Le responsable marketing technophile explique comment les budgets et les équipes marketing doivent être restructurés pour l’IA

Simone Morellato est un responsable du marketing technique et le directeur marketing de vCluster. Il a commencé à expérimenter avec l’IA au début de sa carrière, dans un poste précédent, et l’utilise désormais comme un multiplicateur de force au sein de son équipe marketing.

Nous nous sommes entretenus avec lui pour comprendre comment l’IA transforme ses processus marketing et ceux de ses équipes. Il nous a parlé des nouveaux rôles et des postes budgétaires désormais indispensables.

Utiliser l’IA comme multiplicateur marketing

Je suis un responsable marketing qui a construit sa carrière à l’intersection d’une compréhension technique approfondie des produits technologiques et de leur mise sur le marché, principalement dans les domaines de l’infrastructure, du cloud et des plateformes destinées aux développeurs. Mon parcours a commencé du côté de l’ingénierie, où j’ai étudié l’électronique et l’informatique, avant de travailler comme ingénieur logiciel à la conception de systèmes de réseaux de stockage. Cette formation m’a aidé dans le marketing de produits techniques, car j’ai toujours compris leur fonctionnement, et pas seulement la manière de les positionner.

Au fil du temps, je suis passé de l’ingénierie au marketing technique des produits chez Cisco, puis à des postes de direction dans des start-up et des entreprises, notamment Riverbed, Cloudian et Apcera. Mon passage chez VMware a marqué un tournant majeur dans ma carrière, et j’y ai consacré près d’une décennie au développement de l’activité Kubernetes Tanzu. J’ai constitué et dirigé une équipe mondiale couvrant le marketing produit, le marketing auprès des développeurs et le marketing des solutions, et j’ai contribué à faire évoluer le portefeuille d’un seul projet open source vers une suite de plus de 20 produits. Pendant cette période, j’ai rapidement expérimenté des processus de travail fondés sur l’IA, en créant des outils internes d’automatisation pour les relations avec les analystes, qui ont considérablement réduit les délais d’exécution et amélioré l’efficacité.

Je dirige aujourd’hui le marketing chez vCluster, où je construis un dispositif complet de mise sur le marché couvrant la croissance, le marketing produit, la communauté et la marque. Nous avons amélioré notre efficacité en repensant la génération de la demande, en faisant passer la notoriété de dizaines de milliers à plusieurs millions d’impressions et en améliorant considérablement l’efficacité des coûts ainsi que la conversion du tunnel. Nous nous sommes notamment attachés à élaborer des récits privilégiant les développeurs et des boucles de croissance portées par la communauté, en particulier dans les domaines de Kubernetes et de l’infrastructure d’IA.

Tout ce sur quoi j’ai travaillé converge aujourd’hui dans cette transformation liée à l’IA. L’IA change fondamentalement la manière dont les logiciels sont conçus et commercialisés. En tant que responsable marketing, je m’attache à aider les entreprises à passer de messages produits fragmentés à des récits cohérents autour d’une plateforme, en utilisant l’IA non seulement comme un sujet de communication, mais aussi comme un multiplicateur de l’exécution marketing.

Concilier la confiance des développeurs et la demande des entreprises

Chez vCluster, je supervise une fonction complète de mise sur le marché couvrant la croissance, le marketing produit, la marque, la communauté et les événements. L’équipe intervient à la fois dans une dynamique open source et dans une dynamique entreprise, ce qui crée un double mandat : favoriser largement l’adoption par les développeurs à grande échelle tout en convertissant cet engagement en un pipeline commercial structuré pour les entreprises.

Sur le plan organisationnel, cette fonction opère comme un système intégré plutôt que comme un ensemble de disciplines isolées. Le marketing produit et les relations avec les développeurs travaillent en étroite collaboration pour façonner le récit et établir la crédibilité technique, tandis que la croissance et le contenu se concentrent sur l’acquisition et la diffusion à grande échelle via des canaux tels que les réseaux sociaux, le référencement naturel, les médias payants et les programmes portés par la communauté. La marque et les événements étendent cette portée à l’engagement au sein de l’écosystème, en particulier dans les communautés Kubernetes et cloud native.

