Une marque qui produit encore son contenu comme en 2023 perd du terrain, mais une marque qui délègue tout à l'IA perd sa voix. Entre les deux, il y a une méthode. Elle passe par une base de connaissance solide, une architecture d'agents pensée sur papier avant d'être codée, et une ligne claire entre ce qui s'automatise et ce qui reste jugé par un humain.
C'est le sujet qui est revenu le plus souvent à VivaTech 2026 dans les sessions dédiées aux marques et au marketing : comment repenser la production de contenu sans perdre ce qui fait qu'une marque reste une marque. Deux questions structurent cet article. Comment reconstruire son content engine à l'échelle des agents IA ? Et comment décider, projet par projet, ce qu'on confie à l'IA et ce qu'on assume de garder humain, publiquement.
L'essentiel à retenir
- Une méthode présentée à VivaTech 2026 structure la refonte d'un content engine en 4 étapes : base de connaissance, système dessiné sur papier, plateforme agnostique du LLM, agents spécialisés coordonnés par un master agent.
- Le ROI est négatif les premiers mois. La vraie valeur arrive dans l'agilité retrouvée, pas dans la réduction immédiate de coûts.
- La content factory qui a couvert VivaTech 2026 en conditions réelles faisait tourner au moins 15 agents par format de contenu, avec des règles éditoriales encodées. Le goût créatif reste une décision humaine.
- L'Oréal a posé une ligne rouge nette : aucun visage, cheveu ou peau généré par IA pour prouver un bénéfice produit.
- Un content engine ne vaut que si la matière grise de la marque (positionnement, ICP, règles de marque) est structurée en amont. C'est le principe derrière Brand OS.
Comment repenser la production de contenu à l'échelle des agents IA ?
Réponse courte : on ne branche pas des agents IA sur un content engine existant, on le reconstruit. La méthode présentée à VivaTech 2026 par la fondatrice d'une société spécialisée dans la préparation des directions marketing à l'IA tient en 4 étapes : une base de connaissance unique, un système cible dessiné sur papier avant tout outil, une plateforme centralisée agnostique du LLM, puis des agents spécialisés coordonnés par un master agent.
La première étape est la plus négligée par les marques qui se précipitent sur les outils. Avant tout agent, il faut une base de connaissance qui contient le contexte de la marque et son ICP (profil client idéal). Sans cette base, un agent IA génère du contenu générique, quel que soit le modèle utilisé derrière. Le principe rejoint celui qui distingue une content factory d'une intelligence factory côté agences : Content Factory vs Intelligence Factory : pourquoi documenter son savoir change la course, qu'on produise pour une marque ou pour ses propres clients.
Vient ensuite le système cible, dessiné sur papier avant d'être codé. C'est une étape de discipline : on documente qui produit quoi, avec quelles règles, avant de choisir un outil. Puis une plateforme centralisée, choisie pour rester agnostique du LLM sous-jacent, permet de changer de modèle sans reconstruire tout le système.
Enfin, des agents spécialisés sont coordonnés par un master agent. Chez l'entreprise qui a présenté cette méthode, ce système fait tourner plus de 50 agents contenu et plus de 20 agents sales, pour 80 % de l'output produit.
Un ROI négatif au départ, assumé. La construction de la base de connaissance coûte du temps avant de rapporter quoi que ce soit. Le ROI est négatif les premiers mois. La valeur réelle apparaît ensuite, dans l'agilité : la capacité à produire vite, sur un nouveau format ou un nouveau marché, sans repartir de zéro.
Le vrai frein n'est pas technique. C'est l'inertie cognitive, le réflexe de continuer à raisonner comme en 2024, brief après brief, sans remettre en cause l'organisation de la production. Le risque n'est pas que l'agent remplace quelqu'un dans l'équipe. C'est que l'équipe qui refuse de repenser son système se retrouve distancée par celle qui l'a fait.
Le cas de la content factory de VivaTech : 15 agents par format, une règle éditoriale par agent
Une content factory IA a tourné directement sur VivaTech 2026, pour couvrir 400 sessions et 1 000 speakers. Sa conceptrice a détaillé le système lors de la session « From stage to scale » : au moins 15 agents mobilisés par format de contenu produit.
Ce qui distingue ce système d'un simple usage de ChatGPT, ce sont les règles éditoriales encodées directement dans les agents. La règle Halley supprime systématiquement chaque tiret cadratin. La règle Thomas force le contexte sur chaque entreprise citée, pour qu'un lecteur externe comprenne de qui on parle sans relire l'article précédent. Le fact-checking se fait par timestamp vidéo, pour vérifier qu'une citation attribuée à un intervenant correspond bien à ce qu'il a dit, au moment où il l'a dit.
Résultat concret : un talk qui se termine à 15h donne lieu à des citations publiées sur Slack en 30 minutes. La vitesse vient du système, pas d'un humain qui tape plus vite.
Mais sa conceptrice pose aussi la limite : « Claude doesn't know what is funny. » Le goût reste une décision humaine. Les agents produisent, vérifient, structurent. Ils ne décident pas ce qui est drôle, ce qui est juste, ce qui représente la marque. Le même arbitrage se joue côté agences sur les réseaux sociaux : IA en agence social media et influence : quoi automatiser, quoi garder humain détaille où tracer la ligne.
Quand utiliser l'IA, quand garder l'humain, et comment l'assumer publiquement ?
Réponse courte : la ligne se trace entre exécution et jugement. L'IA prend en charge la production à l'échelle, la vérification factuelle et la mise en forme. L'humain garde la main sur ce qui engage l'identité de la marque : le goût, l'arbitrage esthétique, et toute preuve visuelle d'un bénéfice produit.
