Vos offres marketing recrutent à l'aveugle, et l'IA ne corrigera rien

Une annonce de recrutement raconte déjà une certaine idée du marketing. Elle dit ce qu'une entreprise pense pouvoir déléguer, ce qu'elle mesure, et parfois ce qu'elle n'a pas encore décidé. C'est ce qui rend l'enquête de MKT1 et d'Emily Kramer intéressante : dans sa lettre du 19 octobre 2026, la fondatrice analyse plus de 1 100 offres de marketing, principalement dans des start-up B2B américaines. Son constat accroche l'œil : dans l'échantillon principal, seules 47 % demandent explicitement des compétences liées à l'IA. La moitié recrute donc sans le dire dans un paysage où l'IA a déplacé une partie du travail.

Le chiffre ne raconte pas toute l'histoire. Une annonce ne révèle ni l'usage quotidien de l'IA dans l'équipe, ni la capacité du manager à distinguer une bonne automatisation d'une usine à gaz, ni la date à laquelle le texte a été écrit. Elle montre ce que l'organisation choisit d'écrire au moment de recruter. C'est un indice utile, pas une radiographie du service.

L'intérêt de MKT1, à mes yeux, est là : faire des offres d'emploi un symptôme de la manière dont les équipes marketing se reconfigurent. Ma réserve commence au même endroit. Un retard de vocabulaire dans les annonces ne prouve pas un retard de compétences, de stratégie ou de résultats. Une offre est un indice. Pas un scanner.

Une offre est un indice. Pas un scanner.

On peut donc prendre le diagnostic au sérieux sans avaler toute la prescription. Kramer voit des postes trop génériques, des attentes d'IA trop faibles et une séparation artificielle entre marketing et ingénierie. Elle propose de recruter des profils plus transversaux, capables d'utiliser l'IA, de construire des workflows et de contribuer à des systèmes communs. C'est une hypothèse ambitieuse. Voyons où les données l'étayent et où elles s'arrêtent.

Commençons par la cuisine, avant de servir le chiffre. Le corpus principal comprend 791 offres issues de 345 start-up B2B privées. Un ensemble plus large porte le total à 1 165 annonces, avec des entreprises cotées, OpenAI et Anthropic, ainsi que 47 postes de GTM engineer et marketing engineer. Les annonces ont été collectées en septembre et octobre 2026. Claude Code les a classées à partir d'une grille de dix compétences et de trois niveaux d'usage de l'IA ; Kramer dit avoir contrôlé les classements et relu les graphiques.

C'est une enquête de praticienne, pas un recensement du marché. Les entreprises ont été sélectionnées depuis une liste contrôlée par MKT1, puis complétées par recherche. Cela ne permet pas de dire que 47 % de toutes les entreprises, tous pays et toutes tailles confondus, demandent l'IA. Et comme l'analyse porte sur le texte des annonces, une compétence implicite ou formulée autrement peut échapper à la grille.

La méthode reste utile pour comparer les attentes écrites dans ce corpus. Dans l'échantillon élargi, 49 % des offres demandent une compétence IA ; 40 % parlent de l'IA seulement pour décrire le produit vendu, sans expliquer ce que la recrue en fera. Treize pour cent n'en parlent pas du tout. Le décalage est donc entre mention, responsabilité confiée et travail attendu.

Les explications de Kramer restent des hypothèses. Elle avance que des entreprises veulent conserver un grand volume de candidatures, recyclent leurs annonces ou délèguent la construction des systèmes à quelques profils d'ingénierie. Ces scénarios sont plausibles, mais l'analyse des annonces ne permet pas de trancher. Il faut résister au plaisir de transformer une corrélation bien présentée en diagnostic complet.

Un autre relevé récent empêche de transformer le 47 % en vérité générale. CXL a analysé 878 annonces américaines de marketing sur LinkedIn au troisième trimestre 2026. Dans cet échantillon, 54 % mentionnent l'IA et 40 % en font une compétence ou une responsabilité ; le relevé CXL indique que ce dernier taux était de 15 % au premier trimestre.

Les deux enquêtes ne se contredisent pas forcément. Elles n'ont ni le même corpus, ni la même période, ni exactement les mêmes définitions. Mentionner l'IA ne signifie pas demander de l'utiliser ; demander un usage ne précise pas s'il s'agit de rédiger avec un modèle, de vérifier ses sorties ou de construire un workflow. Le mot est le même. Le travail derrière, beaucoup moins.

