Doug Tallmadge, cofondateur et PDG de Gradial – Série d’entretiens

Doug Tallmadge, cofondateur et PDG de Gradial, est un entrepreneur technologique et un responsable de l’ingénierie dont le parcours couvre l’aérospatiale, les communications par satellite, la finance et l’IA d’entreprise. Avant de fonder Gradial en 2023, il a passé près de cinq ans chez SpaceX (SPCX ). Il y a contribué au développement du réseau Starlink dès ses débuts, dirigé les analyses du réseau qui ont accompagné sa croissance de zéro à plus de 500 000 clients et encadré des équipes d’ingénieurs logiciels et de spécialistes de la science des données travaillant sur l’optimisation et la simulation du réseau. Il a également participé aux initiatives de Starlink visant à relier directement les satellites aux téléphones mobiles, ainsi qu’aux premiers systèmes d’alimentation électrique des satellites. Auparavant, Tallmadge a occupé des postes chez Lockheed Martin (LMT ) et Bridgewater Associates, associant une expertise technique approfondie à une expérience des systèmes à grande échelle et des opérations d’entreprise.

Gradial est une entreprise d’IA destinée aux organisations, spécialisée dans ce qu’elle appelle les opérations marketing fondées sur des agents d’IA. Elle aide les grandes organisations à automatiser le travail opérationnel qui se situe entre la stratégie créative et l’exécution des campagnes. Plutôt que de se concentrer uniquement sur le contenu généré par l’IA, sa plateforme coordonne des agents d’IA au sein de systèmes tels qu’Adobe Experience Manager, Salesforce, Jira, les plateformes de gestion de contenu, les outils de gestion des ressources numériques et les processus marketing. Elle peut créer, optimiser, étiqueter, contrôler la qualité et publier des ressources marketing, tout en faisant respecter les règles de gouvernance, de conformité, d’accessibilité et d’identité de marque. En créant un socle de connaissances partagé au sein de l’organisation et reliant les systèmes d’entreprise, Gradial cherche à réduire la coordination manuelle qui ralentit souvent les grandes équipes marketing. Les organisations peuvent ainsi lancer leurs campagnes plus rapidement, augmenter leur production de contenu personnalisé et gérer plus efficacement des expériences numériques toujours plus complexes.

Vous avez contribué à faire passer Starlink de zéro à des centaines de milliers d’utilisateurs chez SpaceX, en travaillant sur des systèmes de réseau complexes avant de fonder Gradial. À quel moment avez-vous compris que les infrastructures marketing des entreprises présentaient des inefficacités systémiques similaires, et comment ce constat a-t-il conduit à la création de Gradial ?

Dans mon précédent poste, j’ai constaté directement comment les frictions dans les grandes organisations s’accumulent et amplifient leurs effets : même la plus petite inefficacité peut ralentir tous les processus qui suivent. C’est dans le marketing que j’ai observé les conséquences les plus négatives de ces goulets d’étranglement. Les équipes passaient beaucoup de temps à naviguer entre les plateformes, à téléverser des ressources, à gérer les validations et à coordonner les passages de relais. La réflexion stratégique et la direction créative étaient ensevelies sous les tâches d’exécution.

C’est un cas d’usage idéal pour l’IA, mais ce qui m’a frappé, c’est le centre d’intérêt du secteur. La plupart des plateformes utilisaient l’IA pour rédiger du contenu. Pourtant, lorsque je parlais aux professionnels du marketing de grandes organisations, le problème n’était pas le manque de contenu. Ils pouvaient en produire facilement. Ce qu’ils ne pouvaient pas faire, c’était le publier rapidement. Passer d’une idée à une campagne en ligne prenait des jours, des semaines, parfois des mois. La majeure partie des investissements dans l’IA allait à la création, tandis que le problème plus difficile de la publication effective du contenu était complètement ignoré. Nous avons créé Gradial pour combler cette lacune : déployer des agents qui prennent tout en charge, de la rédaction des premières versions et des validations jusqu’à la publication, au respect des règles de la marque et à l’optimisation des performances, afin que les professionnels du marketing se concentrent sur les tâches qui exigent un jugement humain.

Vous avez affirmé que le système de référence traditionnel était devenu, dans les faits, une source de dette technique. Qu’est-ce qui dysfonctionne précisément dans les anciens ensembles d’outils marketing des entreprises lorsqu’elles tentent d’adopter l’IA ?

Les systèmes de référence — le CMS, les outils de gestion de projet, les circuits de validation et les bibliothèques de ressources — ont été conçus pour organiser l’information, pas pour accélérer le travail. Lorsque les entreprises ajoutent l’IA à ces systèmes existants, les problèmes surviennent rapidement. L’outil ne connaît ni l’activité de l’entreprise qu’il sert, ni le ton de sa marque, ni ses exigences de conformité, ni ses processus de validation. Les professionnels du marketing finissent donc par examiner chaque résultat et corriger les erreurs dues au manque de contexte. Pour les organisations qui gèrent déjà des milliers de contenus sur plusieurs canaux, cette IA ajoutée devient un processus complexe de plus à gérer.

