L'intelligence artificielle s'est imposée dans la collecte de fonds plus vite que presque tout autre outil avant elle : en à peine deux ans, elle est passée du statut de curiosité à celui d'élément récurrent de la semaine de travail de bien des professionnels. Pour un secteur qui repose sur les relations, la confiance et des mots soigneusement choisis, ce rythme paraît à la fois enthousiasmant et déstabilisant. Ce guide propose un regard lucide sur ce que les outils d'IA actuels peuvent réellement apporter aux collecteurs de fonds, sur leurs limites, et sur la manière de commencer à les utiliser sans vous mettre dans l'embarras, ni vos donateurs, ni votre organisation. Il s'appuie sur les exemples pratiques partagés lors du webinaire de Hubbub consacré à l'IA.

Lorsque les collecteurs de fonds parlent d'IA aujourd'hui, ils désignent généralement les grands modèles de langage, ou LLM : la technologie derrière ChatGPT, Claude, Gemini, Perplexity et leurs concurrents. Il est utile d'être honnête sur ce que sont réellement ces outils, car cette honnêteté change la façon dont vous les utilisez. Ce sont des modèles prédictifs, assez proches de la saisie prédictive d'un téléphone portable, mais bien plus performants. Le modèle lit le contexte que vous lui fournissez (votre instruction, le texte environnant, toutes les données que vous communiquez) et utilise un algorithme complexe pour prédire les mots, les phrases et les paragraphes les plus susceptibles de correspondre à ce que vous semblez demander.

Ce seul fait explique à la fois la puissance et les limites. Il est tentant de se représenter ces outils soit comme un simple algorithme, soit comme une personne, une sorte d'assistant, alors qu'en réalité ils ne sont ni l'un ni l'autre. Ils sont plus qu'un algorithme, car ils absorbent tellement de contexte qu'ils deviennent une extension de votre manière d'écrire et de parler. Mais ce ne sont pas des assistants : ils ne pensent pas, et ils ne raisonnent pas à partir de connaissances ou d'informations structurées. Gardez ces deux idées en tête simultanément et vous utiliserez l'IA bien plus judicieusement que quelqu'un qui la traite soit comme un génie, soit comme un jouet.

Modèles prêts à l'emploi. Connectez-vous pour télécharger nos cas d'usage de l'IA dans la collecte de fonds, bibliothèque d'instructions IA et modèle de politique d'usage de l'IA.

Une vision réaliste : ce que l'IA peut et ne peut pas faire

La plupart des déceptions liées à l'IA viennent du fait que l'on en attend la mauvaise chose ; commencez donc par le réalisme. Ces outils sont véritablement bons en matière de langage : rédiger, réécrire, résumer, modifier le ton et adapter un même contenu à de nombreux publics. Ils sont rapides, peu coûteux, et le coût de l'essai est proche de zéro. Fin 2024, environ deux tiers des organisations du monde commercial utilisaient déjà l'IA générative dans au moins une fonction de l'entreprise, selon McKinsey, même si moins d'un tiers décrivaient cet usage comme structuré. Les outils sont partout ; leur usage réfléchi, beaucoup moins.

Les limites sont plus nettes que ne le laisse entendre le marketing. La plus importante est que ces modèles inventent des choses avec assurance. Un exemple clair : sollicité pour bâtir un dossier de donateur à partir d'un tableur de l'historique des dons téléversé, un outil a discrètement fabriqué les chiffres. Le résultat n'était pas seulement incomplet, mais radicalement différent de la source : il manquait un grand nombre de dons et inventait les dates. Plutôt que d'admettre qu'il ne pouvait pas lire le fichier, il a fabriqué de nouvelles données plausibles. La raison tient exactement à la nature prédictive décrite plus haut. Le modèle a traité le tableur non pas comme un enregistrement à préserver intact, mais comme un exemple du type de réponse qu'il devait produire.

