Du « je pense que » au « je mesure »
Pendant des décennies, la scène s’est répétée dans les agences de communication et les directions marketing. Autour d’une table, un ensemble d’experts en marketing, en communication, en vente analysent et choisissent une proposition de PLV, un panneau vitrine, un key visual ou un dispositif merchandising. Et une question, en apparence simple : laquelle fonctionnera le mieux et générera le plus de ventes?
Pour y répondre, chacun mobilisait son expérience. « Celle-ci attire davantage l’œil. » « Le logo n’est pas assez visible. » « Le message n’est pas assez clair. » « Cette version me semble plus impactante. »
Le directeur artistique défendait son parti pris créatif, le marketing sa promesse, les commerciaux leur connaissance du terrain. Puis il fallait trancher.
Cette méthode n’avait rien d’irrationnel. Elle reposait sur des années d’expérience et une connaissance souvent très fine des consommateurs. Mais elle comportait une limite : entre ce que l’on pense qu’un shopper va regarder et ce qu’il comprend réellement, l’écart peut être important.
Aujourd’hui, ce procédé commence à changer.
Les créations sont toujours imaginées par des équipes humaines. Elles sont toujours discutées. L’expérience reste déterminante. Mais un nouvel acteur s’est invité autour de la table : la donnée, désormais exploitée par l’intelligence artificielle.
Avant de fabriquer plusieurs milliers de présentoirs ou de déployer une campagne dans un réseau de pharmacies, il devient possible d’analyser un visuel, d’anticiper les zones susceptibles de capter l’attention, d’évaluer la hiérarchie des informations et de détecter certaines faiblesses de la création.
Le merchandising entre progressivement dans l’ère de la mesure.
Dans un point de vente, la bataille commence par l’attention
Pour comprendre l’intérêt de cette évolution, il faut revenir à la réalité du terrain.
Entrer dans une pharmacie, c’est pénétrer dans un environnement particulièrement dense en informations avec parfois une certaine notion d’inquiétude. Enseignes, rayons, produits, promotions, écrans, affiches, présentoirs, messages de prévention, prix, marques et nouveautés se disputent en permanence le regard du consommateur.
Dans cet univers concurrentiel, une marque ne dispose que de quelques secondes, parfois moins, pour émerger.
Un visuel peut être parfaitement exécutée graphiquement et passer presque inaperçue. Un message peut être pertinent mais trop complexe pour être immédiatement compris. Une marque peut investir fortement dans une campagne dont l’élément le plus visible n’est finalement ni son produit, ni son bénéfice, ni même son nom.
C’est l’une des réalités du merchandising : ce qui a été conçu pour être vu n’est pas nécessairement ce qui sera vu en premier.
Pendant longtemps, mesurer cette réalité nécessitait de mener des études spécifiques. L’eye-tracking, notamment, a permis de suivre le regard de consommateurs et de mieux comprendre les mécanismes de l’attention visuelle.
L’intelligence artificielle ouvre désormais une autre possibilité : exploiter ces connaissances en amont, dès la phase de création.
De l’eye-tracking à l’IA prédictive
L’eye-tracking a constitué une étape majeure dans la compréhension de l’attention visuelle. En enregistrant les mouvements du regard, les points de fixation et leur durée, il a permis de mieux comprendre comment un consommateur explore une publicité et quels éléments captent réellement son attention.
Mais une nouvelle étape est aujourd’hui en train d’être franchie : peut-on apprendre à une intelligence artificielle à anticiper ce que l’œil humain va regarder ?
C’est précisément la question explorée par des travaux récents comme AdGaze-3500: Evaluating Large Multimodal Models’ Ability to Predict Human Attention to Ads. Cette recherche s’intéresse à la capacité des grands modèles multimodaux à prédire l’attention humaine face à des communications publicitaires.
Ces travaux illustrent un changement important : les données issues de l’observation du comportement humain peuvent désormais servir à entraîner, évaluer et améliorer des modèles capables d’analyser automatiquement une création.
Pour le merchandising, les perspectives sont considérables. Il devient possible d’envisager l’analyse non plus uniquement après la création, à travers des études consommateurs, mais pendant le processus créatif lui-même.
Une première version peut être analysée, ses zones d’attention étudiées, ses points de friction identifiés. La création est ensuite modifiée puis analysée à nouveau.
Le processus devient itératif : créer, prédire, mesurer, optimiser, puis comparer.
Des années de connaissances transformées en moteurs d’analyse
Derrière cette évolution se trouvent notamment des agences spécialisées en merchandising, en santé et en communication qui cherchent à transformer leur expertise accumulée en outils d’aide à la décision.
Car l’IA, à elle seule, ne connaît pas la pharmacie. Pour devenir pertinente, elle doit être nourrie, entraînée et spécialisée.
Les moteurs développés pour analyser la performance des communications peuvent ainsi croiser différentes sources de connaissances : données scientifiques issues de l’eye-tracking, recherches en marketing et en sciences cognitives, enseignements sur le comportement du consommateur, audits du parcours cognitif en pharmacie, mais aussi bases de données constituées à partir de campagnes réalisées au fil des années par des agences spécialisées.
