La directrice marketing affirme que la plupart des équipes marketing produisent plus rapidement un travail médiocre grâce à l’IA

Samantha Leal est la directrice marketing d’Aliwell, où elle met en œuvre des flux de travail d’IA, certains avec plus de succès que d’autres.

Nous avons interviewé Samantha pour comprendre ce qui a fonctionné, ce qui n’a pas fonctionné et pourquoi. Voici ce qu’elle nous a expliqué.

Passer de zéro à l’échelle

Bonjour ! Je m’appelle Samantha Leal. Depuis plus de 10 ans, j’aide des start-ups à passer de zéro à l’échelle, généralement en intervenant lorsque la croissance semble bonne en surface, mais ne résiste pas à la pression.

Je travaille sur l’ensemble du système de croissance, du positionnement et des messages à l’acquisition, la conversion et au parcours client. Je collabore étroitement avec les fondateurs pour structurer la prise de décision et la manière dont la croissance se cumule.

Actuellement, je suis directrice marketing chez Aliwell, où je dirige le service marketing dans le cadre d’un moteur de croissance multicanal axé sur l’acquisition et l’activation des orthodontistes. Nous intervenons dans les médias payants, la formation, les événements, le contenu et l’aide à la vente, mais nous nous concentrons principalement sur l’activation et le chiffre d’affaires.

Nous nous adressons à un public clinique : le défi ne consiste donc pas seulement à attirer l’attention, mais aussi à instaurer la confiance, à informer et à faire évoluer les comportements. Cela rend le système plus complexe. Un alignement plus étroit avec les équipes commerciales, produit et expérience client est essentiel.

Se concentrer davantage sur l’IA

Ce qui a changé récemment pour moi, c’est ma manière d’aborder tout cela avec l’IA.

J’ai cessé de raisonner en termes de fonctions marketing pour commencer à penser en termes de flux de travail. La plupart des activités qui stimulent la croissance — tests, itérations créatives, rapports, qualification des prospects, etc. — sont répétitives, mais restent manuelles et fragmentées.

L’IA est le levier qui permet de repenser ces flux de travail, d’accélérer les boucles de rétroaction et de prendre de meilleures décisions avec davantage de clarté. C’est sur cette évolution que je me concentre désormais.

Comment l’IA transforme ce que les responsables marketing disposant de ressources limitées peuvent créer

Au cours de l’année écoulée, j’ai utilisé l’IA pour accomplir des tâches particulièrement exigeantes :

• J’ai conçu l’architecture d’une migration complète de CRM qui aurait normalement nécessité l’intervention d’un cabinet de conseil.
• J’ai conçu un programme de formation à plusieurs niveaux à partir de zéro.
• J’ai créé un système d’activation client fondé sur des recherches qualitatives — entretiens, enquêtes et données comportementales — qui a révélé pourquoi certains clients bloquent après leur premier achat.

Il ne s’agit pas de tâches que j’ai simplement accélérées, mais de systèmes stratégiques qu’une petite équipe n’aurait normalement pas pu déployer. L’IA a élargi les possibilités de création pour un responsable marketing disposant de ressources limitées.

Comment utiliser l’IA pour les rapports destinés aux parties prenantes

J’utilise l’IA pour générer un rapport hebdomadaire — un livrable qui oriente les décisions de l’entreprise pour la semaine.

Les données d’entrée comprennent les transcriptions des réunions de la semaine précédente (extraites de Granola), les fichiers CSV de performances de Meta Ads, les données de production de l’ERP, les analyses des réseaux sociaux et les mises à jour du pipeline du CRM. Ces cinq sources ne communiquent pas entre elles.

Voici le flux de travail :

1. J’intègre les transcriptions brutes dans Claude et j’en extrais les décisions, les blocages et les actions à mener par chaque service.
2. Je téléverse les données de performance publicitaire et je demande une analyse d’une semaine sur l’autre et d’un mois sur l’autre, en signalant les anomalies.
3. J’analyse les chiffres de production — les cas fabriqués par région, comparés aux objectifs mensuels, en mettant en évidence les écarts.
4. Je synthétise tout cela dans un rapport structuré unique, avec une section par fonction, les indicateurs clés accompagnés de leur contexte et, surtout, une section « décisions nécessaires » en tête du document.

Le résultat est un document mis en forme que l’équipe dirigeante peut parcourir en cinq minutes et sur lequel elle peut agir immédiatement. Il ne contient aucune donnée brute ni section « voici ce qui s’est passé ». Chaque chiffre est associé à une référence comparative, à un contexte pertinent et à une recommandation.

