Mike Kaput alerte sur la fragilité des stacks marketing

Volatilité des modèles Mike Kaput alerte les équipes marketing sur la rapidité des changements dans l’IA. Des modèles puissants ont été retirés pour des raisons de sécurité. L’accès à prix fixe a aussi évolué silencieusement vers une facturation à l’usage. Les prix varient, les capacités progressent toutes les quelques semaines et le modèle considéré comme le meilleur change rapidement. L’article publié le 9 juillet 2026 souligne le risque d’une organisation entièrement dépendante d’un fournisseur, d’une interface ou d’un abonnement. Pour les workflows marketing, cette dépendance peut compliquer la continuité lorsque le service, le prix ou les conditions d’utilisation évoluent. Lire l’analyse de Mike Kaput.

Le contexte devient l’avantage L’auteur compare ChatGPT, Claude et Gemini, dont les versions se relaient en tête ou se rapprochent sur les évaluations importantes pour les utilisateurs professionnels. Pour la rédaction, la recherche, l’analyse, la réutilisation de contenus et la planification, plusieurs modèles capables peuvent produire des résultats comparables, selon l’article. Mike Kaput situe donc l’avantage dans les éléments fournis au modèle. Il cite la voix de marque, le positionnement, les recherches clients, l’historique des campagnes et les conventions de nommage. La direction de Palantir emploie le terme « alpha » pour désigner cet avantage propriétaire. Le modèle générique reçoit alors un contexte spécifique à l’organisation.

Trois couches rendent le contexte portable

Un document d’orientation Mike Kaput propose d’abord un fichier « read me first » pour expliquer à tout outil d’IA qui utilise le système. Ce document présente l’identité de l’équipe, ses objectifs, l’emplacement des informations importantes et les règles de travail. Il fonctionne comme une documentation d’intégration destinée à un collaborateur d’IA. Un nouveau modèle peut ainsi recevoir les mêmes repères sans que l’équipe répète son fonctionnement depuis le début. La deuxième couche regroupe des guides opérationnels. Ces playbooks décrivent en langage clair la rédaction d’un courriel de lancement, la préparation d’un brief d’article, la transformation d’un webinaire en contenus sociaux ou le contrôle qualité d’une campagne.

Des accès limités La troisième couche relie l’IA aux informations nécessaires, comme les documents, la base de connaissances et les actifs de marque approuvés. Dans son propre système, Mike Kaput a connecté l’IA à ses fichiers personnels et à des comptes sensibles en lecture seule. Cette configuration permettait de consulter des informations actualisées sans autoriser leur modification. L’article présente cette restriction comme un principe de gouvernance pour les équipes marketing. Les playbooks et les fichiers texte rendent aussi les processus réutilisables par plusieurs modèles. L’ensemble n’est pas attaché à un modèle unique. Le podcast The Artificial Intelligence Show détaille cette approche dans l’épisode consacré au sujet.

Mike Kaput propose un test simple

Un démarrage par étapes Mike Kaput recommande de commencer avec un seul document décrivant le fonctionnement d’une équipe ou d’une fonction. Il suggère ensuite de l’utiliser sur plusieurs tâches avant d’ajouter un playbook au workflow le plus fréquent. L’équipe peut également auditer les accès nécessaires et rechercher la méthode minimale et la plus sûre pour connecter les données utiles. Enfin, elle peut réaliser un test de portabilité. Il consiste à exécuter une tâche dans un autre modèle avec le même contexte. Si le résultat reste satisfaisant, l’équipe vérifie concrètement que ses informations, ses règles et ses processus peuvent être transférés d’un outil à l’autre.