La vice-présidente marketing partage comment elle adopte un système d’exploitation natif à l’IA

Emilia Korczynska est la VP Marketing chez Userpilot, une plateforme de croissance produit. Elle est également la fondatrice de ZenABM.

Nous avons échangé avec Emilia pour découvrir comment elle transforme une stack marketing standard en un véritable système d’exploitation natif à l’IA. Voici ce qu’elle nous a expliqué.

Créer un moteur de revenu mesurable

Je suis Emilia Korczynska, VP Marketing chez Userpilot, où je m’attache à transformer le marketing d’un centre de coût en un moteur de revenus mesurable.

Je dirige une organisation marketing relativement légère, structurée autour de fonctions de croissance essentielles plutôt qu’en silos de canaux traditionnels. L’équipe couvre le marketing produit, la génération de la demande, le contenu et le SEO, les opérations marketing, le créatif, ainsi que le support outbound. Elle soutient à la fois la croissance portée par le produit et le marketing basé sur les comptes, couvrant donc tout le parcours, de l’acquisition en self-service à la conversion assistée par notre équipe commerciale.

Concernant les canaux, l’ABM est notre principal moteur d’acquisition. Nous avons bâti l’équipe et les systèmes pour stimuler l’engagement et le pipeline au niveau des comptes via des campagnes hautement ciblées, notamment sur LinkedIn. L’organique vient en complément, en tant que second levier majeur : ici, le contenu joue un rôle clé pour capter et nourrir l’intention, suivi par Google Ads qui permet de récupérer la demande à forte intention et de boucler la boucle sur l’acquisition.

Parce que l'équipe est volontairement compacte, nous fonctionnons de façon très transversale. Le contenu alimente directement la génération de la demande et l’ABM, les opérations marketing connectent toutes les données et l’attribution, et nous mesurons tout par rapport au pipeline et au revenu plutôt que sur des métriques propres à chaque canal.

Même si l’équipe est petite, la stratégie est assez sophistiquée.

Changer fondamentalement la façon dont le marketing fonctionne

Emilia pense

Si cela ne génère pas de pipeline, cela n’a pas d’importance.

Mon parcours en marketing m’a amenée sur le terrain, intimement lié à l’expérimentation. Je ne viens pas du marketing de marque traditionnel – j’ai évolué dans la croissance portée par le produit, la performance et l’ABM, où l’exigence est simple : si cela ne génère pas de pipeline, cela n’a pas d’importance. Chez Userpilot, j’ai opéré le passage d’une génération de la demande large à des stratégies hautement ciblées basées sur les comptes, surtout sur LinkedIn, où nous avons dû repenser toute la chaîne : construction d’audience, attribution, etc.

Un élément clé de ce parcours a été la remise en question de modèles de mesure inefficaces. J’ai passé beaucoup de temps à démontrer qu’une grande part du revenu B2B — souvent plus de la moitié — reste invisible si on se limite à l’attribution au niveau des contacts. Cela m’a aussi convaincue de créer ZenABM, une startup où nous suivons l’impact du marketing sur le pipeline au niveau du compte et connectons l’engagement publicitaire directement au pipeline et au revenu.

C’est donc ce socle qui m’a naturellement menée à l’IA.

La transformation actuelle ne se limite pas à produire du contenu plus vite — il s’agit de changer en profondeur la façon dont fonctionne le marketing. On passe de tableaux de bord et d’analyses manuelles à des systèmes dans lesquels on interroge les données, automatise les insights et déclenche des actions instantanément.

Pour moi, ce moment de transformation IA n’est pas une question de buzz, mais de levier. Je m’intéresse à ces questions :

• « Comment pouvons-nous utiliser l’IA pour rendre le marketing plus précis, plus responsable et plus connecté au revenu que jamais ? »
• « Et comment construire des systèmes où données, insights et exécution ne sont plus des étapes distinctes, mais un seul et même cycle continu ? »

C’est le chemin sur lequel je me trouve aujourd’hui.

Comment une stack marketing peut devenir un système d’exploitation natif à l’IA

L’un des changements les plus importants que nous avons opéré a été de transformer notre stack marketing prête à l’emploi en un système d’exploitation plus personnalisé et natif à l’IA, avec GitHub en tant que « cerveau marketing » central et Claude Code comme interface de l’équipe.

Au lieu de dépendre d’outils déconnectés et de workflows manuels, nous avons transféré l’exécution vers des workflows structurés et reproductibles basés sur l’IA. Nous avons élaboré des processus réutilisables pour la génération de contenu LinkedIn, la création de pages d’atterrissage et l’intelligence concurrentielle, le tout orchestré par des agents et compétences cloud.

