L’ia washing, c’est le nouveau greenwashing – et franchement, c’est en train de pourrir quelque chose qui aurait pu être bien. Des start-ups aux grandes entreprises cotées, tout le monde colle le mot « IA » sur ses produits comme on collait « bio » sur des emballages en plastique il y a dix ans. Estelle Ballot, fondatrice du Podcast du Marketing et journaliste spécialisée en stratégie digitale, a consacré son épisode 301 à disséquer ce phénomène. Et ce qu’elle dit mérite vraiment qu’on s’y arrête.
Parce que le problème n’est pas juste sémantique. Une simple correspondance de mots-clés rebaptisée « reconnaissance intelligente », une auto-complétion de formulaire transformée en « copilote IA »… On fait ça depuis des années. Ce qui est nouveau, c’est l’ampleur du mensonge collectif – et ses conséquences sur l’ensemble de l’écosystème tech.
Ce qui m’agace dans cette histoire, c’est qu’on a tous notre part de responsabilité. Les marques qui surcommuniquent, les journalistes qui adorent l’angle « boosté par l’IA », les investisseurs qui réagissent aux slides ambitieuses… La boucle se ferme sur elle-même. Et au bout, c’est la confiance des utilisateurs qui trinque.
Ce que l’ia washing veut vraiment dire – et pourquoi l’analogie avec le green ne suffit pas
Balloon a raison de faire le parallèle avec le greenwashing. La mécanique est identique : une asymétrie d’information entre une marque qui utilise un vocabulaire technique impressionnant et un public qui associe « IA » à des prouesses spectaculaires. Mais l’ia washing a une particularité que le green n’avait pas.
Avec le greenwashing, on savait à peu près ce que « éco-responsable » voulait dire. Là, la frontière entre un algorithme classique et une IA avancée est floue pour pratiquement tout le monde – y compris dans les équipes produit. Cette ambiguïté, certains secteurs entiers jouent dessus délibérément.
« Vous avez des banques par exemple qui promettent des parcours qui vont être personnalisés par IA, alors qu’en fait c’est un système de scoring ultra classique. Vous avez des assureurs qui vont vous parler d’une détection instantanée de fraude par IA, alors qu’en fait l’essentiel c’est un algorithme d’analyse des chiffres, c’est de l’actuariat qui a toujours existé. »
Voilà. On habille l’existant avec le vocabulaire du futur.
Et la liste continue dans le retail avec des « recommandations boostées par l’IA » – déployées depuis des années, fondées sur l’historique d’achat, qui n’ont rien de révolutionnaire. Le truc c’est que ça marche, ce renommage. Le halo technologique agit comme un raccourci mental : un produit marqué « IA » est perçu comme plus intelligent, plus performant, plus crédible. Même si sous le capot, c’est du SQL de 2012.
Ce qui distingue vraiment l’ia washing du simple marketing agressif, c’est la promesse implicite d’une transformation qui n’a pas lieu. Et ça, ça ne se voit pas dans les slides – ça se voit dans l’expérience utilisateur, six mois après le lancement.
Pourquoi les équipes marketing tombent dans le piège – même sans le vouloir
Soyons honnêtes deux secondes. Personne ne se réveille le matin en se disant « aujourd’hui, je vais faire de l’ia washing ». La pression, elle vient de partout en même temps.
Les comités de direction veulent des preuves visibles d’un virage data-IA. Les conférences, les salons, les communiqués parlent d’IA en permanence. Et les investisseurs voient le terme IA comme un signal d’ambition technologique – la bourse réagit, l’interne accélère, la communication continue. Du coup, des équipes qui expérimentent encore (et qui ne sont pas du tout prêtes d’un point de vue industrialisation) se retrouvent à annoncer des plateformes qui n’existent pas.
« La tentation, c’est de raconter l’intention plutôt que la réalité opérationnelle. Le problème c’est que l’écart se creuse après entre le discours et l’adoption réelle, parce qu’elle est freinée par la qualité des données, le manque de vision et puis les contraintes réglementaires ou même l’intégration SI. »
C’est exactement le problème. On vend le résultat final d’une industrialisation qui n’a pas encore commencé.
Il y a aussi quelque chose de plus insidieux : le biais des métriques de vanité dans tout ça. On rebaptise un POC en « succès annoncé », un projet analytique en « projet IA » parce que ça fait bien dans le reporting. Et personne dans la salle ne lève la main pour dire que le roi est nu. Parce que tout le monde a quelque chose à perdre à le dire.
