Comment Pandora utilise l'IA générative dans la publicité, et ce que l'on sait du design

L'usage documenté de l'IA générative par Pandora relève de la publicité, pas de la création de bijoux. Un témoignage client de Microsoft Advertising indique que Pandora a utilisé l'IA générative pour créer et tester des variantes d'annonces sur une plateforme de recherche. La communication récente de Pandora sur le design décrit le savoir-faire, les matières et la collaboration sans mentionner l'IA. Cette étude de cas rapporte les deux et signale ce qui n'est pas vérifié.

Qu'a fait Pandora avec l'IA générative ?

Selon le témoignage de Microsoft Advertising, Pandora voulait augmenter l'intention d'achat et l'affinité avec la marque, et savoir comment l'IA pouvait produire plus vite des créations performantes sans affaiblir le ton de la marque ni son intelligence émotionnelle. L'enseigne a utilisé Copilot dans la Microsoft Advertising Platform, un outil d'IA générative, pour créer et tester des variantes d'annonces inclusives, avec des modificateurs d'intelligence émotionnelle tels que « Feel Seen » et « Celebrate You ».

Ce travail s'appuyait sur des études citées dans le témoignage : 76 % des propriétaires de bijoux Pandora souhaitent se sentir représentés dans les publicités, et 64 % ont cessé d'acheter auprès de marques dont les valeurs ne correspondaient pas aux leurs. Une enquête par choix a permis de déterminer ce qui comptait le plus pour le public. La page ne nomme aucun autre outil d'IA.

Quels résultats l'étude de cas rapporte-t-elle ?

Le témoignage fait état d'une hausse de 10 % de l'intention d'achat, d'une hausse de 39 % de l'intention d'achat des non-propriétaires et d'une première place pour les annonces à intelligence émotionnelle par rapport aux annonces génériques. Son titre évoque toutefois une hausse de 37 % de l'intention d'achat, et la page ne concilie pas les deux chiffres.

Le témoignage ayant été publié par le fournisseur, et ne donnant ni dates, ni tailles d'échantillon, ni plan de contrôle, les chiffres indiquent ce qui a été affirmé, pas ce qui est établi. Une mesure d'intention d'achat par enquête n'est pas non plus un résultat de ventes.

Lire aussi

Comment Mango utilise l'IA : design génératif, mannequins virtuels et Mango Stylist

Que dit Pandora publiquement du design ?

Le communiqué de presse de Pandora du 1er juillet 2026 a présenté Pandora Wonders, décrit comme une initiative pluriannuelle célébrant les matières emblématiques de la bijouterie par le savoir-faire, le design et la collaboration. La première édition, une collection limitée de perles d'eau douce conçue avec le styliste britannique Harry Lambert, recourt au micro-perçage, au sertissage à la main et au plaquage or 14 carats, et a fait ses débuts lors de la Semaine de la haute couture de Paris le 7 juillet 2026. Le communiqué ne mentionne pas l'IA.

Wikipedia note que Pandora a recruté des designers en interne et créé son propre site de fabrication en Thaïlande en 1989. Une entreprise dont le produit est lié à l'artisanat et à la fabrication peut adopter les outils génératifs d'abord dans le marketing et les contenus, où le coût d'une erreur est plus faible que sur un produit physique.

Où l'IA générative pourrait-elle s'insérer dans les processus d'une marque de bijoux ?

• Variantes publicitaires : rédiger et tester de nombreuses options de texte, ce que décrit le cas Pandora.
• Contenus produit : descriptions et métadonnées, avec relecture humaine pour l'exactitude et le ton.
• Exploration de concepts : planches d'ambiance et premières esquisses, sous réserve des règles de propriété intellectuelle de la marque.
• Localisation : adapter les messages d'un marché à l'autre, avec des vérifications par des locuteurs natifs.

