Injecter des connaissances créatives dans les workflows publicitaires IA (partie 2)

Dans nos tests, des consignes comme « sois plus créatif » ou l’ajustement de paramètres comme la température n’ont apporté qu’une amélioration marginale. Comment avancer, alors ? L’approche décrite ici consiste à construire un système qui compense le penchant du modèle pour les idées évidentes.

On y parvient grâce à un workflow construit autour de l’injection de contenus.

Injecter des apports créatifs là où l’IA montre ses limites

La logique est simple. Si un modèle d’IA retombe systématiquement sur des idées fades à certaines étapes d’un workflow créatif, nous intervenons précisément à ces étapes avec des contenus de qualité, sélectionnés par des humains, que le modèle a peu de chances de générer de lui-même.

Nous utilisons l’IA pour ce qu’elle fait bien, l’analyse et l’assemblage, tout en lui fournissant les éléments créatifs qui lui manquent.

• Quand le LLM propose des angles marketing faibles… nous injectons une liste, validée au préalable, de concepts originaux et convaincants parmi lesquels il peut choisir.
• Quand le LLM propose des visuels génériques… nous lui fournissons une bibliothèque sélectionnée de mises en page publicitaires et de styles visuels efficaces pour orienter sa production.
• Quand le LLM rédige des textes génériques pour une cible… nous lui fournissons une sélection d’angles persuasifs et de formulations spécifiques, choisis pour cette audience.

Cette approche ne crée pas une créativité machine « pure ». Elle contourne les tendances par défaut du modèle pour produire, à grande échelle, des créations publicitaires plus variées. La qualité du résultat dépend des contenus sélectionnés, et la production doit toujours être relue.

Construire la base de connaissances

Ce système d’injection ne peut pas puiser dans le vide. Tout commence par la construction d’une base de connaissances spécialisée : une bibliothèque sélectionnée d’éléments créatifs efficaces.

Cartographier toutes les publicités jamais réalisées n’est pas réaliste ; cartographier une sélection des plus fortes, si. L’objectif est de décomposer et de cataloguer les éléments d’une publicité efficace. Une grande partie de cette matière est accessible publiquement :

• Campagnes de référence : analysez les stratégies derrière les publicités emblématiques de marques comme Apple, Nike et P&G.
• Bibliothèques publicitaires publiques : parcourez des ressources comme les bibliothèques publicitaires de Facebook et de TikTok pour repérer des vidéos et des bannières efficaces.
• Cadres établis : cataloguez les principaux types d’angles marketing, de structures de texte publicitaire et de techniques de narration visuelle.

Ces connaissances brutes sont le carburant de votre moteur créatif. Mais elles ne servent pas à grand-chose sans un système pour les affiner et les injecter.

Comment injecter les connaissances

C’est là que le vrai travail commence. Fournir toute cette matière au modèle d’un seul coup a peu de chances de fonctionner. Ce qui compte, c’est la manière, le moment et l’endroit où elle est injectée.

La méthode générale pour transformer des connaissances métier en instructions et en documents de référence, puis vérifier qu’un workflow les applique correctement, est présentée dans l’article Intégrer l’expertise AdTech dans les workflows IA. Celui-ci se concentre sur son application à la recherche d’idées créatives.

Préparation des données

Les connaissances brutes doivent d’abord être traitées avec soin. Chaque concept créatif, script vidéo et structure de texte doit être évalué, filtré, classé et enrichi de tags et de métadonnées détaillés. Une idée pour une marque de sport doit recevoir les tags « sport », « inspirant », « énergique », etc. Un amas chaotique de données devient ainsi une bibliothèque structurée, dans laquelle on peut faire des recherches.

Utiliser l’IA pour sélectionner, pas pour créer

C’est le changement de perspective essentiel. D’après notre expérience, un LLM est bien plus doué pour analyser et sélectionner que pour inventer des idées. Nous nous appuyons sur cette force pour naviguer dans la base de connaissances.

Voici comment cela fonctionne dans un workflow concret :

1. Analyse initiale : on demande à l’IA une analyse simple, non créative, de la marque ou du produit. Par exemple : « Identifie le secteur de cette nouvelle chaussure de running. » L’IA répondrait en général « Sport et fitness ».
2. Récupération : le tag « Sport et fitness » sert ensuite de requête pour filtrer la base de connaissances préparée. Le système récupère une liste, validée au préalable, des concepts publicitaires associés à ce secteur.
3. « Créativité » encadrée : on demande ensuite au LLM de construire une campagne publicitaire, mais ses options créatives ne sont plus ses propres choix génériques par défaut. Il travaille avec les concepts sélectionnés qu’il vient de recevoir.

Le même processus se répète à chaque étape qui demande un apport créatif, de l’angle marketing général jusqu’à la liste des plans d’une publicité vidéo : l’IA analyse le contexte, puis s’appuie sur cette analyse pour choisir dans la bibliothèque sélectionnée.

En résumé, plutôt que de demander à l’IA de sortir du cadre, nous construisons un meilleur cadre, rempli d’idées fortes, et nous lui demandons de choisir les plus pertinentes. Cela aide à produire des publicités plus variées ; leur qualité dépend toujours des contenus sélectionnés et de la relecture humaine.