Une enquête quantitative sur 415 professionnels

L’étude pose la question suivante : comment les outils d’intelligence artificielle sont-ils adoptés et intégrés aux étapes du cadre de processus marketing dans le secteur du commerce électronique sud-africain ? Elle s’appuie sur le cadre SOSTAC (analyse de situation, objectifs, stratégie, tactique, action, contrôle) et sur un questionnaire en ligne auto-administré soumis à 415 professionnels du marketing numérique travaillant dans le commerce de détail sud-africain, avec une échelle de Likert à quatre points (de 1, pas du tout d’accord, à 4, tout à fait d’accord). Le protocole a reçu l’approbation d’un comité d’éthique universitaire (NWU-00620-24-A4). [1]

L’échantillon a été constitué par sélection non probabiliste et raisonnée dans le panel en ligne d’une société d’études de marché internationale, les répondants devant occuper un poste lié au marketing numérique dans le commerce de détail sud-africain. [1]

Où l’intelligence artificielle est le plus mobilisée

Quatorze applications de l’IA ont été évaluées une à une sur l’échelle de 1 à 4. Les niveaux d’accord déclarés les plus élevés concernent la personnalisation de contenu (88,2 % en cumulant « d’accord » et « tout à fait d’accord ») et le contenu ciblé par audience (87,7 %). [1]

Rapportée aux six étapes du cadre, cette adoption se concentre fortement sur les étapes Tactique et Action (personnalisation de contenu, chatbots), que l’étude qualifie de niveau d’adoption élevé. [1]

Une lacune de classement à l’étape Objectifs

Le tableau des applications d’IA ne rattache aucune des quatorze applications recensées à l’étape Objectifs du cadre SOSTAC ; l’auteur y voit une lacune potentielle dans l’usage de l’IA pour la fixation des buts, et non un niveau d’adoption mesuré et plus faible pour cette étape : l’étude ne rapporte aucune donnée d’adoption pour les Objectifs. [1]

Recherche vocale et e-mails : les applications tactiques les moins plébiscitées

Parmi les quatorze applications évaluées, la recherche vocale et les e-mails personnalisés — classés par l’étude à l’étape Tactique du cadre, au même titre que la personnalisation de contenu — affichent les niveaux d’accord déclarés les plus bas, avec des moyennes respectives de 3,02 et 3,01 sur une échelle de 1 à 4. [1]

L’étude indique que ces deux applications montrent davantage de variabilité dans leur efficacité perçue ou leur facilité de mise en œuvre, ce qu’elle associe à des moyennes plus basses et à des écarts-types plus élevés. [1]

Le tableau des statistiques descriptives nuance cette lecture : l’écart-type de la recherche vocale (0,834) est inférieur à celui du support client par chatbots (0,846), une application que l’étude présente par ailleurs comme un pilier d’adoption élevée ; parmi les quatorze applications, seuls les e-mails personnalisés (0,860) et les chatbots (0,846) ont les deux écarts-types les plus hauts. [1]

Stratégie et contrôle : la synthèse qualitative de l’auteur

Dans la synthèse qualitative par stade proposée par l’auteur, l’étape Stratégie (analyse prédictive pour la segmentation) est qualifiée d’adoption « modérée/émergente ». L’étape Analyse de situation (compréhension des comportements du consommateur) est qualifiée de « modérée ». L’étape Contrôle (optimisation en temps réel, attribution) est qualifiée d’« émergente / plus faible ». [1]

Ce que les recommandations de l’auteur ajoutent

L’auteur recommande aux organisations de prioriser les investissements dans l’infrastructure de données, l’intégration transversale entre fonctions et la montée en compétences sur l’IA, afin de permettre des usages plus stratégiques de l’IA, et d’intégrer l’IA de façon systématique aux étapes de planification, d’exécution et d’évaluation, dans un cadre réglementaire qui concilie personnalisation et protection de la vie privée. [1]

Des chiffres que le texte de l’étude ne confirme pas toujours

Le texte de l’étude affirme que la personnalisation de contenu (AIA2) obtient la moyenne la plus élevée, à 3,17 sur 4. Or le tableau de statistiques descriptives de la même étude indique une moyenne plus élevée, de 3,19 sur 4, pour le support client par chatbots (AIA4) : les deux chiffres publiés ne concordent pas. [1]

De même, le texte situe la compréhension du comportement du consommateur (AIA14) comme l’application recueillant le plus de réponses « pas du tout d’accord », à 6,3 %, alors que le tableau de l’étude attribue un pourcentage supérieur, 6,7 %, aux e-mails personnalisés (AIA7). [1]

L’étude ne rapporte que des statistiques descriptives (pourcentages, moyennes, écarts-types, asymétrie, aplatissement) sur un accord auto-déclaré ; aucun test statistique, corrélation ou comparaison entre étapes n’est présenté, ce qui limite la portée de toute lecture en termes de logique ou de progression entre étapes. [1]

Les limites de l’enquête

L’échantillonnage non probabiliste et raisonné, issu du panel d’une seule société d’études, restreint à des répondants du commerce de détail sud-africain, signifie que les résultats décrivent les perceptions de ce panel et ne peuvent pas être généralisés à l’ensemble des professionnels du marketing numérique, à d’autres secteurs ou à d’autres pays. [1]

Les niveaux d’adoption rapportés reposent sur des énoncés d’accord auto-déclarés par les répondants (« notre organisation applique... ») et non sur des données d’usage, de dépenses ou de performance vérifiées : les pourcentages de 86 à 88 % traduisent une perception individuelle, pas un déploiement audité. [1]

Ce qu’une équipe de planification peut en retenir

Avant d’étendre l’IA aux fonctions de contrôle et d’attribution, une équipe qui pilote son plan marketing avec le cadre SOSTAC pourrait vérifier explicitement, à l’étape Objectifs de son propre cycle, si un outil d’IA contribue réellement à la fixation des buts, plutôt que de supposer une couverture uniforme de l’IA sur l’ensemble du cadre : cette proposition n’est pas un résultat de l’étude mais une piste de vérification interne suggérée par la rédaction. [1]