C’est cette combinaison qui marque une rupture.
L’objectif n’est pas de demander à une intelligence artificielle : « Est-ce que cette affiche est belle ? »
La question devient : « Ce visuel est-il construit pour atteindre son objectif dans son contexte réel d’exposition ? »
Une différence fondamentale.
Ce que voit le cerveau avant ce que comprend le consommateur
Face à une communication, tout ne se produit pas simultanément.
Avant de comprendre, il faut regarder. Avant d’être convaincu, il faut avoir compris. Et avant d’agir, plusieurs étapes doivent avoir été franchies.
L’analyse d’une communication peut ainsi être envisagée comme un parcours cognitif.
Tout commence par l’attention. Dans un environnement chargé, le visuel parvient-il à émerger ? Quel élément attire le regard en premier ? Est-ce le produit, le visage d’un mannequin, un prix, une couleur, le logo ou un élément graphique secondaire ?
Vient ensuite l’identification. En quelques instants, le consommateur doit pouvoir comprendre qui lui parle et de quoi il est question. La marque est-elle identifiable ? Le produit ou la catégorie sont-ils immédiatement reconnaissables ?
Troisième étape : la compréhension. Une fois l’attention captée, encore faut-il transmettre l’essentiel. Quel est le bénéfice ? Quelle est la promesse ? Quelle information doit être retenue ?
Puis intervient la persuasion. Le message est-il suffisamment crédible, pertinent et différenciant pour faire évoluer la perception du shopper ?
Enfin vient l’action : prendre le produit, demander conseil au pharmacien, rechercher une information, scanner un QR code ou acheter.
Attention. Identification. Compréhension. Persuasion. Action.
Cinq étapes qui racontent une chose simple : un visuel n’est pas seulement une image. C’est un parcours.
Et c’est précisément ce parcours que les nouveaux moteurs d’IA cherchent à analyser.
L’eye-tracking change d’échelle
L’utilisation de données issues de l’eye-tracking constitue ici un tournant.
Les études traditionnelles permettent d’observer des participants confrontés à un stimulus et d’enregistrer les mouvements de leurs yeux. Elles apportent une information précieuse : où se pose le regard, dans quel ordre et pendant combien de temps.
Mais ces études nécessitent des participants, un protocole et du temps. Elles interviennent donc généralement à certains moments clés d’un projet.
L’approche prédictive change la temporalité.
En s’appuyant sur des modèles entraînés sur de grandes quantités de données, l’IA peut contribuer à estimer très rapidement la manière dont l’attention visuelle pourrait se répartir sur une création.
Une agence peut alors analyser une première version, identifier un problème, modifier la création puis analyser la nouvelle proposition.
Et recommencer.
Le test n’intervient plus seulement à la fin du processus créatif. Il peut accompagner la création elle-même.
C’est peut-être là que se situe l’un des changements les plus importants.
L’IA entre dans le studio de création
Imaginons une PLV de comptoir en pharmacie.
La marque est convaincue que son bénéfice principal constitue le point fort de la communication. Pourtant, l’analyse montre qu’un élément décoratif concentre une part importante de l’attention potentielle, tandis que le bénéfice apparaît tardivement dans le parcours visuel.
Que faut-il faire ?
Modifier la taille du message ? Déplacer le produit ? Simplifier la composition ? Renforcer le contraste ? Réduire une information secondaire ?
L’IA ne fournit pas nécessairement la réponse créative. En revanche, elle révèle le problème à résoudre.
C’est là que l’expertise humaine reprend toute sa place.
Le directeur artistique peut chercher une solution. Le spécialiste du merchandising peut l’adapter aux contraintes du point de vente. L’expert santé peut s’assurer de la pertinence du message. Le marketing peut vérifier que les fondamentaux de la marque sont respectés.
Une nouvelle version est produite, puis analysée à son tour.
La relation entre création et données devient alors une boucle : créer, mesurer, comprendre, optimiser, mesurer à nouveau.
La fin de la créativité ? Plutôt son amplification
Chaque arrivée massive de technologies dans les métiers créatifs réveille la même inquiétude : la machine finira-t-elle par remplacer l’humain ?
Dans le merchandising, la question est probablement mal posée.
Un moteur peut identifier une zone d’attention. Il ne sait pas nécessairement si cette attention est stratégiquement pertinente.
Il peut signaler qu’un message manque de visibilité. Il ne décide pas à la place d’un directeur artistique de la meilleure manière de le faire émerger tout en préservant l’identité de la marque.
Il peut comparer deux versions. Il ne remplace ni la compréhension culturelle du consommateur, ni la connaissance du terrain, ni l’idée créative.
La valeur se trouve donc moins dans l’IA seule que dans l’association entre la machine, l’expertise métier et la créativité humaine.
L’intelligence artificielle devient un nouvel instrument dans la boîte à outils des agences. Comme les logiciels de création ont autrefois transformé la production graphique, les moteurs d’analyse pourraient aujourd’hui transformer la manière d’évaluer et d’optimiser les créations.
Tester avant de produire
Cette évolution ne concerne d’ailleurs pas uniquement les créatifs. Elle intéresse directement les directions marketing et commerciales.
