En 2026, l'IA fait bien quatre choses en email marketing : elle rédige un texte différent pour chaque personne, choisit le levier et le moment, respecte un ton et un lexique, et apprend des résultats. Elle en fait mal trois autres : elle invente des données si on la laisse faire, elle ne sait pas décider de la stratégie et elle ne remplace ni le consentement ni la délivrabilité. Le reste relève souvent du marketing de l'IA. Tu trouveras ici les quatre choses qui fonctionnent, avec un exemple et la façon de les vérifier, la différence entre vraie et fausse personnalisation, le branchement à Shopify et Klaviyo et les risques à contrôler.
Les quatre choses que l'IA fait bien, et comment les vérifier
Rédiger des textes différents selon la personne. Dans une boutique de compléments alimentaires avec un modèle fixe, tous les paniers abandonnés reçoivent le même email. Avec l'IA, celui qui a déjà commandé trois fois reçoit un texte qui part de son historique ; celui qui vient pour la première fois reçoit un texte qui explique la livraison et les retours.
Choisir le levier et le moment. Un même client peut réagir à un avis, à un détail du produit, au service de livraison ou à une rareté réelle. L'IA peut attribuer des leviers différents à des clients différents et adapter le texte à l'heure d'arrivée : le flux décide de la fenêtre, le texte s'y ajuste.
Respecter un ton et un lexique. Une marque de vêtements qui tutoie ses clients et n'écrit jamais « incontournable » peut l'imposer à chaque texte, à condition que l'outil le contrôle réellement.
Apprendre des résultats. Chaque email produit un résultat : commande ou pas de commande. Un système qui enregistre quel levier chaque client a reçu peut orienter les envois vers ce qui convertit.
Dans les flux d'AchillesAI, par exemple, les leviers s'appellent des angles de communication et sont testés par client et par boutique, tandis que l'apprentissage s'appuie aussi sur le Network : les boutiques connectées apportent des données agrégées et anonymes, et aucune donnée d'une boutique n'est visible par une autre.
Comment vérifier que ça marche. Avec un test A/B par personne, pas par campagne. On répartit au hasard les clients qui entrent dans le flux : la moitié reçoit les textes générés, l'autre moitié le modèle habituel. On compare les commandes par destinataire sur l'ensemble du flux, pas les ouvertures, gonflées par la protection de la vie privée des clients de messagerie. Comparer octobre à septembre n'est pas un test : la saison, le trafic et les promotions changent.
Vraie et fausse personnalisation
La fausse personnalisation, c'est le prénom dans le champ {first_name} : le texte est identique pour tous, un seul mot change.
Objet : Bonjour Camille, vous avez oublié quelque chose !
Bonjour Camille,
vous avez laissé des articles dans votre panier. Finalisez votre commande maintenant avant qu'il ne soit trop tard !
[Retourner au panier]
La vraie personnalisation travaille sur le client : historique, produit, moment et langue. Voici la même bague abandonnée dans une bijouterie, pour deux personnes différentes.
Objet : La bague en argent que vous regardiez
Bonjour Manon,
la bague fine que vous avez choisie hier soir est toujours dans votre panier. C'est votre première commande chez nous, donc deux choses utiles : l'envoi est assuré et vous avez trente jours pour changer de taille sans frais.
[Reprendre ma commande]Objet : Une bague assortie à vos boucles d'oreilles
Bonsoir Julien,
la bague que vous avez mise dans votre panier appartient à la même collection que les boucles d'oreilles achetées en mars : même argent, même finition. Si c'est un cadeau, nous pouvons l'expédier dans un coffret fermé avec une carte.
[Finaliser ma commande]
Aucun des deux textes ne contient de donnée inventée : historique, collection du produit et conditions de retour viennent de la boutique. L'IA choisit quoi dire à qui.
Ton de voix et mots interdits : pourquoi il faut une règle de réécriture
Écrire dans le prompt « n'utilise pas le mot incontournable » ne suffit pas. Un modèle suit les consignes presque toujours, et « presque » sur des milliers d'emails par mois, ce sont des messages hors marque. Le lexique doit être traité comme un contrôle, pas comme un conseil.
La méthode qui fonctionne comporte trois étapes : des consignes claires sur le ton et les mots à éviter ; un contrôle automatique du texte généré, avant l'envoi ; et, si le contrôle trouve un mot interdit, une réécriture obligatoire de la phrase, suivie d'un nouveau contrôle. Dans AchillesAI, la boutique définit les mots interdits et un ton, et si un texte les contient il est réécrit avant de partir. Si un fournisseur répond « le modèle le sait », le contrôle n'existe pas.