Résultat : on est dans ce qu’Estelle Ballot appelle un « théâtre de l’innovation ». Fake it until you make it – sauf qu’à un moment, à l’échelle où ça se passe maintenant, ça ne marche plus.
Ce que l’ia washing coûte vraiment – et pas qu’aux marques qui le pratiquent
La perte de confiance des consommateurs, c’est l’angle évident. Mais il y a quelque chose de plus grave.
Une marque qui fait de l’ia washing la paye deux fois, explique Ballot. Une première fois sur le chiffre d’affaires, quand la défiance s’installe et que les utilisateurs déçus s’en vont. Mais une deuxième fois – et c’est là que c’est vraiment cruel – quand la marque sera enfin prête technologiquement. Elle fait son vrai lancement, elle a une vraie innovation… et personne ne la croit. Ils ont été déçus une fois. C’est fini.
« Une marque qui fait de l’IA washing, elle va le payer deux fois. Elle va le payer une première fois parce qu’elle va avoir une perte de chiffre d’affaires. Mais elle va le payer une deuxième fois parce que le moment où elle sera réellement prête, ben là elle ne pourra plus convaincre les utilisateurs. Ils ont été déçus une fois, c’est fini ou en tout cas c’est très très très compliqué de revenir. »
Dit comme ça, ça a l’air simple. Mais combien de directions marketing intègrent vraiment ce coût différé dans leur calcul ?
Et puis il y a le dommage collatéral sur l’écosystème entier. Les investisseurs passent plus de temps à trier les dossiers sérieux des dossiers qui jouent sur les superlatifs. Les budgets marketing-innovation se diluent et n’arrivent jamais en production. Les équipes techniques se démotivent – l’industrialisation, c’est moins glamour que les annonces de plateau.
Et le pire : IA devient un buzzword vidé de sens, comme Big Data ou blockchain avant lui. Quand vous entendez « blockchain » aujourd’hui, vous pensez à quoi ? Voilà. C’est ça, le vrai risque à long terme de l’ia washing généralisé.
Pour aller plus loin sur la question de l’IA qui anticipe vraiment vos clients, l’épisode 299 du même podcast pose des bases concrètes – ce qui change quand c’est réel.
5 questions pour détecter l’ia washing en moins de dix minutes
Estelle Ballot propose un diagnostic en cinq points. Pas révolutionnaire dans sa forme – mais redoutablement efficace dans sa précision. Voici les questions, avec ce qu’une réponse honnête ressemble vraiment.
1. Les données. Quelles données alimentent le système ? Une vraie réponse cite des sources précises, des volumes, des processus de nettoyage. Une réponse d’ia washing dit « nos données propriétaires enrichies par des sources tierces ». Comprenez : rien de spécifique.
2. Le modèle. Quel modèle est utilisé et pourquoi celui-là plutôt qu’un autre ? Si l’interlocuteur ne peut pas justifier le choix technique, c’est un signal. Pas rédhibitoire seul – mais à combiner avec les autres.
- Le périmètre fonctionnel : jusqu’où va exactement le système ? Les limites doivent être précises, pas vagues.
La supervision humaine est la quatrième question – où est-ce que l’humain intervient pour corriger les erreurs ? Un système sans gouvernance humaine clairement définie, dans des domaines à impact réel comme le crédit ou la santé, c’est soit irresponsable, soit fictif. Et les métriques d’impact, cinquième et dernière question : comment sont-elles suivies, comment sont-elles publiées ? Des métriques réelles ressemblent à « temps de traitement divisé par 3 sur le périmètre X entre septembre et décembre ». Pas à « gains de productivité significatifs ».
Ce qui me frappe dans ce diagnostic, c’est sa brutalité silencieuse. Vous posez ces cinq questions dans une réunion commerciale et vous voyez immédiatement qui a fait ses devoirs. (Et c’est souvent là que ça coince – l’interlocuteur commercial ne connaît pas les réponses techniques, et il n’y a personne en face pour les donner.)
Une entreprise crédible doit pouvoir vous montrer sa feuille de route, ses jalons, ses risques, ses dépendances, son budget, son plan de montée en charge. Si elle ne peut pas – ou si la réponse est « confidentiel pour le moment » sur tous ces points – vous savez où vous en êtes.
Comment communiquer sur l’IA sans faire de l’ia washing – les trois règles qui changent tout
Clarté, preuve, humilité. Trois mots que Ballot répète, et qui sonnent presque trop simples. Mais appliqués concrètement, ils changent radicalement le registre d’une communication.