Car le merchandising est aussi une industrie de production.
Une fois imprimés, fabriqués et expédiés dans des centaines ou des milliers de points de vente, les dispositifs deviennent coûteux à modifier.
Le véritable enjeu est donc d’identifier les problèmes avant le déploiement.
Pourquoi découvrir après impression que le bénéfice principal manque de visibilité ? Pourquoi attendre une étude finale pour constater que la hiérarchie des informations ne fonctionne pas ? Pourquoi choisir entre deux pistes uniquement sur la base de préférences internes lorsqu’il devient possible de les confronter à des indicateurs complémentaires ?
L’IA déplace ainsi une partie de la mesure vers l’amont.
Et derrière la question de la performance visuelle apparaît une autre question, très concrète : celle du retour sur investissement.
Mieux analyser avant de produire, c’est aussi mieux sécuriser l’investissement marketing.
Une nouvelle méthode de travail se développe
Cette transformation fait émerger une nouvelle façon d’organiser la création, que l’on peut résumer en quatre verbes : PREDICT, SCORE, OPTIMIZE, VALIDATE.
PREDICT, d’abord : anticiper ce qui sera vu et comprendre comment l’attention pourrait se répartir.
SCORE, ensuite : mesurer la capacité de la création à accompagner le shopper à travers les différentes étapes de son parcours cognitif, de l’attention jusqu’à l’action.
OPTIMIZE : identifier les points de friction et travailler les leviers susceptibles d’améliorer la performance.
VALIDATE, enfin : lorsque les enjeux le nécessitent, confronter les hypothèses et les optimisations à de véritables consommateurs.
Cette dernière étape est essentielle.
Car l’IA prédictive et les études consommateurs ne sont pas nécessairement concurrentes. Elles peuvent être complémentaires.
L’une permet d’analyser rapidement, de comparer et d’optimiser. L’autre permet de confronter certaines hypothèses à la réalité humaine.
Le merchandising entre dans l’ère de la performance augmentée
L’intelligence artificielle ne signifie donc pas la disparition de l’intuition.
Une grande idée restera une grande idée. Une campagne capable de créer de l’émotion ne naîtra pas d’un simple score. Et l’expérience d’un professionnel du merchandising conservera une valeur considérable.
Mais quelque chose a changé.
L’intuition n’est plus obligée d’être seule.
Elle peut désormais être confrontée à des données, à des modèles prédictifs et à une analyse structurée du parcours cognitif.
Pour les agences, cela signifie pouvoir apporter à leurs clients autre chose qu’une recommandation créative : une capacité à mesurer, argumenter et optimiser.
Pour les marques, cela signifie pouvoir prendre certaines décisions avec davantage d’éléments objectifs avant d’engager des budgets importants de production et de déploiement.
Et pour les créatifs, cela signifie disposer d’un nouveau moyen de comprendre comment leurs créations pourraient réellement fonctionner une fois sorties du studio et confrontées à la réalité du point de vente.
Le changement pourrait finalement tenir en une phrase.
Hier, nous anticipions la performance par l’expérience. Aujourd’hui, nous l’objectivons par la donnée et l’IA.
C’est tout l’enjeu de cette nouvelle génération d’outils : faire entrer le merchandising dans une culture où la technologie ne remplace ni l’idée, ni l’expérience, ni le talent, mais leur apporte une nouvelle capacité de mesure.
Passer du subjectif à la performance. De l’intuition à l’analyse. Et, finalement, de l’intuition à la décision.
De l’expertise métier à l’intelligence augmentée
C’est précisément sur ce terrain que certaines agences spécialisées en communication santé, comme Comandhealth, ont choisi d’aller plus loin. En croisant des données scientifiques issues notamment de l’eye-tracking, des enseignements du marketing et des sciences cognitives avec leur propre expérience du merchandising et de la communication en pharmacie, elles développent et enrichissent des moteurs d’IA spécialisés.
À cette base scientifique vient s’ajouter un actif essentiel : des milliers de cas issus de campagnes, de créations et de problématiques réelles rencontrées au fil des années. Chaque analyse, chaque optimisation et chaque nouvelle campagne contribue ainsi à nourrir et à affiner les modèles.
L’objectif n’est plus seulement d’analyser un visuel, mais de comprendre et d’optimiser l’ensemble du parcours cognitif du consommateur en pharmacie : capter son attention, lui permettre d’identifier immédiatement la marque ou le produit, faciliter la compréhension du message, renforcer sa capacité de persuasion et, enfin, favoriser l’action.
Pour les marques, cette évolution ouvre une nouvelle manière de travailler avec leurs agences : la création reste humaine, mais elle s’appuie désormais sur une intelligence nourrie par la science, la donnée et l’expérience accumulée sur le terrain.
Une façon de passer progressivement d’une question « Cette création sera-t-elle performante ? » à une démarche beaucoup plus concrète : prédire, mesurer, optimiser et valider sa performance avant son déploiement.
Comandhealth, agence spécialisée en communication santé. L’intelligence artificielle au service de la communication santé en pharmacie.