En conséquence, nous avons considérablement réduit le délai entre le signal et l’action. Le marketing est désormais beaucoup plus systématique et évolutif, et l’équipe passe moins de temps sur l’exécution et plus sur la stratégie, l’analyse des données et l’optimisation des résultats.

Comment l’IA peut transformer la prospection sortante

Le changement le plus marquant a eu lieu dans la prospection sortante. Nous avons construit un système sortant basé sur l’intention qui identifie les comptes engagés issus de nos programmes ABM en utilisant l’API de ZenABM, alimente les données dans une base de données cloud personnalisée, les enrichit, puis prospecte ces comptes selon nos critères ICP via Prospeo.

À partir de là, nous activons la prise de contact grâce à des outils comme Smartlead et HeyReach, ce qui nous permet de lancer des campagnes ciblées et personnalisées à grande échelle, basées sur des signaux d’engagement réels.

Ce qui était autrefois un processus manuel et fragmenté à travers de multiples outils est maintenant un système connecté et piloté par les signaux.

Comment l’IA éclaire les décisions marketing et la créativité humaine

Dans l’ensemble, nous nous appuyons fortement sur l’IA pour des décisions riches en données, reproductibles et bénéficiant de la reconnaissance de motifs à grande échelle.

Par exemple, l’IA influe de plus en plus sur l’allocation de budget, en utilisant les données de performance et d’attribution de revenus. Plutôt que de déplacer manuellement les investissements en fonction d’indicateurs retardés, nous utilisons des systèmes qui analysent quelles campagnes et quels comptes génèrent du pipeline et du chiffre d’affaires, et ajustons l’investissement en conséquence.

Cela s’applique aussi au SEO. Nous utilisons l’IA pour prioriser les contenus selon des signaux comme le taux de clics, le volume de recherche, et le trafic et l’engagement prévus. Cela nous permet de nous concentrer sur les opportunités au potentiel de retour le plus élevé, plutôt que de se reposer sur l’intuition ou des listes de mots-clés statiques.

Mais nous conservons volontairement l’intervention humaine dans les domaines requérant du goût, du contexte et de l’originalité.

Les décisions de design en sont un bon exemple : ce qui « semble juste » pour une audience, une marque ou un moment particuliers dépend encore fortement du jugement humain. Il en va de même pour la stratégie événementielle et les conférences, où la compréhension de la nuance, des relations et de la perception de marque prime sur la seule analyse de données.

Côté contenu, c’est hybride. L’IA génère efficacement des variantes, des structures, voire des idées de publicités, mais les axes fondamentaux de la génération de demande viennent toujours de la recherche créative et d’une connaissance approfondie de l’audience. C’est là que se joue la différenciation.

Pourquoi les automatisations doivent prouver leur valeur

Les impacts positifs majeurs sont évidents : efficacité et passage à l’échelle.

L’automatisation des workflows manuels a fait gagner un temps considérable à l’équipe sur tous les sujets, de la production de contenu à la prospection sortante. Cela se traduit directement dans les résultats : nous pouvons mener plus d’expériences, lancer plus vite, et fonctionner avec une équipe plus réduite qu’auparavant.

L’IA a également accéléré la prise de décision. Avec l’analyse automatisée des performances et des données d’attribution, nous pouvons passer beaucoup plus vite de l’insight à l’action, notamment en matière de répartition budgétaire ou d’optimisation de campagnes.

Cependant, le risque de sur-automatisation est réel.

Il est facile de passer du temps à construire et optimiser des workflows intéressants d’un point de vue opérationnel, mais qui n’apportent aucun impact business réel. Parfois, la production du système ne justifie pas l’effort, notamment s’il lui manque la subtilité ou la qualité nécessaires.

Donc, voici mon conseil : N’automatisez pas simplement pour automatiser. Restez rigoureux sur les domaines où l’IA apporte un réel levier, par rapport à ceux où elle ne fait qu’ajouter de la complexité.

Le conseil d'Emilia

N’automatisez pas simplement pour le plaisir d’automatiser. Restez discipliné sur les endroits où l’IA apporte un véritable levier, par opposition à ceux où elle ne fait qu’ajouter de la complexité.

Suivez-nous

Vous pouvez suivre le travail d'Emilia sur LinkedIn. Et découvrez ZenABM.

D'autres interviews d'experts sont à venir sur The CMO Club !