Ma boîte de réception reçoit 47 e-mails marketing par jour. La plupart, c’est du bruit. Quelques-uns passent à travers. La différence n’a rien à voir avec le fait que l’IA ait écrit l’objet.

C’est la vérité qui dérange sur l’IA dans le marketing par e-mail. Les outils sont devenus très bons sur des tâches précises, mais le battage médiatique a dépassé la réalité d’une façon qui coûte de l’argent et du temps aux équipes marketing quand elles misent sur les mauvais usages.

Voilà ce que disent les données et ce que des praticiens qui ont testé ces outils disent vraiment : où l’IA fait réellement gagner, et où ce n’est que du théâtre d’automatisation coûteux.

Objets : le seul endroit où tout le monde est d’accord sur l’efficacité de l’IA

C’est l’évidence. L’optimisation des objets est l’usage de l’IA le plus éprouvé en marketing par e-mail, et les résultats sont cohérents, quels que soient les secteurs et la taille des listes.

Des objets générés par IA augmentent les taux d’ouverture de 5 à 10 % en moyenne, selon plusieurs études. Certaines campagnes dépassent 20 % dans des contextes spécifiques où le niveau de départ était faible. Novo Nordisk a testé l’optimisation IA de Phrasee et a annoncé +14 % de taux de clics et +24 % de taux d’ouverture dans le cadre des contraintes de conformité pharmaceutique.

Pourquoi ça marche si bien ?

Les objets sont courts. Testables. Pilotés par des schémas. C’est exactement le genre de problème où l’apprentissage automatique excelle. L’IA a analysé des milliards d’objets et peut repérer des motifs corrélés aux ouvertures qu’un humain, en train d’écrire son 50e e-mail du trimestre, ne verrait pas.

Dans la pratique, le déroulé est simple : générer 10 à 15 variantes, tester les 3 à 4 meilleures, mesurer, laisser les données choisir les gagnantes. L’IA gère la génération en quelques secondes. Vous, vous tranchez sur les variantes qui ont vraiment du sens pour votre marque.

Là où les praticiens freinent, c’est la confiance aveugle. Julia Ritter, qui travaille avec Sinch Mailjet, a constaté que “ChatGPT used a number of ‘banned’ words and phrases that are well-known by spam filters” lors de ses tests. Du texte IA non retouché a abîmé la réputation d’expéditeur. La génération est bonne. La relecture n’est pas optionnelle.

Personnalisation à grande échelle : réelle, mais survendue

Chaque outil d’e-mail marketing à base d’IA promet la personnalisation à grande échelle. La réalité est plus nuancée que ce que raconte le marketing.

La vraie personnalisation, ce n’est pas seulement remplacer {FirstName}. C’est des blocs de contenu différents selon les segments, des recommandations produits basées sur l’historique de navigation, un message qui reflète où la personne se trouve dans son parcours d’achat. L’IA rend ça possible. Mais rendre possible et bien exécuter, ce sont deux problèmes différents.

92 % des entreprises utilisent maintenant l’IA pour la personnalisation des campagnes, y compris les prix dynamiques et les suggestions de produits adaptées. C’est une adoption massive. La question, c’est : est-ce que c’est bien fait ?

ON Sportswear a déployé une personnalisation pilotée par IA et a obtenu une hausse de 537 % des taux de clics sur des produits hors chaussures. Ces chiffres sont réels. Hotel Chocolat a réduit les désabonnements de 40 % en utilisant l’IA pour optimiser la fréquence d’envoi par abonné, plutôt que d’arroser tout le monde au même rythme.

Mais l’autre versant existe aussi. Ben Schreiber, qui dirige l’e-commerce chez Latico Leathers, est clair sur le prérequis : “Good quality data is paramount to the success of using AI systems since any inaccuracies may lead to wrong output results.” Son équipe a dû composer avec des données obsolètes et incomplètes, ce qui a directement impacté les performances. L’IA fonctionnait. Les données dessous, non.