Le mot est le même. Le travail derrière, beaucoup moins.

La série CXL indique que le langage des annonces évolue vite. Elle ne prouve pas que toutes les organisations ont transformé leurs pratiques au même rythme. Une annonce apprend parfois les bons mots avant que l'équipe apprenne à faire le boulot. Si le poste parle d'agents mais que la personne récupère des données sales, aucun accès aux experts et trois validations pour modifier une page, le vocabulaire a de l'avance sur l'organisation.

L'AMA ajoute l'angle des professionnels. Son rapport 2026comprend une enquête auprès de 1 412 spécialistes du marketing menée fin 2025 et début 2026. Les répondants identifient l'IA comme une compétence à développer, mais l'étude relève aussi une baisse perçue de l'importance de l'adaptabilité, de la pensée critique, de la collaboration et de la communication. C'est une perception déclarée, pas une mesure des tâches automatisables ; elle pose pourtant une question : à force de compter les outils à apprendre, est-ce qu'on oublie les capacités qui permettent de bien les employer ?

Ces sources se complètent sans se confondre. MKT1 étudie des annonces de start-up B2B ; CXL des offres LinkedIn américaines par trimestre ; l'AMA interroge des professionnels sur leurs carrières. Elles décrivent une transition inégale, pas l'apparition d'un nouveau profil universel.

Le point le plus ambitieux de Kramer dépasse l'IA. Son Gen Marketer serait à l'aise avec les campagnes intégrées, les comptes, plusieurs disciplines, les outils IA et l'orchestration du travail. La logique se tient : quand l'équipe est petite, contenu, distribution, opérations et analyse se croisent. Une personne qui comprend les raccords évite quelques impasses, comme le contenu terminé alors que personne n'a décidé où il vivra ni qui doit s'en servir.

Là où je décroche, c'est quand le généraliste devient le modèle universel. La transversalité prend du temps à construire et ne remplace pas une expertise profonde. Une équipe peut avoir besoin d'une experte en recherche client, d'une personne qui raconte un produit complexe et d'une troisième qui maîtrise l'automatisation. Demander à toutes d'être stratèges, rédactrices, analystes, spécialistes CRM, opératrices d'agents et cheffes d'orchestre revient à empiler trois postes dans le salaire d'une.

MKT1 propose le modèle π-shaped. Une expertise forte, une seconde compétence solide, puis une connaissance fonctionnelle d'un troisième domaine. C'est plus crédible que le couteau suisse sans fond ni manche. Mais la combinaison dépend du niveau, du secteur, de l'effectif et des appuis. Une directrice qui pilote des spécialistes n'a pas le même travail qu'une première recrue dans une start-up de douze personnes.

Le désaccord n'est pas entre spécialistes et généralistes. Dans un système bien pensé, la transversalité aide les expertises à travailler ensemble ; dans un système sous-financé, elle fait tenir dans une fiche toutes les fonctions que l'entreprise ne veut pas recruter. « Polyvalence » peut désigner une capacité à relier les métiers ou une façon polie de dire que la personne fera tout, avec les moyens qu'on verra plus tard.

MKT1 a le mérite de distinguer trois niveaux. Le premier consiste à utiliser un modèle pour chercher, résumer, analyser ou préparer un plan. Le deuxième, à créer des workflows ou agents pour son propre travail. Le troisième, à contribuer aux systèmes partagés par l'équipe : contexte, instructions, outils, processus et contrôles. C'est plus informatif que « maîtrise de l'IA générative », formule qui donne l'impression qu'un diplôme tombe du ciel dès qu'on ouvre ChatGPT.

Les chiffres révèlent une marche nette. Dans le corpus, 12 % des annonces citent au moins un outil de l'ère IA ; 15 % demandent de concevoir des workflows, agents ou compétences IA, dont 9 % pour l'usage individuel et 6 % pour les systèmes collectifs. À peine 7 % mentionnent les agents, même si le terme apparaît dans 44 % des annonces, souvent parce que l'entreprise vend un produit agentique. L'étiquette s'est répandue plus vite que la définition du poste.

