Ça arrive régulièrement et c’est souvent le même schéma qui se répète. Si mes clients recherchent mes services, c’est pas qu’ils n’utilisent pas les outils IA, ils viennent chercher de la stratégie, de créativité, de la cohérence.
(Cet article n’est pas sponsorisé par la mafia des chats)
Une marque arrive chez GrandMur après avoir passé trois semaines, parfois deux mois, à essayer de produire son contenu IA en interne. Elle arrive avec un dossier de 200 visuels, une équipe épuisée, et une question qui ressemble toujours à la même chose : « Pourquoi rien ne se ressemble ?«
Ce n’est pas un texte théorique sur les limites de l’IA. C’est la reconstitution honnête de ce qui se passe concrètement, dans l’ordre où ça se passe, quand une équipe marketing décide de se lancer seule à produire ses contenus avec l’IA générative.
Semaine 1 : l’euphorie des premiers résultats
Ça commence toujours pareil. Quelqu’un dans l’équipe, souvent la personne la plus à l’aise avec les outils, qui génère ses dix premiers visuels avec un outil populaire et facile à utiliser type Nano Banana 2 ou GPT 2.0. Les résultats sont bluffants. Le rendu est propre, professionnel, parfois même meilleur que ce que l’équipe imaginait.
Le réflexe immédiat : « On n’a plus besoin de payer un studio. On a trouvé la solution ! »
À ce stade, l’euphorie pure, personne n’a encore essayé de reproduire ce résultat dix fois de suite avec la même cohérence ou adapté à des contraintes d’un projet réel. C’est là que tout commence à se fissurer.
Semaine 2 : la dérive invisible
Le deuxième visuel ressemble au premier. Le cinquième commence à diverger légèrement, une teinte plus chaude, une composition différente. Le dixième n’a plus rien à voir avec le premier, sans que personne n’ait vraiment changé le prompt de façon volontaire.
C’est le problème que je vois revenir systématiquement : l’IA générative n’a pas de mémoire de marque. Et quand bien même, son caractère imprévisible déformera toujours un style de marque précis. Chaque génération repart d’une feuille blanche, même quand le prompt semble identique. Une marque qui n’a pas de garde-fou visuel, palette verrouillée, composition type, traitement lumière constant, voit sa cohérence se déliter génération après génération, sans s’en rendre compte en temps réel.
Le symptôme typique que les équipes me décrivent : « On dirait que chaque visuel vient d’une marque différente. » C’est exactement ça. Sans direction artistique pour fixer le cap, l’IA explore. Et une marque qui explore en permanence n’a plus d’identité. C’est d’ailleurs l’une des 5 erreurs les plus fréquentes quand on débute en création IA générative.
Semaine 3 : la spirale des prompts qui dérivent
Pour corriger la dérive, le réflexe naturel est d’ajuster le prompt. Ajouter des mots-clés, préciser le style, multiplier les références. C’est exactement là que ça devient incontrôlable.
J’ai vu des documents internes avec des prompts de plus de 300 mots, accumulés au fil des corrections, où personne ne sait plus quelle phrase sert encore à quoi. Retirer un mot fait s’effondrer tout l’équilibre trouvé par hasard deux jours plus tôt. Le prompt devient une boîte noire que plus personne ne maîtrise vraiment, y compris la personne qui l’a écrit.
C’est le paradoxe que peu d’équipes anticipent : plus on essaie de contrôler l’IA avec des mots, moins on la contrôle réellement. Le prompt engineering n’est pas une question de vocabulaire. C’est une question de méthode, et la méthode, ça ne s’improvise pas en testant au hasard pendant deux réunions. J’ai détaillé pourquoi dans mon article sur l’IA générative et la direction artistique : pourquoi la culture photo et vidéo fait toute la différence.
Semaine 4 : le vrai coût apparaît
C’est le moment où la personne en charge du projet commence à compter ses heures. Pas pour le reporting, pour elle-même, en se demandant où est passé son mois.