La complexité vient des dynamiques propres aux publics et à l’écosystème. Nous nous adressons à des profils très techniques, principalement des ingénieurs DevOps et des ingénieurs de plateformes, tout en influençant les décideurs des entreprises. Cela exige de trouver un équilibre entre crédibilité technique et formulation claire de la valeur commerciale. Parallèlement, nous évoluons dans un secteur de l’infrastructure en mouvement rapide et influencé par l’IA, où les définitions des catégories sont encore en train de se former. Une part importante du rôle consiste donc à façonner le récit, et pas seulement à l’amplifier.

Le modèle est efficace, car une boucle unifiée allant de l’acquisition à l’activation puis à l’engagement relie l’ensemble, avec le soutien d’une approche fortement axée sur les données en matière de performance et d’expérimentation rapide.

Là où l’IA s’arrête et où commence le discernement

J’utilise principalement l’IA pour faciliter la prise de décision et accélérer le travail dans les domaines à fort volume et fondés sur l’identification de tendances, ou dans ceux qui nécessitent une synthèse rapide de grandes quantités d’informations non structurées. Dans le même temps, je maintiens une limite claire là où le discernement humain reste essentiel, notamment pour le contexte, la responsabilité et les implications à long terme pour la marque.

Je m’appuie fortement sur l’IA dans trois domaines :

• Premièrement, le développement narratif et l’exploration des messages. Lors de l’élaboration du positionnement ou des thèmes de campagne, j’utilise l’IA pour tester rapidement différentes variantes, identifier les lacunes dans les messages et tester rigoureusement leur clarté auprès de personas tels que les développeurs, les ingénieurs de plateforme et les cadres dirigeants. Elle réduit à une boucle beaucoup plus rapide ce qui nécessitait auparavant plusieurs itérations.
• Deuxièmement, la mise à l’échelle des contenus et des campagnes. L’IA produit désormais la première version de la plupart des contenus, notamment les publications sur les réseaux sociaux, les structures d’articles de blog et les variantes de campagnes. Elle adapte également les informations techniques dans un langage propre à chaque persona, ce qui est particulièrement important dans le marketing des infrastructures et des plateformes d’IA, où un même concept doit trouver un écho différent selon les publics.
• Troisièmement, la synthèse des performances. J’utilise l’IA pour analyser les signaux de performance des campagnes sur différents canaux et faire émerger des tendances qui pourraient autrement passer inaperçues, notamment lorsque les données sont fragmentées entre les canaux organiques, payants et communautaires.

Les tâches explicitement humaines impliquent des arbitrages stratégiques et la responsabilité des décisions. Les décisions de positionnement, la définition de la catégorie et l’architecture fondamentale des messages restent entièrement pilotées par des humains, car elles nécessitent une compréhension approfondie du calendrier du marché, de la dynamique concurrentielle et de l’ambition de l’entreprise. Il en va de même pour le jugement créatif final concernant la voix de la marque et les campagnes à forte visibilité.

Je conserve également la responsabilité humaine des décisions de priorisation. L’IA peut faire émerger des options et des informations, mais décider de ce qu’il ne faut pas faire reste une responsabilité de la direction, en particulier dans des catégories en évolution rapide comme les infrastructures d’IA, où il est facile de réagir de manière excessive aux signaux.

Ainsi, l’IA élargit effectivement le champ de la réflexion et de l’exécution, mais elle n’assume pas la responsabilité des résultats. La direction marketing continue de prendre les décisions finales qui concilient rapidité, cohérence et valeur de marque à long terme.

Comment un changement structurel a fait passer les impressions de milliers à des millions

J’ai fait évoluer notre modèle marketing, passant d’une production de contenu axée sur l’humain à une génération assistée par l’IA de récits et de ressources. Les humains se concentrent désormais sur l’orientation, la validation et la distribution, plutôt que de tout créer à partir de zéro.

Concrètement, j’ai mis en place un système de contenu piloté par l’IA. Nous utilisons des flux de travail fondés sur de grands modèles de langage pour transformer une seule donnée technique — comme une mise à jour produit, une démonstration, un retour client ou un récit d’ingénierie — en plusieurs ressources marketing dérivées. Cela comprend des publications destinées aux développeurs, des contenus longs, des variantes pour les réseaux sociaux, des messages de campagne et même des premières versions du positionnement. Au lieu de recourir à une rédaction distincte pour chaque élément, une couche commune de consignes et de structure génère, affine et harmonise désormais toutes les ressources.

Simone partage

Au lieu de recourir à une rédaction distincte pour chaque élément, une couche commune de consignes et de structure génère, affine et harmonise désormais toutes les ressources.

