IA et relations presse : un modèle qui passe à l’échelle
L’IA peut-elle rendre les relations presse plus efficaces sans remplacer le jugement humain ? Analyse du modèle de Pathos, de ses usages et de ses limites.
Relations presse et IA : automatiser le travail, pas le jugement
Au Royaume-Uni, les budgets de relations presse sont sous pression, pendant que les entreprises augmentent leurs investissements dans l'intelligence artificielle. Pour les agences, la question devient assez simple (et un peu brutale) : comment faire un travail plus utile et plus régulier sans gonfler les coûts aussi vite que l'activité ? Dire « l'IA va tout automatiser » ne répond pas vraiment au sujet. En relations presse, la valeur dépend aussi du bon angle, de la compréhension d'un secteur et de la qualité des relations humaines.
Omar Hamdi, dirigeant de Pathos Communications, propose une approche différente : confier à la technologie une partie de la préparation, du ciblage et du développement commercial, tout en laissant aux équipes les échanges et les décisions qui demandent du discernement. Les chiffres publiés par Pathos donnent un premier aperçu, mais les outils devront aussi convaincre à plus grande échelle.
Voici ce que ce modèle change concrètement pour une agence, ce que cela peut apporter aux PME, et surtout les conditions à réunir pour que l'automatisation améliore le travail - plutôt que d'ajouter un logiciel de plus à des processus déjà fragiles.
Pourquoi l'IA remet-elle en question l'économie des relations presse ?
Les relations presse reposent sur des tâches difficiles à standardiser : comprendre une entreprise, repérer ce qui mérite l'attention d'un journaliste, trouver le bon moment et formuler un message crédible. Dans un modèle traditionnel, une partie importante de ce travail dépend du temps de professionnels expérimentés. C'est justement pour ça que ce métier est utile - et aussi compliqué à vendre à des entreprises qui n'ont pas toujours le budget (ni l'envie) d'un accompagnement permanent.
Des budgets sous pression, mais pas une disparition de la demande
Selon des chiffres rapportés par City A.M., la part des entreprises britanniques consacrant des dépenses aux relations publiques et au conseil en gestion est tombée à 4,2 % en septembre. Dans le même temps, les dépenses globales des entreprises ont progressé de 3,1 % sur un an, et les investissements dans les services d'IA ont fortement augmenté. Ce contraste ne prouve pas que l'IA remplace les agences. Il indique surtout que les acheteurs revoient ce qu'ils financent et ce qu'ils obtiennent en échange.
Pour une agence, la question devient vite économique autant que créative : comment maintenir la qualité du conseil tout en réduisant les tâches répétitives et le coût d'acquisition des clients ? Si chaque nouveau client exige le même volume de travail manuel avant même le démarrage d'une mission, la croissance finit par peser sur les marges ou sur la disponibilité des équipes.
Ce que disent - et ne disent pas - les résultats de Pathos
Les résultats semestriels de Pathos, publiés pour la période close le 30 juin 2026, donnent un aperçu de la stratégie. L'entreprise annonce une hausse de 14 % de son chiffre d'affaires et de 36 % de son EBITDA ajusté. Les encaissements clients progressent de 80 %, et la part des clients récurrents dans le chiffre d'affaires passe de 16 % à 36 %.
C'est clairement encourageant pour une entreprise qui cherche à améliorer son efficacité opérationnelle. Mais ces données ne suffisent pas à elles seules à attribuer la performance à l'IA. La croissance du chiffre d'affaires, l'amélioration de l'exploitation et la baisse des créances irrécouvrables ont aussi joué. Autrement dit : trajectoire financière positive, oui ; preuve isolée du rôle d'un produit d'IA, pas encore.
Le vrai test : la marge et la qualité, quand l'activité augmente
Le critère pertinent n'est pas le volume de textes générés. Le sujet, c'est la capacité à servir plus de clients sans dégrader la qualité - et sans voir les heures facturées grimper dans les mêmes proportions. Une agence devrait suivre plusieurs indicateurs en même temps : temps de préparation, pertinence des propositions, taux de transformation, rétention des clients et marge par mission.
Si l'automatisation réduit le temps de recherche mais produit des angles trop génériques, que l'équipe devra ensuite réécrire, le gain reste surtout théorique. Si, au contraire, elle permet d'arriver au premier échange avec une connaissance utile de l'entreprise et des pistes éditoriales solides, elle peut améliorer à la fois l'expérience commerciale et le travail de conseil.
Comment Pathos utilise-t-elle l'IA avant et pendant une mission ?
D'après Omar Hamdi, l'automatisation commence avant la première conversation avec un prospect. Les outils analysent l'actualité, repèrent des angles possibles et préparent des éléments de discussion. L'équipe arrive alors au rendez-vous avec des projets d'articles, des arguments commerciaux et des sujets d'actualité déjà structurés. L'objectif n'est donc pas de supprimer l'échange : c'est de mieux préparer la discussion.