Mais la grille porte une hypothèse discutable. Kramer pense que chaque spécialiste marketing devrait atteindre le niveau builder et qu'une partie de l'équipe devrait contribuer aux systèmes collectifs. C'est défendable si l'entreprise a des outils accessibles, des données propres, des tâches récurrentes et du temps pour la maintenance. Ce n'est pas une loi naturelle pour une petite équipe événementielle, un poste conformité ou une organisation qui change de stack tous les six mois.

La bonne question n'est pas « savez-vous construire un agent ? ». C'est : quelles tâches reviennent assez souvent pour être outillées, quelles décisions exigent une personne, quel risque une erreur ferait courir, et qui maintiendra le processus quand données ou modèle changent ? Un bon candidat doit pouvoir répondre « je n'automatiserais pas ça ». C'est du jugement, pas un manque d'ambition.

Une compétence IA prend sens dans une chaîne de travail. Source fiable, consigne, transformation, résultat attendu, contrôle et personne responsable : retirez un maillon et le workflow peut produire vite une erreur bien mise en page. Si l'annonce ne décrit pas cette chaîne, elle recrute une aura technologique. C'est joli sur la page carrière ; ça n'aide pas à départager trois démonstrations convaincantes.

La partie Content & Brand devrait intéresser les équipes éditoriales. Kramer relève que 69 % des annonces de ce périmètre demandent du jugement ou du goût, mais que seulement 24 % demandent de piloter une campagne de bout en bout. Elle décrit un déplacement : moins de production répétitive, plus d'idées distinctives et de systèmes pour préserver la qualité.

Je suis d'accord avec le mouvement, moins avec le fantasme du temps libéré pour les grandes idées. La qualité éditoriale n'est pas une opération de prestige qui commence après l'automatisation. Elle suppose de comprendre ce que les clients cherchent à éclaircir, ce qui rend une proposition crédible, à quel moment une preuve peut faire avancer une décision et pourquoi un contenu devrait être distribué ici plutôt que là. L'idée créative ne remplace ni l'enquête, ni la pédagogie, ni le raccord avec les usages commerciaux.

La personne contenu ne devrait pas forcément posséder la campagne entière. Mais elle devrait savoir ce qui advient de son travail après livraison : qui le diffuse, pour quel public, avec quel appel à l'action et comment on saura s'il a servi. C'est la différence entre fabriquer un actif isolé et participer à un système éditorial. On peut garder une expertise de plume, de recherche ou de design tout en comprenant les raccords.

On retrouve le même problème dans le contenu B2B. Des actifs existent, mais restent à côté des campagnes, sont peu repris par les commerciaux et se mesurent au nombre de pièces produites. Le guide Content Machine sur le content sales et l'activation des contenus dans la vente creuse ce lien entre expertise éditoriale, usage commercial et décisions d'achat. Dans une fiche, cela devrait devenir une responsabilité explicite, pas « produire des contenus engageants » et bonne chance pour la suite.

Aucune recrue ne peut réparer seule un système cassé. Un contenu mieux distribué ne corrige pas une proposition floue ; un agent ne crée pas de preuves clients là où personne ne les recueille ; une campagne intégrée ne se monte pas si les équipes refusent de partager leurs priorités. La fiche doit nommer les interfaces et les moyens existants.

Les dix compétences de MKT1 mélangent trois catégories utiles. Le métier marketing : concevoir une campagne, comprendre les audiences, maintenir une barre de qualité. Le rapport à l'IA : l'utiliser avec jugement, créer un workflow, contribuer aux outils partagés. Puis la conduite du travail : fixer des objectifs, arrêter ou développer des actions, coordonner personnes et systèmes, apprendre assez vite pour suivre les changements.

La grille devient mauvaise dès qu'on la copie partout. Ajoutez aux dix items les compétences propres au poste, deux logiciels, cinq qualités humaines et huit ans d'expérience ; vous obtenez le millefeuille habituel de must-have, où tout est prioritaire et le candidat devrait déjà avoir fait le travail que l'entreprise n'a pas défini.

Une offre devrait partir du résultat attendu et du contexte réel. Pour un poste contenu : transformer retours commerciaux et preuves clients en ressources qui aident les acheteurs à comprendre les risques d'une migration CRM ; travailler avec produit et ventes ; disposer d'un outil de mesure ; proposer comment réutiliser les contenus en campagne. Le candidat peut se représenter le travail et distinguer ce qui existe de ce qu'il devra bâtir.