L’IA génère ces éléments en parallèle à un niveau de première version solide, plutôt que séquentiellement à partir de zéro. Nous ajoutons ensuite une revue et un affinage humains, au cours desquels le marketing produit veille à l’intégrité narrative, la croissance optimise la distribution et la marque préserve sa voix et sa cohérence.

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 ressources, on la lance, puis on passe à la suivante. Ce modèle a été conçu pour un monde où la production de contenu était coûteuse et lente. Désormais, nous menons en parallèle des boucles de génération et d’itération. Cela réduit le temps de cycle et nous permet de réagir beaucoup plus rapidement aux signaux des produits et du marché.

Comment l’IA améliore l’efficacité de la production et la cohérence narrative

Du côté positif, l’impact le plus immédiat de l’IA a été l’ampleur et l’efficacité. L’introduction de l’IA dans les flux de production de contenu et de campagnes a considérablement augmenté la production sans accroître les effectifs. Chez vCluster, cela s’est traduit par un passage d’environ 36K à environ 7M d’impressions mensuelles, tout en réduisant le CPM d’environ $5.58 à $0.29. Bien que plusieurs facteurs aient contribué à ce résultat, un facteur déterminant a été la production et l’itération de contenu beaucoup plus rapides et plus cohérentes sur l’ensemble des canaux.

Nous avons également amélioré la vitesse d’exécution. Les cycles de contenu qui prenaient auparavant des semaines — en particulier pour les ressources transversales impliquant le marketing produit, la marque et la croissance — ont été réduits à 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 de l’IA en évolution rapide.

Un autre résultat positif a été la cohérence du discours. L’IA a contribué à standardiser la manière dont nous transformons les informations techniques en messages sur différents canaux, réduisant la fragmentation entre le contenu destiné aux développeurs, les outils d’aide à la vente et les campagnes de génération de demande. Cet alignement a amélioré à la fois la qualité de l’engagement et les performances en aval de l’entonnoir.

Sur le plan qualitatif, l’un des plus grands changements a été organisationnel. L’équipe marketing est passée d’une fonction principalement axée sur l’exécution à un rôle davantage centré sur la coordination. Les humains consacrent désormais plus de temps à l’orientation, à la stratégie et à la validation, tandis que l’IA prend en charge la première phase de production et les variantes. Cela a amélioré la concentration de l’équipe et réduit les goulots d’étranglement opérationnels.

Simone partage

Les humains consacrent désormais plus de temps à l’orientation, à la stratégie et à la validation, tandis que l’IA prend en charge la première phase de production et les variantes.

Comment l’IA peut entraîner une surproduction

Des difficultés sont également apparues. Au début, nous avons constaté une tendance à la surproduction. L’IA générait trop de variantes sans suffisamment de contraintes initiales, créant du bruit et nous obligeant à mettre en place des niveaux plus solides de gouvernance éditoriale et de gouvernance des instructions. Nous avons également géré activement le risque de dilution du message, en veillant à ce que la rapidité ne se fasse pas au détriment d’un positionnement précis ou d’une définition claire de la catégorie.

Nous avons également appris que l’IA peut amplifier aussi bien les bonnes que les mauvaises données d’entrée. Lorsque le discours sous-jacent ou le brief est faible, l’IA amplifie rapidement cette faiblesse. Cela nous a conduits à investir davantage dans la stratégie en amont et dans une conception plus rigoureuse des données d’entrée avant de générer quoi que ce soit à grande échelle.

Globalement, le résultat net a été clairement positif, mais seulement après la mise en place de garde-fous clairs.

Pourquoi l’IA ne peut pas apporter de différenciation et de positionnement

L’IA n’a pas non plus répondu aux attentes initiales en matière de différenciation stratégique et de positionnement.

Au départ, nous pensions que l’IA pourrait nous aider à élaborer des discours de catégorie plus solides, voire à identifier des angles de positionnement susceptibles de nous donner un avantage. En pratique, nous avons constaté que, même si l’IA excelle à recombiner les schémas existants du marché, elle peine à produire un positionnement véritablement original ou défendable.

Elle tend à converger vers la moyenne de ce qui existe déjà, ce qui est exactement l’inverse de ce que l’on recherche lorsqu’on essaie de se démarquer sur un marché très encombré des infrastructures ou des plateformes d’IA.

