Partout, les images générées par IA envahissent les campagnes digitales, des posts sponsorisés aux bannières programmatic, avec une promesse simple : produire vite, beaucoup, et pour moins cher. Mais derrière l’effet « waouh », les marques découvrent des limites moins visibles, techniques, juridiques et même culturelles, qui peuvent coûter une campagne, une crédibilité, parfois un budget entier. À l’heure où les plateformes publicitaires renforcent leurs règles, et où le public s’habitue à repérer le faux, l’IA visuelle mérite un examen sans indulgence.
Quand l’image « parfaite » fait baisser la confiance
Votre visuel capte l’attention, mais à quel prix ? Dans les tests A/B menés par de nombreuses équipes marketing, un phénomène revient souvent : les créations IA obtiennent parfois un bon taux de clic initial, puis se heurtent à un plafond sur la conversion, comme si l’internaute, attiré par une esthétique impeccable, se ravisait au moment de faire confiance. Ce décalage tient à un détail : l’image générée peut être séduisante, mais elle manque de « preuves » visuelles, celles qui ancrent un produit dans le réel, un reflet imparfait, une matière, une cohérence de lumière, un usage crédible. Les modèles ont progressé, pourtant ils continuent de produire des artefacts, doigts trop nombreux, bijoux qui se fondent dans la peau, typographies illisibles, textures plastifiées, et ces anomalies, même discrètes, suffisent à déclencher une suspicion diffuse.
Les chiffres de l’attention numérique, eux, sont clairs, et ils n’épargnent pas les créations trop lisses. Selon une analyse Nielsen souvent citée dans l’industrie publicitaire, la création peut expliquer une part majeure de la performance d’une campagne, loin devant certains paramètres de ciblage, et lorsque l’image déclenche une réaction de rejet, tout l’entonnoir se fragilise. À cela s’ajoute un contexte culturel : le public est désormais exposé à des contenus synthétiques en continu, et il développe des réflexes de vérification, parfois inconscients, parfois très explicites, notamment chez les 18-34 ans, grands consommateurs de formats courts et très sensibles aux signaux d’authenticité. Dans des secteurs où la confiance est centrale, santé, finance, alimentation, et même tourisme, une image perçue comme artificielle peut susciter une réaction disproportionnée : commentaires ironiques, captures d’écran, détournements, et en quelques heures, une création devient un « meme » malgré elle.
Cette fragilité se renforce quand la marque adopte l’IA sans cadre éditorial, en empilant des visuels hétérogènes, une « femme parfaite » ici, un décor irréel là, et une scène de vie qui ne correspond à aucune culture identifiable. Or, les grandes campagnes performantes s’appuient sur des codes stables, un casting cohérent, des décors reconnaissables, une signature. L’IA peut produire mille variantes, mais elle produit aussi mille incohérences, et c’est souvent cette dispersion qui abîme la perception. Le paradoxe est là : à force de chercher l’image la plus optimisée, on perd le réel, donc la confiance, donc la performance business.
Le droit d’auteur, la zone grise qui s’élargit
Vous achetez une image, ou vous achetez un risque ? Sur le papier, générer un visuel semble régler le casse-tête des licences, puisqu’il n’y a pas de photographe, pas d’agence, pas de banque d’images. Dans les faits, la situation juridique reste mouvante, et la prudence s’impose, surtout en Europe. D’abord, le statut même d’une image générée peut être contesté selon les pays : si l’œuvre n’implique pas une intervention humaine suffisante, certaines juridictions pourraient estimer qu’elle ne bénéficie pas de la protection classique du droit d’auteur, ce qui ouvre une porte à la réutilisation par des tiers. Ensuite, les conditions d’utilisation des outils IA varient, et elles peuvent évoluer : selon les services, l’utilisateur obtient des droits plus ou moins larges, et certaines plateformes se réservent des usages de réentraînement, ou imposent des limites en publicité.
Le risque le plus concret, lui, se situe ailleurs : dans la ressemblance. Une image générée peut évoquer un style, une identité visuelle, ou un personnage réel, et si la campagne devient visible, la marque peut se retrouver accusée d’appropriation, voire de contrefaçon, même lorsque la génération n’a pas été conçue pour copier. Les litiges autour de l’IA, notamment aux États-Unis, se multiplient, et ils font bouger les lignes. Dans l’Union européenne, l’AI Act, adopté en 2024, impose des obligations de transparence pour certains contenus synthétiques, avec l’idée de signaler les deepfakes, et même si toutes les publicités ne sont pas concernées de la même façon, la tendance est claire : la conformité devient un sujet de campagne, au même titre que le ciblage ou la protection des données.
Ajoutez à cela le droit à l’image. Une « personne » générée n’existe pas, mais un visage peut ressembler à quelqu’un, et les modèles peuvent recréer, sans le vouloir, une proximité troublante. Dans la mode ou la cosmétique, où les visuels sont très exposés, le risque de confusion, donc de contestation, n’est plus théorique. Enfin, il y a la question des marques et des produits : demander à une IA de générer « un smartphone premium dans une main » peut faire apparaître une silhouette proche d’un produit existant, ou un logo déformé, et dans une campagne, ce détail peut suffire à déclencher une demande de retrait. La bonne pratique n’est pas glamour, mais elle protège : validation juridique, traçabilité des prompts, archivage des versions, et règles claires sur ce qui est autorisé ou non en création.
