La Responsable Marketing férue de technologie partage comment les budgets et les équipes marketing doivent être restructurés pour l’IA
Découvrez comment une leader marketing utilise l’IA pour scaler le contenu, restructurer ses équipes et améliorer l’exécution des campagnes, tout en conservant une stratégie et un positionnement pilotés par l’humain.
Simone Morellato
Responsable Marketing de vCluster
Rôle de l’IA: L’IA améliore considérablement le marketing technique en augmentant l’efficacité et la cohérence narrative sur divers canaux.
Vision du leadership: Les responsables marketing doivent équilibrer les capacités de l’IA avec le jugement humain pour un message et un positionnement stratégiques.
Évolution opérationnelle: L’adoption de l’IA dans le marketing nécessite de passer à un modèle transversal, favorisant la collaboration et l’efficacité.
Investissement dans les outils: Des budgets décentralisés pour les outils d’IA offrent plus de flexibilité aux marketeurs, accélérant la productivité et l’innovation.
Rôle d’activation de l’IA: Un rôle centralisé d’activation de l’IA harmonise l’apprentissage et l’intégration des avancées, évitant la fragmentation des équipes.
Simone Morellato est un leader du marketing technique et Responsable Marketing chez vCluster. Il a commencé à expérimenter l’IA tôt dans une précédente fonction et l'utilise aujourd’hui comme multiplicateur d'efficacité au sein de ses équipes marketing.
Nous nous sommes entretenus avec lui pour comprendre comment l’IA transforme ses flux de travail marketing et ses équipes. Il nous a parlé des nouveaux rôles et des postes budgétaires devenus indispensables.
Utiliser l’IA comme multiplicateur marketing
Je suis un leader marketing ayant construit ma carrière à l'intersection d'une compréhension technique approfondie et de l’exécution des stratégies de commercialisation, principalement dans l’infrastructure, le cloud et les plateformes pour développeurs. Mon parcours a débuté du côté de l’ingénierie, où j’ai étudié l’électronique et l’informatique et travaillé comme ingénieur logiciel sur des systèmes de réseaux de stockage. Cette base m’a aidé dans le marketing de produits techniques car j’ai toujours compris non seulement comment ils fonctionnent, mais aussi comment les positionner.
Want more from The CMO?
Sign up for a free membership to complete reading this article:
Have an account? Log In
Au fil du temps, je suis passé de l’ingénierie au marketing produit technique chez Cisco, puis à des postes de management dans des start-ups et des entreprises, dont Riverbed, Cloudian et Apcera. Mon passage chez VMware a été un tournant majeur dans ma carrière, et j’ai passé près d’une décennie à développer l’activité Tanzu Kubernetes. J’y ai construit et dirigé une équipe mondiale couvrant le marketing produit, développeur et solutions, et contribué à faire évoluer le portefeuille depuis un unique projet open source vers une suite de plus de 20 produits. Durant cette période, j’ai expérimenté très tôt des flux de travail basés sur l’IA, en développant des outils d’automatisation internes pour les relations analystes qui ont significativement réduit les cycles et amélioré l’efficacité.
Je dirige désormais le marketing chez vCluster, construisant un moteur complet de commercialisation comprenant la croissance, le marketing produit, la communauté et la marque. Nous avons gagné en efficacité en repensant la génération de la demande, en faisant passer la notoriété de dizaines de milliers à des millions d’impressions, tout en améliorant significativement l’efficience des coûts et la conversion du tunnel. Un axe clé a été l’élaboration de récits orientés développeur et la mise en place de boucles de croissance menées par la communauté, en particulier dans les domaines de Kubernetes et des infrastructures IA.
Toutes mes expériences convergent aujourd’hui à l’ère de la transformation par l’IA. Cette dernière change fondamentalement la façon dont les logiciels sont conçus et commercialisés. En tant que leader marketing, j’aide les entreprises à évoluer d’une communication produit fragmentée vers des narratifs unifiés autour des plateformes, en utilisant l’IA non seulement comme sujet du discours mais comme multiplicateur dans l’exécution marketing.
Équilibrer la confiance des développeurs et la demande des entreprises
Chez vCluster, je supervise une fonction complète de commercialisation couvrant la croissance, le marketing produit, la marque, la communauté et les événements. L’équipe évolue sur deux axes : open source et entreprise, ce qui crée un double objectif : générer une adoption massive par les développeurs tout en convertissant cet engagement en un pipeline structuré pour les entreprises.
