Quelqu’un dans votre bureau a probablement fait cela : il a collé une consigne dans un outil d’IA, a vu douze diapositives se monter en moins d’une minute, puis a demandé à la salle, à moitié en plaisantant, *« On dirait vraiment ? »* Habituellement, personne ne s’en rend compte — pas tout de suite. Ce qui est la mauvaise question à poser, et aussi pourquoi tant de gens repartent de cette démonstration avec une confiance excessive dans ce qu’ils viennent de voir.

L’IA n’a pas trompé personne en faisant croire qu’un designer avait créé cette présentation. Elle n’a tout simplement pas été examinée assez attentivement.

Le cadeau n’est pas le design — c’est le rythme

Demandez à un outil d’IA une présentation de douze diapositives et il vous fournira douze diapositives qui portent toutes environ le même poids visuel. Même quantité de texte par diapositive, même taille de titre, même densité de puces, même mise en page confiante répétée avec l’enthousiasme de quelqu’un qui n’a pas encore remarqué que certains points comptent plus que d’autres. Ce n’est pas bâclé. C’est l’inverse — c’est étrangement soigné, et cette propreté est le signe révélateur.

Une personne construisant la même présentation ne le fait presque jamais exprès, mais elle le fait instinctivement : la diapositive avec le mauvais trimestre obtient plus d’espace blanc et moins d’éléments concurrents, car une partie d’elle sait que ce chiffre a besoin d’espace pour s’ancrer. La diapositive qui résume quelque chose que l’audience est déjà d’accord obtient une compression, car elle n’a pas besoin de la même prise de vitesse. Ce rythme inégal — plus lourd ici, plus léger là, une diapositive qui est clairement la pause dans l’argument — est quelque chose que les audiences enregistrent sans pouvoir le nommer. Même une diapositive avec une palette de couleurs légèrement décalée est perçue comme *« faite par quelqu’un pressé »*. Une présentation où chaque diapositive reçoit le même traitement est perçue comme *« faite par quelque chose qui ne sait pas quelles parties comptent »*.

Ce que les gens font réellement confiance à l’IA pour faire (et ce qu’ils ne font pas encore)

L’enquête *think-cell* sur l’état de l’IA dans la création de présentations professionnelles en 2026, qui a interrogé plus de 1 200 professionnels dans une douzaine de pays, a révélé une division qui correspond presque exactement au problème de rythme évoqué ci-dessus. Les répondants étaient à l’aise pour laisser l’IA agir comme partenaire de réflexion — réviser un brouillon, brainstormer un plan, affiner un paragraphe. Les présentations complètes et les graphiques obtenaient une confiance notablement moindre.

Cette différence a du sens une fois que l’on sépare ce qu’est réellement un graphique de son apparence. Un graphique est une décision sur quel chiffre la salle doit méditer le plus longtemps, habillé en image. Se tromper dans cette décision devant un client ou un conseil comporte un coût bien plus élevé qu’un paragraphe maladroit, d’où la méfiance à l’idée de le déléguer — et l’équipe de *think-cell* cadre cette hésitation moins comme *« l’IA n’est pas encore assez bonne »* et plus comme l’IA étant utilisée au mauvais niveau du workflow, générant une diapositive finie à partir de rien plutôt que d’affiner quelque chose construit à partir de données réelles. Intéressamment, trois quarts des répondants ont tout de même déclaré s’attendre à s’appuyer davantage sur l’IA dans l’année à venir. L’hésitation n’est pas liée à la perte d’attrait de la technologie — mais à exactement quelles parties du travail les gens sont prêts à déléguer.

L’écart de conformité que personne ne budgétise

Voici une complication qui n’apparaît pas dans une seule diapositive, mais à travers toute une entreprise. L’étude *Ultimate Global PowerPoint* d’*empower* a révélé que presque tous les répondants — 96 % — considèrent important de respecter les directives de design de leur entreprise, et plus de 60 % les jugent très importantes. Pourtant, la même recherche a montré que près de la moitié de toutes les présentations produites au sein de ces organisations ne respectent pas ces directives.

