IA et storytelling : leçon canadienne avec Strombo

Le 04/12/2025, une docu‑série canadienne a fait quelque chose de rare : elle a mis une question simple au centre du dispositif, et tout le reste s’est aligné. George Stroumboulopoulos (« Strombo ») a traversé le pays pour demander, à chaque personne rencontrée, quelle œuvre canadienne (film ou télévision) l’a “fabriquée”. Résultat : The Stories That MADE Us (premier épisode disponible, les suivants annoncés pour l’hiver 2026) ressemble à un road‑movie… mais fonctionne surtout comme une cartographie vivante de l’attachement culturel.

Et c’est précisément là que ça devient intéressant pour notre série Intelligence artificielle dans les médias et les industries créatives. Parce que l’IA n’est pas seulement une affaire d’outils de montage ou de génération d’images. L’IA est, de plus en plus, l’infrastructure invisible qui relie “création”, “diffusion” et “réception” : recommandations, segmentation d’audience, analyse de sentiment, compréhension des dynamiques communautaires, optimisation des formats.

Ce que révèle la docu‑série, c’est une vérité que beaucoup de marques média oublient : l’engagement n’est pas un KPI, c’est une relation. Et l’IA peut aider à l’entretenir… à condition de savoir quoi mesurer, quoi automatiser, et quoi protéger.

Ce que The Stories That MADE Us dit vraiment de l’engagement

Réponse directe : la série montre que l’engagement durable naît quand une œuvre devient un repère identitaire, pas quand elle “performe” une semaine.

Le format roadtrip + question unique force une chose : des récits personnels, situés, incarnés. On n’est pas dans le commentaire à chaud ni dans la promo. On est dans l’empreinte laissée par une œuvre : une série vue en famille, un film qui a donné le droit de rêver, une représentation qui a enfin ressemblé à “chez soi”.

Dans le contenu source, on parle de 27 conversations approfondies, de plus de 100 micro‑trottoirs, et de 14 villes visitées à travers sept provinces et un territoire. Ce volume est un signal fort : la série ne cherche pas la “grande histoire unique”, elle construit une mosaïque.

Dans un contexte 2025 où les audiences sont fragmentées (plateformes, formats courts, fatigue informationnelle), ce choix est stratégique :

• Une question constante = cohérence éditoriale (et mémorisation).
• Des réponses diverses = pertinence pour des publics multiples.
• Des lieux réels = ancrage émotionnel, donc partage plus naturel.

Pour les équipes média, la leçon est simple : l’IA peut optimiser la distribution, mais c’est la clarté de la promesse narrative qui fabrique l’adhésion.

IA et “preuve d’attachement” : ce qu’on peut mesurer sans trahir

Réponse directe : l’IA est utile si elle mesure des signaux d’attachement (récurrence, profondeur, recommandation organique), pas seulement des vues.

La docu‑série est un bon rappel : les métriques de vanité (impressions, vues brutes) disent peu sur la place d’une histoire dans une vie.

J’ai souvent constaté que les équipes qui progressent vite avec l’IA commencent par requalifier leurs indicateurs. Exemple de “signaux” plus actionnables :

• Rétention par segment (où décrochent les spectateurs, et qui décroche)
• Re‑visionnage (un marqueur d’attachement plus fort que le clic)
• Partage accompagné d’un commentaire (plus qualitatif qu’un repost)
• Temps passé sur contenus connexes (le “chemin” compte autant que la destination)
• Taux de conversion vers un abonnement newsletter/communauté (engagement “propriétaire”)

L’IA sert alors à repérer des motifs : quels types de témoignages entraînent un re‑visionnage, quelles thématiques déclenchent des commentaires longs, quels invités ouvrent des passerelles entre communautés.

Une tournée nationale comme “dataset” : opportunité et prudence

Réponse directe : une tournée comme celle‑ci produit un matériau idéal pour l’IA (transcriptions, thèmes, émotions), mais la gouvernance des données est non négociable.

Un roadtrip filmé, c’est énormément de données : image, son, lieux, accents, références culturelles, langues, tonalité émotionnelle. À l’échelle d’une série, on peut très vite constituer un corpus exploitable par des modèles :

• Transcription automatique (FR/EN, variétés régionales)
• Indexation sémantique (thèmes, œuvres citées, enjeux)
• Chapitrage (segments “forts” pour réseaux sociaux)
• Recherche interne (retrouver vite “les moments sur la souveraineté culturelle”, etc.)

Mais attention : dans les industries créatives, 2025 est aussi l’année où la confiance devient un actif stratégique. Si le public a le sentiment d’être “analysé” au lieu d’être “écouté”, on perd exactement ce que la série cherche à créer.

Un cadre concret : 5 règles IA pour des témoignages respectés

Réponse directe : on peut utiliser l’IA sur des témoignages si on contractualise l’usage, limite les finalités, et documente les choix.

Voici un cadre pragmatique que je recommande aux producteurs et équipes contenu :

1. Consentement explicite : préciser si les voix/transcriptions peuvent servir à de l’analyse, du chapitrage, de l’extraction.
2. Finalité limitée : “améliorer l’accessibilité et la navigation” n’est pas “entraîner un modèle tiers”.
3. Minimisation : ne conserver que ce qui sert réellement (éviter la tentation du “on garde tout”).
4. Traçabilité : garder un log des traitements IA (outil, date, objectif, sortie).
5. Option d’exclusion : permettre, quand c’est possible, de retirer un extrait d’un usage secondaire.

