Publicité créée par IA : 78 % des consommateurs préfèrent l’humain

Dans une enquête internationale, 78 % des consommateurs interrogés déclarent préférer une publicité créée par des personnes, même si l’IA pouvait en produire une meilleure. Ce résultat ne prouve pas que toute création automatisée réduit les ventes, mais il signale un risque de confiance lorsque l’IA remplace une présence humaine attendue, imite le réel ou personnalise un message de façon intrusive.

Pour une petite équipe, la réponse n’est donc pas de bannir l’IA. Il faut distinguer l’assistance technique de la création substantielle, puis conserver une personne responsable du point de vue, des affirmations, des autorisations et de la décision de publier.

Ce que les 78 % mesurent réellement

Le chiffre du titre décrit une préférence déclarée, pas un comportement d’achat observé. Selon l’enquête de Canva et The Harris Poll, 68 % des consommateurs ne voient pas d’inconvénient à l’emploi de l’IA dans la publicité si celle-ci rend les annonces plus utiles ou pertinentes, tandis que 78 % préfèrent néanmoins des annonces réalisées par des personnes.

La nuance est essentielle : accepter l’assistance automatisée ne revient pas à lui confier la voix de la marque. Une publicité peut être utile tout en paraissant moins authentique, comme elle peut être d’origine humaine sans inspirer confiance. Perception, préférence et comportement doivent donc rester trois mesures distinctes.

L’étude porte sur 3 547 consommateurs et 1 415 responsables marketing dans sept pays : États-Unis, Royaume-Uni, Australie, France, Allemagne, Japon et Inde. Les responsables travaillent dans des organisations d’au moins 500 salariés. La France figure ainsi dans l’échantillon, mais le taux global de 78 % ne constitue pas un résultat propre aux consommateurs français ni une mesure centrée sur les petites entreprises.

Enfin, 70 % des consommateurs interrogés disent généralement repérer les publicités générées par IA parce qu’ils ont l’impression qu’il leur manque quelque chose. Cette réponse mesure leur ressenti, pas leur capacité réelle à identifier correctement l’origine de chaque création.

Quand l’usage visible de l’IA devient risqué

Le risque augmente lorsque la publicité demande au public de croire une personne, une expérience ou une preuve. Décliner une création approuvée dans plusieurs formats ne produit pas le même effet qu’un faux témoignage, une voix imitée ou un avatar synthétique racontant une expérience personnelle.

La personnalisation est un autre point sensible. Dans l’enquête Canva, 52 % des consommateurs trouvent intrusive une publicité qui semble connaître leur prochain achat avant leur recherche, et 58 % ne veulent pas que les marques utilisent l’IA pour anticiper leurs besoins. Le problème ne tient alors pas seulement à l’apparence de la création : il concerne les données mobilisées, la prévisibilité du traitement et le contrôle laissé à la personne ciblée.

Une étude distincte fournit un signal comparable, avec une population différente. D’après l’enquête Gartner menée en octobre 2025 auprès de 1 539 consommateurs américains, 50 % préféreraient donner leur clientèle à des marques qui n’emploient pas l’IA générative dans leurs messages, publicités et contenus publics. Ce résultat américain n’est pas directement transposable aux marchés francophones, mais il confirme que l’exposition du public à l’IA constitue aussi une décision de confiance.

Trois niveaux pour décider qui doit valider

Une équipe peut classer chaque usage selon ce qu’il change dans le message. Cette grille est une recommandation éditoriale tirée des risques observés, et non un seuil établi par l’enquête.

• Assistance d’exécution : adaptation de format, détourage, classement, transcription ou première traduction de travail. Une vérification humaine ciblée peut suffire lorsque l’outil ne modifie ni la promesse ni la représentation du réel.
• Contribution créative substantielle : texte principal, image de campagne, voix ou scénario générés. Une personne doit assumer la direction créative, vérifier les faits et les droits, puis décider de la diffusion.
• Substitution à une preuve humaine : témoignage synthétique, porte-parole présenté comme réel, imitation de voix ou démonstration fabriquée. L’automatisation intégrale est à écarter lorsque la crédibilité du message dépend précisément de l’existence, de l’expérience ou du consentement d’une personne.

Le critère n’est donc pas un pourcentage abstrait de contenu « humain ». Il faut localiser les décisions qui engagent la sincérité de la marque : qui formule la promesse, qui choisit les preuves, qui autorise l’usage d’une identité et qui peut répondre du résultat final.

Divulguer l’IA là où elle change le sens

Une mention est utile lorsque l’origine synthétique modifierait la compréhension du public : voix imitée, personne artificielle, scène réaliste fabriquée ou interaction personnalisée par un système automatisé. Elle doit nommer la fonction concernée, par exemple « voix synthétique » ou « scène générée », plutôt que se limiter à une formule générale telle que « conçu avec l’IA ».

La divulgation ne transforme cependant pas une affirmation fausse en affirmation acceptable et ne remplace pas une autorisation. Elle doit s’accompagner de règles vérifiables : conserver l’origine des chiffres, contrôler les droits sur les images et les voix, proscrire les faux avis clients et identifier la personne qui autorise la publication.

Ce partage des rôles correspond à la tension centrale du rapport. La synthèse 2026 de Canva indique que 87 % des consommateurs estiment que les meilleures publicités nécessitent encore une intervention humaine, alors que 97 % des responsables marketing interrogés utilisent quotidiennement l’IA. L’intervention humaine ne peut donc pas se résumer à une signature placée à la fin d’un processus entièrement automatisé.

Vérifier le comportement, pas seulement les opinions

Une préférence exprimée dans une enquête ne prédit pas à elle seule la performance d’une campagne. Pour distinguer perception, préférence et comportement, une équipe peut observer séparément la compréhension de la promesse, la mémorisation, les commentaires exprimant un doute, les signalements, les désabonnements et la conversion finale.

Un test utile ne doit faire varier qu’un élément identifiable. Dans un exemple hypothétique, une équipe pourrait comparer une création générée puis validée par un créateur avec une version dans laquelle ce créateur expose réellement la promesse, tout en gardant aussi stables que possible l’offre, l’audience et la diffusion. Une victoire de la seconde version ne serait pas garantie : le test servirait précisément à mesurer le comportement dans ce contexte.

La règle opérationnelle tient en trois décisions : automatiser l’exécution à faible risque, imposer une approbation humaine lorsque la parole de la marque est engagée et éviter la substitution synthétique lorsque la publicité repose sur une identité, une expérience ou un consentement réels.

À lire aussi:

• QUASA lance une plateforme entièrement localisée en français, élargissant son hub d’économie des créateurs Web3 dans le monde francophone