Organisationnellement, la fonction est pensée comme un système intégré plutôt que comme des disciplines isolées. Le marketing produit et les relations avec les développeurs collaborent étroitement pour façonner le récit et construire la crédibilité technique, tandis que les pôles croissance et contenu se concentrent sur l’acquisition et la distribution à grande échelle via différents canaux : réseaux sociaux, SEO, médias payants et programmes pilotés par la communauté. La marque et les événements étendent cette portée à l’engagement dans l’écosystème, notamment au sein des communautés Kubernetes et cloud native.
La complexité réside dans les dynamiques d’audience et d’écosystème. Nous nous adressons à un public hautement technique, en particulier des DevOps et des ingénieurs plateforme, tout en influençant les décideurs en entreprise. Cela requiert de concilier la crédibilité technique avec une explication claire de la valeur métier. De plus, nous évoluons dans un secteur de l’infrastructure en pleine mutation, influencé par l’IA, où les catégories sont encore en construction. Ainsi, une grande partie du rôle consiste à façonner le récit, et pas simplement à le diffuser.
Ce modèle est efficace car une boucle unifiée d’acquisition, d’activation et d’engagement relie tout, soutenue par une approche fortement axée sur les données et l’expérimentation rapide.
Là où l’IA s’arrête et où le jugement commence
J’utilise l’IA principalement pour l’aide à la décision et pour accélérer le travail dans les domaines à fort volume ou dirigés par des schémas répétitifs, ou encore dans ceux qui nécessitent une synthèse rapide de grandes quantités d’informations non structurées. En même temps, je maintiens une frontière claire où le jugement humain reste essentiel, notamment pour le contexte, la responsabilité et les enjeux à long terme sur la marque.
Je m’appuie fortement sur l’IA pour trois domaines :
- Premièrement, le développement de la narration et l’exploration des messages. Lors de la définition du positionnement ou des thèmes de campagne, j’utilise l’IA pour tester rapidement des variantes, identifier les lacunes dans la communication, et tester la clarté auprès de différents profils comme les développeurs, ingénieurs plateforme et cadres dirigeants. Cela condense ce qui nécessitait auparavant plusieurs itérations en une boucle beaucoup plus rapide.
- Deuxièmement, la montée en échelle du contenu et des campagnes. L’IA rédige aujourd’hui le premier jet de la plupart de nos supports, y compris les contenus pour les réseaux sociaux, les structures de blogs et les variantes de campagnes. Elle adapte aussi les informations techniques en fonction du public visé, ce qui est particulièrement crucial dans le marketing des infrastructures et des plateformes d’IA, où un même concept doit résonner différemment selon l’audience.
- Troisièmement, la synthèse de la performance. J’utilise l’IA pour analyser les signaux de résultats des campagnes à travers les différents canaux et faire émerger des schémas qui autrement passeraient inaperçus, surtout avec des données fragmentées entre l’organique, le payant et les communautés.
Les tâches explicitement humaines impliquent des arbitrages stratégiques et la responsabilité. Les décisions de positionnement, la définition de catégories et l’architecture du message central restent entre les mains de l’humain car elles nécessitent une compréhension profonde du timing du marché, des dynamiques concurrentielles et de l’ambition de l’entreprise. Il en va de même pour le jugement créatif final sur la tonalité de la marque et les campagnes à forte visibilité.
Les décisions de positionnement, la définition de catégories et l’architecture du message central restent sous contrôle humain car elles nécessitent une compréhension approfondie du timing du marché, des dynamiques concurrentielles et de l’ambition de l’entreprise.
Je garde également la main sur les décisions de priorisation. L’IA peut faire remonter des options ou des pistes, mais décider quoi ne pas faire reste une responsabilité de leader, notamment dans des domaines en évolution rapide comme les infrastructures d’IA, où il est facile de sur-réagir à certains signaux.
Ainsi, l’IA élargit efficacement le champ de réflexion et d’exécution, mais elle n’assume pas la responsabilité des résultats. La direction marketing conserve l’initiative finale pour équilibrer vélocité, cohérence et valeur de marque sur le long terme.
Comment un changement structurel a fait passer les impressions de milliers à des millions
J’ai fait évoluer notre modèle marketing en passant d’une production de contenu axée sur l’humain à une génération de récits et de supports assistée par l’IA. Les humains se concentrent désormais sur la direction, la validation et la diffusion, plutôt que sur la création à partir de zéro.