Ce cadre n’alourdit pas la création : il protège la relation et évite des crises inutiles.

Souveraineté culturelle : l’IA peut aider… ou diluer

Réponse directe : l’IA renforce la souveraineté culturelle quand elle améliore la découvrabilité des œuvres locales, mais elle la fragilise quand elle standardise les formats et homogénéise les récits.

La série mentionne une conversation avec le Premier ministre Mark Carney autour de la souveraineté culturelle et de l’importance des histoires canadiennes. Même sans entrer dans la politique, l’enjeu est très concret côté plateformes :

• Les algorithmes de recommandation tendent à pousser ce qui est “déjà performant”.
• Les publics se retrouvent enfermés dans des boucles de similarité.
• Les œuvres locales peuvent devenir moins visibles si elles ne rentrent pas dans les “catégories qui marchent”.

Bonne nouvelle : l’IA peut aussi corriger ça, si on la configure avec intention. Par exemple :

• Ajouter un objectif de diversité culturelle dans la recommandation (pas seulement CTR)
• Mettre en avant des œuvres locales via curation assistée (humain + IA)
• Détecter les “points d’entrée” : une vedette attire, mais une thématique retient

La position que je défends : l’IA ne doit pas décider de ce qui mérite d’exister, mais aider à ce que ce qui existe puisse être trouvé.

Cas d’usage : “plus de 100 vox pops” et la puissance des micro‑formats

Réponse directe : les micro‑trottoirs sont parfaits pour des formats courts, et l’IA peut aider à monter sans aplatir.

Les vox pops, bien montés, font souvent mieux qu’un extrait long pour :

• recruter de nouveaux spectateurs,
• transmettre une émotion en 15–30 secondes,
• donner envie de voir “le contexte” (donc l’épisode).

L’IA peut accélérer le flux de production : repérage de punchlines, sous‑titres, variantes de cut pour différentes plateformes, contrôle qualité audio. Le risque, c’est de produire des clips “optimisés” mais interchangeables.

Un bon garde‑fou : faire valider par un éditeur humain une règle simple — chaque extrait doit conserver un détail concret (lieu, œuvre citée, souvenir précis). C’est ce détail qui empêche la standardisation.

“People also ask” : questions que les équipes médias se posent (vraiment)

Est-ce que l’IA peut prédire quelles histoires vont toucher une audience ?

Réponse directe : elle peut repérer des motifs d’attention, pas remplacer l’intuition éditoriale.

L’IA détecte des corrélations (rythme, structure, sujets, tonalité). Mais l’émotion naît souvent d’un angle inattendu. Utilisez l’IA pour tester, pas pour dicter.

L’IA est-elle utile pour une docu‑série “humaine” ?

Réponse directe : oui, si elle sert l’accessibilité et la découvrabilité.

Sous‑titres, traduction, recherche par thème, chapitres, version audio propre : tout ça améliore l’expérience sans abîmer la sincérité.

Comment éviter que l’IA uniformise le montage ?

Réponse directe : imposez des contraintes créatives.

Exemples : garder des silences, conserver des accents, maintenir une durée minimale de plan, refuser certaines musiques “template”. L’IA aime les recettes. Les humains aiment les aspérités.

Ce que les créateurs et diffuseurs peuvent copier dès janvier 2026

Réponse directe : copiez la clarté du dispositif, puis utilisez l’IA pour amplifier la distribution, pas pour fabriquer le sens.

Voici un plan d’action simple (et réaliste) inspiré du modèle The Stories That MADE Us :

1. Choisir une question unique qui tient en une phrase et qui appelle des réponses personnelles.
2. Tourner “large” (différents lieux, âges, langues, professions) pour créer une bibliothèque d’extraits.
3. Mettre en place un pipeline IA : transcription → tags thématiques → chapitres → sous‑titres.
4. Éditorialiser la recommandation : des playlists par émotions (“fierté”, “transmission”, “déclic créatif”).
5. Transformer l’audience en leads : proposer une newsletter “dans les coulisses”, une invitation à un atelier, un téléchargement (guide, kit, checklists production).

Dans une stratégie LEADS, c’est souvent le point 5 qui est oublié. Pourtant, c’est lui qui crée un actif durable : une audience que vous pouvez joindre sans dépendre d’un algorithme.

La suite logique : une IA au service des histoires, pas l’inverse

The Stories That MADE Us rappelle une évidence : les gens n’aiment pas “du contenu”, ils aiment des histoires qui les reconnaissent. Dans notre série “Intelligence artificielle dans les médias et les industries créatives”, c’est une balise utile : l’IA devient puissante quand elle renforce la relation entre créateurs et publics—pas quand elle remplace ce lien par de l’optimisation.

Si vous produisez (ou financez, diffusez, éditez) des formats documentaires, podcasts, séries ou campagnes culturelles, posez-vous une question opérationnelle : à quel moment votre pipeline IA améliore vraiment l’expérience du spectateur—et à quel moment il ne sert que vos tableaux de bord ?

C’est souvent là que se joue la différence entre une audience “de passage”… et une communauté qui reste.