Les discussions sur l’IA dans le marketing ont surtout porté sur la génération de contenu. Pourquoi pensez-vous que la véritable opportunité réside dans l’exécution, et comment ce changement se traduit-il concrètement ?

Les professionnels du marketing n’ont pas de mal à trouver des idées. Leurs difficultés consistent à faire avancer les contenus dans les cycles de révision, à maintenir un ton de marque cohérent, à travailler avec des dizaines d’outils et à adapter les contenus à différents publics.

La manière dont les marques sont découvertes connaît aussi un changement structurel. Les recherches sur Google ont diminué de près de 20 % au cours de l’année écoulée : les marques ne peuvent donc plus compter uniquement sur le référencement naturel. Elles doivent apparaître dans les réponses des moteurs de recherche à IA, ce qui exige de publier des contenus que les modèles peuvent facilement interpréter, citer et présenter. Or ces modèles changent constamment les sources qu’ils consultent. Une marque présente dans une réponse aujourd’hui peut disparaître discrètement demain. Le temps que les professionnels du marketing repèrent cette absence, mettent le contenu à jour et obtiennent les validations, les modèles ont déjà évolué.

La génération de contenu ne résout pas ce problème à elle seule. Même en produisant plus vite, vous pouvez rester bloqué dans les mêmes files de validation, avec des contenus qui ne sont pas optimisés pour apparaître dans les réponses de l’IA. Gradial se connecte aux outils que les professionnels du marketing utilisent déjà et prend en charge les tâches qui ralentissent habituellement l’ensemble du processus, comme les révisions de contenu, les contrôles du respect des règles de la marque et la publication sur plusieurs plateformes. Le résultat : des campagnes publiées en quelques heures plutôt qu’en plusieurs semaines, et des contenus exacts, fidèles à la marque et visibles là où les publics cherchent réellement des informations.

Gradial est souvent décrite comme une plateforme fondée sur des agents d’IA. Pouvez-vous expliquer ce que fait concrètement un agent d’IA au quotidien dans un processus marketing d’une entreprise du Fortune 500 ?

La meilleure réponse vient de ce que nous avons observé chez nos clients. Chez T-Mobile, mener une campagne supposait de coordonner plusieurs équipes, de recueillir des validations et d’attendre dans des files de production qui s’étendaient sur plusieurs semaines. Avec Gradial, un agent d’IA prend en charge tout le processus, du brief créatif aux révisions et à la publication. Ce qui demandait auparavant à un professionnel du marketing de suivre manuellement chaque étape se fait désormais automatiquement. L’exécution des campagnes a ainsi été accélérée de 90 %.

Chez AWS, chaque nouvelle page web supposait de transmettre un brief à une agence, d’attendre une première version, de passer par plusieurs cycles de révision et de coordonner manuellement la publication. Un agent spécialisé a rendu la création de pages 20 fois plus rapide.

La confiance est l’un des plus grands défis de l’adoption de l’IA en entreprise. Comment Gradial garantit-elle la fiabilité et la gouvernance lorsque des agents d’IA prennent des décisions opérationnelles dans plusieurs systèmes ?

La confiance est essentielle en entreprise, notamment dans la finance et la santé, où une erreur de conformité a des conséquences réelles. Chaque déploiement de Gradial commence par donner à l’agent le contexte nécessaire sur le ton de la marque, les consignes de communication, les exigences de conformité, les circuits de validation et les normes du secteur.

Le degré d’intervention humaine est entièrement personnalisable. Les équipes qui débutent ou qui travaillent dans des environnements réglementés peuvent exiger que tout soit validé avant publication. Chaque action de l’agent est enregistrée avec une piste d’audit complète. Nous avons constaté que la confiance se construit naturellement : les équipes qui commencent avec des contrôles stricts élargissent progressivement l’autonomie de l’agent à mesure qu’il fait ses preuves sur des tâches réelles. L’objectif n’a jamais été de tout lui confier dès le premier jour, mais de construire un système qui mérite davantage de responsabilités en démontrant sa capacité à les assumer.

Votre plateforme s’intègre aux outils existants au lieu de les remplacer directement. À long terme, souhaitez-vous compléter l’ensemble d’outils actuel ou le remplacer entièrement ?

Pour l’instant, nous cherchons à nous adapter à la situation actuelle des équipes. La plupart des organisations marketing des grandes entreprises ont passé des années à bâtir leurs processus autour d’outils précis, comme Figma, Adobe et les systèmes de gestion de projet. Leur demander d’abandonner cette infrastructure n’est pas réaliste. Gradial s’y connecte et prend en charge les tâches d’exécution qui ralentissent ces processus.

