Les médias ne vendront plus seulement du contenu - WaaM Week #13

Au programme de la semaine:

🎯 Analyse de la semaine: Les médias vont-ils devenir des fournisseurs d’intelligence et de données ?

📊 Trend: Micro-dramas, la prochaine révolution des contenus ?

🚀 Case study: Good Good, la chaîne YouTube de golf qui est devenue une marque média

👀 Ce qui a retenu mon attention

🎬 Mes contenus de la semaine

L’intelligence artificielle est souvent présentée comme une menace pour les médias. Capable d’écrire des articles, de générer des images, de traduire, de résumer et désormais de produire des vidéos, elle semble pouvoir automatiser une grande partie de la production de contenu. Beaucoup imaginent déjà un futur où les sites d’information seraient remplis d’articles générés automatiquement et où les studios produiraient des films avec des IA plutôt qu’avec des équipes de tournage.

Pourtant, cette vision passe peut-être à côté de l’essentiel. Car pendant que tout le monde parle d’IA qui crée du contenu, une transformation beaucoup plus importante est en train de se produire : l’IA ne change pas seulement la manière de produire du contenu, elle change surtout la manière d’accéder à l’information. Et dans ce nouveau monde, les médias pourraient devenir des fournisseurs d’intelligence, de données et d’analyses pour les entreprises et les systèmes d’IA.

Depuis deux ans, l’intelligence artificielle est présentée comme une révolution pour la création de contenu. Des modèles capables d’écrire des articles, de générer des images, de composer de la musique ou de produire des vidéos ont alimenté une idée simple : l’IA pourrait remplacer une partie des journalistes, des créateurs et même des studios de production.

On imaginait déjà des films générés par IA, des publicités créées automatiquement, des chaînes YouTube entièrement automatisées ou des sites d’information produits sans rédaction. L’IA semblait devenir une nouvelle industrie du contenu, capable de produire plus vite, moins cher et à grande échelle.

La génération vidéo par IA représentait sans doute l’exemple le plus spectaculaire de cette vision. Lorsque les premiers modèles capables de générer des vidéos réalistes à partir de texte ont été présentés, beaucoup ont imaginé une disruption majeure pour le cinéma, la publicité, les studios d’animation et la production vidéo. Si une vidéo peut être générée à partir d’un simple prompt, alors la barrière d’entrée pour produire du contenu vidéo disparaît en grande partie.

Mais la réalité économique semble plus complexe. Les coûts de calcul pour générer de la vidéo restent très élevés, les problèmes juridiques liés au copyright sont nombreux, et les usages grand public sont encore incertains. Un exemple intéressant est celui de Sora, le générateur vidéo développé par OpenAI. Après avoir suscité beaucoup d’attention et été présenté comme une révolution potentielle pour la création vidéo, le projet a finalement été arrêté sous forme d’application grand public, l’entreprise préférant se concentrer sur des usages plus rentables de l’intelligence artificielle, notamment les outils pour entreprises, les agents et les applications logicielles.

Cet épisode est révélateur. La génération de contenu par IA est spectaculaire technologiquement, mais elle ne constitue peut-être pas le cœur du modèle économique de l’IA. Autrement dit, l’IA va probablement transformer la création de contenu, mais le vrai business de l’IA se situe peut-être ailleurs.

Si l’IA n’est pas principalement une industrie du contenu, alors quelle est son industrie ? Et qu’est-ce que cela signifie pour les médias ?

Contrairement à l’image grand public, l’IA gagne aujourd’hui de l’argent principalement dans des usages professionnels et logiciels : assistants de code, automatisation de tâches, service client, analyse de documents, recherche interne en entreprise, copilots dans les outils bureautiques, agents IA, API pour les entreprises, etc.

L’IA ressemble en réalité beaucoup plus à un nouvel outil de productivité qu’à une plateforme de contenu.