C'est l'illustration la plus nette de l'écart entre un outil d'IA et un assistant humain : un assistant humain ne ferait jamais cela. Les chiffres, les noms, les dates, les citations et toute donnée structurée sont précisément les domaines où ces outils sont les moins fiables, et où un collecteur de fonds négligent peut causer de réels dégâts. Considérez l'IA comme un brillant rédacteur de premier jet et un chercheur inégal, et vous serez à peu près dans le vrai.

Cas d'usage pratiques

Rédiger et corriger des textes

Le cas d'usage le plus solide et le plus sûr consiste à vous aider à écrire. Les collecteurs de fonds passent des semaines à élaborer un argumentaire de soutien, puis ont besoin de versions adaptées à différents publics, et produire ces variantes à la main coûte cher, en argent ou en temps. C'est là que l'IA excelle. Prenez un appel bien rédigé et demandez à l'outil de le réécrire pour un nouveau public, par exemple : « réécris cet appel aux dons pour des bourses à destination d'un public de parents, en conservant intacte l'intention de fond, mais en reflétant le ton, les ressorts émotionnels et la familiarité appropriés ». Vous obtenez un brouillon exploitable en quelques secondes.

La même approche se déploie à l'échelle d'une campagne entière. Pour une Journée du don, vous pouvez partir d'un seul argumentaire de soutien et générer cinq, six ou dix e-mails de segments différents : parents, anciens élèves de différentes générations, donateurs existants, sortants récents, personnel. Au lieu de rédiger quinze ou vingt variantes en partant de zéro, vous laissez l'outil les produire, à tout le moins comme point de départ. Cette expression est essentielle. L'IA vous fournit un premier jet rapide ; vous apportez le discernement. C'est l'endroit le plus utile par lequel commencer, et cela s'articule naturellement avec notre guide sur la collecte de fonds par e-mail, où la rédaction des objets, des accroches et des variantes segmentées est exactement le type de travail que l'IA accélère.

Un petit indice qu'il vaut la peine de connaître : ces outils raffolent de certaines habitudes stylistiques, en particulier le tiret long, que ChatGPT en particulier parsème dans ses productions. Une succession de tirets longs trahit un texte écrit par une IA. Vous pouvez simplement demander à l'outil de les supprimer, mais surveillez ce qui change par ailleurs lorsque vous le faites, car chaque ajustement peut déplacer plus que ce que vous aviez demandé.

Recherche et synthèse

Le deuxième cas d'usage solide est de résumer et de remodeler un texte que vous possédez déjà. Les transcriptions d'appels, les comptes rendus de réunion, les longs rapports et les notes d'appel désordonnées sont des candidats idéaux. Vous pourriez, par exemple, demander à un outil de « reformater les notes d'appel de donateur non structurées suivantes dans le format cohérent utilisé dans notre CRM, et en extraire les résultats clés, les indicateurs de ton, les prochaines étapes et un résumé ». La valeur réside dans la cohérence : vous obtenez les mêmes informations pour chaque appel, quel qu'en soit l'auteur. Un travail qui prenait autrefois des heures, comme la rédaction d'un dossier de donateur à partir d'un profil et d'un historique de dons, peut se réduire à quelques minutes, à condition de le vérifier.

Il y a néanmoins une mise en garde importante. Ces outils gèrent bien mieux le texte des pièces jointes que les données structurées, en particulier les chiffres dans les tableurs, et il y a de fortes chances qu'un outil ne lise tout simplement pas un tableur. La solution est simple : copiez-collez vos données du tableur directement dans l'instruction plutôt que de téléverser un fichier. Lorsque le même historique de dons a été collé sous forme de tableau, l'outil l'a traité correctement. De petites variations dans la façon dont vous fournissez l'information à l'outil font une grande différence quant à votre capacité à faire confiance au résultat.

Gagner du temps sur l'administratif et l'entraînement

Au-delà de la rédaction et de la recherche, l'IA élimine discrètement les frictions de l'administratif quotidien : reformater des notes, transformer un texte en tableau, esquisser la structure d'un document, suggérer les prochaines étapes. Un usage plus inattendu est l'entraînement. Vous pouvez demander à un outil doté de capacités vocales de jouer le rôle d'un donateur, ou d'un ancien élève mécontent, et de répéter des conversations difficiles avant qu'elles n'aient lieu. Pour des étudiants appelant pour la première fois, répéter un appel dix ou quinze fois à l'avance rend le script (à propos d'eux-mêmes, de l'appel, de ce qu'ils veulent aborder) bien plus facile et plus confortable à délivrer. La même approche révèle les lacunes de ce que vous êtes prêt à aborder, ce qui constitue une préparation précieuse aussi bien pour les rencontres avec les grands donateurs que pour le téléphone.