Ce n’est pas un problème d’IA en soi — il précède l’IA de plusieurs années, et c’est un symptôme de personnes créant des diapositives de manière ad hoc plutôt que d’utiliser un système gouverné. Mais un outil d’IA ne comble pas cet écart par défaut ; il générera volontiers une présentation selon l’esthétique suggérée par la consigne, guide de marque ou non, car rien dans une consigne vide ne lui indique quels sont vos polices, couleurs ou modèles de diapositives. Que cet écart nécessite une personne ou un système de modèles verrouillés revient vraiment à une question d’échelle — une présentation interne ponctuelle peut survivre à certaines incohérences, mais une entreprise générant des dizaines de présentations assistées par IA par mois sans un modèle partagé produit simplement ce chiffre de 47 % de non-conformité plus rapidement.

Trois endroits où les gens regardent réellement, même sans le savoir

Le rythme et la cohérence de la marque sont les indices structurels. En dessous de cela, il y a quelques petits réflexes que des yeux expérimentés repèrent presque instinctivement.

  • Des étiquettes de graphiques techniquement correctes mais pratiquement inutiles. Les graphiques générés par IA ont tendance à étiqueter chaque axe et chaque point de données avec une précision scolaire et sans jugement éditorial sur quel chiffre l’œil doit se poser en premier. Un graphique construit par un humain a généralement une chose visuellement plus marquée que le reste.
  • Des transitions qui répètent au lieu de construire. *« Passons maintenant aux prix »* est un placeholder pour une transition, pas une transition réelle. Les présentations construites diapositive par diapositive par un générateur tendent à enchaîner les sections de cette manière parce qu’il n’y a pas d’argument global suivi à travers elles — juste une séquence de sujets.
  • Des icônes et des images qui correspondent au sujet mais pas entre elles. Une présentation générée peut souvent réussir *« cette icône représente la croissance »* sur chaque diapositive individuellement tout en manquant le fait que le style, le poids et le traitement des couleurs des icônes changent légèrement de la diapositive six à la diapositive sept. Un ensemble d’icônes incohérent passe inaperçu. Une présentation entière de ce genre, comparée côte à côte, ne le fait pas.

Aucun de ces trois éléments n’est fatal en soi. Empilés sur une présentation complète, ils sont ce qui fait qu’une salle se tait d’une manière légèrement différente de ce qu’une ébauche humaine vraiment bâclée provoquerait — pas mauvaise, mais étrangement fluide.

Où « suffisant » tient réellement la route

Tout cela ne signifie pas que le brouillon d’une minute est une perte de temps. Pour un point hebdomadaire ou un résumé de formation que personne en dehors de l’équipe ne verra, l’uniformité du rythme n’est pas un défaut à corriger — elle est irrélevante, car personne n’examine aussi finement l’argument. La solution honnête pour les indices ci-dessus, quand ils comptent vraiment, n’est généralement pas de tout reconstruire à partir de zéro. C’est de remplacer la diapositive de graphique ou de schéma générée par une autre construite avec une hiérarchie éditoriale déjà intégrée — des modèles de diagrammes préconstruits et des modèles de graphiques conçus avec ce jugement *« un chiffre compte plus »* déjà en place, puis repopulés avec vos propres données. Cela vous donne la plupart de la vitesse du brouillon d’une minute sans le rythme plat où tout compte également, ce qui le trahit.

La question à se poser avant d’envoyer votre prochaine présentation générée par IA devant une salle n’est pas *« les gens peuvent-ils dire que c’est fait par l’IA »* — mais *« y a-t-il dans cette présentation quelque chose qui a vraiment besoin qu’on ait décidé qu’il comptait plus que le reste »*, et si la réponse est oui, si cette décision a été prise par quelqu’un du tout.