Audience comprise, positionnement arbitré, ton de marque, deux segments activables. La newsletter peut s'écrire — avec le bon angle.
acquis
audience.md
✓ écrit en live
acquis
market-signals.md
✓ écrit en live
acquis
positioning.md
✓ écrit en live
acquis
content-rules.md
✓ écrit en live
maintenant
segments.md
Cinquième fichier final.
À suivre
Activer
Le fichier segments.md est écrit.
Newsletter test, MCP Brevo, envoi aux participants.
TERMINÉ
Data · segments.md
2 audiences activables prêtes.
MAINTENANT
Newsletter
Génération + envoi en direct aux participants.
APRÈS
Activation à l'échelle
Automation MCP + planification — Mišo.
8 · Activation · 15 min · David
Activer,
c'est envoyer
Newsletter générée par Claude Design. Envoi préparé par Claude Code via Brevo. Confirmation orale avant le send().
Skills utilisés dans la démo
Huit skills, une mémoire
Chaque skill lit le contexte disponible, produit une sortie nommée, puis nourrit l'étape suivante.
01
knowledge-base
initialise la mémoire projetfait
02
audience-research
cible, motivations, freinsfait
03
market-signals
concurrence, tendances, espacefait
04
tensions
axes à voterfait
05
positioning
promesse + règles de contenufait
06
visual-prompts
prompts visuels pour générationfait
07
rfm-segmentation
audiences activablesfait
08
newsletter-writer
contenus newslettermaintenant
Retour cold open
Même demande, deux versions
On ferme la boucle du début : la version générique du cold open, puis la version avec la mémoire construite ensemble.
01 · V1
Sans mémoire
La newsletter du cold open : correcte en surface, mais générique et peu défendable.
02 · V2
Avec mémoire
Même demande, mais nourrie par le knowledge-base/, les assets, le positionnement et les règles.
03 · ENVOI
Version mémoire
On garde la V2, on l'adapte en test participants, puis on prépare l'envoi Brevo.
Retour cold open
Même demande, deux versions
On ferme la boucle du début : la version générique du cold open, puis la version avec la mémoire construite ensemble.
01 · Avant
sans mémoire de marque
Voir en taille réelle
→
02 · Après
avec le knowledge-base Halba
Voir en taille réelle
→
Workflow 01 · Claude Design
Du knowledge-base/ à l'email test
01 · CLAUDE LIT
Knowledge Base + assets
positioning, content-rules, packshots et landing produits précédemment.
02 · CLAUDE COMPARE
V1 vs V2
On montre l'écart : même brief, mais précision, ton et preuves changent avec la mémoire.
03 · CLAUDE ADAPTE
Version participants
On garde la V2 et on l'adapte au contexte workshop avant export HTML.
04 · CLAUDE SORT
Email HTML
Artifact manipulable. Prêt à être consommé par Claude Code pour l'envoi.
Workflow 02 · Claude Code + Brevo
Préparer, confirmer, envoyer
01 · CLAUDE SE BRANCHE
MCP Brevo
Le connecteur MCP est configuré côté Claude App. Claude Code s'appuie ensuite sur cette connexion pour préparer l'envoi Brevo.
02 · CLAUDE IMPORTE
Liste participants
Claude Code affiche la cible Brevo : la liste des participants au workshop.
03 · CLAUDE PROPOSE
Récap avant envoi
Aperçu newsletter, audience cible, canal. Tout est visible avant la moindre action irréversible.
04 · CLAUDE CONFIRME · ENVOIE
Validation → send()
Subject, expéditeur et liste sont visibles avant exécution.
Acte 2 terminé
Prêt à envoyer
Cinq fichiers finaux dans knowledge-base/, plus les traces de vote, deux packshots, une landing et une newsletter prête à envoyer après validation. Le cycle est bouclé.
ACTE 2 · TERMINÉ
Cycle complet
Recherche → positionnement → assets → data → activation.
PAUSE · 10 MIN
Respiration
Café, laptops, et on revient pour l'Acte 3.
ACTE 3 · APRÈS
Tenir l'échelle
Automation, gouvernance, kit (Mišo).
Acte 3 sur 3
Tenir.
