Marketing : l’IA inspirée des neurosciences tient-elle ses promesses ?

Promettre aux marques de comprendre les émotions de leurs clients avec la rigueur des neurosciences a de quoi séduire. La publication d’origine, publié le 10 janvier 2025, présente une intelligence artificielle capable d’analyser les émotions avec une précision annoncée de 90 %, afin de transformer l’engagement client et les campagnes publicitaires. Cette promesse mérite toutefois un examen attentif : aucun outil, laboratoire, jeu de données, protocole d’évaluation ou cas d’entreprise n’y est identifié.

L’enjeu n’est pas de nier l’intérêt des technologies d’analyse de signaux humains pour le marketing. Elles existent sous des formes diverses, de l’analyse de commentaires à l’étude d’expressions faciales ou de la voix. Mais elles ne permettent pas de lire l’esprit, et les chiffres de performance n’ont de sens qu’à la lumière de leur méthode de calcul. Entre la promesse de campagnes plus pertinentes et le risque de profilage intrusif, les entreprises doivent distinguer ce qui est techniquement mesurable, commercialement utile et juridiquement acceptable.

Ce que la publication d’origine avance

La publication d’origine décrit l’émergence d’une IA dite inspirée des neurosciences, associée à une « Intelligence Émotionnelle », ou IE. Elle analyserait les réactions émotionnelles des consommateurs pour fournir aux professionnels du marketing des informations directement exploitables. L’objectif affiché est clair : dépasser les campagnes générales et adapter messages, contenus et expériences aux attentes supposées de chaque audience.

Deux affirmations chiffrées structurent cette présentation : une précision de 90 % dans l’analyse des émotions et, pour certaines entreprises non nommées, des résultats commerciaux qui auraient été multipliés par deux. Ces éléments ne peuvent pas être vérifiés à partir du seul article source, faute de savoir :

• quelles émotions sont prises en compte, par exemple la joie, la frustration, l’attention ou le stress ;
• quels signaux sont analysés, comme la voix, le visage, le texte, les clics ou des données physiologiques ;
• sur quelle population le système a été entraîné et évalué ;
• ce que mesure exactement la précision annoncée ;
• comment les résultats marketing ont été attribués à l’IA plutôt qu’à d’autres changements dans les campagnes.

L’expression « intelligence émotionnelle » appelle elle aussi à la prudence. Dans son sens courant, elle renvoie d’abord à une capacité humaine à identifier, comprendre et gérer les émotions. Elle n’est pas, en elle-même, le nom d’une technologie standardisée. Lorsqu’une entreprise l’emploie pour un logiciel, il faut donc regarder les fonctions concrètes proposées plutôt que le seul vocabulaire utilisé.

Comment une IA peut-elle inférer une émotion ?

Une IA ne ressent pas l’émotion d’une personne et ne l’observe pas directement dans son cerveau. Elle apprend des corrélations statistiques à partir de données étiquetées. Selon l’outil utilisé, elle peut repérer des caractéristiques dans une image, une séquence vidéo, un enregistrement vocal, un message écrit ou une navigation en ligne, puis associer ces signaux à des catégories définies à l’avance.

Dans le cas d’une vidéo, le système peut par exemple analyser la direction du regard, les mouvements du visage ou la durée d’attention. Avec de la voix, il peut s’intéresser au rythme, à l’intonation ou au volume. Pour un commentaire client, un modèle de langage peut détecter une polarité favorable ou défavorable, des thèmes récurrents et certains termes exprimant la satisfaction, l’irritation ou l’hésitation.

Ces techniques ne se valent pas et ne produisent pas le même type d’information. L’analyse d’avis écrits peut renseigner utilement sur les motifs d’insatisfaction les plus fréquents. En revanche, déduire un état émotionnel précis à partir d’une expression fugace ou d’un ton de voix est bien plus incertain. Une même expression peut dépendre de la personnalité, de la situation, de la fatigue, de la culture ou simplement de la qualité de l’image.

Le rapprochement avec les neurosciences peut recouvrir plusieurs réalités. Les neurosciences étudient notamment le fonctionnement du système nerveux, les mécanismes de la perception et de la décision. Toutefois, un algorithme qui analyse une caméra ou un questionnaire n’est pas automatiquement un outil de neurosciences. Il faut distinguer une technologie qui s’appuie réellement sur des données expérimentales documentées d’un outil qui emprunte surtout les codes du neuromarketing.

Pourquoi le marketing s’intéresse-t-il à ces signaux ?

La décision d’achat ne dépend pas uniquement du prix ou des caractéristiques d’un produit. L’attention, la confiance, la lassitude, le souvenir d’une marque et le contexte de consultation jouent aussi un rôle. Pour les directions marketing, l’intérêt potentiel de l’IA est donc moins de connaître une émotion intime que de mieux comprendre les points de friction d’un parcours client.

Un volume important de retours textuels peut ainsi être regroupé plus vite qu’avec une lecture manuelle. Une équipe peut repérer qu’une livraison, une interface ou une étape de paiement concentre des commentaires négatifs. Elle peut aussi comparer plusieurs versions d’un message ou d’une page pour étudier leurs effets sur des indicateurs concrets : clics, inscriptions, demandes de contact, achats ou désabonnements.