Les risques de l'IA générative dans les contenus de marque. Le témoignage de Pandora lui-même est centré sur le ton : l'objectif était de produire plus vite des créations sans affaiblir la voix de la marque. Les risques que le cas n'aborde pas incluent les erreurs factuelles dans les allégations produit, les droits sur les données d'entraînement et les résultats, la cohérence entre marchés et les règles de transparence. Les marques devraient définir des étapes de validation et conserver une trace de ce qui a été généré et relu.

Ce qui reste inconnu. Les sources consultées ne montrent pas si Pandora utilise l'IA générative dans le design, quelle part de ses contenus est assistée par l'IA, si les résultats ont été reproduits dans d'autres campagnes, ni comment les chiffres ont été mesurés. Les pages investisseurs et presse de Pandora consultées ne font pas référence à l'IA.

Comment les marques doivent-elles organiser la validation des contenus génératifs ?

Le cas Pandora met l'accent sur le ton, ce qui constitue un bon point de départ pour la gouvernance. Une marque à la voix distincte peut rédiger des consignes sur le langage, l'image et les allégations, puis tester les variantes générées par rapport à celles-ci. Une relecture humaine devrait vérifier les faits tels que les matières, les tailles et les prix, ainsi que les allégations juridiques telles que les déclarations de durabilité, avant toute publication.

1. Définir la voix. Documenter le ton, les formulations interdites et des exemples de bons textes.
2. Limiter les allégations. Restreindre le texte généré aux faits produit approuvés.
3. Relire avant diffusion. Une personne désignée valide chaque variante ou modèle.
4. Conserver une trace. Archiver les prompts, les résultats et les validations pour les audits et la correction des erreurs.
5. Mesurer correctement. Recourir à des tests contrôlés avec des échantillons et des dates précisés, ce que l'étude de cas du fournisseur ne fournit pas.

Pourquoi la différence entre intention d'achat et ventes est-elle importante ?

Une mesure d'intention d'achat par enquête enregistre ce que les gens disent pouvoir faire. Les ventes enregistrent ce qu'ils ont fait. Les deux divergent souvent, et une campagne peut augmenter l'intention déclarée sans modifier le chiffre d'affaires. Lorsqu'une étude de cas ne rapporte que l'intention, comme celle-ci semble le faire, les lecteurs ne doivent pas y voir la preuve d'un retour commercial.

Lire aussi

Comment PUMA utilise-t-il l'IA générative pour ses visuels de campagne et ses contenus produits ?

Que suggère ce cas aux marques qui débutent avec l'IA générative ?

L'exemple de Pandora illustre une trajectoire courante. Les marques commencent souvent par des tâches de texte et d'image à faible risque et à fort volume dans le marketing, où les résultats peuvent être relus rapidement et testés auprès de publics réels. Le design produit, avec ses contraintes de fabrication, son exposition en matière de propriété intellectuelle et l'identité de marque en jeu, suit généralement avec davantage de prudence.

Les marques devraient aussi distinguer l'outil du processus. Dans le témoignage de Pandora, l'outil a généré les variantes, mais la stratégie, l'étude d'audience et les tests viennent de personnes. Lorsqu'une entreprise annonce un succès, la question est de savoir quelle part revient à la technologie et quelle part à une meilleure direction créative et à une meilleure mesure. L'étude de cas ne les distingue pas.

Enfin, les acheteurs d'outils génératifs devraient demander aux fournisseurs la méthode complète derrière tout résultat publié, y compris la taille de l'échantillon, les dates et le groupe de comparaison, avant de s'y fier dans un business case.

La transparence est un autre point à considérer. Certaines juridictions introduisent des règles de transparence pour les contenus générés par l'IA, et les plateformes peuvent appliquer leur propre étiquetage. Les marques qui utilisent des images ou des textes générés dans leur publicité devraient vérifier les exigences en vigueur sur chaque marché où elles publient, et documenter la façon dont les contenus ont été produits.