Doctolib a formalisé cette frontière avec une distinction utile, présentée par Julie Touyarot : le CMO assisté, où un humain revoit chaque production avant publication, face au CMO natif, où des agents opèrent derrière une couche de sécurité, avec une supervision a posteriori plutôt qu'un contrôle systématique avant diffusion. Doctolib a construit un agent maison, Selim, dédié à l'analyse de campagnes par marché : un usage assisté, sur une tâche d'analyse, pas de création finale.
Cette distinction aide à répondre à la question qui bloque le plus de dircoms : jusqu'où pousser l'automatisation sans perdre le contrôle. La réponse n'est pas binaire. Elle dépend du niveau de risque de chaque type de contenu, pas d'une règle unique appliquée à toute la production.
La ligne rouge L'Oréal : pourquoi certains usages ne s'assument pas en silence
L'Oréal a posé une règle simple et publique, présentée par Asmita Dubey : aucun visage, cheveu ou peau généré par IA pour prouver un bénéfice produit. La raison est directe. Un avant-après généré artificiellement ne prouve rien sur l'efficacité réelle d'un produit, et une marque qui laisserait planer le doute prendrait un risque de confiance disproportionné par rapport au gain de production.
Cette ligne rouge illustre un principe plus large : certains usages de l'IA se déclarent, d'autres se cachent, et la différence entre les deux détermine si une marque garde la confiance de son audience. Assumer publiquement où l'IA intervient (production, traduction, mise en forme) et où elle n'intervient jamais (preuve produit, image de personnes réelles) devient un argument de marque, pas une contrainte réglementaire.
Meta résume la limite avec une formule nette, portée par Derya Matras : « AI can automate the creative, but not the creativity. » L'automatisation porte sur l'exécution répétable. La créativité, la décision de ce qui mérite d'être dit et comment, reste un jugement humain.
Du côté des modèles eux-mêmes, Thibault Sottiaux (OpenAI) pose un constat qui recoupe celui de la content factory de VivaTech : un code compile ou ne compile pas, on peut le mesurer. Mais écrire un grand discours est bien plus difficile à quantifier. Le goût reste un avantage humain durable, dans le contenu comme dans l'écriture.
Où mettre le curseur : tableau de synthèse
| Type de tâche | IA en autonomie | Humain en dernier mot |
|---|---|---|
| Déclinaison de contenu existant (formats, langues) | Oui | Vérification légère |
| Fact-checking et sourcing | Oui, avec vérification croisée | Validation sur les sujets sensibles |
| Structuration éditoriale (règles de style, cohérence) | Oui, encodée dans les agents | Mise à jour des règles |
| Preuve visuelle d'un bénéfice produit | Non | Toujours humain (image réelle) |
| Arbitrage du ton, de l'humour, du positionnement | Non | Toujours humain |
| Analyse de performance par marché | Assisté (type Selim chez Doctolib) | Décision finale |
Le fil rouge : un content engine ne vaut que si la matière grise de la marque est structurée
La méthode en 4 étapes commence par une base de connaissance. Le cas L'Oréal repose sur une règle de marque documentée et diffusée. La content factory de VivaTech repose sur des règles éditoriales codées noir sur blanc, agent par agent. Dans les trois cas, le point commun n'est pas l'outil. C'est la matière grise de la marque, rendue explicite et mobilisable, avant qu'un agent puisse s'en servir.
C'est le principe derrière Brand OS, l'offre Fleet Forward pour les marques : structurer le positionnement, les règles de marque et la connaissance client d'une entreprise pour qu'elle reste mobilisable par ses équipes et par ses agents IA, quel que soit l'outil utilisé demain. Une marque qui n'a jamais formalisé ce qui la définit ne peut pas déléguer sa production à l'IA sans risquer de perdre sa voix, quel que soit le nombre d'agents déployés.
FAQ
Faut-il tout automatiser dans son content engine dès qu'on adopte l'IA ? Non. Les cas présentés à VivaTech 2026 (dont Doctolib et L'Oréal) automatisent la production et la vérification, mais gardent une décision humaine sur le goût, l'arbitrage créatif et toute preuve visuelle d'un bénéfice produit.
Pourquoi le ROI d'un nouveau content engine IA est-il négatif au début ? Parce que la première étape, la construction de la base de connaissance de marque, demande du temps avant de produire quoi que ce soit. La valeur arrive ensuite, sous forme d'agilité de production, pas d'économie immédiate.
Qu'est-ce qu'un master agent dans un content engine ? C'est l'agent qui coordonne des agents spécialisés (rédaction, vérification, mise en forme) plutôt que de tout faire lui-même. La méthode en 4 étapes présentée à VivaTech 2026 en fait la dernière étape de son architecture, après la base de connaissance, le système cible et la plateforme agnostique du LLM.
Comment savoir si un usage de l'IA doit être assumé publiquement ou non ? Si l'usage sert à prouver un bénéfice produit ou représente une personne réelle, il s'assume ou ne se fait pas, comme le montre la ligne rouge posée par L'Oréal. Si l'usage sert à la production ou à la structuration éditoriale, il peut rester une décision opérationnelle interne.
Une agence indépendante peut-elle appliquer cette méthode pour ses clients marques ? Oui, la logique base de connaissance puis système puis agents s'applique à toute organisation qui produit du contenu pour une marque, agence comprise. Le prérequis reste le même : une matière grise de marque bien structurée en amont.
---
Un content engine qui tient dans la durée n'oppose pas l'IA et l'humain. Il les organise : l'IA pour l'échelle et la vérification, l'humain pour le goût et la décision qui engage la marque. Fleet Forward accompagne les marques dans la structuration de cette matière grise via Brand OS, en complément du travail créatif de leurs agences, jamais à sa place. Si ce sujet résonne avec votre situation, on peut en discuter.