La clarté, ce n’est pas de la vulgarisation. C’est d’être capable de formuler en une phrase : quel est l’enjeu métier, quelle est la place de l’IA dans la solution, et quel est le rôle de l’humain. Si vous ne pouvez pas faire ça en une phrase – enfin, en trois phrases maximum – c’est que votre propre compréhension du système n’est pas suffisamment solide pour en parler publiquement.
Les preuves, c’est concret : métriques avant-après, taux d’erreurs par cas, exemples d’échecs documentés, références clients publiques. Et les exemples d’échecs, c’est crucial – un storytelling honnête décrit ses limites. Une promesse qui empile les superlatifs en évitant les détails techniques, ça mérite qu’on se pose des questions.
« Un message qui reconnaît ses limites, qui reconnaît les risques, ça force le respect et ça apporte de la confiance. Mettre en place ce genre de communication, évidemment ça prend plus de temps, mais ça va transformer l’IA en véritable avantage concurrentiel qui va être durable. »
L’humilité, enfin – c’est là que beaucoup de marques décrochent. Parce que reconnaître ses limites dans une communication externe, ça va à l’encontre de tous les réflexes marketing. On a été formés à vendre le meilleur scénario possible. Mais les investisseurs – et c’est Ballot qui le dit – valorisent aussi la rigueur. Quand les jalons techniques et business sont clairs, mesurables et atteignables, ça a plus de force que des promesses floues d’automatisation généralisée.
Ce qu’il faut retenir – enfin, ce que j’aurais voulu qu’on me dise quand je couvrais les levées de fonds tech en 2014 – c’est que la distinction entre ia washing et communication honnête n’est pas qu’une question d’éthique. C’est une question de survie à moyen terme. Les marques qui tirent leur épingle du jeu sur l’IA seront celles qui ont dit la vérité depuis le début : où elles en sont, ce qu’elles apportent vraiment, quelles sont les contraintes.
Ça rejoint d’ailleurs quelque chose de plus large sur la fidélisation client : la confiance se construit dans la durée, par cohérence entre promesse et expérience. Ce n’est pas un concept IA, c’est un concept marketing de base. Mais on l’oublie vite quand le calendrier de la levée approche.
Et Mais une concession s’impose ici : tout n’est pas si simple. Il y a des cas légitimes où une entreprise communique sur une direction stratégique avant d’avoir tout industrialisé. La communication d’intention n’est pas forcément de l’ia washing – à condition que ce soit clair que c’est une intention, avec des jalons précis et des métriques d’évaluation annoncées. La nuance compte.
Pour ne pas tomber dans les mêmes pièges avec votre compréhension de votre persona, il vaut d’ailleurs mieux partir de ce que vos clients perçoivent réellement – pas de ce que vous projetez sur eux.
La vigilance collective, seule vraie réponse à l’ia washing
« Powered by AI » – la prochaine fois que vous lisez ça, posez-vous la question. Innovation réelle ou vernis marketing ?
Ce réflexe, c’est ce que Ballot appelle la vigilance collective. Et c’est là que je ne suis pas totalement d’accord avec la conclusion un peu optimiste de l’épisode. La vigilance collective, ça suppose que les consommateurs, les journalistes, les investisseurs et les régulateurs se coordonnent pour discriminer le vrai du faux. On en est loin.
Ce qui va vraiment changer les choses, c’est probablement réglementaire. L’AI Act européen va obliger à plus de transparence sur les systèmes à haut risque. Pas sur tous les « copilotes IA » de formulaires de contact – mais sur les systèmes qui ont un impact réel sur des personnes réelles. Crédit, santé, recrutement. Et là, les promesses vagues vont coûter cher, littéralement.
En attendant, le terrain se joue marque par marque, pitch par pitch. Les cinq questions du diagnostic Ballot, ça peut s’utiliser dans une réunion commerciale comme dans un comité d’investissement. Et si vous êtes du côté de ceux qui communiquent sur l’IA – clarté, preuve, humilité. C’est pas glamour comme positioning, mais c’est ce qui reste quand le buzz retombe.
Parce que le buzz, il retombe toujours. L’ia washing a une durée de vie limitée. La question c’est : vous serez où quand ça arrive ? De quel côté de la confiance ?
Pour ceux qui veulent aller plus loin et tester concrètement leurs fournisseurs ou leur propre communication, Estelle Ballot propose une checklist de 15 questions téléchargeable sur le podcast du marketing – le genre d’outil qui devrait tourner dans tous les comités achat tech en ce moment.