Sur les plateformes, l’IA n’achète pas l’indulgence
Votre annonce passe aujourd’hui, et demain ? Les régies publicitaires ne jugent pas seulement un texte et un visuel, elles évaluent aussi la crédibilité, le risque de tromperie, et la conformité avec des politiques de plus en plus strictes. Meta, Google, TikTok, et d’autres acteurs ont renforcé leurs règles sur les contenus manipulés, la désinformation, la représentation trompeuse d’un produit, et les promesses exagérées. Or l’IA, même utilisée de bonne foi, peut fabriquer des images qui suggèrent des résultats irréalistes : peau « parfaite » après un soin, transformation spectaculaire, avant/après trop propre, ou scène d’usage qui n’a jamais existé. Les équipes de modération, humaines et automatisées, peuvent bloquer, limiter la diffusion, ou imposer un examen supplémentaire, ce qui allonge les délais, et fait dérailler un planning média.
Il faut aussi compter avec la mécanique du « low quality ». Une création IA produite en série, avec un rendu stéréotypé, peut être considérée comme du contenu générique, et certaines plateformes pénalisent implicitement les annonces qui ressemblent à du spam créatif. Le problème n’est pas l’IA en soi, c’est l’industrialisation sans direction artistique, et ce travers se voit particulièrement dans les formats verticaux. L’utilisateur scrolle vite, il repère le décor trop parfait, l’éclairage impossible, et il ignore. Résultat : baisse du taux d’engagement, donc hausse des coûts, car dans la plupart des enchères publicitaires, l’annonce jugée moins pertinente paye plus cher pour la même exposition.
Dans ce contexte, une stratégie efficace consiste à traiter l’IA comme un atelier, pas comme un pilote automatique, et à réinjecter du réel : photos de produit authentiques, textures scannées, décors existants, et surtout cohérence avec la charte. L’IA peut aider à prototyper, à explorer des variations de mise en scène, et à accélérer la production, mais la validation finale doit rester exigeante, et proche des standards de shooting. Pour les équipes qui veulent aussi comprendre comment les outils conversationnels s’insèrent dans ces workflows, qu’il s’agisse d’écrire des briefs, de générer des scripts, ou d’itérer des concepts, des ressources comme Chat GPT peuvent servir de point d’entrée, à condition de garder une discipline : sources vérifiées, consignes précises, et contrôle humain à chaque étape.
Les biais culturels se glissent dans vos visuels
Et si votre campagne excluait sans le savoir ? Les générateurs d’images apprennent à partir de grands ensembles de données, et ces données reflètent des déséquilibres, de représentation, de normes esthétiques, et de stéréotypes. Dans une campagne internationale, ou simplement nationale dans un pays divers, ces biais peuvent ressortir de façon brutale : professions associées à un genre, morphologies uniformisées, vieillissement caricatural, ou représentation limitée de certaines origines. Pour une marque, la conséquence est immédiate : une création peut être perçue comme hors sol, voire discriminante, même si l’intention n’était pas là. Dans les secteurs RH, assurance, crédit, et services publics, ce risque de perception est particulièrement sensible, car l’image n’est pas un décor, elle porte une promesse d’accès et d’équité.
Le biais n’est pas seulement humain, il est aussi géographique. Demandez une scène « de famille à la maison » et vous obtiendrez souvent des intérieurs standardisés, inspirés d’un imaginaire nord-américain, et des objets qui ne correspondent pas aux habitudes locales. Dans une campagne retail, cela peut faire « faux catalogue », et donc éloigner le consommateur. Les marques qui réussissent avec l’IA visuelle sont celles qui investissent dans la contextualisation, en imposant des références locales, des détails concrets, des éléments de décor réalistes, et en validant les créations avec des personnes qui connaissent le terrain. Cela suppose du temps, donc un coût, et c’est précisément l’une des limites méconnues : l’IA ne supprime pas le travail, elle le déplace vers l’édition, le contrôle, la vérification, et parfois la prévention de crise.
Enfin, il y a la question de la cohérence narrative. Une image isolée peut être convaincante, mais une campagne est un ensemble : plusieurs formats, plusieurs déclinaisons, plusieurs semaines de diffusion. L’IA a tendance à produire des personnages légèrement différents d’une image à l’autre, des couleurs qui dérivent, des accessoires qui changent, et ces micro-variations, invisibles au départ, finissent par fragiliser l’identité de marque. Les équipes créatives le savent : la répétition construit la mémorisation, et lorsque l’univers visuel se déforme, la campagne perd son fil, donc son efficacité.
Avant de lancer, les bonnes questions
Réservez du temps pour le contrôle, et un budget pour l’édition, car l’IA ne remplace ni le droit, ni la direction artistique, ni la validation produit. Prévoyez une grille de conformité plateforme, et un plan B créatif en cas de refus. Selon votre secteur, renseignez-vous aussi sur les aides à la transformation numérique, parfois proposées par les régions et les chambres consulaires.