Connecter, gouverner,
emporter
Les briques sont activées. Reste à les chaîner sans perdre le contrôle, et à repartir avec un kit qui tourne.
Trucs & astuces
Organiser son travail
avec Claude Cowork
Vous venez de faire tourner Claude en conditions réelles. Avant d'aller plus loin : douze réflexes pour garder un espace de travail net, rapide et durable.
Trucs & astuces · 1 / 3
Structurer son espace de travail
Un rangement clair et transportable, pensé pour un service marketing et communication.
01
Les projets sont des dossiers
Un projet par chantier : Newsletter, Réseaux sociaux, Présentations clients, Veille. Chaque tâche et chaque livrable se range au bon endroit, tout seul.
02
Le fichier claude.md, votre charte
Vos instructions vont dans un fichier claude.md, pas dans le projet : ton de voix, charte éditoriale, formats récurrents. Bonus : c'est portable vers n'importe quel autre outil demain.
03
Plusieurs dossiers à la fois
Donnez accès au dossier Veille ET au dossier Présentations pour transformer une veille en deck, sans exposer le reste de vos fichiers.
04
Un dossier par défaut
Définissez le dossier Marketing comme point de départ de chaque nouvelle tâche. Un clic gagné, à chaque fois.
Trucs & astuces · 2 / 3
Produire plus vite, dépenser moins
Les bons réflexes pour gagner du temps et préserver vos limites d'usage.
05
Dictée vocale (Cmd + D)
Brain dump vocal de vos idées de campagne : Cowork les transforme en plan d'action ou en calendrier éditorial structuré.
06
Planifier en heures creuses
Programmez le rapport de performance ou le récap de veille tôt le matin. Travail livré au réveil, limites d'usage économisées.
07
Les connecteurs, un poste de commande
Reliez Gmail, Agenda, Drive et vos outils marketing pour tout piloter sans sauter d'une application à l'autre.
08
Claude Design pour les visuels
Carrousels LinkedIn, landing pages, visuels : créez-les dans Claude Design, dont les limites d'usage sont séparées de Cowork.
09
Dispatch, à connaître
L'accès mobile dépanne pour une tâche simple, mais il exige un PC allumé et Cowork ouvert. À utiliser avec modération.
Trucs & astuces · 3 / 3
Industrialiser et rester au propre
Capitaliser sur ce qui se répète, garder un environnement performant dans la durée.
10
Multiplier les skills
Enregistrez vos prompts récurrents une fois pour toutes : skill Post LinkedIn, skill Newsletter, skill Charte de marque. Plus efficace que de longues consignes répétées.
11
Visualiser avec Obsidian
Un outil gratuit pour parcourir d'un coup d'œil tous les contenus produits : textes, decks, visuels, bien rangés dans vos dossiers.
12
Le ménage mensuel
Une fois par mois, désactivez skills et connecteurs inutilisés. Trop d'éléments actifs dégradent la qualité et consomment plus vite.
À retenir
Rangez clairement, écrivez vos règles une fois, automatisez ce qui revient, nettoyez régulièrement. Votre service marketing gagne en vitesse sans perdre le contrôle.
Pour aller plus loin
Connecter &
automatiser
Jusqu'ici, on a activé les briques une par une, pour comprendre. Maintenant : comment elles se chaînent, et tournent sans nous en première ligne.
Le cap
Quatre pièces font la chaîne
Des briques séparées à un workflow qui tourne presque seul. Voici la carte ; on détaille chaque pièce juste après.
01 · Connecter
MCP
La prise standardisée. L'IA se branche à vos outils.
→
02 · Déclencher
Scheduled tasks
La routine. Le workflow part tout seul, à heure fixe.
→
03 · Répartir
Sub-agents
L'orchestration. Plusieurs agents travaillent en parallèle.
→
04 · Piloter
Dispatch
La télécommande. Vous lancez et suivez à distance.
La trajectoire du marché, ce sont des workflows connectés qui orchestrent ces briques avec supervision humaine. Pas une démo : un cap.
Connecter
MCP, la prise standardisée
MCP · une prise unique entre l'IA et vos outils
Voyez-le comme l'USB-C de l'IA : une prise unique entre le modèle et le reste du monde. Le plus frappant ? La vitesse à laquelle c'est devenu un standard.
