Contenu généré par IA : préserver la confiance de marque en 2026

L’intelligence artificielle générative a fait baisser le coût de production d’un texte, d’une image ou d’une vidéo. Elle n’a pas fait baisser le coût d’une erreur publique. Une statistique inventée, un visage utilisé sans permission ou une scène réaliste présentée comme un événement véritable peut fragiliser en quelques minutes une confiance construite pendant des années.

En 2026, la question pertinente n’est donc plus de savoir si une marque utilisera l’IA. Elle est de savoir comment elle distinguera l’assistance légitime, la création synthétique et la manipulation trompeuse — puis comment elle expliquera cette distinction à son public.

À retenir

• Le problème n’est pas l’outil en soi, mais l’écart entre ce que le public croit voir et la façon dont le contenu a réellement été produit.

• Les altérations réalistes et significatives méritent une divulgation claire.

• Les Content Credentials peuvent documenter l’origine et les modifications d’un fichier, sans devenir un détecteur absolu de vérité.

• Une étiquette ne remplace jamais la permission d’utiliser l’image, la voix ou la ressemblance d’une personne.

• La responsabilité éditoriale doit rester attribuée à un humain identifiable.

L’authenticité ne signifie pas « sans intelligence artificielle ». Elle signifie que la marque ne demande pas au public de croire quelque chose de faux.

L’authenticité est une relation, pas un style visuel

Une image parfaitement imparfaite peut être synthétique. Une photographie retouchée peut demeurer fidèle à la scène. L’authenticité ne se mesure donc pas au grain de l’image ou au ton spontané de la légende. Elle dépend de la concordance entre l’intention, le procédé et la compréhension raisonnable du public.

Cette nuance rejoint la recherche en marketing. Stefano Puntoni et ses collègues proposent d’évaluer l’intelligence artificielle à travers l’expérience vécue par le consommateur, notamment les questions de remplacement, de discrimination, de vie privée et d’aliénation. L’efficacité technique ne suffit pas si l’expérience sociale créée par l’outil est négative.

Noah Castelo, Maarten Bos et Donald Lehmann ont aussi montré que les consommateurs font moins confiance aux algorithmes pour des tâches perçues comme subjectives. Dans leurs études, la confiance augmentait lorsque la tâche semblait plus objective ou lorsque l’outil paraissait mieux adapté. Pour une marque, cela suggère une règle simple : plus le contenu touche l’émotion, le jugement ou l’identité, plus la présence éditoriale humaine doit être visible.

Photo : Dustin Kirkpatrick, publiée sous licence CC0 via Wikimedia Commons.

Ce que les plateformes demandent déjà

YouTube demande aux créateurs de signaler les contenus réalistes qui ont été modifiés ou générés de manière significative : faire croire qu’une personne réelle a dit quelque chose, transformer un événement réel ou créer une scène crédible qui n’a jamais eu lieu. Les retouches mineures et l’assistance de production ne sont généralement pas traitées de la même façon.

Meta utilise pour sa part des signaux détectables et l’autodivulgation pour afficher des informations liées à l’IA. Ces pratiques évolueront encore. Une marque ne devrait donc pas réduire sa gouvernance au minimum imposé par une plateforme; elle doit adopter une règle interne qui reste valable même lorsque le bouton ou l’étiquette change.

Les Content Credentials : utiles, mais pas magiques

La Coalition for Content Provenance and Authenticity, ou C2PA, développe un standard ouvert permettant d’associer à un fichier des informations sur son origine et certaines modifications. Ces attestations peuvent aider un média, une plateforme ou un public à retracer le parcours du contenu.

Cependant, l’absence d’attestation ne prouve pas qu’un contenu est faux, et sa présence ne garantit pas que la scène représentée est vraie. YouTube le précise dans sa documentation : les métadonnées peuvent disparaître lorsqu’un fichier passe par des outils incompatibles ou un processus hors ligne. La provenance ajoute du contexte; elle ne remplace ni la vérification ni le jugement.

Un protocole éditorial en six questions

1. Quel est l’objectif du contenu, et l’IA est-elle réellement utile pour l’atteindre?

2. Quelles affirmations factuelles doivent être vérifiées dans une source primaire?

3. Avons-nous les droits nécessaires sur les images, les voix, les marques et les ressemblances?

4. Une personne raisonnable pourrait-elle croire qu’une scène synthétique s’est réellement produite?

5. Quelle divulgation est nécessaire sur la plateforme et dans le contenu lui-même?

6. Qui approuve la version finale et conserve les sources, les autorisations et les fichiers d’origine?

Trois niveaux de risque à distinguer

Faible risque : assistance invisible, effet limité

Correction linguistique, transcription, détourage ou variations d’un titre peuvent accélérer le travail sans changer le sens du message. Une vérification humaine reste nécessaire, mais une divulgation publique détaillée n’est pas toujours utile.

Risque moyen : création synthétique clairement illustrative

Une image conceptuelle ou une voix artificielle peut être acceptable si le contexte ne laisse pas croire à un témoignage ou à un événement réel. Une mention simple, placée près du contenu, protège mieux la compréhension qu’une note cachée dans les conditions d’utilisation.

Risque élevé : personne, événement ou preuve simulée

Les faux témoignages, les imitations de voix, les scènes d’actualité reconstruites et les démonstrations de produit irréalistes exigent une vigilance maximale. Dans plusieurs cas, la bonne décision n’est pas d’ajouter une étiquette, mais de ne pas publier.

Protéger la voix de marque

Une charte éditoriale devrait définir le vocabulaire, le niveau de preuve, les expressions à éviter et le rôle exact de l’IA. Demandez aux équipes de conserver les sources derrière chaque donnée, de signaler les incertitudes et de réécrire les passages qui ressemblent à une promesse générique. L’objectif n’est pas de rendre l’IA indétectable; il est de rendre la marque reconnaissable et responsable.

La confiance se construit avant la publication

Une politique d’IA efficace ne doit pas bloquer la création. Elle doit rendre les décisions plus rapides parce que les limites sont connues. Chez Agence M2M, nous croyons que la technologie est utile lorsqu’elle amplifie une intention humaine claire. La qualité finale demeure une responsabilité éditoriale : vérifier, obtenir les droits, expliquer lorsque c’est nécessaire et ne jamais confondre vitesse de production avec vérité.

Sources

• Coalition for Content Provenance and Authenticity, spécification C2PA 2.3 et document explicatif.

• YouTube Help, « Disclosing use of altered or synthetic content ».

• YouTube Help, « Captured with a camera disclosure » et politique sur les réclamations liées à la ressemblance.

• Meta (mise à jour 2025), « Our Approach to Labeling AI-Generated Content and Manipulated Media ».

• Puntoni, S., Reczek, R. W., Giesler, M. et Botti, S. (2021), « Consumers and Artificial Intelligence: An Experiential Perspective », Journal of Marketing, 85(1), 131-151. DOI : 10.1177/0022242920953847.

• Castelo, N., Bos, M. W. et Lehmann, D. R. (2019), « Task-Dependent Algorithm Aversion », Journal of Marketing Research, 56(5), 809-825. DOI : 10.1177/0022243719851788.