Un concept est particulièrement important pour comprendre ce modèle : le RAG (Retrieval Augmented Generation). Le principe est simple : au lieu de répondre uniquement avec les données d’entraînement du modèle, l’IA va chercher des informations dans des bases de données, des documents, des articles ou des archives, puis génère une réponse à partir de ces informations.

Concrètement, cela permet par exemple à une entreprise d’interroger tous ses documents internes, à un cabinet d’avocats d’interroger des bases juridiques, à une banque d’interroger ses rapports et analyses, ou à un service client de répondre à partir d’une base de connaissances.

Dans ce modèle, la valeur ne vient pas seulement du modèle d’IA, mais des données auxquelles il a accès. Et c’est là que les médias entrent en jeu.

Les médias possèdent des archives, des articles, des enquêtes, des analyses, des données, des journalistes spécialisés, de l’information locale, des bases de données, des comparatifs, des critiques, des interviews, des reportages. Autrement dit, ils produisent de l’information structurée et vérifiée.

Si les entreprises utilisent de plus en plus des IA pour accéder à l’information, analyser des marchés, suivre l’actualité économique ou comprendre des secteurs, alors les contenus produits par les médias deviennent une ressource précieuse pour ces systèmes.

Si l’on regarde comment les entreprises utilisent réellement l’intelligence artificielle aujourd’hui, on se rend compte que la plupart des usages ne concernent pas la génération d’images ou de vidéos, mais l’accès à l’information. Les entreprises utilisent des IA pour chercher dans leurs documents internes, analyser des rapports, résumer des études, suivre l’actualité d’un secteur ou répondre à des questions complexes à partir de bases de connaissances.

Autrement dit, la valeur ne vient plus seulement du modèle d’IA lui-même, mais des données, des documents et des contenus sur lesquels il s’appuie. L’IA devient une interface pour accéder à l’information.

Les médias produisent depuis des décennies des articles, des enquêtes, des analyses, des bases de données, des archives, des interviews, des reportages, des comparatifs, des critiques, des données locales ou sectorielles. Ils produisent en réalité de l’information structurée et contextualisée, exactement le type de contenu dont les systèmes d’IA ont besoin pour fonctionner correctement.

Si l’IA devient une interface principale pour accéder à l’information, alors ceux qui produisent l’information deviennent des acteurs essentiels de cette nouvelle chaîne de valeur. Les médias ne sont plus seulement des producteurs de contenu pour des lecteurs, mais potentiellement des fournisseurs d’information pour des systèmes d’intelligence artificielle.

En réalité, cette transformation n’est pas entièrement nouvelle. Certains des groupes médias les plus rentables au monde ne vivent pas principalement de la publicité ou du grand public, mais de la vente de données, d’analyses et d’informations aux entreprises:

On retrouve ce modèle chez d’autres acteurs comme LexisNexis, qui fournit des bases de données juridiques et des outils de recherche pour les avocats et les entreprises, ou S&P Global et Moody’s, qui vendent des données financières, des analyses de risques et des notations de crédit. Ces entreprises produisent de l’information, mais elles la vendent principalement sous forme de données, d’abonnements professionnels, d’outils logiciels ou d’API.

Même des groupes de presse plus traditionnels évoluent dans cette direction. Certains développent des activités d’intelligence économique, d’études sectorielles, d’événements professionnels, de consulting ou de bases de données. Le média devient alors une marque et une source de contenu, mais la valeur économique vient de la data, de l’analyse et des services aux entreprises.

Autrement dit, certains médias ne sont déjà plus seulement des entreprises de contenu. Ce sont des entreprises d’information, de données et d’intelligence.

Au-delà des grandes idées, on commence déjà à voir apparaître des modèles économiques concrets entre entreprises d’IA et groupes de médias. Un exemple intéressant est l’accord signé par la News/Media Alliance, qui représente plus de 2000 éditeurs, pour permettre aux médias de monétiser leurs contenus utilisés dans des systèmes d’IA.