Nov. 2024Anthropic publie MCP, un protocole ouvert.
Déc. 2025Anthropic le donne à la Linux Foundation, avec Block et OpenAI.
Aujourd'huiAdopté par OpenAI, Google et Microsoft.
Un fournisseur qui cède sa techno à un organisme neutre, et ses concurrents qui l'adoptent : ce n'est plus un produit, c'est une infrastructure.
Connecter
Votre stack devient conversable
Les outils marketing exposent leur propre serveur MCP. L'IA y lit, et parfois y écrit, en langage naturel.
CRM · Marketing
HubSpot
Serveur MCP officiel. Contacts, deals, workflows lus et mis à jour en langage naturel.
Email · SMS
Brevo
Serveur MCP officiel. Segments, flux, performance d'envoi exposés au modèle.
Web · Analytics
Google Analytics 4
Serveur MCP officiel. Audiences et rapports interrogeables.
lecture seule · expérimental
Passerelle
Zapier
30 000+ actions exposées. Le pont vers les outils qui n'ont pas encore de serveur propre.
Le réflexe qui disparaît
Exporter un CSV du CRM, le coller dans ChatGPT, recopier la réponse dans l'outil d'emailing. Avec MCP, l'IA lit et écrit directement dans la stack. Finie la navette entre les onglets.
À garder en tête : écosystème jeune (2025-2026), souvent en lecture seule. La direction est prise, le tapis n'est pas encore déroulé.
Automatiser
Scheduled tasks, la routine qui tourne seule
Source · Anthropic — créer une routine
On décrit la tâche une fois. Claude l'exécute tout seul, à intervalle régulier : chaque lundi 9 h, chaque fin de mois. En sortie, un livrable fini. Mise en place : on tape /schedule, aucune ligne de code.
La veille concurrentielle du lundi matin. Claude parcourt les concurrents, croise vos analytics, et dépose un brief formaté avant le standup. Le marketeur ne construit plus le rapport, il le relit.
À savoir : sur desktop, la routine tourne quand l'ordinateur est allumé. Pour du 24/7, une machine dédiée ou la version cloud.
Automatiser
Sub-agents, plusieurs IA en parallèle
Source · Anthropic — un agent principal délègue, puis assemble
Pour une tâche complexe, Claude lance plusieurs sous-agents en parallèle, chacun avec son contexte et ses outils. Dans Cowork, c'est automatique.
- Agent 1Concurrents — analyse trois concurrents et leurs angles.
- Agent 2Positionnement — rédige la proposition de valeur.
- Agent 3Conformité — vérifie les claims contre la charte.
- Agent 4Assemblage — compile le plan d'un deck à relire.
Quelques minutes, là où une personne enchaînerait l'après-midi.
Automatiser
Dispatch, la télécommande de votre poste
Source · Anthropic — Dispatch
Vous envoyez une instruction depuis l'app mobile Claude. Votre session Cowork sur l'ordinateur la reçoit, l'exécute, et vous renvoie le résultat. Appairage par QR code.
En rendez-vous client, depuis votre téléphone : « Sors le deck Q2, résume les trois slides les plus faibles, propose une accroche. » Le travail est fait quand vous sortez de la salle.
Dispatch n'est pas un agent dans le cloud : l'agent tourne sur votre machine, qui doit rester allumée.
Synthèse
Autonome en première ligne.
Humain en dernière ligne.
Déclenche
Scheduled task
Lundi 9 h, le workflow part sans personne.
→
Exécutent
Sub-agents
Le travail se répartit et avance en parallèle.
→
Pilote
Dispatch
Vous suivez et ajustez depuis le mobile.
→
Décide
Vous
Éditer, corriger, valider. La décision reste humaine.
Votre rôle se déplace : de producteur à éditeur et décideur. Plus le workflow gagne en puissance, plus la dernière ligne, la validation humaine, devient le vrai sujet.
20 min
Gouvernance
Conclure par le contrôle, pas par la peur. Plus les workflows deviennent puissants, plus les garde-fous comptent. Pas un cours de droit, des repères pratiques pour marcom.
