L’ia au travail, tout le monde en parle. Beaucoup la testent. Très peu l’utilisent vraiment. Et cette différence-là, elle commence à se voir – dans les budgets, dans les délais, dans les appels d’offres. Marie Robin le dit sans détour dans le podcast Bannouze : les agences qui ont attendu que ça devienne mainstream sont déjà en retard. Marie, consultante en marketing digital depuis 14 ans et fondatrice du collectif Fleet Forward, jongle chaque jour entre ChatGPT, Claude et Gemini – pas par goût de la nouveauté, mais parce que ses clients grands groupes lui demandent des résultats qu’on ne peut plus produire à l’ancienne.
Ce qui m’a scotché dans cet épisode, c’est pas la liste d’outils. C’est la méthode derrière. Avant de choisir un outil, Marie commence par documenter ses tâches. Comme un nutritionniste qui demande à tenir un journal alimentaire. Et ça, c’est exactement le truc que personne ne fait.
ChatGPT, Claude, Gemini : choisir l’ia au travail qui correspond à ta vraie question
Trois outils principaux dans la stack de Marie. Trois tempéraments différents. Et surtout trois cas d’usage qui ne se chevauchent presque jamais.
ChatGPT d’abord – le généraliste. Depuis l’arrivée du modèle O3 et l’ouverture de Deep Research aux comptes premium (pas seulement aux abonnements à 200€/mois), il répond à la majorité des besoins courants : analyse de documents, recherche web approfondie, raisonnement, création de contenu. Mais il a un angle mort.
« ChatGPT va analyser les premières pages et les dernières, et il va pas vous dire qu’il a pas pris le milieu. »
Voilà. La fenêtre contextuelle. C’est le truc technique que tout le monde ignore jusqu’au jour où il se retrouve avec une analyse incomplète d’un PDF de 100 pages et aucun signal d’alarme. C’est là que Gemini entre en jeu.
Gemini, Marie l’utilise pour deux choses précises. Sa fenêtre contextuelle est la plus large des trois – donc il digère des documents longs sans perdre le fil. Et surtout, il analyse des vidéos, ce que les autres ne font pas encore.
« Si je veux documenter un process, je fais un petit loom vidéo, je le donne à Gemini et il me documente par écrit tout ce que je vais montrer. »
Dit comme ça, ça a l’air simple. Et c’est simple. Mais ça représente des heures de travail de documentation qui disparaissent. L’intégration native dans Google Drive – et son équivalent Microsoft Copilot dans la suite Office – ajoute une couche : l’IA peut naviguer entre tes fichiers, faire des rapprochements entre documents, proposer des analyses à partir de ce que tu as déjà produit.
Claude, enfin. Moins polyvalent, mais au-dessus sur un point précis. Marie est revenue à ChatGPT quand la mémoire est arrivée – mais pour tout ce qui est éditorial, elle reste sur Claude. Scripts de vidéos, posts, contenus longs. Il s’approprie un style d’écriture mieux que les autres, au point de produire un premier draft qu’on n’a plus qu’à ajuster. (Ce qui est rare, et souvent sous-estimé.)
La question de la confidentialité ? Elle arrive vite dans la conversation. Laurent l’a posée directement : ça fait pas flipper d’avoir tout son Drive analysé par Gemini ? La réponse de Marie est pragmatique : abonnement payant, option de blocage pour l’entraînement, et anonymisation systématique avant d’uploader des documents sensibles. Pas une garantie absolue – une pratique raisonnée.
Le vrai point de départ : documenter ses tâches avant de choisir un outil
Mauvaise question : quel outil je devrais utiliser ? Bonne question : qu’est-ce que je fais dans ma journée qui me pèse, qui prend trop de temps, que je pourrais déléguer ?
Marie a une métaphore qui colle bien. Le nutritionniste qui te demande de noter tout ce que tu manges avant de te prescrire quoi que ce soit. L’IA, c’est pareil. Sans ce travail de cartographie de tes tâches, tu vas multiplier les outils sans jamais changer ta façon de travailler.