Le principe est simple : des entreprises utilisent des outils d’IA pour rechercher de l’information et générer des réponses à partir d’articles, d’archives ou d’analyses via des systèmes de RAG. Lorsque les contenus de certains médias sont utilisés pour générer ces réponses, les médias sont rémunérés. Il ne s’agit donc pas seulement de payer pour entraîner les modèles, mais de payer pour l’utilisation réelle des contenus dans les réponses générées par l’IA.

Ce point est important, car il introduit l’idée d’un revenu récurrent lié à l’usage des contenus par des systèmes d’intelligence artificielle. Autrement dit, les médias pourraient être rémunérés non seulement par leurs lecteurs ou par la publicité, mais aussi par les entreprises et les plateformes d’IA qui utilisent leurs contenus pour produire de l’information.

On voit ainsi apparaître un nouveau modèle économique potentiel pour les médias : après la publicité et les abonnements, la licence de contenus, de données et d’analyses pour des systèmes d’intelligence artificielle pourrait devenir une nouvelle source de revenus.

Dans ce scénario, l’IA ne serait plus seulement une menace pour les médias, mais aussi un nouveau client

Depuis quelques mois, un nouveau format explose discrètement dans l’industrie du divertissement : les micro-dramas. Des séries verticales, découpées en épisodes de 1 à 2 minutes, conçues pour être regardées sur smartphone, souvent avec des cliffhangers et un modèle économique inspiré des jeux mobiles.
Le phénomène est encore peu connu en Europe, mais il génère déjà des milliards de dollars et pourrait profondément transformer l’économie des contenus.

Les micro-dramas sont nés en Chine avant de se développer rapidement aux États-Unis. Des applications comme RealShort ou DramaBox génèrent déjà des revenus massifs grâce à un modèle économique très différent du streaming traditionnel.

Le phénomène n'est plus une curiosité asiatique : en 2024, les applications de micro-dramas ont franchi la barre symbolique du 1,2 milliard de dollars de revenus sur les marchés internationaux. À elle seule, l'application ReelShort a prouvé que l'on pouvait générer plus de cash en vendant des 'coins' pour débloquer des épisodes de 90 secondes qu'en vendant des abonnements mensuels classiques.

Ce qui est intéressant, ce n’est pas seulement le format court, mais la manière dont ces plateformes gagnent de l’argent. Et c’est là que les micro-dramas deviennent vraiment différents du streaming.

Contrairement à Netflix ou à la VOD classique, le modèle repose sur plusieurs leviers combinés :

L’addiction narrative
Chaque épisode se termine par un cliffhanger. L’utilisateur enchaîne les épisodes comme on scrolle TikTok. La structure narrative est optimisée pour la rétention.

Le test & learn
Les producteurs lancent beaucoup de séries à bas coût, analysent les données, puis amplifient celles qui fonctionnent. C’est un modèle proche des startups ou des jeux mobiles.

Le marketing performance
Une grande partie du budget est consacrée à la publicité (TikTok, Facebook, Instagram). Les scènes les plus dramatiques sont utilisées comme publicité pour attirer les utilisateurs dans l’application.

Le freemium et les micro-paiements
Les premiers épisodes sont gratuits, puis il faut, soit payer pour débloquer la suite, soit regarder des publicités, soit acheter des crédits. La différence avec la VOD est importante : une série VOD est vendue une fois, alors que les plateformes de micro-dramas monétisent l’utilisateur sur la durée via les paiements, la publicité, de nouvelles séries et la communauté. On passe d’une économie du contenu à une économie de l’utilisateur.

Un autre élément clé du modèle est la publicité récompensée (“rewarded advertising”). L’utilisateur peut regarder une publicité pour débloquer un épisode ou obtenir des crédits virtuels. Ce système, très courant dans les jeux mobiles, permet de monétiser même les utilisateurs qui ne paient pas.

La plupart des plateformes utilisent également une monnaie virtuelle (coins, tickets, passes) pour débloquer les épisodes, acheter des packs ou accélérer la lecture. Cela permet d’optimiser la monétisation et de multiplier les micro-transactions.