Le cap
Plus de puissance, plus de garde-fous
Un workflow qui lit et écrit dans votre CRM, envoie des emails, publie des pages, sans humain en première ligne : c'est puissant. C'est aussi un risque sur trois fronts.
01
Opérationnel
Une IA qui écrit dans vos outils peut se tromper à grande échelle, vite. La marge d'erreur n'est plus une conversation isolée.
02
Juridique
L'AI Act entre en application. La transparence sur les contenus IA devient une obligation, pas une option.
03
Réputationnel
Un contenu IA non signalé, une donnée client mal traitée : la confiance, elle, ne se répare pas d'un correctif.
Le bon angle
La gouvernance, ce n'est pas freiner. C'est ce qui rend le passage à l'échelle défendable. Une couche de maturité, pas une couche de peur.
AI Act · Règlement (UE) 2024/1689
L'AI Act classe le risque, pas l'outil
- InacceptableInterdit
- Haut risqueEncadré
- Risque limitéVos usages
- Risque minimalLibre
Inacceptable
Interdit, sans condition
Les usages que l'AI Act bannit purement et simplement : notation sociale des individus, manipulation comportementale cachée, exploitation de personnes vulnérables.
Pour le marketing : aucun usage courant n'est concerné.
Haut risque
Autorisé, sous obligations lourdes
L'IA dans le recrutement, le crédit, la biométrie, les infrastructures critiques. Autorisée, mais sous gestion des risques, documentation et supervision humaine.
Pour le marketing : le quotidien d'un service RH ou d'une banque, pas le vôtre.
Risque limité
Autorisé · transparence obligatoire
Chatbots, contenus générés par IA, deepfakes. ChatGPT, Claude, Midjourney, génération vidéo, voix de synthèse. Autorisés à une condition : informer l'utilisateur.
Pour le marketing : c'est ici que vit la quasi-totalité de vos usages. L'obligation, c'est l'Article 50.
Risque minimal
Aucune obligation spécifique
La très grande majorité des systèmes d'IA : filtres anti-spam, correcteurs orthographiques, recommandations produit, jeux.
Pour le marketing : l'IA invisible du quotidien. Rien à déclarer.
AI Act
Article 50 : dire que c'est de l'IA
L'esprit du texte : éviter la tromperie. L'utilisateur a le droit de savoir. Trois obligations concrètes.
01
Contenus générés ou manipulés
Images, audio, vidéo, deepfakes : vous divulguez que le contenu est artificiel. L'outil, lui, le marque en format lisible par machine.
02
Texte d'intérêt public
Un texte publié pour informer le public sur un sujet d'intérêt général doit être signalé comme généré ou manipulé par IA.
03
Chatbots
Une IA conversationnelle doit dire à l'utilisateur qu'il parle à une IA, dès la première interaction.
Ce qui déclenche l'obligation
Produire et publier du contenu IA destiné au public. La divulgation doit être claire et perceptible, au plus tard à la première exposition.
AI Act
Le calendrier : ce qui s'applique déjà
- Fév. 2025Interdictions
- Août 2025Modèles GPAI
- Août 2026Transparence
- 2027-2028Haut risque
2 fév. 2025
Pratiques interdites + littératie IA.
Les usages jugés inacceptables sont bannis. Et l'obligation de former vos équipes à l'IA, l'Article 4, s'applique.
Déjà en vigueur. La littératie IA vous concerne directement : toute personne qui utilise l'IA doit être formée, à un niveau adapté à son rôle.
2 août 2025
Modèles à usage général (GPAI).
Les obligations des fournisseurs de grands modèles, Claude, GPT, Gemini, entrent en application.
Déjà en vigueur. Côté utilisateur, rien à faire : c'est l'affaire des fournisseurs de modèles. Mais cela vous garantit des outils documentés.
2 août 2026
Transparence, l'Article 50.
Divulgation des contenus générés par IA et des chatbots. C'est l'obligation qui vous concerne, vous, marcom.
Imminent. Amendes jusqu'à 15 M€ ou 3 % du chiffre d'affaires mondial. C'est tout l'objet des deux prochaines slides.
2027-2028
Systèmes à haut risque.
Recrutement, crédit, biométrie : un encadrement lourd. Échéance reportée par le « Digital Omnibus ».