« La meilleure chose que vous pouvez vous rendre, c’est d’essayer de vous demander : si j’avais un stagiaire demain, qu’est-ce que je lui dirais ? Qu’est-ce qu’il aurait besoin de savoir ? »
C’est exactement le problème. La plupart des gens arrivent sur ChatGPT sans savoir ce qu’ils cherchent, tapent une question vague, obtiennent une réponse correcte, et concluent que l’outil est utile. Ou pas. Alors que la vraie valeur arrive quand tu identifies un pattern : cette tâche, je la fais tous les lundis, elle prend 2h, et elle suit toujours la même structure. C’est là que tu crées un assistant.
Les assistants personnalisés – disponibles dans ChatGPT, Claude et Gemini – te permettent de ne pas tout reprompter à chaque fois. Tu définis une fois le contexte, les instructions, le format de sortie. Et tu gagnes le temps que tu perdais à te répéter. La mémoire de ChatGPT va plus loin : elle retient ce que tu fais dans la vie, tes offres, tes services, sans avoir à le réindiquer à chaque nouvel assistant.
Ce qu’il faut retenir – enfin, ce que j’aurais voulu qu’on me dise quand j’ai commencé – c’est que l’IA ne s’intègre pas dans une stack. Elle s’intègre dans des habitudes. Et les habitudes, ça se construit à partir de besoins réels, pas à partir de fonctionnalités.
Community managers et agences : qui prend le plus cher avec l’ia au travail
Marie a commencé sa carrière comme community manager. Elle sait donc exactement de quoi elle parle quand elle décrit ce que ce métier impliquait : copywriting, création visuelle, reporting, analyse de performance. Une journée entière – 8 heures – pour produire le bilan mensuel d’un seul client en agence.
Aujourd’hui ? Une fraction de seconde. Tu donnes le template de reporting avec les variables à remplacer. L’IA génère les graphiques, les dashboards, les analyses. Ce que tu attendais de ton community manager, c’est plus qu’il soit un bon data analyste. C’est qu’il soit créatif, stratégique, capable de proposer de nouvelles orientations à partir de ce qui a marché.
Et pour la création visuelle, des outils comme Kling changent la donne : générer des visuels, les animer, produire de la vidéo – au sein du même outil. Former un community manager à ça prend une après-midi. Et ça désengorge les créatifs sur des besoins qui peuvent être couverts par des non-spécialistes. (Et c’est souvent là que les agences font les plus gros gains de temps, pas dans les process complexes.)
Marie cite aussi l’exemple de la donnée dormante. Les agences ont des années de campagnes, de contenus, de performances clients – des données qui ne sont pas documentées sur internet, et qui constituent leur vrai avantage compétitif. Une agence qui apprend à nourrir un modèle avec ses propres données historiques peut créer quelque chose qu’aucun concurrent ne peut répliquer avec un outil généraliste. C’est ça, le nouveau pétrole. Pas ChatGPT. Les données que tu as déjà.
Pour aller plus loin sur la transformation des agences et la place des agences en 2024, un épisode précédent de Bannouze dresse un tableau assez cru de ce qui les attend.
Le fossé qui se creuse – et pourquoi l’ia au travail n’est pas qu’un outil
Erreur classique : traiter l’IA comme un outil. Comme Excel ou PowerPoint. Tu l’installes, tu apprends les raccourcis, tu gagnes 20 minutes par semaine. C’est bien. C’est pas assez.
Marie le dit clairement : c’est un catalyseur. Il change les attentes des clients, les façons de travailler, les modèles économiques. Une agence de 10 personnes qui maîtrise bien ses outils peut aujourd’hui répondre à des appels d’offres à 500K€ face à des agences avec lesquelles elle ne pouvait pas se mesurer il y a deux ans. Ce rééquilibrage-là, il est en train de se produire silencieusement.