Pourquoi les responsables marketing doivent d’abord encadrer l’IA

Une campagne assistée par l’IA que nous avons menée au début pour repositionner une plateforme technique auprès d’un public plus large de professionnels du DevOps et de l’ingénierie des plateformes illustre clairement les limites de l’IA en matière de différenciation stratégique.

Nous avons utilisé l’IA pour repositionner notre plateforme auprès d’un public de néofournisseurs de cloud. Le résultat a été rapide et nous a fourni plusieurs orientations : « simplifier les opérations Kubernetes », « améliorer l’efficacité des plateformes », « accélérer la productivité des développeurs ».
Tout semblait juste. C’était précisément le problème.

Aucun de ces angles ne nous différenciait réellement. Lorsque nous les avons testés rigoureusement par rapport au marché, nous avons constaté que des outils connexes les utilisaient déjà largement dans l’écosystème Kubernetes et du cloud natif. L’IA a essentiellement amplifié le langage courant du secteur au lieu de nous aider à nous en démarquer. Si nous avions poursuivi avec ces propositions telles quelles, la campagne se serait fondue dans la catégorie au lieu de contribuer à la façonner.

Nous avons considérablement renforcé la phase de définition des données d’entrée menée par les humains. Au lieu de commencer par des instructions générales sur les fonctionnalités du produit, nous avons imposé des contraintes plus précises dans trois domaines : notre avantage architectural unique, les compromis que nous étions prêts à assumer publiquement et les segments d’audience que nous souhaitions explicitement placer au premier plan, et pas seulement inclure.

Une fois les données d’entrée réancrées dans ces choix stratégiques, nous avons utilisé l’IA différemment : non pas pour inventer le positionnement, mais pour tester rigoureusement la clarté, adapter le message aux différents profils et générer des variantes au niveau de l’exécution pour les contenus et les campagnes.

Le résultat a été un discours beaucoup plus précis, centré sur un angle plus spécifique et défendable : la manière dont les équipes en charge des plateformes pouvaient repenser l’abstraction de l’infrastructure pour les charges de travail modernes, plutôt que de s’appuyer sur des thèmes génériques d’efficacité ou de productivité. Ce changement a amélioré la qualité de l’engagement et rendu le message plus mémorable dans les communautés techniques, en particulier auprès des professionnels de Kubernetes, qui sont très sensibles aux positionnements trop génériques.

Ainsi, le goulot d’étranglement ne réside plus dans la qualité ou la rapidité de production ; il concerne désormais l’originalité et la pertinence de la réflexion. Se démarquer exige aujourd’hui un point de vue beaucoup plus affirmé, un positionnement plus clair et la volonté d’assumer des compromis explicites. Sans cela, l’IA tend à tout ramener vers la moyenne du marché.

Comment l’IA change la structure des équipes marketing

L’IA a fondamentalement fait évoluer mon équipe marketing : d’une organisation cloisonnée par fonctions, elle est devenue un modèle d’exécution plus fluide et transversal.

Traditionnellement, nous séparions clairement les rôles. Un responsable du marketing de contenu prenait en charge la création de contenu, puis le transmettait aux spécialistes de la diffusion pour l’adapter, tandis que le marketing produit développait séparément les messages et le positionnement, qui devaient ensuite être adaptés aux campagnes. Chaque étape impliquait du travail supplémentaire et une transposition entre les différentes fonctions.

Avec l’IA intégrée au flux de travail, la structure a considérablement changé. Désormais, chaque membre de l’équipe peut intervenir sur plusieurs étapes du cycle de vie du contenu et des campagnes. Un responsable du marketing de contenu peut générer non seulement la première version d’un article, mais aussi les premières déclinaisons pour les réseaux sociaux, les textes d’e-mails et même des angles de positionnement. Un responsable de la croissance peut utiliser la même information et générer immédiatement des variantes de campagne ou des cadres de test. Le marketing produit peut passer de la rédaction intégrale à partir de zéro à l’affinement du récit, à la vérification de l’exactitude et à l’alignement des messages sur la stratégie.

Le changement essentiel est que nous ne produisons plus le travail séquentiellement à partir de zéro. Par défaut, l’IA le génère sous la forme d’une version préliminaire de grande qualité, que nous transmettons ensuite entre les fonctions pour l’affiner, le valider et l’optimiser. Cela a considérablement réduit les frictions entre les équipes et raccourci les cycles d’itération.