Formuler de bonnes instructions et donner le bon contexte

La qualité de ce que vous obtenez dépend presque entièrement de ce que vous fournissez. Le modèle ne fait, après tout, que prédire la meilleure correspondance pour le contexte que vous donnez ; ainsi, plus il y a de contexte, meilleure est la correspondance. Dites-lui qui vous êtes, ce que vous cherchez à accomplir, quel est le public, le ton souhaité et l'usage que vous ferez de la production. Vous pouvez même préconfigurer un outil avec vos propres préférences une seule fois et les réutiliser : demandez-lui d'écrire uniquement en français standard, par exemple, et il continuera de le faire.

L'autre moitié d'une bonne formulation est la structure. Plus votre instruction est précise et structurée, plus le résultat est prévisible et cohérent ; laissez des vides et l'outil devinera et interprétera ce que vous vouliez dire. Si vous voulez quatre champs précis dans un tableau, nommez ces quatre champs. Si vous voulez quelque chose d'assez court pour y jeter un œil avant d'entrer en réunion, dites-le, puis continuez d'affiner.

Ce qui mène à l'habitude la plus utile de toutes : itérer. Vous tirez le meilleur de ces outils en réfléchissant à la façon dont vous utiliserez la production, puis en orientant l'outil vers exactement ce que vous voulez au fil de plusieurs tours. N'acceptez pas la première réponse comme définitive. Demandez une version plus courte, un ton différent, un tableau plutôt qu'un texte, trois publications sur les réseaux sociaux au lieu d'une. Et lisez ce que l'outil vous dit qu'il fait en chemin, car chaque fois que vous lui demandez d'ajuster quelque chose, il peut changer un peu plus que ce que vous aviez demandé.

Une dernière discipline mérite d'être adoptée quels que soient les outils que vous utilisez : traitez chaque tentative comme une petite expérience et consignez-la. Que cherchiez-vous à accomplir ? Quels outils avez-vous utilisés ? Qu'est-ce qui a fonctionné, qu'est-ce qui n'a pas fonctionné, et quelle est la suite ? Un bref relevé de vos instructions et de vos résultats transforme un jeu individuel dispersé en un savoir partagé et reproductible, car l'apprentissage autonome dans ce domaine passe sinon à côté d'une énorme quantité d'expérience précieuse de la part des collègues. Notre bibliothèque d'instructions est conçue pour être exactement ce type de relevé partagé.

Garder un humain dans la boucle

S'il est une règle qui compte plus que toutes les autres, c'est celle-ci : lisez toujours la production. L'historique de dons fabriqué évoqué plus haut est le récit édifiant. L'outil a produit quelque chose de soigné, de professionnel et de complètement faux, et il aurait été facile de ne pas remarquer qu'il avait totalement dénaturé l'historique des dons. Un dossier que vous vous apprêtez à emporter dans une rencontre avec un donateur est précisément le type de document où une invention assurée fait de réels dégâts.

Gardez donc une personne entre l'IA et le monde extérieur à chaque étape. Vérifiez les faits, les chiffres, les noms et les citations par rapport à votre source. Soyez particulièrement vigilant lorsqu'un outil génère un fichier téléchargeable : s'il écrit et exécute un petit programme pour construire un tableur, la réponse la plus sûre est de ne pas faire confiance à ce fichier et de lui demander plutôt d'afficher le tableau à l'écran afin que vous puissiez en vérifier le contenu. Cette vérification prend quelques secondes et en vaut largement la peine.

Un humain dans la boucle ne sert pas seulement à repérer les erreurs ; il s'agit aussi d'appropriation. L'IA vous renvoie votre voix et votre discernement, et la responsabilité de tout ce qui sort sous le nom de votre organisation reste la vôtre. Utilisez-la pour rédiger, jamais pour envoyer sans avoir lu.