Séparez responsabilités, critères et atouts. Les tâches quotidiennes ne sont pas les compétences évaluées ; les compétences indispensables ne sont pas les avantages ; les logiciels en place ne sont pas des prérequis universels. Dites ce qui prime quand le temps manque, ce qu'on peut sous-traiter et quelle part du poste consiste à apprendre ou structurer. Ces précisions aident un bon profil à se projeter, et un autre à se retirer.

MKT1 propose de remettre à plat les exercices de recrutement. Kramer conseille de faire expliquer un travail de bout en bout, d'examiner ce que la personne a construit avec l'IA, de discuter d'un outil réellement utilisé et d'expliciter les règles d'usage de l'IA. Pour les postes liés aux systèmes, elle propose d'examiner le workflow ou ses instructions, pas une capture flatteuse.

Regarder le processus est une bonne idée. Une page publiée ne dit pas qui a trouvé l'angle, quelles données l'ont nourrie, quelles versions ont été rejetées ni ce que la personne a corrigé. Un cas réel permet d'expliquer où l'IA a aidé, où elle a raconté n'importe quoi, comment les éléments ont été vérifiés et quelle décision a changé. On évalue une pratique, pas une démo.

Attention, le test peut devenir une production gratuite. Un devoir de deux heures peut être raisonnable si le périmètre est stable, le temps limité et le résultat inexploitable commercialement. Il faut donner la même consigne, annoncer les critères, permettre différents formats et ne pas confondre aisance orale, disponibilité gratuite et compétence. Le test révèle le jugement ; il ne devrait pas récompenser la personne qui travaille gratuitement le dimanche.

On peut tester l'IA sans concours de fichiers Markdown. Donnez un cas synthétique, précisez les outils permis, puis demandez le résultat, les contrôles, une erreur repérée et les limites visibles. Pour un poste système, ajoutez une tâche récurrente à concevoir. Pour un rôle éditorial, observez comment le candidat fait émerger une idée, la vérifie, l'explique et choisit son canal.

Précisez le degré d'autonomie. La personne consommera-t-elle un système existant, améliorera-t-elle des procédures individuelles ou prendra-t-elle en charge un outil partagé et sa maintenance ? Si le poste couvre tout, salaire, séniorité, temps et appuis doivent suivre. Sinon, l'annonce promet une place de bâtisseur et l'intégration livre un poste de pompier.

Le billet imagine des agents qui résument les CV, comparent les profils à une grille, proposent des questions et évaluent les entretiens. Kramer pose une précaution utile : l'agent devrait signaler les zones à examiner, sans rejeter quelqu'un à cause d'une information manquante ou floue. Cette réserve compte plus que le frisson de la démo qui classe cent candidatures en quelques secondes.

Une scorecard ne rend pas le tri neutre. Le système applique la définition du bon profil fournie par le comité et peut transformer une préférence vague en signal apparemment objectif. S'il cherche des intitulés, logiciels ou parcours linéaires, il risque de confondre compétence et traces habituelles laissées par certains candidats. L'automatisation n'invente pas forcément le biais ; elle peut le distribuer plus vite et lui donner l'autorité d'un tableau.

Le cadre européen traite ces usages comme sensibles. Le règlement sur l'IA classe parmi les systèmes à haut risque certains outils destinés au recrutement ou à la sélection, dont le ciblage d'annonces, le filtrage de candidatures et l'évaluation. Son considérant 57 souligne leurs effets possibles sur les perspectives professionnelles et le risque de prolonger des discriminations. Au Royaume-Uni, l'ICO demande plus de transparence, une intervention humaine cohérente et une surveillance des biais. Les obligations dépendent du système et de son usage ; les critères et leurs effets doivent déjà pouvoir être examinés.

Je garderais quatre garde-fous avant d'automatiser. Documenter le critère métier plutôt que son proxy ; informer les candidats des outils et données concernés ; empêcher une sortie opaque de rejeter seule ; vérifier les erreurs et écarts entre groupes. Les recommandations del'ICO vont dans le sens de contrôles lisibles. La personne qui intervient doit avoir le temps et le pouvoir de corriger. Un clic sur « approuver » n'est pas une supervision.

Un clic sur « approuver » n'est pas une supervision.

C'est aussi une question de compétence marketing. Savoir construire une scorecard est utile ; savoir contester ce qu'elle récompense l'est davantage. Les critères encodent des choix de valeur, même quand ils prennent la forme rassurante d'une colonne et d'un score.