C’est dans ce cadre que l’automatisation peut apporter une valeur réelle. Elle aide à traiter davantage de signaux et à formuler des hypothèses plus rapidement. Elle ne remplace ni les études qualitatives, ni les tests contrôlés, ni l’expertise des équipes sur leur marché.

Mesurer des signaux n’est pas connaître une personne

Le point crucial tient à l’écart entre l’observation et l’interprétation. Un logiciel peut détecter qu’un internaute a quitté rapidement une page, qu’un commentaire emploie des termes négatifs ou qu’une personne n’a pas réagi à une publicité. Il ne peut pas affirmer avec certitude pourquoi cette personne a agi ainsi. Une page peut être fermée par manque d’intérêt, mais aussi parce qu’un appel est arrivé, qu’une connexion est mauvaise ou que le contenu a déjà été vu.

Cette prudence est particulièrement importante lorsque les entreprises évoquent les micro-expressions. Leur présence éventuelle dans une vidéo ne constitue pas une preuve univoque d’une intention d’achat, d’un mensonge ou d’une émotion donnée. Transformer une estimation statistique en vérité individuelle risque de produire de mauvaises décisions et d’installer une relation de défiance avec les clients.

Pour le marketing, la bonne approche consiste à considérer ces résultats comme des signaux à confronter à d’autres éléments : retours volontaires, mesures de satisfaction, comportements agrégés, tests comparatifs et expertise métier. Les outils d’IA peuvent éclairer une décision, pas la rendre automatiquement incontestable.

Les données émotionnelles posent une question de confiance

L’analyse des émotions peut mobiliser des informations particulièrement sensibles dans l’esprit du public : visage, voix, comportements, historique de navigation ou commentaires personnels. Dès lors qu’une information se rapporte à une personne identifiée ou identifiable, elle entre dans le champ des données personnelles et doit être traitée conformément au RGPD.

L’utilisation d’un visage ne signifie pas automatiquement que l’entreprise traite une donnée biométrique au sens le plus strict du règlement. Cette qualification dépend notamment de l’usage de caractéristiques techniques visant à identifier une personne de manière unique. Mais une image ou une vidéo peut, dans tous les cas, constituer une donnée personnelle. L’entreprise doit donc déterminer une base légale, informer clairement les personnes concernées, limiter la collecte à ce qui est nécessaire et protéger les données.

Le recours à des traceurs publicitaires, à des caméras ou à des outils d’analyse vocale soulève des exigences supplémentaires. Pour les cookies et technologies similaires non nécessaires au fonctionnement du service, le consentement est généralement central. Une case précochée, une information floue ou un refus plus difficile que l’acceptation ne répondent pas à l’objectif d’un choix libre et éclairé.

Le règlement européen sur l’intelligence artificielle, l’AI Act, apporte un cadre complémentaire. Entré en vigueur le 1er août 2024, il prévoit une application progressive de ses dispositions. À compter du 2 février 2025, les systèmes visant à déduire les émotions sur le lieu de travail ou dans les établissements d’enseignement seront interdits, sauf exceptions liées à des raisons médicales ou de sécurité. Cette interdiction ne vise pas indistinctement tout usage marketing, mais elle montre que l’inférence des émotions est considérée comme une technologie à risques dans certains contextes de pouvoir ou de vulnérabilité.

Comment évaluer un outil sans se laisser guider par le discours commercial ?

Avant d’intégrer une solution revendiquant une analyse émotionnelle, une organisation a intérêt à demander des réponses précises. La première porte sur le besoin : cherche-t-elle à comprendre des milliers de verbatims, à tester la réception d’une création ou à individualiser des messages ? Ces objectifs nécessitent des données et des précautions très différentes.

La deuxième question concerne la démonstration de performance. Un fournisseur devrait pouvoir expliquer les données utilisées pour l’évaluation, les critères retenus, les populations couvertes, les limites connues et la manière dont les biais sont recherchés. Le terme « précision » doit être explicité : un résultat global peut masquer de fortes différences selon les groupes de personnes ou les situations analysées.

Enfin, les équipes doivent définir des limites opérationnelles. Une recommandation de contenu n’a pas la même conséquence qu’une décision d’exclure quelqu’un d’une offre, d’augmenter un prix ou de cibler une personne présumée vulnérable. Le contrôle humain, la possibilité de contester une décision et une politique de conservation limitée des données sont des éléments concrets de confiance.

Ce qu’il faut surveiller

L’IA peut aider le marketing à quitter les intuitions trop générales, à condition de ne pas remplacer une intuition par une autre, simplement exprimée en pourcentages et en tableaux de bord. La promesse formulée dans la publication d’origine, une lecture plus fine des réactions des consommateurs, correspond à une ambition forte. En l’absence d’éléments documentant l’outil annoncé, ses 90 % de précision et les résultats commerciaux évoqués ne doivent pas être interprétés comme une preuve générale d’efficacité.

Les avancées à suivre concernent autant la technique que les usages. Les entreprises devront démontrer que leurs modèles restent fiables hors des conditions de test, que leurs campagnes apportent un bénéfice réel au client et que la personnalisation ne devient pas une pression invisible. Elles devront également anticiper le cadre européen, qui place la protection des personnes au même niveau que l’innovation.

La technologie la plus utile ne sera pas nécessairement celle qui prétend deviner chaque émotion. Ce sera celle qui aide à améliorer un service de façon compréhensible, proportionnée et vérifiable, sans transformer chaque interaction en source de surveillance.