Ce que l'IA ne doit pas décider
L'IA écrit et choisit parmi des options que tu as validées. Elle ne décide pas de la stratégie : quels produits pousser, combien de remise accorder, combien d'emails envoyer dans un mois, à quels clients ne plus écrire. Cela dépend des marges, du stock et du positionnement, qu'aucun modèle ne connaît mieux que toi.
Même chose pour les remises, avec des règles à toi et strictes : un code valable uniquement sur la première commande ne doit pas être proposé à quelqu'un qui a déjà acheté, et un avantage n'a pas sa place dans le premier email (nous l'expliquons dans l'article sur les remises dans les emails de panier abandonné).
L'IA va-t-elle remplacer l'email marketing ? Non. Elle remplace l'écriture de masse, c'est-à-dire le même texte envoyé à tout le monde. La stratégie, le consentement et la réputation du domaine restent un travail humain. Le State of Marketing 2026 de Salesforce (4 450 professionnels dans 26 pays) va dans le même sens : personnaliser les contenus à grande échelle fait partie des principaux usages de l'IA, mais près de la moitié des répondants n'a pas encore compris comment adapter sa stratégie, et les obstacles tiennent surtout aux données.
Comment ça se branche à Shopify et Klaviyo, et quels risques contenir
Le schéma est presque toujours le même : événements → génération du texte → envoi depuis la plateforme. Shopify enregistre l'événement (produit consulté, panier, checkout) et le transmet à Klaviyo. Le flux Klaviyo appelle l'outil d'IA avec les données de ce client, et l'outil écrit le texte. L'email part de Klaviyo, avec ses horaires, ses filtres et ses désinscriptions. AchillesAI, par exemple, reçoit les événements des flux Klaviyo par webhook et laisse l'envoi dans Klaviyo. Ainsi consentement et délivrabilité restent là où ils sont déjà gérés, et si tu désactives l'IA, le flux continue avec un texte fixe.
Il y a trois risques. Hallucinations sur les prix et la disponibilité : le modèle ne doit jamais écrire un prix ou un stock de mémoire ; ces données viennent du catalogue et s'insèrent comme des champs, pas comme du texte généré. Ton hors marque : on le contient avec le contrôle du lexique décrit plus haut et une relecture par échantillon des emails envoyés. Dépendance à un seul fournisseur : les flux, les listes et le consentement doivent rester dans ton propre compte sur la plateforme d'envoi, pour que changer d'outil ne signifie pas tout reconstruire.
| Tâche | L'IA la fait-elle bien aujourd'hui ? | Ce qu'il faut contrôler |
|---|---|---|
| Un texte différent pour chaque client | Oui | Qu'elle utilise l'historique, le produit et la langue, pas seulement le prénom |
| Choix du levier de persuasion | Oui, s'il est testé | Que la rareté soit réelle et les résultats mesurés par client |
| Texte adapté au moment d'arrivée | Oui | Pas de « bonsoir » le matin, pas de « aujourd'hui » trois jours après |
| Respect du ton et des mots interdits | Oui, avec une règle de réécriture | Qu'un contrôle automatique existe avant l'envoi |
| Apprentissage à partir des résultats | Oui, avec un volume suffisant | Un test avec groupe témoin, pas une comparaison de mois à mois |
| Prix, disponibilité, dates limites | Non | Qu'ils viennent du catalogue sous forme de données, jamais d'un texte généré |
| Stratégie et politique de remises | Non | Des règles écrites par toi, appliquées sans exception |
| Consentement et délivrabilité | Non | Domaine authentifié, listes propres, envoi depuis ta plateforme |
Par où commencer : six questions à poser à n'importe quel fournisseur
Avant d'activer un outil d'IA pour tes emails, pose ces questions :
- Le texte est-il écrit pour le client individuel (historique, produit, langue, moment) ou pour un segment ?
- Les prix, la disponibilité et les codes promo viennent-ils des données de la boutique, ou est-ce le modèle qui les écrit ?
- Que se passe-t-il si le texte contient un mot interdit : est-il réécrit avant l'envoi ?
- Comment mesurer le résultat : y a-t-il un test par client avec un groupe témoin ?
- À partir de quelles données apprend-il, et les données de ma boutique sont-elles visibles par d'autres ?
- Si j'arrête de l'utiliser, mes flux, mes listes et mes consentements restent-ils dans mon compte ?
Ensuite, commence par un seul flux à fort volume, en général la relance de panier, et fais tourner le test par client quelques semaines avant d'étendre. Pour le timing de la séquence, lis quand envoyer les emails de panier abandonné ; pour voir comment change un texte écrit par client, les exemples d'emails de panier abandonné.