Concrètement, j’ai introduit un système de contenu piloté par l’IA. Nous utilisons des workflows basés sur des LLM pour transformer un seul apport technique — comme une mise à jour produit, une démonstration, un retour client ou un récit d’ingénierie — en de multiples supports marketing en aval. Cela inclut des publications destinées aux développeurs, du contenu long format, des variantes sociales, des messages de campagne, et même des ébauches de positionnement en phase initiale. Au lieu d’une rédaction indépendante pour chaque élément, un même prompt et une structure partagés servent maintenant à générer, affiner et aligner tous les supports.
L’IA génère ces éléments en parallèle, à un niveau d’ébauche avancé, et non successivement à partir de zéro. Nous effectuons ensuite une relecture et un affinage humains, grâce auxquels le marketing produit veille à la cohérence du récit, la croissance optimise la diffusion, et la marque maintient la voix et la constance.
Nous sommes également passés d’un cycle de production fondé sur les campagnes à un système de contenu continu. La plupart des organisations marketing fonctionnent encore selon une logique de campagne traditionnelle : on définit une campagne, on crée un ensemble de contenus, on lance, puis on passe à autre chose. Ce modèle a été pensé pour un monde où la production de contenu était lente et coûteuse. Aujourd’hui, nous menons des cycles de génération et d’itération en parallèle. Cela réduit les délais et nous permet de réagir bien plus vite aux signaux du marché et du produit.
Comment l’IA bénéficie à l’efficacité de production et à la cohérence narrative
Côté positif, l’impact le plus immédiat de l’IA a été l’augmentation de l’échelle et de l’efficacité. Introduire l’IA dans les flux de production de contenus et de campagnes a considérablement augmenté la production sans accroître les effectifs. Chez vCluster, cela s’est traduit par une croissance d’environ 36 000 à près de 7 millions d’impressions mensuelles, tout en faisant baisser le CPM d’environ 5,58 $ à 0,29 $. Bien que de multiples facteurs aient joué, un moteur clé a été la capacité à produire et à itérer sur le contenu bien plus rapidement et de façon plus cohérente à travers les canaux.
Nous avons également amélioré la vitesse d’exécution. Les cycles de création de contenus qui prenaient auparavant des semaines — en particulier pour les ressources transverses impliquant le marketing produit, la marque et la croissance — ont été compressés en quelques jours. Cela nous a permis de réagir aux lancements de produits et aux signaux du marché presque en temps réel, ce qui est essentiel dans un écosystème d’IA en évolution rapide.
Un autre résultat positif a été la cohérence du récit. L’IA a contribué à standardiser la façon dont nous traduisons les données techniques en messages à travers les différents canaux, réduisant ainsi la fragmentation entre le contenu destiné aux développeurs, l’aide à la vente et les campagnes de génération de demande. Cette harmonisation a amélioré à la fois la qualité de l’engagement et la performance à travers l’entonnoir.
Qualitativement, l’un des plus grands changements a été d’ordre organisationnel. L’équipe marketing est passée d’une fonction principalement orientée exécution à un rôle davantage axé sur l’orchestration. Les humains consacrent maintenant plus de temps à l’orientation, à la stratégie et à la validation, tandis que l’IA gère la production initiale et la déclinaison des variantes. Cela a renforcé la concentration de l’équipe et réduit les goulets d’étranglement opérationnels.
Comment l’IA peut conduire à une surproduction
Des défis sont également apparus. Au début, nous avons constaté une tendance à la surproduction. L’IA produisait trop de variantes sans suffisamment de contraintes initiales, générant du bruit et nous obligeant à renforcer nos couches éditoriales et de gouvernance des prompts. Nous avons également géré activement le risque de dilution du message, veillant à ce que la rapidité ne se fasse pas au détriment d’un positionnement précis ou de la clarté de la catégorie.
Une autre leçon a été que l’IA peut amplifier aussi bien les bons que les mauvais apports. Lorsque le récit ou le brief de départ est faible, l’IA amplifie rapidement cette faiblesse. Cela nous a poussés à investir davantage dans la stratégie amont et à concevoir des entrées plus rigoureuses avant de générer quoi que ce soit à l’échelle.
Globalement, le résultat net a clairement été positif, mais uniquement après avoir établi des garde-fous précis.