C’est le paradoxe de la personnalisation. L’IA rend la personnalisation techniquement possible à des échelles qui écraseraient une équipe humaine. Mais personnaliser sans données fiables, c’est juste automatiser l’irrélevance. Vous payez pour envoyer plus vite le mauvais message.

Avant d’investir dans des outils de personnalisation par IA, auditez vos données. Nettoyez votre CRM. Corrigez votre suivi. L’outil ne peut travailler qu’avec ce que vous lui donnez.

Optimisation de l’heure d’envoi : discrètement efficace

On en parle moins que des objets, mais les résultats sont réguliers.

Le marketing par e-mail traditionnel envoie les campagnes en lots. Tout le monde reçoit le message à 10 h le mardi parce que le marketeur l’a planifié comme ça. L’optimisation de l’heure d’envoi utilise l’IA pour analyser quand chaque abonné interagit et délivrer les e-mails à son moment optimal.

L’optimisation de la fréquence chez Hotel Chocolat en est un exemple. Seventh Sense et des outils similaires fonctionnent en analysant six mois d’historique d’engagement pour identifier des schémas de timing propres à chaque abonné. L’IA apprend que l’abonné A ouvre ses e-mails à 7 h 15 en semaine, tandis que l’abonné B interagit plutôt vers 21 h le dimanche, puis planifie en conséquence.

Impact rapporté : des hausses de 40 % ou plus des taux de réponse dans certaines implémentations. Des gains plus modestes, de 5 à 15 %, sont typiques dans des études contrôlées.

Le hic, ce sont les exigences en matière de données. Il faut 3 à 6 mois d’historique d’engagement par abonné pour que les prédictions aient un sens. Les listes récentes, ou celles où le suivi est irrégulier, en tirent peu de bénéfice. Exigence de données propres, encore.

C’est aussi là que les rendements décroissants arrivent vite. Si votre engagement de base est déjà solide, l’optimisation de l’heure d’envoi apporte des gains marginaux. S’il est faible, ça aide davantage. Les mathématiques favorisent les programmes en difficulté plutôt que ceux déjà optimisés.

Génération de texte : quand le battage dépasse la réalité

Là, je vais être direct. L’IA qui écrit des e-mails est l’usage le plus survendu et le moins convaincant de la catégorie.

34 % of marketers use generative AI specifically for writing email copy. C’est l’usage de l’IA le plus répandu en e-mail marketing. Mais répandu ne veut pas dire efficace.

Jeanne Jennings, qui a fondé Email Optimization Shop et fait du marketing par e-mail depuis plus longtemps que la plupart de ces outils d’IA n’existent, ne mâche pas ses mots : “The quality is not always there. Without my collaborative approach, the output is usually junk.”

Cette réserve sur la « collaborative approach » compte. L’IA génère des brouillons. Corrects. Rapides. Mais des brouillons qui demandent un gros travail humain pour ne pas sonner comme de la bouillie marketing générique.

Meg O’Neill, co-founder of Intuitive Marketing Collective, found a workaround: “I want my emails to sound like I’m talking to a friend. I’ve added this requirement to my prompt, and it’s helped a lot.”

Le schéma est constant. Les marketeurs qui obtiennent des résultats avec la rédaction IA lui donnent des consignes détaillées, des exemples de leur voix, des contraintes précises… puis éditent lourdement. L’IA n’écrit pas leurs e-mails. Elle produit de la matière brute qu’ils remodèlent.

Là où la rédaction IA aide vraiment :

• Premiers brouillons pour les séquences routinières. E-mails de bienvenue, confirmations de commande, rappels de rendez-vous. Des structures prévisibles où la vitesse compte plus que l’âme.
• Génération de variantes. Besoin de cinq versions de la même promo pour tester ? L’IA produit des variantes plus vite que d’écrire chacune à partir de zéro.
• Débloquer la page blanche. Avoir quelque chose à critiquer vaut mieux que fixer un écran vide.

