Ce que l'IA fait mieux qu'un humain
- Lire beaucoup de données hétérogènes sans se fatiguer, et repérer ce qui sort de l'ordinaire.
- Rapprocher des faits venus de sources qui ne se parlent pas : une chute de trafic et une mise en production.
- Mettre un résultat en mots compréhensibles par quelqu'un qui n'est pas du métier.
- Proposer des pistes qu'on n'aurait pas envisagées, à charge de les vérifier.
Ce qu'elle fait mal, et qu'il faut lui retirer
Un modèle de langage produit du texte plausible, y compris à la place d'un nombre. Demandez-lui un budget à réallouer et il proposera un montant crédible, rond, parfaitement formulé — et faux, parce qu'il n'a rien calculé. Le problème n'est pas l'erreur mais son apparence : rien ne la distingue d'un résultat juste. Un chiffre doit sortir d'un calcul, jamais d'une génération.
La répartition qui tient
L'arithmétique au code, le langage à l'IA. Le calcul des écarts, des coûts par acquisition, des arbitrages de budget appartient à des opérations déterministes, vérifiables, reproductibles. L'IA intervient ensuite : elle lit ces résultats, les explique, les priorise et les met en récit. Elle n'a jamais la main sur le nombre. C'est la contrainte à exiger de tout outil qui promet une analyse automatique.
Le prérequis : des données dont on connaît la provenance
Une analyse IA sur des données douteuses produit une conclusion assurée et fausse, plus difficile à contester qu'un tableau vide. Avant d'automatiser l'analyse, il faut savoir d'où vient chaque chiffre, sur quelle période, et ce qui se passe quand la source est indisponible. Un outil qui affiche une donnée de démonstration quand la connexion tombe est un outil qui vous fera décider sur du faux.
Comment vérifier une analyse IA en trois minutes
- Prenez un chiffre cité et retrouvez-le dans la source d'origine.
- Demandez sur quelle période il porte : une analyse sans période est inexploitable.
- Cherchez une affirmation causale — « parce que » — et demandez ce qui l'établit.
- Vérifiez que ce qui est présenté comme mesuré n'est pas modélisé.
Garder la trace de la décision
L'intérêt d'une recommandation automatique n'apparaît qu'après coup. Pour le savoir, il faut figer les valeurs au moment où la recommandation est traitée, puis comparer plus tard. Sans cette trace, l'outil recommande indéfiniment sans qu'on puisse dire s'il a eu raison une seule fois — et l'IA restera un objet de croyance plutôt qu'un instrument.
Ce qui ne s'automatisera pas
L'IA calcule qu'une campagne perd de l'argent ; elle ne trouve pas l'angle qui la sauverait. Elle repère qu'un format fonctionne ; elle ne décide pas ce que votre marque a à dire. Tout ce qui se calcule doit être automatisé, tout ce qui se décide reste humain. Les outils qui promettent l'inverse déplacent la décision sans la supprimer — ils la rendent juste inexplicable.
Ce que Vandolo en fait
Les analyses, briefings et recommandations sont rédigés par un modèle qui lit un instantané des connecteurs, avec une interdiction explicite de produire un montant : les arbitrages chiffrés sont calculés par arithmétique sur les données mesurées, hypothèses affichées. Sans clé d'API, les analyses IA sont marquées « mode démo » plutôt que présentées comme réelles.