Pierre Raoul (Havas) : « L’industrialisation de l’IA n’arrivera pas avant 2030 »

Face à l’accélération des usages de l’intelligence artificielle et aux attentes croissantes des annonceurs en matière d’efficacité, d’automatisation et de mesure, les agences de communication sont confrontées à une transformation profonde de leurs modèles. Havas a fait le choix d’investir massivement dans la data, la tech et l’IA, avec une enveloppe de 400 millions d’euros prévue d’ici 2027, afin de renforcer son approche intégrée et de doter ses collaborateurs comme ses clients d’outils de nouvelle génération. Au cœur de cette stratégie se trouve Converged.AI, présenté comme un véritable operating system destiné à repenser l’articulation entre média, création et production. Pour en comprendre les enjeux, nous avons rencontré Pierre Raoul, VP Converged.AI & AI Solutions chez Havas.

The Media Leader : Havas s’est engagé à investir 400 millions d’euros d’ici 2027 dans la data, la tech et l’IA. Comment ce budget est-il alloué concrètement ? Existe-t-il des priorités ou des domaines spécifiques visés ?

Pierre Raoul : Ce budget se répartit en trois volets. D’abord, des investissements technologiques, pour développer la plateforme et y intégrer de nouvelles briques. Ensuite, des investissements humains, avec le recrutement de profils experts en data et en intelligence artificielle. Enfin, un volet formation, car la meilleure machine ne sert à rien si nos collaborateurs ne sont pas formés à l’utiliser. Nous priorisons donc à la fois l’évolution technologique, la montée en compétences des équipes et la proposition de valeur pour nos clients.

TML : Comment Converged.AI redéfinit-elle le modèle d’agence de communication / publicité traditionnel chez Havas ? Quels sont les impacts pour les employés, les clients, les processus internes ?

P.R : Converged est devenu un véritable operating system qui structure le processus stratégique de l’agence en quatre phases : intelligence, design, activation et mesure. Cela permet une intégration beaucoup plus forte entre les métiers – média, création, production – et offre un accompagnement intégré à nos clients. Concrètement, cela se traduit par une approche plus data-driven pour toutes les compétences de l’agence et une automatisation renforcée, notamment côté production. Pour nos clients, cela signifie une meilleure définition des audiences, des campagnes plus performantes, une réactivité accrue et un time to market optimisé.

TML : Quelle est votre stratégie pour éviter les biais dans les modèles d’IA que vous déployez ? Avez-vous des mécanismes ou audits internes pour cela ?

P.R : Le premier levier, c’est la formation : apprendre aux collaborateurs à détecter et comprendre les biais. Ensuite, nous avons mis en place une gouvernance spécifique avec des leads IA dans chaque agence et un comité opérationnel qui sélectionne les cas d’usage. Chaque développement associe des experts métiers et des data scientists, afin de vérifier la pertinence et la qualité des résultats. Enfin, nous explorons des solutions externes, comme Giscard, qui permettent de détecter certains biais sur des cas précis. L’idée est de conjuguer vigilance humaine, processus de contrôle et outils spécialisés.

TML : Quels sont les garde-fous mis en place pour garantir que l’IA ne remplace pas, mais amplifie les compétences humaines, notamment dans la créativité, la stratégie et le relationnel ?

P.R : Pour nous, l’IA est un support à l’humain, elle ne le remplace pas. Le vrai garde-fou, c’est l’esprit critique des collaborateurs : il ne s’agit pas de « poser son cerveau à côté de la souris ». Nous formons et sensibilisons nos équipes à utiliser l’IA comme un outil qui accélère, améliore ou enrichit leur travail, mais la décision finale reste humaine. Nous avons aussi créé des postes dédiés – quality process managers et adoption managers – pour accompagner cette transformation en profondeur et éviter que l’IA ne soit utilisée sans discernement.

The Media Leader : Existe-t-il des limites techniques ou technologiques que vous avez observées dans le mid / long terme pour la mise en œuvre des outils d’IA dans la publicité ?

P.R : La première limite, c’est la qualité des données : garbage in, garbage out. Si les modèles sont nourris de mauvaises sources, les biais se multiplient. Ensuite, nous sommes certes dans une phase de développement et d’adoption exponentielle, mais l’industrie est encore dans certains cas dans une logique d’expérimentation et d’effets « paillettes ». L’enjeu, c’est d’arriver à une organisation agentique qui reflète l’organisation humaine, avec des agents capables de coopérer efficacement.

TML : Comment gérez-vous les attentes des clients : entre « IA = efficacité et automatisation » et la réalité des investissements, des délais, des itérations nécessaires ?

P.R : C’est un équilibre qui repose sur la transparence. Nous expliquons ce qui est déjà solide et opérationnel, et ce qui est encore en phase de développement. L’IA n’est pas un raccourci magique : aller trop vite peut se faire au détriment de la qualité, et nous préférons le dire clairement. C’est une aventure partagée avec nos clients, dans une logique de partenariat.

TML : Dans quel horizon temporel voyez-vous que les IA génératives deviendront la norme dans les agences ?

P.R : Tout dépend de ce que l’on entend par « norme ». Oui, l’IA est déjà largement utilisée, mais nous ne sommes pas encore dans une industrialisation complète. À mon sens, cette maturité n’arrivera pas avant 2030. Je compare cela à l’Internet : arrivé en 1995, il a fallu près de 20 ans pour atteindre une pleine maturité. Pour l’IA, le cycle sera plus court, mais pas instantané.

TML : Quelles sont les prochaines innovations que vous aimeriez voir émerger ou développer sous Converged.AI ?

P.R : J’aimerais aller plus loin dans l’intégration fluide entre créa, média et production – de la définition d’audience au déploiement des campagnes. Nous travaillons aussi à démocratiser l’usage des LLM et des agents au sein du groupe, ce qui suppose de former 3 000 collaborateurs en France et 23 000 dans le monde. À terme, chaque utilisateur pourrait devenir un développeur potentiel de fonctionnalités, en créant ses propres agents pour répondre à ses besoins et les partager avec le reste de l’organisation. C’est ce qui permettra de démultiplier les usages et les possibilités.