Le premier travail n'est pas d'ajouter « agentic » au titre. Vérifiez si l'annonce aide quelqu'un à comprendre le poste, décider s'il peut le tenir et se préparer à l'évaluation. Trois questions font le ménage.

Première question : quel problème la recrue vient-elle résoudre ? Pas contribuer à la croissance ou faire rayonner la marque, formules qui conviennent à tout le monde et n'éclairent personne. Quel blocage existe, qu'est-ce qui ralentit l'équipe, quel public reste mal compris, quelle campagne ne relie pas les contenus aux conversations commerciales ? Une réponse précise indique où regarder.

Deuxième question : quelles décisions pourra-t-elle prendre ? Choisir un angle, interrompre un format, demander une preuve au produit, organiser un workflow ou recommander un budget de diffusion : ces responsabilités diffèrent. Si le poste promet de piloter sans budget, données ni accès aux équipes, c'est une responsabilité sans levier. Autant le découvrir avant que tout le monde perde trois mois.

Troisième question : sur quoi et à quelle échéance l'évaluerez-vous ? Au départ, compréhension du marché, qualité de la recherche ou installation de routines ; plus tard, contribution aux campagnes, usage commercial des contenus ou vitesse sans baisse de qualité. Tout n'est pas attribuable à un seul poste. La fiche doit séparer ce que la recrue contrôle, influence et ce qui relève de l'équipe.

La description devient une couche de contexte partagée. Elle peut nourrir entretien, grille, onboarding et outils IA. C'est l'intuition de Kramer : humains et agents doivent évaluer la même chose. À condition que la définition puisse être contestée quand le métier change, au lieu de dormir dans un PDF qu'on ressort chaque printemps.

Pour une équipe contenu, la cohérence se voit dans des détails terre à terre. Qui donne accès aux interviews clients ? Qui valide les affirmations produit ? Qui possède les preuves et témoignages ? Les commerciaux retrouvent-ils les contenus utiles à une conversation ? Quelle donnée montre qu'un contenu a aidé une décision plutôt que récolté des impressions ? Ce sont les interfaces de travail à rendre visibles.

La fiche ne peut pas prétendre que la recrue réparera seule un système cassé. Un contenu mieux distribué ne corrige pas une proposition floue. Un agent ne crée pas des preuves clients là où personne ne les recueille. Une campagne ne se monte pas si les équipes refusent de partager leurs priorités. L'annonce doit dire de qui la personne dépend, avec qui elle construit et quels moyens sont disponibles.

Le système partagé de Kramer devient intéressant quand on le désenfle. Ce n'est pas un répertoire d'agents ou de prompts. Pour une équipe éditoriale, il comprend doctrine, voix, sources fiables, formats, règles de validation, usages commerciaux et retours pour corriger le travail. La valeur vient de la mémoire et des raccords, pas de la technologie seule.

Le guide Content Machine sur le système éditorial construit autour de LinkedIndéfend un principe voisin : relier idées, formats, canaux et relation directe avec l'audience. Le recrutement soutient ce système si la mission donne à la personne les moyens d'y contribuer.

MKT1 montre un décalage : une grande part des offres n'explicite pas l'usage de l'IA, tandis que d'autres le résument à un mot sans définir le niveau de responsabilité. CXL observe dans un autre corpus une progression des annonces qui exigent l'IA ; l'AMA rappelle que jugement et compétences humaines restent dans le paysage. Ces sources décrivent un métier qui évolue plus vite que les textes écrits pour l'embaucher.

Je retiens le diagnostic de Kramer, pas toute sa prescription. Oui, les fiches méritent d'être réécrites ; oui, les compétences IA doivent être concrètes ; oui, chaque recrue doit comprendre comment son travail s'articule au marketing. Mais l'avenir n'est pas le même généraliste augmenté partout. Il faut décrire les tâches, les décisions, la profondeur métier et les systèmes dont cette équipe a besoin.

Avant de publier votre prochaine annonce, demandez-vous si elle aide une bonne personne à se représenter son travail. Si elle aligne adjectifs et outils sans dire quel problème résoudre ni quelles décisions prendre, le besoin n'a pas été pensé. Ajouter IA à la fin de la liste ne fera pas apparaître la réponse.