Le modèle économique des micro-dramas devient alors hybride : micro-paiements, publicité, abonnements et monnaie virtuelle. Le storytelling lui-même est souvent structuré pour créer des moments de tension où l’utilisateur doit payer ou regarder une publicité pour voir la suite.

Les micro-dramas ne sont pas seulement inspirés des jeux mobiles : ils en reprennent directement les mécaniques économiques et comportementales.

Mais comprendre les micro-dramas uniquement comme un nouveau modèle économique ne suffit pas. Il faut aussi comprendre pourquoi ce modèle est difficile à reproduire en Europe et aux États-Unis.

L’exemple de Quibi est souvent cité pour comprendre pourquoi le mobile ne fonctionne pas comme la télévision.

Quibi, lancé en 2020 avec près de 2 milliards de dollars, voulait déjà produire des séries courtes pour smartphone. La plateforme proposait des contenus avec des acteurs et réalisateurs prestigieux, des budgets proches de Netflix et un format court mobile. Pourtant, la plateforme a fermé en quelques mois.

Les raisons principales sont aujourd’hui assez claires :

La valeur d’un produit de divertissement dépend à la fois de la qualité du contenu (production value) et de la dimension sociale (social value). Hollywood et Netflix maximisent la qualité de production, TikTok maximise la dimension sociale. Quibi avait du contenu premium mais aucune dimension sociale, ce qui explique en partie son échec sur mobile.

Quibi était une plateforme de streaming de contenus courts. Les plateformes de micro-dramas sont plutôt des applications mobiles qui combinent storytelling, marketing, micro-paiements, données utilisateurs et communauté. Le contenu n’est qu’une partie du produit : le reste repose sur la distribution, la rétention, la communauté et la monétisation sur la durée.

La leçon de Quibi est simple : sur mobile, la distribution, le modèle économique et la dimension sociale comptent souvent plus que la qualité du contenu seule.

Le succès en Chine ne garantit pas un succès en Europe. Le principal obstacle n’est pas créatif, mais économique et structurel.

D’abord, l’Europe est un marché fragmenté par langues et par réglementations. Là où un acteur chinois peut produire une série pour un marché de centaines de millions de personnes parlant la même langue, un acteur européen doit souvent adapter ses contenus pour plusieurs marchés nationaux, ce qui augmente les coûts et complique la distribution.

Ensuite, les habitudes de paiement sont différentes. Le modèle des micro-paiements fonctionne très bien en Asie, notamment grâce à la culture des jeux mobiles. En Europe et aux États-Unis, les utilisateurs sont davantage habitués à YouTube et TikTok gratuits, ou à Netflix par abonnement. Faire payer par épisode sera probablement plus difficile culturellement.

Enfin, la concurrence pour le temps d’écran est déjà très forte. TikTok, YouTube, Instagram, Netflix ou Spotify occupent déjà une grande partie du temps disponible sur smartphone. Une nouvelle application doit donc non seulement produire du contenu, mais surtout réussir à acquérir des utilisateurs, à les faire revenir tous les jours et à les monétiser. Le vrai défi n’est donc pas de produire des séries, mais de construire une plateforme.

Il est donc probable que beaucoup d’acteurs échouent avant que quelques plateformes dominantes émergent.

Les acteurs qui réussiront ne seront probablement pas ceux qui produisent les meilleures séries, mais ceux qui comprendront que le micro-drama n’est pas une série miniature, mais un produit hybride entre application mobile, réseau social et storytelling.

La plus grande erreur serait de voir le micro-drama comme une série TV que l'on aurait simplement adaptée pour le smartphone. Pour réussir, le contenu doit être conçu intrinsèquement avec les codes du mobile:

En résumé, le but est de créer une application que l'utilisateur a le réflexe d'ouvrir plusieurs fois dans la journée.

Sur TikTok ou Instagram, on ouvre l’application sans savoir ce qu’on va regarder. C’est une consommation passive, dictée par un algorithme. Le succès d’une plateforme de micro-drama repose sur l’inverse : la consommation intentionnelle.