Par conséquent, les professionnels du marketing se concentrent désormais davantage sur le jugement, la révision et l’orientation stratégique que sur la simple production. L’équipe est plus réduite en termes de dépendance à l’exécution manuelle, mais son potentiel de production est accru.

L’IA a également rendu la collaboration plus dynamique. Au lieu de transmissions rigides, nous fonctionnons désormais davantage comme un système partagé de connaissances, dans lequel nous pouvons transformer n’importe quelle information en plusieurs productions pour différents canaux, avant que le spécialiste concerné ne 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 dépenses de campagnes traditionnelles ni même dans les effectifs, mais dans l’accès direct de chaque professionnel du marketing à un budget flexible et décentralisé consacré aux outils d’IA.

J’attribuerais à chaque professionnel du marketing un budget lui permettant d’adopter et d’expérimenter des outils qui améliorent sa productivité quotidienne, sans attendre les cycles centralisés d’approvisionnement ou d’approbation informatique. Cela inclurait des outils de rédaction reposant sur l’IA, des assistants d’analyse de données, des plateformes de génération créative, des outils d’automatisation et des utilitaires spécialisés qui apparaissent rapidement dans l’écosystème de l’IA.

La raison est simple. Dans un environnement piloté par l’IA, l’évolution des outils est plus rapide que les cycles d’approvisionnement des grandes entreprises. Un accès centralisé finit inévitablement par imposer aux équipes une pile technologique dépassée, ce qui ralentit l’expérimentation et creuse l’écart entre ce qui est possible et ce qui est réellement utilisé dans l’exécution.

J’ai pu le constater directement en introduisant l’IA dans les flux de travail marketing. Les équipes qui avaient la liberté de tester et d’adopter rapidement les outils ont considérablement accéléré leur production de contenu, l’itération des campagnes et l’analyse des données. Les équipes limitées par des processus d’approbation centralisés revenaient souvent à des flux de travail plus lents et hérités du passé, même lorsque de meilleurs outils étaient disponibles.

À l’inverse, un budget distribué consacré aux outils crée une dynamique différente. Il transforme chaque professionnel du marketing en responsable capable d’optimiser continuellement sa propre pile d’outils. Il fait également émerger l’innovation naturellement, car les meilleurs outils se diffusent au sein de l’équipe par l’usage plutôt que par obligation.

Deuxièmement, je donnerais la priorité à la mise en place d’une légère couche d’accompagnement autour de cette liberté, comprenant des bonnes pratiques partagées, des bibliothèques de prompts et des flux de travail internes afin d’éviter que l’expérimentation ne se transforme en fragmentation.

Le contrôle centralisé optimise la cohérence, tandis que l’accompagnement distribué optimise l’adaptation. Or, c’est l’adaptation qui crée un avantage concurrentiel dans des environnements marketing en évolution rapide.

Comment Claude Cowork crée un véritable effet de levier

Une fonctionnalité d’IA d’Anthropic m’enthousiasme particulièrement : Claude CoWork.

Il va au-delà de l’interface de discussion traditionnelle et donne l’impression d’être un véritable environnement de travail pour les activités intellectuelles. Au lieu de simples invites isolées, il permet de mettre en place des flux de travail plus structurés et persistants. C’est précisément là que l’IA offre un véritable effet de levier.

J’apprécie également la rapidité avec laquelle Anthropic fait évoluer son produit en fonction du comportement réel des utilisateurs. L’entreprise prête attention à ce que la communauté crée et utilise, puis intègre directement ces pratiques au produit principal. Cela me rappelle à quelle vitesse des concepts issus de projets comme OpenClaw ont été intégrés à Claude CoWork. Cette boucle de rétroaction est importante, car l’outil évolue pour refléter la manière dont les gens travaillent réellement, et non simplement la manière dont l’équipe produit imagine qu’ils devraient travailler.

Concrètement, cela réduit également le besoin d’assembler plusieurs outils ou extensions. Je n’ai pas besoin de recréer des flux de travail, d’évaluer de nouveaux fournisseurs ou de me préoccuper de la sécurité et de la gestion des données au sein d’une pile fragmentée. J’ai déjà confiance en Anthropic en tant qu’entreprise ; lorsqu’elle lance de nouvelles fonctionnalités, je peux donc les adopter rapidement et en toute confiance.