Là où les humains doivent conserver la maîtrise

Je m’appuie donc sur l’IA pour tout ce qui bénéficie de la rapidité, de la reconnaissance des schémas et de la synthèse de grandes quantités de données.

Cela inclut l’analyse des données clients provenant de différentes sources, le regroupement des retours issus des appels commerciaux et des entretiens, la génération et l’itération de concepts créatifs, ainsi que l’identification des tendances dans les performances des campagnes plus rapidement qu’un humain ne pourrait le faire.

L’IA est également devenue un élément central de la manière dont je structure les flux de travail, de la qualification des prospects aux relances en passant par les rapports. Elle contribue à réduire le travail manuel et fait émerger plus tôt les informations utiles, afin que nous ne travaillions pas à partir de données obsolètes.

En revanche, je ne m’appuie pas sur l’IA pour définir la stratégie, le positionnement et ce qui compte réellement.

Les décisions telles que ce que nous disons, à qui nous nous adressons, les compromis que nous acceptons et les domaines sur lesquels nous nous concentrons restent humaines. Elles nécessitent du contexte, du discernement et du jugement, en particulier sur des marchés complexes où la bonne réponse n’est pas évidente.

L’IA peut vous proposer des options, mais elle ne peut pas vous dire ce qui mérite d’être fait.

Samantha partage

L’IA peut vous proposer des options, mais elle ne peut pas vous dire ce qui mérite d’être fait.

Pourquoi l’IA déplace le goulot d’étranglement de l’exécution vers le jugement

Le principal avantage a été la rapidité et l’ampleur. Nous avons réduit d’environ 60–70 % le temps consacré à l’analyse et à la synthèse. Des tâches comme le regroupement des retours clients, l’extraction d’informations à partir des appels et la génération de concepts créatifs testables — qui prenaient auparavant des semaines — sont désormais réalisées en quelques jours.

Cela s’est traduit par un volume de tests plus important et des boucles de rétroaction plus rapides. Nous pouvons itérer beaucoup plus vite sur les messages et les campagnes, ce qui a amélioré la prise de décision et réduit les dépenses inutiles consacrées aux idées qui ne fonctionnent pas.

Sur le plan opérationnel, nous avons également pu mettre en place des systèmes, comme des flux de travail CRM, des parcours d’intégration et des couches de rapports, qui auraient normalement nécessité une équipe plus importante ou un soutien externe.

Mais il existe de véritables inconvénients. Par exemple, l’IA peut créer un faux sentiment de confiance. Elle est très douée pour produire des résultats qui semblent corrects, mais qui ne reposent pas sur la réalité. Si vous ne l’ancrez pas dans des données clients réelles, vous obtenez des messages génériques et de mauvaises décisions, simplement plus rapidement.

Elle exige également davantage de jugement, et non moins. Le goulot d’étranglement passe de l’exécution à la décision de ce qui mérite d’être fait. Les équipes qui manquent de clarté à ce sujet peuvent finir par générer beaucoup de bruit.

Pourquoi les créations générées par l’IA représentent un risque sur les marchés spécialisés

J’ai été déçue par l’impact de l’IA sur la création. Je m’attendais à ce que l’IA transforme notre façon de produire du contenu visuel — par exemple, les publicités, les publications sur les réseaux sociaux et les supports de marque. Ce n’est pas le cas. Même pas un peu.

Chaque image générée par l’IA ressemble encore à une image générée par l’IA. Pour une marque qui s’adresse à des spécialistes — dans notre cas, des orthodontistes très qualifiés et profondément sceptiques — tout ce qui paraît générique ou artificiel détruit instantanément la confiance.

Nous avons testé des visuels générés par l’IA pour des publicités et du contenu destiné aux réseaux sociaux. Les performances ont immédiatement chuté. Notre audience a remarqué l’écart de qualité entre ces visuels et ceux qu’un concepteur humain produit à partir de véritables photographies cliniques.

Pourquoi la sophistication du flux de travail éditorial doit correspondre aux capacités

Au début, j’ai utilisé l’IA pour concevoir un système de gestion des opérations éditoriales — calendriers éditoriaux, flux de validation et notes de contenu reposant sur des cadres détaillés.

Le système était solide sur le plan stratégique et remarquablement bien structuré, mais il présentait un problème.

J’ai confié un système sophistiqué à une membre de l’équipe qui n’avait pas le niveau requis. Au lieu d’améliorer sa production, le système a créé un écart. Elle n’arrivait pas à l’appliquer.