Là où ça coince :

• Cohérence de la voix de marque. L’IA s’en approche. Elle ne capte pas vos bizarreries spécifiques sans un entraînement conséquent.
• Nuance émotionnelle. La différence entre un e-mail qui sonne humain et un e-mail qui sonne corporate ? Difficile à viser pour l’IA. Elle écrit une prose correcte qui ne touche pas vraiment.
• Message stratégique. L’IA écrit à partir d’un brief. Elle ne peut pas décider quel devrait être le brief.

Nicole Holden of ActionRocket called ChatGPT “the ultimate research tool” mais a noté qu’il lui manque la connaissance de l’audience et la maîtrise naturelle du langage. C’est l’évaluation la plus juste. Excellent pour la recherche et l’idéation. Moins excellent pour un texte final que vous enverriez sans retouche.

Automatisation : là où l’IA démultiplie

Les améliorations sur un e-mail pris isolément sont incrémentales. Les améliorations de l’automatisation, elles, se multiplient.

Les campagnes e-mail automatisées affichent des taux de conversion 2 361 % plus élevés que les campagnes “batch” traditionnelles. Ce chiffre semble trop beau. Il est réel. Le gain vient du fait de délivrer le bon message au bon moment, et c’est exactement ce que l’automatisation permet.

L’IA rend l’automatisation plus intelligente de façons très précises :

Optimisation des déclencheurs. Un e-mail d’abandon de panier doit partir après 1 heure ou 24 heures ? L’IA teste des variations de timing et apprend ce qui marche pour votre audience.

Branchement des séquences. Selon le comportement du destinataire, l’IA oriente les gens vers des parcours e-mail différents. Quelqu’un qui ouvre sans cliquer n’a pas le même suivi que quelqu’un qui a cliqué sans acheter.

Optimisation du contenu dans les séquences. Quelle variante d’objet fonctionne le mieux à l’étape 3 de votre séquence de nurturing ? L’IA teste systématiquement.

Règles de sortie et de réintégration. Quand quelqu’un doit-il sortir d’une séquence ? Quand doit-il y revenir ? L’IA optimise en fonction des résultats.

Conseil pratique de mise en œuvre : commencez par votre automatisation à plus forte valeur. En général, panier abandonné ou série de bienvenue. Appliquez l’optimisation IA à ce seul processus. Mesurez l’impact. Puis élargissez.

Essayer d’optimiser par IA tout, en même temps, crée du chaos. L’amélioration séquentielle bat l’expérimentation dispersée.

Ce que les chiffres montrent vraiment

63 % des marketeurs utilisent désormais l’IA dans leurs efforts de marketing par e-mail. À la fin 2026, certaines prédictions suggèrent que plus de la moitié des opérations e-mail seront pilotées par l’IA.

Les données de retour sur investissement sont positives, mais variables :

• McKinsey indique un ROI supérieur de 10 à 20 % pour les entreprises qui utilisent l’IA en vente et marketing
• Les entreprises déclarent 60 % de baisse des coûts de campagne via la prise de décision automatisée
• 41 % des marketeurs voient des conversions plus élevées grâce à des objets et une segmentation optimisés par IA

L’autre côté : Gartner prévoit que 80 % des marketeurs qui ont investi dans la personnalisation pilotée par IA abandonneront d’ici 2025 à cause d’un ROI faible ou de problèmes de confidentialité des données. Seuls 47 % des clients estiment que les marques répondent à leurs attentes en matière de personnalisation.

Cet écart entre taux d’adoption et taux de satisfaction raconte la vraie histoire. Les outils se répandent plus vite que la compétence pour les utiliser.

Tableau de bord : battage vs réalité

Fonctionne bien :

• Génération et optimisation des objets
• Optimisation de l’heure d’envoi (avec des données propres)
• Accélération des tests A/B
• Segmentation de liste basée sur des schémas de comportement
• Optimisation des déclencheurs d’automatisation

Fonctionne, mais avec réserves :

• Génération de texte (nécessite une forte retouche humaine)
• Personnalisation à grande échelle (nécessite une infrastructure de données propre)
• Sélection prédictive de contenu (nécessite beaucoup de données d’entraînement)

Surtout du battage :

• Gestion de campagne totalement autonome
• Une IA qui épouse votre voix de marque sans entraînement approfondi
• Des prédictions fiables sans données historiques
• L’optimisation “réglez et oubliez”

Le schéma est simple : l’IA excelle à analyser des motifs dans de gros volumes de données et à générer des variantes vite. Elle a du mal avec le jugement, la voix, et tout ce qui exige une compréhension réelle de votre contexte métier.