Préparer le premier échange plutôt que le déshumaniser
Un premier contact commercial classique peut être très vague : l'agence connaît mal l'activité du prospect et déroule un discours standard. Pathos dit utiliser ses outils pour arriver en réunion avec des idées déjà adaptées à l'entreprise. Hamdi indique d'ailleurs que certains prospects ont eu l'impression que le travail avait commencé avant même la rencontre.
C'est un retour intéressant, mais il tient à une condition : la préparation doit être assez précise pour aider la conversation, sans donner l'impression que « le système » a décidé à la place du client. Une proposition d'angle reste une hypothèse à discuter ; ce n'est pas une conclusion éditoriale. L'humain doit pouvoir poser des questions, corriger ce qui ne va pas et écarter une piste qui ne correspond pas aux priorités de l'entreprise.
Relier les histoires aux bons médias
Pendant la production, Pathos indique s'appuyer sur un rapprochement « algorithmique » entre les récits des clients et les médias susceptibles de les traiter. Sur le papier, ça peut réduire le temps de recherche et éviter des envois indifférenciés. Mais ça n'a de valeur que si les critères de correspondance dépassent les mots-clés : le sujet, le format, la ligne éditoriale, l'actualité du média et l'intérêt réel de son audience comptent aussi.
Le risque d'un ciblage trop simple est connu : une liste de contacts volumineuse mais mal adaptée, puis des sollicitations répétées. Pour évaluer ce type de matching, il faut regarder ce que disent les journalistes et la qualité des échanges, pas seulement le nombre de contacts traités ou de messages générés.
Mesurer les gains à chaque étape
Si une équipe veut tester ce genre de dispositif, elle peut d'abord cartographier le processus avant d'acheter ou de développer un outil :
- Préparation : combien de temps faut-il pour comprendre un prospect ou un client ?
- Pertinence : les angles proposés sont-ils spécifiques, factuels et exploitables ?
- Décision : les professionnels acceptent-ils les recommandations, les modifient-ils ou les rejettent-ils ?
- Résultat : les échanges avec les médias et les clients s'améliorent-ils ?
- Rentabilité : le gain de temps couvre-t-il les coûts d'intégration, de contrôle et de correction ?
Et il faut inclure la vérification. Une génération rapide n'est pas un gain si elle déplace simplement les heures vers la relecture, la correction des erreurs ou la gestion des incidents. Le bon indicateur, c'est le coût total d'un travail de qualité, pas le volume de contenu produit.
L'IA peut-elle rendre les relations presse accessibles aux PME ?
Omar Hamdi évoque un marché potentiel de 400 millions de petites et moyennes entreprises dans le monde. L'idée est que la technologie peut rendre l'accès aux relations presse plus simple pour les entreprises qui n'ont ni le temps, ni le budget, ni le confort de travailler avec une agence « classique ».
Réduire le coût d'entrée, sans promettre un résultat garanti
Pour une PME, le frein n'est pas seulement le prix d'une campagne. Ça peut aussi être le manque de temps pour préparer un récit, la difficulté à repérer une actualité intéressante, ou l'incertitude sur ce qu'une agence va réellement apporter. Une préparation plus rapide peut réduire ces obstacles et permettre à l'équipe de mieux comprendre ses options avant de s'engager.
Mais ça ne veut pas dire que l'IA rend automatiquement les relations presse efficaces. Une entreprise sans actualité pertinente, sans porte-parole disponible ou sans capacité à répondre aux questions des médias ne verra pas ses problèmes disparaître grâce à un outil. L'IA peut aider à repérer une occasion ; elle ne crée pas à elle seule une raison crédible d'être couverte.
Une personnalisation « à grande échelle » a des limites
Un système peut sortir une première analyse pour beaucoup d'entreprises. En revanche, si la personnalisation se résume à reprendre le nom et quelques éléments trouvés en ligne, on est sur une personnalisation de surface. Pour que ça marche vraiment, il faut comprendre le contexte : stade de développement, contraintes réglementaires, données vérifiables, public visé et capacité à tenir une prise de parole.
Le modèle hybride paraît donc plus crédible qu'une promesse de service entièrement automatique. Le logiciel peut faire émerger des éléments et accélérer la préparation ; ensuite, une personne vérifie la pertinence et s'assure que le message colle aux objectifs du client. Le niveau d'intervention humaine peut varier selon le prix et le type de mission - mais cette différence doit être claire.
Le modèle économique doit rester lisible pour le client
Si une agence utilise l'IA pour réduire son temps de production, le client a raison de demander ce qu'il paie exactement : une expertise, un accès à un réseau, du conseil, des résultats mesurables ou simplement du volume d'exécution ? Une tarification fondée uniquement sur les heures devient moins naturelle quand une partie du travail est automatisée. Le point n'est pas de retirer de la valeur : c'est d'expliquer où elle se trouve.