Pourquoi l’IA ne peut pas fournir de différenciation et de positionnement
L’IA n’a pas non plus répondu aux attentes initiales sur la différenciation stratégique et le positionnement.
Initialement, nous pensions que l’IA pourrait réellement nous aider à générer un récit de catégorie plus fort ou même à identifier des angles de positionnement pour nous donner un avantage. En pratique, nous avons constaté que, bien que l’IA excelle à réagencer les schémas existants du marché, elle peine à produire un positionnement vraiment original ou défendable.
Elle a tendance à converger vers la moyenne de ce qui existe déjà, ce qui est l’opposé de ce que l’on recherche pour se démarquer sur un marché de plateformes d’infrastructures ou d’IA saturé.
Pourquoi les responsables marketing doivent d’abord contraindre l’IA
Une campagne assistée par l’IA, menée tôt pour repositionner une plateforme technique auprès d’un public plus large DevOps et ingénierie de plateforme, illustre clairement les limites de l’IA en matière de différenciation stratégique.
Nous avons d’abord utilisé l’IA pour générer des axes de positionnement et des variantes de messages à partir de nos capacités produit, de cas d’utilisation clients et du paysage concurrentiel. La production a été rapide et large. Plusieurs directions se sont dégagées, telles que « simplifier les opérations Kubernetes », « améliorer l’efficacité de la plateforme » ou « accélérer la productivité des développeurs ».
Aucun de ces axes ne nous a réellement différenciés. Lorsque nous les avons confrontés au marché, nous avons constaté que des outils similaires les exploitaient déjà fortement dans l’écosystème Kubernetes et cloud-native. L’IA a davantage amplifié le langage courant du secteur au lieu de nous permettre de nous en démarquer. Si nous avions avancé tel quel, la campagne se serait simplement fondue dans la catégorie plutôt que de l’influencer.
Nous avons significativement renforcé la phase d’apports humains. Plutôt que de commencer par des prompts larges sur les capacités du produit, nous avons imposé des contraintes plus nettes sur trois domaines : notre avantage architectural unique, les compromis que nous étions prêts à assumer publiquement et les segments d’audience que nous souhaitions réellement cibler en priorité, et non simplement inclure.
Une fois les apports réancrés dans ces choix stratégiques, nous avons utilisé l’IA différemment, non pour inventer le positionnement, mais pour tester la clarté des messages, traduire le message selon les personas, et générer des déclinaisons d’exécution pour le contenu et les campagnes.
Le résultat a été un récit beaucoup plus précis, centré sur un angle spécifique et défendable : la manière dont les équipes plateforme peuvent repenser l’abstraction de l’infrastructure pour les charges de travail modernes, plutôt que des thèmes d’efficacité ou de productivité génériques. Ce changement a amélioré la qualité de l’engagement et rendu le message plus mémorable dans les communautés techniques, en particulier auprès des praticiens Kubernetes, très attentifs aux positionnements trop génériques.
Ainsi, le principal obstacle n’est plus la qualité ou la rapidité d’exécution ; il s’agit désormais d’originalité et d’acuité stratégique. Se démarquer aujourd’hui nécessite une opinion beaucoup plus affirmée, un positionnement plus clair, et l’acceptation de compromis explicites. Sans cela, l’IA a tendance à tout tirer vers la moyenne du marché.
Comment l’IA modifie la structure des équipes marketing
L’IA a fondamentalement transformé mon équipe marketing, qui est passée d’une organisation cloisonnée sur le plan fonctionnel à un modèle d’exécution beaucoup plus fluide et transversal.
Traditionnellement, nous séparions clairement les rôles. Un responsable du contenu créait le contenu, puis le remettait à des spécialistes de la distribution pour adaptation, tandis que le marketing produit élaborait séparément le message et le positionnement, qui devaient ensuite être traduits pour les campagnes. Chaque étape impliquait une reprise du travail et une traduction entre les fonctions.
Avec l'IA intégrée au flux de travail, la structure a considérablement changé. Désormais, chaque membre de l'équipe peut intervenir à différentes étapes du cycle de vie du contenu et des campagnes. Un spécialiste du contenu peut non seulement créer la première ébauche d’un article, mais aussi les premières versions des variantes pour les réseaux sociaux, les emails, et même des angles de positionnement. Un responsable de la croissance peut, à partir du même contenu, générer instantanément des variantes de campagnes ou des cadres de test. Le marketing produit ne rédige plus tout à partir de zéro, mais affine le récit, vérifie l’exactitude et aligne le message avec la stratégie.