J’ai perdu des semaines à gérer l’écart entre les exigences du système et les capacités de cette personne.

Désormais, je me demande : « Qui s’en occupera lundi ? » avant de construire quoi que ce soit.

Comment s’assurer que les messages liés à l’IA ne deviennent pas un obstacle

L’IA ne corrige pas les mauvais systèmes ; elle les amplifie. Plus de production, les mêmes problèmes. L’IA fonctionne mieux avec des données d’entrée solides, une compréhension claire des clients, des données réelles et une réflexion pertinente.

La question n’est donc pas « comment utiliser l’IA ? », mais « dans quel système l’intègre-t-on ? »

La messagerie en est un bon exemple. Lors de mon premier projet pilote, nous avons avancé rapidement, mais nous ne nous sommes pas suffisamment appuyés sur de véritables données clients. Le résultat semblait solide, mais il était générique. Il ne convertissait pas.

Il faut donc corriger les données d’entrée avant d’utiliser l’IA. Cela signifie consolider les données du CRM, des ventes et des interactions avec les clients — notamment les appels commerciaux, les objections et les entretiens — afin d’identifier précisément les difficultés, le langage et les moments qui influencent les décisions.

Je définis ensuite des angles clairs et notre message central. Une fois cette base établie, j’ajoute l’IA par-dessus. Elle aide à développer, tester et faire évoluer rapidement ces angles.

À partir de là, le processus doit fonctionner en continu. Vous recueillez constamment des données auprès des ventes, des retours clients et des performances, puis vous les faites évoluer en temps réel.

Pourquoi les flux de travail doivent être décomposés et augmentés

Lorsqu’il est bien fait, le discernement n’est plus quelque chose que l’on possède ou pour lequel on recrute.

Il peut être façonné par les processus. Avec les bonnes données d’entrée, les bonnes contraintes et une démarche itérative, vous pouvez améliorer systématiquement la qualité de la réflexion et des résultats.

Les messages, la création, la recherche, voire la stratégie. Ce sont tous des flux de travail qui peuvent être décomposés. Chaque étape peut ensuite être augmentée.

Samantha partage

Corrigez les données d’entrée avant d’utiliser l’IA… Une fois cette base établie, j’ajoute l’IA par-dessus. Elle aide à développer, tester et faire évoluer rapidement ces angles. Lorsqu’il est bien fait, le discernement n’est plus quelque chose que l’on possède ou pour lequel on recrute.

Pourquoi Claude est indispensable aux professionnels du marketing

Claude est sans conteste mon outil de prédilection. C’est une couche qui relie tout et qui agit comme un excellent partenaire de réflexion et de confrontation des idées.

Ce qui m’enthousiasme le plus, ce sont Claude Code et Claude Cowork, car ils dépassent le cadre du chat pour s’intégrer à des environnements de travail comme le codage, la gestion des fichiers et l’automatisation des tâches.

Je n’ai pas encore essayé Claude Code avec Cursor, mais c’est la prochaine étape !

Comment l’IA transforme les équipes

En ce qui concerne la structure des équipes, nous dépendons moins de spécialistes aux compétences étroites et davantage de personnes capables de réfléchir à l’échelle du système. Des personnes qui comprennent le client, savent bien formuler les problèmes et savent utiliser l’IA pour passer à l’action.

Le travail d’exécution — production, analyse et itération — n’est plus le goulot d’étranglement, ce qui déplace la valeur. Désormais, je recherche le jugement, le discernement et la capacité à concevoir des flux de travail. Des personnes capables de passer rapidement de la compréhension à l’action, et pas seulement de gérer une fonction.

Cela a également changé notre manière de collaborer. Les frontières entre les rôles sont moins rigides. Le marketing, les ventes et l’expérience client sont davantage connectés, car ils partagent des flux de travail.

Pourquoi les CMO doivent se concentrer sur la clarté

La plupart des équipes marketing qui utilisent l’IA produisent plus rapidement un travail médiocre en plus grande quantité.

Voici donc mon conseil : concentrez-vous sur les données d’entrée et la clarté stratégique.

Lorsque l’IA est utilisée en marketing sans données d’entrée solides ni clarté stratégique, elle n’est qu’une machine à polluer les contenus.

Suivre l’aventure

Vous pouvez suivre le parcours de Samantha sur LinkedIn !

Et restez à l’écoute pour découvrir d’autres entretiens avec des experts sur The CMO Club !