Introduction
Le decoupling d’assets publicitaires est un processus essentiel pour toute stratégie de diffusion sur les plateformes publicitaires telles que Facebook, Instagram ou TikTok. Chaque plateforme propose plusieurs formats publicitaires afin d’optimiser l’affichage des contenus selon la taille et la nature de l’écran utilisé par l’utilisateur.
Cette nécessité de multiplier les assets en fonction des supports et formats a conduit de nombreuses entreprises occidentales à délocaliser cette tâche hors d’Europe, principalement pour réduire les coûts liés à la main-d’œuvre, souvent élevés sur le continent.
Avec l’émergence de nouvelles technologies, notamment l’intelligence artificielle et la génération automatisée d’images, nous avons exploré la possibilité de réaliser le decoupling de manière entièrement automatisée, offrant ainsi une alternative innovante et scalable à la production manuelle (délocalisée).
Fonctionnement de la solution
Nous présentons ici la méthodologie que nous avons développée en interne, en détaillant les différentes étapes clés du processus ainsi que les enjeux rencontrés tout au long de sa mise en place.
Il est important de souligner que cette technologie est en évolution constante. Par conséquent, la qualité des résultats ainsi que les processus utilisés sont appelés à s’améliorer rapidement, à mesure que les outils d’intelligence artificielle progressent.
Etape 1: Définition des formats
La première étape du processus consiste à définir les formats de sortie que nous souhaitons produire, ainsi que le format d’entrée de l’asset original.
Chaque plateforme publicitaire (Facebook, Instagram, TikTok, etc.) propose une variété de formats adaptés à différents types d’affichage (story, feed, reel, etc.). Pour Facebook, par exemple, nous pourrions envisager les formats décrits ci-après.
Un point crucial dans cette étape est de choisir un format original de référence à partir duquel tous les autres seront dérivés. Imaginons, par exemple, que l’asset de départ soit une image au format 1280 × 720 pixels, soit un ratio 16:9. Ce format servira alors de base pour générer automatiquement les autres déclinaisons, en préservant les éléments essentiels de la composition visuelle.
Exemple de format disponible pour les campagnes média sur Meta.
Etape 2: Mise au format
À l’exception du format 16:9 — pour lequel l’asset original peut être utilisé tel quel — les autres formats nécessitent une modification des dimensions de l’image afin de s’adapter aux ratios requis. Pour cela, deux approches sont envisageables : le recadrage (crop) ou le redimensionnement avec génération de contenu (abordé dans l’étape suivante).
Recadrer l’image
- Dans le cas du recadrage, il est essentiel de préserver les éléments visuellement importants de l’image. Un recadrage aléatoire risquerait de compromettre la lisibilité ou l’impact du visuel. Par exemple, sur une photo montrant une personne, il est plus judicieux de couper le bas de l’image plutôt que de supprimer une partie du visage (voir ci-dessous).
- Pour automatiser cette décision, nous avons intégré un modèle d’intelligence artificielle capable de détecter les zones d’intérêt (visages, produits, textes, etc.) et de déterminer la meilleure zone de crop. L’algorithme optimise ainsi le cadrage en minimisant la perte d’information essentielle.
Redimensionnement
Dans certains cas — notamment pour des formats plus larges ou plus verticaux — il est préférable d’agrandir l’image plutôt que de la recadrer. Cette approche permet de préserver l’intégralité du visuel original, tout en respectant les nouvelles dimensions requises.
Pour ce faire, nous utilisons des modèles d’intelligence artificielle générative capables de compléter les bords de l’image de façon réaliste. Cette technique, souvent appelée outpainting, permet d’ajouter du contenu visuel cohérent avec le style, les textures et les éléments présents dans l’image d’origine.
L’outpainting ou uncrop est une opération grâce à laquelle il est possible de demander à l’intelligence artificielle de compléter des parties manquantes d’une image.
Etape 3: Intégration du logo
L’un des principaux défis rencontrés avec les solutions d’intelligence artificielle actuelles est le manque de fidélité dans la reproduction des éléments graphiques précis, comme les logos ou les polices de caractères. Les modèles testés ont souvent tendance à altérer légèrement ces éléments, ce qui peut nuire à l’identité visuelle de la marque.
Pour contourner cette limitation, nous avons opté pour une approche hybride : l’application manuelle d’un masque contenant le logo sur l’image générée. Cette méthode garantit une parfaite qualité de restitution du logo, sans distorsion ni approximation.
Cela nécessite toutefois un travail initial de configuration, avec la création d’un masque spécifique pour chaque format d’asset publicitaire. Ce masque est ensuite superposé automatiquement sur chaque visuel, au bon emplacement.
Etape 4: Ajout de texte (optionnel)
Selon les besoins de la campagne, il est possible d’ajouter du texte directement sur l’image générée, qu’il s’agisse d’un slogan, d’un call-to-action ou d’un message promotionnel.
Le texte à insérer est prédéfini en amont. Une fois le contenu choisi, il peut être automatiquement intégré au visuel à l’aide d’un système de placement intelligent, garantissant une bonne lisibilité et un bon équilibre graphique.
En complément, si la campagne est déclinée à l’international, le texte peut être traduit automatiquement dans différentes langues grâce à l’intelligence artificielle, sans intervention humaine. Cela permet une scalabilité importante dans la production d’assets multilingues tout en maintenant un workflow rapide et fluide.
Etape 5: Orchestration du workflow
Une fois toutes les étapes définies et testées individuellement, il est nécessaire de les enchaîner de manière cohérente et automatisée. Pour cela, nous avons mis en place un workflow d’orchestration qui exécute chaque étape de façon séquentielle, dans le bon ordre et avec les bons paramètres.
Ce type de chaîne automatisée garantit une fluidité du processus, depuis la réception de l’asset original jusqu’à la livraison des déclinaisons finales.
Pour orchestrer ce pipeline, nous nous sommes appuyés sur des outils existants, parmi lesquels plusieurs solutions du marché offrent des interfaces user-friendly et une bonne compatibilité avec les systèmes d’IA et de traitement d’images. Ces orchestrateurs permettent également une surveillance en temps réel, des logs d’exécution détaillés et des mécanismes de reprise en cas d’erreur.
Grâce au decoupling assisté par l’IA, nous testons dynamiquement un large éventail de messages et de visuels afin d’identifier quelles créations génèrent le plus d’impact.
— Damien Fournier
Conclusion
La création automatisée d’assets publicitaires représente une avancée majeure pour les équipes marketing souhaitant gagner en efficacité, rapidité et cohérence visuelle à grande échelle. Grâce à l’intelligence artificielle, il est désormais possible de générer des déclinaisons multi-formats d’un même visuel, tout en préservant la qualité graphique, l’identité de marque, et même en adaptant dynamiquement le contenu aux besoins locaux ou multilingues.
Notre méthodologie, fondée sur un enchaînement rigoureux d’étapes — de la définition des formats à l’intégration finale via un orchestrateur — permet de réduire drastiquement les coûts de production tout en accélérant le time-to-market et facilite le test de multiples messages/créations.
Bien que certaines limitations technologiques subsistent, notamment autour de la génération de logos ou de la précision typographique, les solutions mises en place (masquage, supervision légère, ajustements contextuels) permettent de garantir un rendu professionnel.
À mesure que les technologies d’IA progressent, ce type de pipeline deviendra une norme incontournable pour la production d’assets publicitaires à grande échelle.