La récurrence du chiffre d'affaires, qui augmente dans les résultats annoncés par Pathos, est un indicateur à surveiller. Elle peut refléter des relations plus durables, mais aussi une offre mieux ciblée ou un changement de clientèle. Pour une PME, les questions restent assez concrètes : le périmètre est-il clair ? Qui valide les messages ? Quel travail humain est inclus ? Et comment l'agence rend-elle compte de l'activité ?
Quels garde-fous pour industrialiser le jugement sans le remplacer ?
L'IA peut accélérer la recherche, le classement et la préparation. Elle peut aussi diffuser à grande échelle des erreurs ou des formulations inadaptées. En communication, une erreur n'est pas seulement un défaut technique : une affirmation fausse, un angle mal choisi ou un message envoyé au mauvais interlocuteur peut abîmer la confiance du client comme celle des journalistes.
Traiter les sorties de l'IA comme des pistes
Tout contenu généré ou toute analyse automatique doit être vérifié avant usage externe. L'équipe doit pouvoir retrouver les sources des faits importants, confirmer les chiffres et distinguer ce que l'outil a déduit de ce que le client a validé. Les sujets sensibles - résultats financiers, santé, emploi, environnement, conformité - demandent un contrôle renforcé.
Une règle pratique utile consiste à définir des seuils de validation :
- un professionnel vérifie chaque affirmation factuelle destinée à un média ;
- le client valide les informations confidentielles et les déclarations qui l'engagent ;
- les angles sensibles ou susceptibles d'avoir des conséquences juridiques sont escaladés ;
- les erreurs et les corrections sont consignées pour améliorer le processus.
Cette discipline évite de confondre « l'outil l'a produit » et « l'entreprise peut l'affirmer ».
Protéger les données et clarifier qui fait quoi
Une agence qui utilise des outils d'IA doit savoir quelles données sont transmises, où elles sont traitées, combien de temps elles sont conservées, et si elles servent à entraîner un modèle. Pour des entreprises françaises ou européennes, ces sujets doivent s'inscrire dans le RGPD et dans les conditions prévues par le contrat entre le client, l'agence et les fournisseurs.
Le choix d'un fournisseur ne se résume donc pas à la qualité des réponses. Il faut regarder aussi la confidentialité, les accès internes, la possibilité de suppression et les règles d'utilisation des données. Les informations non publiques d'un client ne devraient pas être saisies dans un service sans validation préalable des conditions applicables.
Garder la main sur la relation avec les journalistes
L'efficacité commerciale ne doit pas se confondre avec le volume de sollicitations. Un système capable de préparer des centaines de messages peut aussi saturer les boîtes de réception si l'agence ne contrôle ni le ciblage, ni la fréquence. Une relation presse se construit dans la durée : les journalistes ne sont pas juste une audience à activer automatiquement.
Cela suppose une responsabilité humaine : choisir les destinataires, adapter le contact, respecter les refus et corriger vite en cas d'erreur. Les outils peuvent aider à organiser le travail, mais ils ne devraient pas décider à eux seuls de l'opportunité d'un envoi. Dans un écosystème médiatique où la confiance est déjà fragile, une automatisation mal contrôlée détruit vite la valeur qu'elle promettait de créer.
Tester avant de généraliser
Pathos prévoit de déployer Pressella, son attachée de presse virtuelle fondée sur l'IA, et PathosMind au premier semestre 2027. Le déploiement à plus grande échelle reste donc à tester. La preuve devra porter sur des usages réels : qualité des recommandations, satisfaction client, charge de contrôle, rétention et rentabilité une fois les coûts techniques pris en compte.
Pour une agence ou une entreprise qui envisage une démarche similaire, un pilote limité est souvent plus utile qu'un déploiement global. Choisissez un processus fréquent et mesurable, gardez une validation humaine, comparez avec la méthode existante et fixez à l'avance les conditions d'arrêt. Si la qualité baisse ou si le contrôle coûte plus cher que le gain obtenu, il faut revoir le projet - même si la démonstration commerciale semblait solide.
Conclusion
Le pari défendu par Omar Hamdi n'est pas que l'IA remplace les professionnels des relations presse. C'est plutôt qu'elle prenne en charge une partie du travail préparatoire et rende le service plus efficace, plus régulier, et potentiellement plus accessible à davantage d'entreprises. Les résultats publiés par Pathos sont encourageants, mais ils ne suffisent pas encore à prouver que les produits fonctionnent aussi bien à grande échelle.
La ligne de décision est pragmatique : automatisez les tâches répétitives dont la qualité peut être contrôlée, gardez une responsabilité humaine sur les faits, les angles et les relations, puis mesurez le coût complet et les résultats. Si la technologie aide une équipe à mieux préparer ses échanges et à servir ses clients sans transformer les journalistes en destinataires de messages standardisés, elle fait avancer le métier. Sinon, elle ne fait qu'en accélérer les défauts.