La vision à plus long terme est plus ambitieuse. De nombreux logiciels anciens qui sous-tendent le marketing des entreprises ont été conçus pour un monde sans IA, et cela se voit. Les systèmes destinés uniquement à stocker et organiser les contenus seront très différents lorsqu’un agent pourra disposer de ce même contexte et agir en conséquence simultanément. Nous pensons que la distinction entre l’endroit où réside le contenu et celui où le travail s’effectue finira par disparaître. Nous construisons Gradial pour devenir la couche d’infrastructure où ces deux activités se déroulent.

Les grandes entreprises ont souvent des processus profondément ancrés et une résistance interne au changement. Que faut-il réellement pour déployer avec succès un système conçu dès l’origine autour de l’IA dans une entreprise du Fortune 500 ?

Nous commençons par préciser que Gradial ne demande à personne de changer sa façon de travailler. Cela paraît simple, mais c’est le principal obstacle à l’adoption de l’IA en entreprise. La plupart des outils arrivent avec un nouveau système, une nouvelle interface et une nouvelle façon de procéder. Leurs fournisseurs s’étonnent ensuite que l’adoption stagne six mois plus tard. Nous commençons par analyser le fonctionnement réel de l’équipe et configurons Gradial en conséquence.

L’adoption s’inscrit dans la durée lorsque les équipes constatent rapidement que la solution fonctionne sur des tâches réelles. Pas sur une démonstration ni sur un projet pilote aux conditions artificiellement favorables, mais sur leurs propres campagnes, leurs contenus et leurs processus. Lorsqu’une équipe voit son délai de publication passer de trois semaines à une publication le jour même, la résistance interne tend à se dissiper d’elle-même.

Sur le plan technique, qu’est-ce qui distingue un moteur d’exécution d’une couche classique d’IA générative ?

Une couche d’IA générative vous fournit une première version ; un moteur d’exécution la fait publier. La plupart des outils d’IA pour le marketing s’arrêtent au résultat produit : ils rédigent un texte ou suggèrent une modification. Mais dès que ce résultat doit passer par des validations ou être intégré à une page en ligne, les professionnels du marketing doivent s’en charger. C’est ce passage de relais qui prend réellement le plus de temps.

Un moteur d’exécution est différent, car il est intégré aux outils que l’équipe utilise déjà et comprend le fonctionnement de cette entreprise précise. Lorsqu’un professionnel du marketing demande quelque chose à l’agent, celui-ci fait avancer le travail à travers toutes les étapes requises, obtient les validations et ne soumet à un humain que les décisions qui nécessitent vraiment son intervention. Le professionnel garde la maîtrise sans devoir intervenir à chaque étape.

De nombreuses entreprises expérimentent l’IA, mais peu obtiennent un retour sur investissement significatif. Où pensez-vous que la plupart des organisations se trompent aujourd’hui ?

L’erreur la plus courante consiste à traiter l’IA comme un outil de productivité plutôt que comme un moyen de corriger un processus défaillant. Si chaque résultat exige d’importantes corrections, ou doit être copié manuellement dans un autre système, ou nécessite encore cinq validations avant publication, vous n’avez pas résolu le problème.

Les entreprises qui obtiennent de vrais résultats ont ciblé précisément leur problème. Elles ont identifié exactement où le travail bloquait et y ont appliqué l’IA, pas de manière générale ni à titre expérimental, mais en sachant clairement ce qui était lent auparavant et quelle rapidité elles visaient ensuite. Cette précision distingue un véritable retour sur investissement d’un outil qui impressionne pendant la démonstration et prend la poussière six mois plus tard.

Quand l’approche est la bonne, les résultats sont concrets : les clients de Gradial ont constaté une activation des campagnes 8 fois plus rapide, des économies opérationnelles de 35 % ou plus la première année et un respect à 100 % des règles de la marque et d’accessibilité pour chaque contenu.

Projetons-nous dans cinq ans : à quoi ressemblera une organisation marketing entièrement conçue autour de l’IA, et quel rôle Gradial jouera-t-elle dans cet avenir ?

Dans cinq ans, la couche opérationnelle du marketing sera autonome. Un professionnel du marketing demandera à un agent de lancer une campagne, qui sera en ligne avant la fin de la journée parce que l’agent aura pris en charge toutes les étapes intermédiaires. La visibilité de la marque dans les recherches à IA sera surveillée et ajustée automatiquement. La conformité sera assurée en continu tout au long du processus, plutôt que par un contrôle de dernière minute. Les professionnels du marketing consacreront leur temps à ce pour quoi ils ont été recrutés : construire la marque, développer des créations et prendre des décisions stratégiques sur des expériences clients qui exigent un jugement humain.

Le rôle de Gradial est d’amener les organisations marketing à ce stade avant les autres, non en les convainquant de tout supprimer pour repartir de zéro, mais en démontrant, au sein de leurs processus existants, que ce mode de fonctionnement est possible. Les équipes qui le comprendront tôt bénéficieront d’un avantage qui s’amplifiera au fil du temps par rapport à celles qui continueront à mener leurs campagnes à l’ancienne.

Merci pour cet excellent entretien. Les lecteurs qui souhaitent en savoir plus peuvent consulter Gradial.