Le changement clé, c’est que nous ne créons plus le travail séquentiellement à partir de zéro. L’IA l'amène d’emblée à un niveau d’ébauche de haute qualité, puis on le confie aux différentes fonctions pour affinement, validation et optimisation. Cela a considérablement réduit les frictions entre équipes et raccourci les cycles d’itération.
En conséquence, les marketeurs se concentrent plus sur le jugement, l’édition et le pilotage stratégique que sur la pure production. L’équipe est moins dépendante de l’exécution manuelle, mais largement optimisée en capacité de production.
L’IA a également rendu la collaboration plus dynamique. Au lieu de transmissions rigides, nous fonctionnons désormais comme un système partagé : nous pouvons transformer n’importe quelle entrée en multiples sorties sur divers canaux, puis le spécialiste concerné les affine.
Pourquoi les Équipes Marketing Ont Besoin de Budgets Décentralisés pour les Outils d’IA
Si je devais recommencer, j’investirais d’abord le budget marketing non pas dans les campagnes traditionnelles ou même dans les recrutements, mais dans l’accès direct de chaque marketeur à un budget flexible et décentralisé dédié aux outils d’IA.
J’allouerais des budgets individuels pour que les marketeurs puissent adopter et expérimenter des outils qui améliorent leur productivité quotidienne, sans attendre l’approbation de l’approvisionnement centralisé ou des services informatiques. Cela inclut des outils de rédaction assistée par IA, des assistants d’analyse de données, des plateformes de création, des outils d’automatisation et des utilitaires de niche qui émergent rapidement dans l’écosystème IA.
La raison est simple. Dans un environnement piloté par l’IA, le rythme d’évolution des outils dépasse celui des cycles d’acquisition d’entreprise. L’accès centralisé finit inévitablement par standardiser les équipes sur un ensemble d’outils vite dépassé, ce qui ralentit l’expérimentation et crée un écart entre ce qui est possible et ce qui est réellement utilisé à l’exécution.
J’ai constaté cela de première main lors de l’introduction de l’IA dans les workflows marketing. Les équipes ayant la liberté de tester et adopter de nouveaux outils rapidement évoluaient beaucoup plus vite dans la production de contenu, l’itération des campagnes et l’analyse de données. Les équipes limitées par les processus d’approbation centralisés revenaient souvent à des méthodes héritées, même lorsque de meilleurs outils étaient disponibles.
À l’inverse, un budget distribué pour les outils crée une dynamique différente. Chaque marketeur devient un véritable opérateur capable d’optimiser en continu sa propre palette d’outils. L’innovation apparaît aussi de manière organique, car les meilleurs outils se diffusent naturellement dans l’équipe via l’usage plutôt que par décret.
En second lieu, je privilégierais la mise en place d’une couche d’accompagnement légère autour de cette liberté : meilleures pratiques à partager, bibliothèques de prompts, workflows internes, afin que l’expérimentation ne mène pas à la fragmentation.
Le contrôle central favorise la cohérence, mais l’accompagnement distribué favorise l’adaptation. Et l’adaptation est ce qui crée l’avantage compétitif dans des environnements marketing en évolution rapide.
Le contrôle central favorise la cohérence, mais l’accompagnement distribué favorise l’adaptation. Et l’adaptation est ce qui crée l’avantage compétitif dans des environnements marketing en évolution rapide.
Comment Claude CoWork Génère un Vrai Levier
Je suis particulièrement enthousiasmé par une fonction d’IA développée par Anthropic : Claude CoWork.
Elle va au-delà de l’interface de chat traditionnelle et ressemble à un véritable environnement de travail pour le savoir. Au lieu de prompts isolés, elle permet de créer des workflows plus structurés et persistants. C’est précisément là que l’IA apporte un véritable levier.
J’apprécie aussi la rapidité d’itération d’Anthropic basée sur le comportement réel des utilisateurs. Ils prêtent attention à ce que la communauté construit et utilise, puis intègrent ces usages directement dans le produit principal. Cela me rappelle la vitesse à laquelle les concepts issus de projets comme OpenClaw ont été intégrés à Claude CoWork. Ce cycle de retour d’informations est crucial, car l’outil évolue pour refléter la réalité du travail des utilisateurs, et non simplement la vision de l’équipe produit.