L’utilisateur ne vient pas pour "tuer le temps" de manière aléatoire ; il vient pour une raison précise : voir la suite d’une intrigue ou retrouver un personnage. Cette différence est capitale. Les histoires créent un attachement émotionnel bien plus puissant que le contenu court aléatoire. En passant du "scroll" au "suivi", la plateforme transforme un simple spectateur en un fan fidèle. C'est cet engagement qui permet de bâtir une marque forte sur le long terme.

Le troisième ingrédient est le passage d’une économie des créateurs à une économie des univers narratifs (IP). Dans le micro-drama, l’histoire devient plus importante que celui qui la raconte.

L'objectif final n'est donc pas d'occuper l'écran de l'utilisateur le plus longtemps possible, mais de s'installer durablement dans ses conversations et son imaginaire.

Les micro-dramas ne sont peut-être pas une nouvelle forme de série, mais une nouvelle forme de plateforme.

Là où Hollywood a construit une industrie autour des films, et Netflix autour du streaming, les plateformes de micro-dramas tentent de construire une industrie autour d’histoires consommées sur mobile, monétisées comme des applications et amplifiées comme des réseaux sociaux.

La question n’est donc peut-être pas de savoir si les micro-dramas vont remplacer la télévision ou le streaming, mais de savoir qui contrôlera ces nouvelles plateformes : les studios, les groupes médias, les plateformes technologiques ou de nouveaux acteurs venus du mobile et du gaming.

Comme souvent dans l’histoire des médias, ceux qui gagnent ne sont pas toujours ceux qui produisent le contenu, mais ceux qui contrôlent la distribution, la relation avec l’audience et la propriété intellectuelle.

Il y a quelques années, une chaîne YouTube de golf n’aurait intéressé que quelques passionnés. Aujourd’hui, Good Good est devenu une entreprise financée à hauteur de 45 millions de dollars, vend des vêtements et du matériel dans plus de 800 magasins Dick’s Sporting Goods, et a signé un partenariat avec le PGA Tour. Tout ça en partant de vidéos YouTube tournées entre amis.

Ce qui rend Good Good intéressant n’est pas le golf. C’est le modèle média qu’ils sont en train de construire. Leur parcours peut se lire comme un cas d’école, avec plusieurs étapes clés pour transformer du contenu en entreprise.

Un des points les plus intéressants dans leur approche est qu’ils ne “produisent” pas vraiment des histoires. Le sport les produit pour eux. Chaque coup de golf est un problème à résoudre. Chaque trou est une mini histoire. Chaque match crée de la tension. Chaque série de vidéos devient une saison avec un classement et des enjeux.

C’est une leçon très importante pour les créateurs et les médias : certains formats fonctionnent mieux que d’autres parce qu’ils génèrent naturellement du storytelling.

On retrouve ce principe partout :

Le point commun : il y a un objectif, des obstacles, du suspense et un résultat. Ce n’est pas forcément le sujet qui rend un contenu intéressant, mais la structure narrative.

D’ailleurs, Good Good n’a pas vraiment changé le golf. Ils ont changé le format : plus rapide, plus de personnalité, plus de montage, plus de compétition, plus d’enjeux. Ils ont transformé un sport lent en divertissement.

C’est exactement ce que font les créateurs aujourd’hui : ils ne créent pas toujours de nouveaux contenus, ils rendent intéressants des contenus qui existaient déjà.

Un autre point très intéressant est la manière dont leur audience consomme le contenu. Une grande partie de leurs vidéos est regardée sur télévision connectée, et les gens regardent souvent pendant de longues durées, comme une émission.

Autrement dit, leurs vidéos ne sont plus vraiment des vidéos YouTube. Ce sont des émissions. On voit apparaître chez de nombreux créateurs :

YouTube devient progressivement une plateforme de télévision.

Ce qui change aussi, c’est le KPI principal. Pendant longtemps, internet fonctionnait avec une logique simple : faire le plus de vues possible. Aujourd’hui, le modèle évolue. Le vrai indicateur devient le temps passé avec l’audience.