Les grands groupes, eux, ont déjà fait leur chemin. Ils sont formés. Ils ont compris qu’à budget égal, ils peuvent faire plus, plus vite. Et du coup, ils challengent leurs agences différemment. Les anciens livrables ne suffisent plus. Les délais qu’on justifiait par la complexité deviennent indefendables.
Ce qui m’agace dans le débat public sur l’IA, c’est cette binary absurde entre « on va tous perdre nos jobs dans 2 ans » et « c’est du hype, ça changera rien ». La réalité est plus lente et plus violente à la fois. Les jobs ne disparaissent pas du jour au lendemain. Mais le fossé entre ceux qui utilisent vraiment l’ia au travail et ceux qui attendent se creuse chaque trimestre. Et quand il sera visible à l’oeil nu, il sera trop tard pour combler. Sur la question du recrutement dans le marketing digital, ce fossé de compétences commence déjà à se traduire dans les fiches de poste.
Franchement, la plupart des entreprises passent à côté du vrai sujet. Elles se demandent si l’IA va remplacer des postes. Elles devraient se demander comment leurs concurrents qui l’utilisent bien vont les prendre de vitesse.
Par où commencer avec l’ia au travail quand on part de zéro
En 2025, commencer avec l’ia au travail, c’est un sacré challenge. Pas parce que les outils sont complexes. Parce qu’il s’est passé beaucoup de choses depuis 2023, et que le bruit ambiant – YouTube, newsletters, posts LinkedIn – est devenu indigeste. La course à l’échalote des derniers outils, des dernières fonctionnalités, des derniers modèles. On sait plus quoi prioriser.
Marie propose une approche en deux temps. D’abord, identifier des curateurs dans ton domaine – pas des veilleurs généralistes sur l’IA, mais des gens qui parlent de cas d’usage pour ton industrie. Des avocats qui parlent d’IA pour les juristes. Des marketeurs qui parlent d’IA pour les équipes marketing. Ça permet de filtrer ce qui est pertinent pour toi. Sur ce sujet, la newsletter Exploration de Marie sur Substack est centrée sur les cas d’usage marketing : tests d’outils, shooting produit avec IA, SEO avec IA.
Ensuite – et c’est non négociable – se garder du temps pour tester soi-même. On ne peut pas déléguer entièrement sa montée en compétence à la curation des autres. Il faut toucher les outils, rater, recommencer, trouver ses propres cas d’usage. C’est la seule façon d’apprendre vraiment ce que l’ia au travail peut faire pour toi.
Se faire accompagner aide aussi, surtout pour cadrer les priorités. Marie ne commence jamais un accompagnement en ouvrant ChatGPT. Elle commence par poser des questions sur le quotidien du client. Les tâches, les livrables, les douleurs. Et à partir de là, les cas d’usage émergent naturellement – plutôt que d’essayer de coller des fonctionnalités à des besoins qui n’existent pas vraiment. Pour une réflexion plus large sur la formation en marketing digital, c’est une question qui rejoint directement cette logique de montée en compétence.
Et si tu travailles dans une entreprise avec une stack Microsoft ou Google, l’intégration native des IA dans ces écosystèmes – Copilot d’un côté, Gemini de l’autre – est probablement ton point d’entrée le plus simple. Tu n’as pas à tout réapprendre. Tu commences là où tu travailles déjà. Sur les priorités des acteurs du marketing digital, l’IA s’impose de plus en plus comme le premier chantier à adresser, avant même la question des données first-party.
Mais bon. Même avec la meilleure méthode du monde, certaines personnes vont cligner des yeux et se retrouver avec 6 mois de retard. L’IA bouge vite. Vraiment vite. Et c’est peut-être la vraie limite de toute cette approche : le temps qu’on a pris à documenter nos tâches, un nouveau modèle est sorti et les règles ont encore changé.
La question reste entière : est-ce qu’on peut vraiment rester à jour, ou est-ce qu’on court tous derrière quelque chose qui accélère plus vite que nous ?