Concrètement, cela réduit également le besoin de rassembler plusieurs outils ou extensions. Je n’ai pas à recréer des workflows, à évaluer de nouveaux prestataires ni à me soucier de la sécurité et de la gestion des données dans un ensemble d’outils fragmentés. J’ai déjà confiance en Anthropic en tant qu’entreprise, donc lorsqu’ils publient de nouvelles fonctionnalités, je peux les adopter rapidement et en toute confiance.
Pourquoi chaque équipe marketing a besoin d’un rôle dédié à l’activation de l’IA
Cela dit, le plus grand manque que j’ai constaté dans l’adoption de l’IA n’est pas lié aux outils, mais à l’absence d’une compétence interne dédiée qui suive en continu, traduise et opérationnalise les évolutions de l’IA au sein de l’équipe marketing.
La plupart des organisations supposent que si les équipes ont accès à des outils d’IA, l’adoption suivra automatiquement. En réalité, la sensibilisation et la capacité de synthèse sont les vrais facteurs limitants. L’écosystème de l’IA évolue si vite qu’aucun marketeur ne peut réalistement suivre à la fois les nouveaux modèles, outils, workflows et bonnes pratiques tout en assurant ses missions principales. Lorsque tout le monde partage cette responsabilité, personne ne l’assume vraiment.
D’après mon expérience, créer un rôle spécifique d’activation de l’IA au sein du département marketing fonctionne bien mieux. Ce n’est pas juste un administrateur d’outils ou un spécialiste des prompts : c’est une personne passionnée par l’IA, qui suit activement les nouveautés côté modèles et applications et les traduit continuellement en workflows concrets pour l’équipe.
Cette personne devient effectivement une couche d’intelligence interne. Elle évalue les nouveaux outils, teste les cas d’usage, distingue ce qui est utile du bruit, puis transforme le tout en workflows reproductibles. Tout aussi important, elle agit comme un pont bidirectionnel. Les membres de l’équipe peuvent lui exposer des problèmes ou des inefficacités, explorer des solutions basées sur l’IA, puis bénéficier de recommandations structurées.
Ce rôle a surtout un impact sur la concentration. Il retire la charge cognitive de "rester à jour sur l’IA" des contributeurs individuels, pour la centraliser sur une fonction unique dont le seul objectif est de garder une longueur d’avance et de diffuser efficacement ce savoir. En l’absence de cela, les équipes finissent par se fragmenter. L’adoption devient inégale, les pratiques incohérentes, l’expérimentation se répète inutilement. À l’inverse, vous créez un effet cumulatif où l’apprentissage est centralisé et l’exécution partagée.
Pourquoi les marketeurs doivent considérer l’IA comme un changement de modèle opérationnel
Le conseil le plus important que je donnerais aux responsables marketing est de traiter cette période comme un changement de modèle opérationnel, et non comme une simple mise à niveau d’outils.
Il est facile de tomber dans le piège consistant à évaluer des outils, tester des fonctionnalités et rechercher des gains de productivité marginaux. C’est utile, mais ce n’est pas là que réside l’avantage réel. La vraie transformation concerne la façon dont le travail marketing s’organise, la structure des équipes et la place accordée à l’humain.
Quelques principes se révèlent particulièrement essentiels :
- Premièrement, investissez dans la qualité des apports avant d’élargir la production. L’IA génère autant de contenu que vous le souhaitez, mais la qualité dépend entièrement de la clarté de votre positionnement, de la définition de l’audience et du récit. Les dirigeants qui négligent cette étape finissent par produire du bruit à grande échelle.
- Deuxièmement, repensez les workflows, pas seulement les tâches. Plutôt que de chercher comment l’IA peut accélérer une étape existante, regardez l’ensemble du système, de l’entrée à la sortie, et reconsidérez son fonctionnement dans un monde où les ébauches sont instantanées et les itérations peu coûteuses. C’est ainsi que l’on obtient des améliorations majeures.
- Troisièmement, créez un espace dédié à la responsabilité de l’IA. Qu’il s’agisse d’un poste spécifique ou d’un petit groupe, quelqu’un doit surveiller le paysage, tester les outils et en tirer des workflows concrets. Sinon, les équipes se fragmentent et l’adoption s’essouffle.
À suivre
Vous pouvez suivre Simone Morellato sur LinkedIn et découvrir son travail chez vCluster.
D’autres interviews d’experts à venir sur The CMO Club !
