Le DAM jugé sur sa lisibilité par les moteurs de réponse IA : un tournant pour les marques

Un angle mort dans les référentiels du DAM

Dans une tribune publiée sur CMSWire, Jake Athey, praticien de longue date du DAM (Digital Asset Management, les plateformes qui centralisent et gouvernent les contenus et médias d'une marque), raconte un dîner révélateur lors d'un sommet go-to-market : huit professionnels y débattaient pendant deux heures de la façon de donner à un assistant IA assez de contexte pour être utile sans risquer qu'il se ridiculise devant un client. Chacun décrivait en réalité les pratiques du DAM — vocabulaires contrôlés, curation, structuration des contenus pour la machine — sans jamais prononcer le terme. Pendant ce temps, la véritable bibliothèque de marque de leur organisation, forte de 50 000 assets, restait inexploitée.

De retour de ce sommet, l'auteur a cherché comment les référentiels du secteur abordaient l'IA. Le constat est sans appel : le DAM Capability Model, publié par le Center for Advanced Studies in Digital Asset Management et considéré comme le cadre de benchmarking le plus complet du secteur (15 dimensions, 5 niveaux de maturité, couvrant métadonnées, trouvabilité, droits, gouvernance, intégration et réutilisation), ne contient pas une seule fois les mots « intelligence artificielle » ni « IA ». Son propre Brand Management Maturity Model de 2019-2020, construit sur cinq dimensions (stratégie, personnes, processus, technologie, impact), souffrait du même angle mort.

Ce que ces modèles mesuraient — et ce qu'ils oubliaient

Ces référentiels mesurent ce que les humains peuvent faire avec les contenus de marque : les trouver, les utiliser, les gouverner, les compter. Aucune dimension ne posait la question désormais décisive : un système qui n'a jamais rencontré la marque peut-il lire ses contenus et la représenter correctement ? C'est pour combler ce vide que l'auteur ajoute une sixième dimension à son modèle : l'« AI readiness », la capacité des contenus à être correctement interprétés par les systèmes d'IA.

Les moteurs de réponse lisent déjà vos contenus, avec ou sans vous

Le point central de l'analyse concerne directement les directions communication : l'exposition aux IA ne dépend pas de votre adoption de l'IA. En ce moment même, un moteur de réponse (un système comme ChatGPT ou Perplexity qui formule des réponses directes aux questions des utilisateurs) auquel vous ne vous connecterez jamais répond à une question sur votre produit. Pour cela, il puise dans tout ce qu'il peut atteindre : votre site web, vos PDF, la fiche technique périmée d'un distributeur, un ancien avis client, un communiqué de presse vieux de trois ans mentionnant un produit abandonné.

Ce système ne s'arrêtera pas pour remarquer que les sources se contredisent. Il ne demandera pas à un collègue si un fichier est encore à jour. Il livrera une réponse confiante et bien formulée, qu'un acheteur lira en pensant que c'est bien qui vous êtes. L'image de marque a toujours été construite à partir des impressions formées par autrui — mais une part croissante de ces impressions est désormais assemblée par des machines qui ne vous ont jamais rencontrés, puis présentée comme un fait à des humains qui ne vous rencontreront peut-être jamais non plus.

Au-delà du « shadow AI » : une exposition qu'on ne peut pas remédier de l'intérieur

L'auteur distingue ce risque du « shadow AI » (les outils IA non gouvernés que les collaborateurs utilisent en interne quand le circuit officiel est trop lent). Le shadow AI reste un problème solvable : on peut identifier ces usages, les encadrer, ajouter une étape de relecture. L'exposition aux moteurs de réponse externes, elle, ne se remédie pas de la même façon, car l'organisation n'est jamais partie prenante de la lecture. On ne peut pas configurer ni auditer ces systèmes — on ne peut qu'améliorer la qualité de ce qu'ils vont lire.

Le DAM doit passer du contrôle d'accès à la garantie d'interprétation

Pendant vingt ans, le DAM a surtout été une affaire de contrôle : qui a le droit d'utiliser ce fichier, selon quelles conditions, jusqu'à quelle date. Ce contrôle reste nécessaire, mais il ne suffit plus, car les systèmes qui comptent le plus désormais ne demandent pas la permission. La vraie question devient : un système qui ne vous doit rien peut-il regarder vos contenus et vous comprendre correctement ?

L'auteur revient même sur une position antérieure : en juillet, il écrivait que la fenêtre pour faire ce choix se refermait. Il corrige aujourd'hui — il n'y a jamais eu de choix. Une organisation peut ignorer toutes les fonctionnalités IA du marché et rester exposée, car ce n'est pas l'usage de l'IA qui crée l'exposition : les contenus sont déjà dehors, en train d'être lus. La seule chose qu'une marque contrôle, c'est leur qualité au moment où ils sont lus.

Les cinq niveaux de maturité en « AI readiness »

Le modèle enrichi propose cinq niveaux pour situer son organisation :

• Niveau 1 — Ad hoc : l'IA ne fait pas partie de la réflexion DAM ; les contenus sont difficiles à trouver même pour les humains, et il n'existe aucune gouvernance sur la façon dont les outils IA peuvent utiliser ou déformer les assets de marque.
• Niveau 2 — Alloué : les équipes expérimentent des outils IA en dehors du DAM, utiles mais non gouvernés ; personne n'a défini ce qu'est un « bon » contenu pour l'IA.
• Niveau 3 — Dédié : les contenus sont faciles à trouver et fiables, et les règles d'usage de l'IA sur les matériaux de marque sont formalisées.
• Niveau 4 — Stratégique : l'organisation sait précisément où se situent ses risques et pilote la relation entre contenus et IA.
• Niveau 5 — Distingué : la gouvernance n'est plus une étape à ne pas oublier ; c'est simplement la façon dont le travail se fait, qu'il soit exécuté par un humain ou une machine.

Un indicateur à suivre : le taux de correction

L'article met en avant un signal mesurable pour les équipes DAM : le taux de correction (« override rate »), c'est-à-dire la fréquence à laquelle les humains doivent corriger les erreurs de l'IA. Compter ces corrections fournit un indicateur traçable de la maturité « AI readiness », directement lié à la qualité des contenus sources.

Ce que cela change pour une direction communication

Pour un directeur ou une directrice de la communication, ce déplacement a des implications concrètes. La bibliothèque de contenus n'est plus seulement un outil interne de productivité : c'est une source primaire à partir de laquelle des tiers automatisés construisent le récit de la marque. Un PDF obsolète ou une fiche produit contradictoire ne sont plus de simples dettes documentaires — ce sont des matériaux que des moteurs de réponse peuvent utiliser pour décrire l'entreprise à des prospects, sans vérification ni nuance.

La réflexion UX, traditionnellement centrée sur l'expérience des utilisateurs humains de la bibliothèque (trouvabilité, parcours, contribution), doit donc s'étendre à un nouvel « utilisateur » : le système d'IA qui lit, interprète et restitue. Métadonnées cohérentes, vocabulaires contrôlés, versions à jour et suppression des contenus périmés deviennent des leviers de visibilité et de justesse de marque, au même titre que le SEO l'a été pour les moteurs de recherche classiques.