Les publicités utilisant des visages générés par IA sont contre-productives lorsqu’elles vous ressemblent trop
L’ESSENTIEL Les visages générés par IA offrent aux publicitaires un moyen de créer une impression de proximité avec le consommateur. Une étude souligne que, au-delà de 57 % de similarité faciale, de telles publicités seraient contre-productives.
L’intelligence artificielle générative permet aux publicitaires de créer des visages qui ressemblent aux consommateurs. Cette technique vise à rendre les publicités plus personnelles et donc plus convaincantes. Cependant, une étude récente montre que cette stratégie a ses limites. Lorsque le visage généré par IA ressemble trop au consommateur, l’effet positif s’inverse et l’intention d’achat diminue. Par exemple, une publicité pour une assurance automobile avec un visage généré par IA a été testée sur des participants. Les résultats indiquent que l’efficacité maximale est atteinte lorsque la similarité faciale atteint environ 57 %, avec un intervalle de confiance entre 52 % et 63 %. Au-delà de ce seuil, la publicité devient moins persuasive.
L’IA générative transforme la publicité en permettant une personnalisation à l’échelle individuelle. Jusqu’à présent, la personnalisation se limitait à des groupes comme les jeunes parents ou les amateurs de sport. Désormais, elle peut adapter des visages, des décors ou des produits pour un consommateur précis. Cette évolution s’inscrit dans le concept de « publicité synthétique », où les contenus publicitaires sont créés ou manipulés par l’IA. Des entreprises comme Samsung et Glance ont déjà testé des expériences où des publicités affichées sur des écrans verrouillés intègrent la ressemblance de l’utilisateur. Dans le secteur de la mode, une publicité Guess utilisant des mannequins générés par IA a suscité des débats sur l’authenticité et les standards de beauté.
Pour évaluer la ressemblance entre un visage généré par IA et celui d’un consommateur, les chercheurs utilisent une technologie issue de la reconnaissance faciale. Chaque visage est transformé en une représentation numérique, puis comparé à l’aide d’un algorithme. Ce dernier attribue un score de similarité compris entre 0 et 1. Un score proche de 0 indique deux visages très différents, tandis qu’un score proche de 1 signifie qu’ils sont très similaires. Dans une étude de validation, l’algorithme a montré une forte concordance avec les jugements humains, avec un kappa de Cohen de 0,88. Cela signifie que l’algorithme évalue la ressemblance faciale de manière fiable, sans nécessiter de nouveaux participants pour chaque image.
Deux expériences ont été menées pour étudier l’impact de la similarité faciale sur l’intention d’achat. Dans la première, les participants voyaient une publicité pour une assurance automobile avec un visage généré par IA, dont la ressemblance avec leur propre visage variait. Les résultats révèlent une relation en forme de U inversé : lorsque la similarité passe d’un niveau faible à modéré, l’intention d’achat augmente. Cependant, au-delà d’un certain seuil (environ 57 %), l’intention d’achat diminue. Une seconde expérience, avec dix niveaux de ressemblance, a confirmé ce résultat. Une similarité modérée améliore l’efficacité publicitaire, tandis qu’une ressemblance excessive la réduit.
La ressemblance faciale joue un rôle connu dans la persuasion. Les individus sont plus réceptifs aux personnes qu’ils perçoivent comme proches d’eux, un mécanisme appelé effet de similarité. Cet effet s’appuie sur la théorie de la comparaison sociale du psychologue Leon Festinger, selon laquelle les gens se comparent à des individus similaires. La ressemblance faciale peut influencer la confiance ou l’attitude envers une marque. L’IA générative permet d’amplifier cet effet en générant des visages qui ressemblent à des consommateurs spécifiques. Par exemple, une publicité avec un visage proche de celui du consommateur peut créer un sentiment de proximité et augmenter l’intention d’achat.
Une personnalisation trop poussée peut donner une impression d’intrusion. Une publicité trop ressemblante peut faire craindre que la marque en sache trop sur le consommateur, ce qui réduit l’intention d’achat. Une autre explication est la « vallée de l’étrange », une théorie selon laquelle un visage presque humain mais pas totalement naturel peut provoquer un malaise. Par exemple, un visage généré par IA qui ressemble beaucoup à un consommateur sans être parfait peut créer un effet étrange. Enfin, une personnalisation trop visible peut rendre la stratégie publicitaire trop évidente, ce qui peut rendre le consommateur méfiant. Ces phénomènes expliquent pourquoi une similarité faciale excessive est contre-productive.
L’étude ne conclut pas que les visages générés par IA doivent être évités, mais qu’ils doivent être utilisés avec prudence. L’objectif des annonceurs ne devrait pas être de créer le visage le plus ressemblant possible, mais de générer une impression de proximité sans franchir le seuil où cette proximité devient gênante. La technologie permet une personnalisation poussée, mais son efficacité dépend de l’acceptation des consommateurs. La question n’est donc pas seulement de savoir jusqu’où l’IA peut personnaliser une publicité, mais à partir de quand cette personnalisation cesse d’être utile et devient intrusive. Les annonceurs doivent calibrer leurs stratégies pour éviter de créer un malaise ou une impression de manipulation.