Pourquoi chaque équipe marketing a besoin d’un rôle dédié à l’adoption de l’IA

Cela étant dit, la plus grande lacune que j’ai constatée dans l’adoption de l’IA ne concerne pas les outils. La plupart des équipes marketing ont accès à des outils d’IA. Ce qui leur manque, c’est une personne dont le seul rôle consiste à suivre les évolutions, à filtrer le bruit et à les transformer en flux de travail que l’équipe peut réellement utiliser.

La plupart des organisations partent du principe que si les équipes ont accès à des outils d’IA, l’adoption suivra naturellement. En pratique, la sensibilisation et la synthèse sont les facteurs limitants. Le paysage de l’IA évolue si rapidement qu’aucun spécialiste du marketing ne peut raisonnablement suivre les nouveaux modèles, outils, flux de travail et bonnes pratiques tout en assumant ses responsabilités principales. Lorsque chacun est partiellement chargé de rester à jour, personne n’en est pleinement responsable.

D’après mon expérience, la création d’un rôle dédié à l’adoption de l’IA au sein de l’organisation marketing fonctionne beaucoup mieux. Il ne s’agit pas simplement d’un administrateur des outils ou d’un ingénieur en invites ; c’est une personne profondément curieuse à l’égard de l’IA, qui suit activement les évolutions des modèles et des applications et les traduit continuellement en flux de travail pratiques pour l’équipe.

Cette personne devient en quelque sorte une couche de renseignement interne. Elle évalue les nouveaux outils, teste des cas d’usage, synthétise ce qui est utile et ce qui relève du bruit, puis transforme ces enseignements en flux de travail reproductibles. Tout aussi important, elle joue le rôle de passerelle dans les deux sens. Les membres de l’équipe peuvent lui soumettre des problèmes ou des inefficacités, explorer des solutions fondées sur l’IA et rapporter des recommandations structurées.

Ce rôle agit principalement sur la capacité de concentration. Il retire aux contributeurs individuels la charge cognitive consistant à « suivre l’évolution de l’IA » et la centralise au sein d’une fonction unique, dont le seul objectif est de garder une longueur d’avance et de diffuser efficacement ces connaissances. Sans cela, les équipes ont tendance à se fragmenter. On observe une adoption inégale, des pratiques incohérentes et des expérimentations redondantes. Avec ce rôle, on crée un effet cumulatif dans lequel l’apprentissage se centralise tandis que l’exécution se répartit.

Pourquoi les spécialistes du marketing doivent considérer l’IA comme une transformation du modèle opérationnel

Le conseil le plus important que je donnerais aux dirigeants marketing est de considérer ce moment comme une transformation du modèle opérationnel, et non comme une simple mise à niveau des outils.

Il est facile de se laisser entraîner dans l’évaluation des outils, le test de fonctionnalités et la recherche de gains de productivité progressifs. C’est important, mais cela ne procure pas le véritable avantage. Le véritable changement concerne la manière dont le travail marketing est réalisé, la structure des équipes et la façon dont l’effort humain est mobilisé.

Quelques principes se révèlent particulièrement importants :

• Premièrement, investissez dans la qualité des données d’entrée avant de chercher à augmenter le volume des résultats. L’IA génère autant de contenu que vous lui en demandez, mais la qualité de ce contenu dépend entièrement de la clarté de votre positionnement, de la définition de votre audience et de votre narration. Les dirigeants qui négligent cette étape amplifient le bruit, comme je le souligne dans « Plan marketing pour les startups technologiques ».
• Deuxièmement, repensez les flux de travail, et pas uniquement les tâches. Au lieu de vous demander comment l’IA peut accélérer une étape existante, examinez l’ensemble du système, de l’entrée au résultat, et repensez son fonctionnement dans un monde où les brouillons sont instantanés et où l’itération est peu coûteuse. Cela permet des améliorations d’un ordre de grandeur.
• Troisièmement, créez un espace dédié à la responsabilité de l’IA. Qu’il s’agisse d’un rôle dédié ou d’un petit groupe, quelqu’un doit suivre l’évolution du secteur, tester les outils et traduire ces enseignements en flux de travail pratiques. Sans cela, les équipes se fragmentent et l’adoption stagne.

Suivez-nous

Vous pouvez suivre Simone Morellato sur LinkedIn.

D’autres entretiens avec des experts seront bientôt disponibles sur The CMO Club !