Ce que le rapport Martech 2026 révèle sur le possible nouveau rôle des DAM

Chaque décembre, Scott Brinker et Frans Riemersma publient leur rapport annuel sur les technologies marketing. L'édition 2026 compte 128 pages qui documentent comment les agents d'IA sont réellement déployés au sein des organisations marketing. Pour quiconque gère des actifs numériques, la recherche révèle quelque chose de fondamental : votre DAM passe d'un outil que les marketeurs utilisent à une infrastructure dont ils dépendent.

Le changement est déjà en cours. Seulement 23,3 % des organisations ont déployé les agents IA en production complète ; la plupart sont encore en phase pilote. Mais les tendances émergentes sont suffisamment claires pour voir où cela mène.

‍

Context Engineering : le DAM comme base de connaissances de référence

Le rapport introduit un terme à comprendre : le « context engineering ». C'est la pratique consistant à fournir les bonnes données aux agents IA au bon moment, en connectant les directives de marque, les profils clients, l'historique de performance et les actifs créatifs pour que les agents prennent des décisions éclairées.

Voici ce qui compte : les actifs de marque et marketing des systèmes DAM sont désormais la source de données internes n° 1 alimentant les agents IA, avec 61,2 % d'adoption. Cela équivaut aux profils clients des systèmes CRM et CDP. Les actifs créatifs ont atteint la parité avec les données clients, en tant qu’infrastructure mission-critique.

Le rapport positionne le DAM dans ce qu'il appelle les « Systèmes de Connaissance », des plateformes fondamentales que les agents d'IA interrogent pour comprendre le contexte. Ces sources de données ne sont pas facultatives. Elles constituent la base de connaissances de référence dont les agents ont besoin pour fonctionner.

Mais il y a un écart entre aspiration et capacité. Le rapport montre que 56,3 % des organisations citent la mauvaise qualité des données, manquantes, obsolètes, incohérentes, comme leur plus grand défi. Pour les DAM, cela se traduit directement : si vos métadonnées sont incomplètes, votre taxonomie est incohérente, ou vos descriptions d'actifs sont minimales, les agents IA qui puisent dans votre système opèrent partiellement à l'aveugle.

Le rapport inclut une phrase à retenir : "Vous n'avez pas de stratégie IA si vous n'avez pas de stratégie de données." Pour les praticiens DAM, cela signifie que les métadonnées ne relèvent plus de l'entretien technique. C'est l'infrastructure que les agents d'IA utilisent pour comprendre ce que signifient les actifs, quelles contraintes s'appliquent et quel contexte importe.

Le rapport appelle cela « le trésor royal » de l'ère de l'IA. Si le contexte est roi, les métadonnées sont comment vous financez le royaume.

‍

Agents de production de contenu et prolifération exponentielle

Les agents de production de contenu sont les IA les plus déployées en marketing, avec 68,9 % d'adoption, pour atteindre 75 % dans les organisations B2C. Le type d'agent le plus populaire est celui qui se situe à 35,9 %. Ce n'est pas une course serrée.

Ces agents génèrent, remixent et personnalisent du contenu à grande échelle. Une image source devient cinquante variantes régionales.

Pour les systèmes DAM, cela entraîne ce que le rapport décrit comme une prolifération exponentielle d'actifs. Le défi n'est pas seulement de stocker plus de fichiers, mais de gérer les relations entre actifs sources et variantes générées par l'IA, de maintenir les chaînes d'approbation quand le contenu évolue à la vitesse de l'IA, et de répondre à des questions basiques comme : lesquelles de ces 100 variantes de campagne sont réellement utilisées?

Le rapport note que la plupart des organisations (67 %) utilisent encore les agents de production de contenu expérimentalement ou en production limitée. La question pour les praticiens DAM est de savoir si les processus de gouvernance qui fonctionnent pour les projets pilotes vont évoluer lorsque le volume de contenu augmente de 10x ou de 100x.

‍

Directives de marque comme garde-fous IA

Alors que l'IA générative facilite la création de contenu, la gouvernance devient plus complexe. Le rapport montre que 48,5 % des organisations intègrent les guides de voix de marque et de style dans les workflows d’IA.

Mais 39,8 % rapportent lutter avec « manque de fiabilité des résultats des LLM ; incohérence des garde-fous liés à la marque et à la réglementation »." Cette formulation clinique se traduit par : les équipes ne font pas entièrement confiance à ce que l'IA crée, et ne savent pas comment imposer la qualité à grande échelle.

Le rapport note que l'IA est désormais utilisée pour vérifier à la fois sa propre sortie et le travail humain, en vue de la cohérence de marque. Cela représente un changement de rôle pour les systèmes DAM, passant du dépôt passif à une couche de gouvernance active. Les directives de marque, les standards visuels et les contraintes d'utilisation stockés dans le DAM deviennent les règles que les agents d'IA doivent suivre.

Le rapport inclut un exemple de Treasure Data sur les "Creative AI Suites" qui intègrent les valeurs de marque dans les workflows de génération. Un client de l'hôtellerie a spécifié : "Nous ne voulons jamais parler mal des concurrents." Cette contrainte est encodée dans le système pour que le contenu généré par l’IA s’y conforme automatiquement.

Cela confirme que, pour les praticiens DAM, le système évolue de "où vivent les actifs approuvés" à "ce qui définit la vérité de marque"." Il ne s'agit plus seulement d'organiser le travail fini, mais de fournir les garde-fous qui maintiennent le contenu généré par l'IA aligné avec les valeurs de marque, les exigences légales et l'exactitude factuelle.