Le calcul que je vois revenir presque à l’identique chaque fois : génération de centaines de visuels pour n’en retenir qu’une poignée d’exploitables, recommencement quasi complet pour chaque nouveau format (post carré, story, bannière web), et un temps de tri qui dépasse largement le temps de génération lui-même.
Le mythe de « l’IA qui va dix fois plus vite » se fracasse à une réalité plus nuancée : l’IA génère vite, mais elle ne décide rien. Trier, sélectionner, garantir la cohérence, adapter à chaque format, tout ce travail-là reste entièrement humain, et c’est précisément le travail le plus long.
Ce que ça révèle, en réalité
Ce n’est pas un problème d’outil. Liquid Death, McDo Pays-Bas, Duolingo n’utilisent pas un Midjourney différent du vôtre. Ce qui change, c’est qu’il y a toujours une direction artistique qui pose un cadre avant que l’IA ne génère quoi que ce soit : palette verrouillée, composition pensée à l’avance, garde-fous de marque définis en amont, pas corrigés après coup.
C’est exactement ce qui manque dans la quasi-totalité des tentatives en autonomie que je vois passer.
Pas une mauvaise volonté. Pas un manque de compétence technique. Un manque de cadre créatif posé avant la première génération, et de méthode pour le tenir dans la durée.
Et il y a un autre angle que peu d’équipes anticipent avant de se lancer : les questions juridiques. Qui détient les droits sur un visuel généré par IA ? Est-ce que votre marque est protégée si un concurrent génère quelque chose de similaire ? J’ai traité ce sujet en détail dans mon article sur le droit d’auteur et l’IA générative en 2026, une lecture indispensable avant de lancer une production à grande échelle.
Ce qu’il faut vraiment pour que ça marche
Quand je cadre un projet de brand content IA chez GrandMur, il y a trois compétences qui ne sont pas négociable, et qu’aucun abonnement SaaS ne remplace.
La direction artistique d’abord. C’est elle qui définit ce que la marque est visuellement, avant même de toucher un outil. Couleurs, typographies, ambiances, compositions type : tout ça doit être décidé et documenté avant la première génération. Sans ça, vous ne pilotez pas l’IA, vous la subissez. C’est le cœur de ce qu’on construit dans notre studio IA générative.
La direction photo et la réalisation vidéo ensuite. L’IA génère, mais quelqu’un doit savoir quoi lui demander, et évaluer ce qu’elle produit avec un œil de réalisateur, qui connaît les subtilités de l’image, adapté à un format spécifique, et sait faire des ponts avec sa culture des marques et ses références artistiques. Un rendu techniquement propre n’est pas forcément un rendu juste pour une marque. Savoir faire la différence, ça s’apprend en années de production terrain, pas en trois semaines de prompt testing.
La maîtrise des process de production. Construire une bibliothèque de prompts validés, définir des règles de production écrites, organiser les livrables pour qu’une équipe entière produise de façon cohérente sur 6 mois, c’est un métier à part entière. C’est ce qui transforme un outil en système. Et c’est pour ça que se former à l’IA générative ne suffit pas : la formation donne les bases, le studio apporte le cadre et la rigueur de production de contenu à l’échelle.
Ce que ça donne quand c’est bien fait
La différence se voit à un endroit précis : la cohérence sur la durée.
Trois mois de production, vingt formats différents, quatre personnes qui ont touché au projet. Et pourtant, chaque visuel appartient clairement à la même marque. Ce n’est pas de la chance. C’est un brief IA construit en amont, un préprod solide et pas bâclée, une bibliothèque de prompts testés, des règles de production écrites, et un œil qui supervise chaque livrable.
C’est ça, le vrai travail. Pas plus compliqué, mais impossible à improviser sans connaissances techniques, créatives et sans le plus d’expériences sur le sujet possible.
En pratique
Si vous reconnaissez votre équipe dans ce que je viens de décrire, la question n’est pas « est-ce qu’on devrait externaliser ? »
La vraie question est : combien de temps et combien de contenu incohérent peut-on encore se permettre ?
→ Décrivez-moi votre projet, on en parle.
Suivez-moi sur LinkedIn : linkedin.com/in/quentinlesturgeon