Hors du périmètre marcom courant. À connaître si un jour vos workflows touchent au scoring de candidats ou de clients.
En pratique
Signaler, oui. Mais la validation humaine change tout
Article 50, version terrain.
Le contenu IA destiné au public se signale.
ImageUn visuel de campagne généré par IA
AudioUne voix de synthèse en publicité
VidéoUne vidéo retouchée, un deepfake
ChatbotUne IA conversationnelle, dès le premier message
Sauf un texte vraiment relu.
Pour un texte, aucune mention obligatoire à une seule condition : une revue éditoriale de fond, par une personne identifiée qui en assume la responsabilité.
« Relu » ne veut pas dire « passé au correcteur ». Une relecture cosmétique ne compte pas : il faut un vrai regard éditorial, et un nom dessus. C'est ça qui ouvre l'exception légale.
Garde-fous
Trois pièges, trois réflexes
Au-delà du droit, trois erreurs de réglage qu'on voit vraiment. Aucune n'est dramatique : chacune se corrige en un geste.
Piège 01L'accès à vos outils
Ce qui arrive
Vous branchez l'IA à votre outil d'emailing en écriture pour « préparer » la newsletter. Une routine se déclenche et, au lieu d'un brouillon, elle l'envoie à toute la base.
Le réflexe
Lecture seule par défaut : une IA qui lit analyse, une IA qui écrit agit. On ouvre l'écriture geste par geste. Et comme elle hérite de vos accès, on lui donne le périmètre d'une tâche, pas les clés d'admin.
Piège 02La donnée client
Ce qui arrive
Pour faire analyser vos 300 verbatims, vous les copiez tels quels dans un outil : noms, emails et réclamations nominatives quittent votre périmètre.
Le réflexe
D'abord le contrat : en version entreprise, un LLM ne s'entraîne pas sur vos données et le garantit par contrat. C'est ça, la vraie protection. Ensuite : pour analyser des thèmes, les noms ne servent à rien. On les retire en amont, avec un outil dédié, jamais avec l'IA elle-même.
Piège 03La responsabilité finale
Ce qui arrive
Une campagne part avec une allégation de trop. Un couac. Le client appelle, et la question tombe : qui a validé ?
Le réflexe
Tout ce qui sort de l'entreprise engage une personne, jamais l'IA. « C'est l'IA qui s'est trompée » n'est pas une défense. Donc : une validation humaine avant publication, et une trace de qui a signé.
Trois réglages, pas trois raisons d'avoir peur. Gouverner, c'est garder la main
Le livrable
La checklist gouvernance
✓
Usages IA cartographiés
Chaque usage rattaché à son niveau de risque AI Act.
✓
Convention de divulgation
Mention « contenu IA » définie pour visuels, vidéos, chatbots.
✓
Validation humaine documentée
Une revue de fond, par une personne identifiée, avant publication.
✓
Traçabilité des contenus IA
Outil, date, validateur consignés et archivés.
✓
Accès des connecteurs au minimum
Lecture seule par défaut ; écriture sur décision explicite.
✓
Confidentialité vérifiée
On sait quelles données sortent du périmètre, et pour quoi.
✓
Équipes formées à la littératie IA
Obligation Article 4, déjà en vigueur depuis février 2025.
✓
Outils audités
Marquage des sorties + documentation de conformité fournie.
→ Cette checklist s'écrit dans knowledge-base/governance.md. Elle part avec vous dans le kit.
Synthèse
La gouvernance n'est pas un frein.
C'est le permis de passer à l'échelle.
Connecter, automatiser, gouverner : un workflow marketing augmenté tient quand la dernière ligne, l'humain qui valide, reste claire. Il vous reste à repartir avec de quoi le reproduire.
Maintenant : le kit. Skills, canvas de mémoire produit, checklist gouvernance, cas Halba complet
30.06.2026
Marketing &
Communication
Communication
Mesurer, optimiser et piloter
vos actions de marketing digital
à partir des bons indicateurs
vos actions de marketing digital
à partir des bons indicateurs
Antoine Cordier
Head of Digital Marketing,
e-connect
e-connect
Clémence Perrot
Responsable Marketing
Digital, Cocottes & Co
Digital, Cocottes & Co