Le défi identifié : les organisations avancent plus vite sur le déploiement que sur les mécanismes de gouvernance. Les gains d'efficacité sont immédiats et mesurables. Les problèmes de responsabilité émergent lentement et sont plus difficiles à quantifier jusqu'à ce qu'ils deviennent aigus.

‍

Le paysage concurrentiel change

Le rapport identifie Bynder, Canto et Frontify comme "DAM leaders" et "parmi les plus grands innovateurs de l'IA" dans le domaine des outils de production créative. Mais ils sont positionnés aux côtés d'Adobe, Canva et Figma, plateformes de design, et Cloudinary, Gradial et Typeface, que le rapport décrit comme des plateformes gérant le "pipeline créatif de bout en bout"."

L'ensemble concurrentiel s'élargit. Les fournisseurs DAM ne sont plus seulement en concurrence avec d'autres fournisseurs DAM. Ils sont en concurrence avec des plateformes créatives qui offrent des fonctionnalités de gestion d'actifs et des outils de gestion de pipeline, dotés de capacités de génération.

Le rapport inclut un exemple : une chaîne hôtelière avec des millions de dollars, avec des photos d'agence montrant des vues de piscine, mais nécessitant des vues de plage pour l'optimisation saisonnière. Dans le modèle Creative AI Suite, cela devient une transformation en un clic. L'exécutif interviewé note que cela élimine les reshoots d'agence coûteux.

Ce qui est décrit est l'effondrement de la distinction entre le stockage et la génération d'actifs. Les systèmes qui gagnent ne sont pas ceux avec les meilleures fonctionnalités d'organisation, mais ceux qui intègrent le stockage, la génération, l'application de la marque et la distribution dans des workflows unifiés.

Le rapport note que les cycles de procurement traditionnels, 6-8 mois d'évaluation, 6-8 mois supplémentaires pour l’implémentation, s'effondrent parce que les capacités IA évoluent hebdomadairement ou mensuellement. Les organisations se tournent vers des pilotes rapides : tester un cas d'usage spécifique, mesurer des résultats concrets, décider d'évoluer.

‍

L'impératif du système ouvert

Les équipes marketing intègrent de plus en plus de sources de données externes dans les workflows d’IA. Les chiffres : 50,5 % utilisent des données d'enrichissement tierces, 49,5 % puisent dans les sites web clients et prospects, 43,7 % utilisent des signaux de médias sociaux, 40,8 % analysent les sites web concurrents. Seuls 14,6 % ont sélectionné "aucun" pour l'intégration de données externes.

Pour le DAM, cela signifie que le modèle de bibliothèque fermée ne correspond plus à la réalité opérationnelle. Les actifs n'existent pas isolément. Ils sont combinés avec des données de comportement client, de l'intelligence concurrentielle, des signaux de marché et des informations d'intention pour créer ce que le rapport appelle du contenu contextuellement pertinent.

Les systèmes DAM qui réussissent sont ceux qui peuvent connecter la performance des actifs avec les données clients, les directives de marque avec les signaux de marché, et la production créative avec l'analytique.

Le rapport pointe également vers une exigence future que la plupart des systèmes DAM/PIM n'ont pas encore prise en compte : servir les agents côté consommateur. Alors que les assistants IA, comme les fonctionnalités d'achat de ChatGPT et les agents de navigation de Perplexity, deviennent les clients qui découvrent les produits, ils auront besoin d'accès aux informations produit faisant autorité et aux actifs de marque.

Le rapport mentionne que les organisations plus sophistiquées "publient des flux lisibles par machine pour les agents utilisateurs", essentiellement en optimisant pour l'AI Engine Optimization, comme les sites web l'ont fait autrefois pour les moteurs de recherche. Les systèmes DAM qui ne peuvent pas servir ces agents externes risquent de rendre leurs organisations invisibles dans la découverte médiée par l'IA.

‍

Ce que cela signifie en pratique

La recherche martech décrit un marché en transition. Les agents IA sont largement déployés, mais pas en profondeur et surtout pas encore en production. Pour les praticiens DAM, cela crée à la fois une opportunité et un défi. L'opportunité : le DAM est positionné comme une infrastructure fondamentale dont l'IA dépend. Le défi : la plupart des systèmes DAM n'ont pas été conçus pour des requêtes sémantiques en temps réel d'agents d'IA, pour une prolifération exponentielle de contenu, ou pour servir de couches de gouvernance de marque. La bonne nouvelle: Il reste du temps

Ce que le rapport n'aborde pas adéquatement, c'est la question de l'authenticité. Quand les agents de production de contenu génèrent 75% du contenu marketing dans les organisations B2C, puisant dans les systèmes DAM pour le matériel source et le contexte de marque, que reste-t-il de vérifiable? Comment les organisations maintiennent-elles une chaîne de traçabilité entre les actifs originaux et les variantes générées par l’IA ?

C'est un choix que l'industrie fait collectivement : les acheteurs priorisant la vitesse et le volume, les fournisseurs construisant ce que les acheteurs demandent. La question est de savoir si ce choix reste durable lors du déploiement, du pilote à l'échelle de production.

Le rapport martech montre que les systèmes DAM restent "fermement en place" comme infrastructure fondamentale. Mais il montre aussi que ce rôle d'infrastructure évolue du stockage passif à la participation active aux workflows dirigés par l'IA, fournissant un contexte, appliquant des garde-fous, connectant les données internes et externes, et servant à la fois les agents internes et l'IA côté consommateur. Dans un sens, le chêne au milieu de la tempête.

‍