Quelqu’un qui regarde 1 heure de contenu vaut beaucoup plus que quelqu’un qui regarde une vidéo de 30 secondes. C’est pour ça que les podcasts, les streamers, les newsletters ou les formats YouTube longs fonctionnent si bien : ils créent une relation, pas juste une vue.

On passe progressivement d’une économie de la vue à une économie du temps passé.

Et quand les gens passent des heures avec vous, vous pouvez construire bien plus qu’un média.

C’est probablement la partie la plus intéressante du modèle Good Good. Leur business ne repose pas uniquement sur la publicité ou les vues YouTube. Il repose sur une boucle de croissance, ce qu’on peut appeler un creator media flywheel.

La logique est la suivante :

Contenu → Audience → Produits → Retail → Partenariats → Événements → Contenu

Le contenu attire l’audience.
L’audience achète les produits.
Les produits permettent d’entrer en retail.
Le retail attire les marques partenaires.
Les partenariats financent des événements.
Les événements deviennent du contenu.
Et le contenu attire encore plus d’audience.

Le point clé dans ce modèle est que chaque élément renforce les autres. Le contenu vend les produits, les produits financent le contenu, les partenariats financent les événements, les événements créent du contenu, etc.

Le contenu devient le moteur de toute l’entreprise.

Le modèle Good Good montre aussi une transformation importante des médias. Historiquement, les médias vendaient de l’audience aux annonceurs. Aujourd’hui, de plus en plus de créateurs construisent des communautés et monétisent cette communauté de différentes façons :

La différence entre une audience et une communauté est simple : une audience regarde, une communauté participe.

Une communauté commente, achète, se déplace aux événements, porte les produits, parle de la marque et fait partie de l’histoire.

C’est un changement majeur : les médias ne sont plus seulement des producteurs de contenu, mais des créateurs de marques et de communautés.

Avant, les médias monétisaient l’attention. Aujourd’hui, ils monétisent la relation.

Si on prend du recul, Good Good n'est pas seulement un cas YouTube ou un cas sport. C'est le signal d'un basculement qui touche toutes les industries.

Pendant longtemps, les rôles étaient clairs : les médias faisaient du contenu, les marques fabriquaient des produits, les distributeurs vendaient. Chacun restait à sa place.

Aujourd'hui, une seule entité peut produire du contenu, construire une audience, vendre des produits, organiser des événements et lancer une marque.

Ce qui change, c'est la logique de départ.

L'ancien modèle : Entreprise → Produit → Marketing → Clients

Le nouveau : Contenu → Audience → Communauté → Produits → Marque → Écosystème

Le contenu n'est plus au bout de la chaîne. Il est au début de tout. Et la boucle est auto-alimentée : l'audience achète les produits, les produits financent le contenu, le contenu élargit l'audience.

Ce qui rend ce modèle redoutable, c'est qu'il court-circuite les intermédiaires. Pas besoin de distributeur quand votre audience vous suit partout. Pas besoin d'agence média quand votre contenu est lui-même le canal.

On retrouve la même logique chez Morning Brew, MrBeast ou Overtime. Des entités qui ont commencé par une audience, et construit un empire autour.

Good Good n'est pas une exception. C'est une démonstration.

Quelques contenus et signaux intéressants cette semaine sur les plateformes, les créateurs et les nouveaux modèles médias.

J’explore aussi ces sujets en vidéos courtes et en podcast.

Pour ce nouvel episode de We are all Medias, j’ai eu le plaisir d’échanger avec Anne-Henri de Gestas, cofondateur des médias Neo et Lou.

Dans cet episode on discute de :

🚀 Comment construire un média qui dépasse le milliard de vues

📱 Pourquoi les médias se construisent aujourd’hui directement sur les plateformes

🎬 Comment produire des centaines de vidéos par mois

💰 Le business model derrière les médias gratuits sur les réseaux sociaux

Abonnez-vous sur Instagram / TikTok / YouTube