Le joker de la délivrabilité

Un usage qu’on oublie : l’IA peut aider à éviter que vos e-mails finissent en spam.

Détection de mots déclencheurs, optimisation des schémas d’envoi, prédictions d’hygiène de liste basées sur les comportements d’engagement. Ce ne sont pas des fonctions “sexy”. Elles comptent.

Si vos e-mails n’atterrissent pas dans la boîte de réception, le reste ne sert à rien. La surveillance par IA de la réputation d’expéditeur et des signaux de délivrabilité détecte les problèmes avant qu’ils ne sabotent vos campagnes.

Le constat de Julia Ritter sur ChatGPT et les mots déclencheurs de spam vaut largement au-delà. Un texte généré par IA a besoin d’une revue “délivrabilité”, pas seulement d’une retouche de voix.

Une voie réaliste

Mois 1-2 : commencez par les objets. Mettez en place la génération IA et les tests. Gagnez en confiance avec des victoires mesurables.

Mois 3-4 : ajoutez l’optimisation de l’heure d’envoi à vos campagnes principales. Nécessite des données d’engagement propres.

Mois 5-6 : appliquez l’IA à vos 1 à 2 automatisations les plus importantes. Testez le timing des déclencheurs, les variations de contenu, la logique des séquences.

Mois 7+ : élargissez la personnalisation au fur et à mesure que votre infrastructure de données mûrit.

C’est plus lent que ce que les vendeurs voudraient. C’est aussi comme ça que les équipes évitent des pilotes ratés qui créent du scepticisme organisationnel vis-à-vis des outils d’IA.

Ce qui reste humain

La stratégie. Quels segments comptent le plus ? Quelle est votre voix de marque ? Quelle histoire raconte cette campagne ? L’IA ne décide pas. Vous, si.

Les arbitrages. Cet e-mail est techniquement optimisé, mais “sonne” faux. Faites confiance à cet instinct. L’IA optimise pour des métriques mesurables. Elle peut rater l’essentiel.

Les moments de relation. Quand un client a un problème, la réponse ne doit pas donner l’impression d’être automatisée, même si l’IA a aidé à produire un premier jet.

La direction créative. Quelle est la grande idée ? L’IA exécute. Elle n’imagine pas.

L’amélioration de 41 % des conversions grâce à l’IA vient de ce qu’elle fait bien. Les 59 % restants viennent de la stratégie, de la créativité, et du jugement humains.

L’idée qui me revient sans cesse

Les spécialistes qui obtiennent des résultats ne sont ni ceux qui misent tout sur l’IA, ni ceux qui l’évitent complètement. Ce sont ceux qui ont compris exactement où, dans leur façon de travailler, l’IA ajoute de la valeur — et où elle n’ajoute que du processus.

Tests d’objets. Oui. Optimisation de l’heure d’envoi. Oui. Génération de texte. Peut-être, avec une grosse retouche. Gestion autonome des campagnes. Pas encore.

Les outils vont continuer à s’améliorer. Le battage va continuer à dépasser la réalité. Les marketeurs qui gagnent sont ceux qui testent des usages précis sur leurs résultats précis, plutôt que de courir après des promesses vagues de transformation.

La majeure partie du travail en e-mail marketing reste de décider quoi dire et à qui. L’IA n’a pas résolu ça. Elle a accéléré l’exécution. C’est utile. C’est aussi moins que ce que le marketing suggère.

La boîte de réception gagne toujours en étant utile, pertinente, et suffisamment humaine pour donner envie d’ouvrir. L’IA peut vous y aider plus efficacement. Elle ne peut pas décider à quoi ressemble ce “y”.

À vous de le trouver.