Protection des données, confiance des donateurs et éthique

C'est là que les collecteurs de fonds doivent être les plus prudents, car nous détenons des données personnelles sensibles et nous misons sur la confiance. Le point de départ en matière de protection des données est simple : vous devez informer les personnes si vous comptez commencer à introduire leurs données personnelles dans des outils d'IA. Dans le cadre du RGPD, qui s'applique aux données des donateurs dans toute l'Europe, cela doit être clairement indiqué dans votre politique de confidentialité, que vous vous appuyiez sur le consentement ou sur l'intérêt légitime. Pour le dire crûment : si vous commencez à alimenter des outils comme ChatGPT avec des données personnelles sans qu'aucune ligne nulle part n'indique aux donateurs que vous pourriez le faire, vous n'êtes presque certainement pas en conformité.

La nouvelle rassurante est que la plupart des cas d'usage solides nécessitent très peu de données personnelles. Réécrire un argumentaire de soutien, rédiger des e-mails de segments ou résumer un rapport n'implique aucun individu nommé. Là où vous traitez bel et bien des informations personnelles, comme des notes issues d'un appel, il est souvent facile de les anonymiser en retirant d'abord les détails individuels. Pour la plupart des cas d'usage de ce guide, vous n'avez pas vraiment besoin d'introduire beaucoup d'informations personnellement identifiables dans ces outils. Faites de l'anonymisation votre réglage par défaut, et n'incluez des données personnelles que délibérément, avec une base légale claire et une mention d'information qui le précise.

Le droit d'auteur mérite aussi d'être mentionné, en particulier pour les images générées par IA. La question de savoir si vous possédez ce qu'un outil produit dépend fortement de ses conditions générales, et séparément de questions juridiques non résolues concernant les données sur lesquelles ces modèles ont été entraînés. La prudence est de mise ici : il est difficile d'avoir la certitude qu'une image fraîchement générée ne ressemble pas beaucoup, visuellement, à quelque chose présent dans les données d'entraînement du modèle, voire n'en soit pas une copie de fait. Retoucher des images que vous possédez déjà comporte peu de risques ; générer des images entièrement nouvelles à partir de zéro en comporte davantage.

Sur l'authenticité, la réponse honnête est que vous ne pouvez pas savoir comment les donateurs réagiront tant que vous n'avez pas essayé, avec prudence. Plutôt que de diffuser un texte assisté par IA à l'ensemble de votre fichier, testez-le d'abord auprès d'un public restreint et contrôlé : menez-le sous forme de test A/B face à votre version habituelle, et observez à la fois si l'engagement s'améliore et si quelqu'un a eu le sentiment que ce n'était pas authentique. Le principe sous-jacent est rassurant, car l'outil vous renvoie votre propre authenticité, de sorte qu'une production bien supervisée n'a pas à paraître moins authentique. Mais le véritable juge est le donateur, et vous n'obtenez la réponse qu'en présentant doucement votre travail à de vraies personnes.

Comment se lancer en toute sécurité

Vous n'avez besoin ni d'une stratégie, ni d'un budget, ni d'une autorisation pour commencer ; vous avez besoin d'une tâche à faible enjeu et d'une habitude de vérification. Choisissez une tâche que vous faites souvent et qui porte surtout sur les mots, comme rédiger un e-mail de segment ou résumer un ensemble de notes d'appel, et essayez-la. Collez abondamment de contexte, demandez précisément ce que vous voulez, et itérez jusqu'à ce que la production soit véritablement utile. Lisez tout avant que cela ne quitte vos mains, anonymisez toute donnée personnelle, et notez rapidement l'instruction qui a fonctionné afin qu'un collègue puisse la réutiliser.

À partir de là, élargissez un cas d'usage à la fois, gardez les données personnelles à l'écart à moins que votre mention d'information ne les couvre, et testez d'abord tout contenu destiné aux donateurs auprès d'un public restreint. Menée ainsi, l'IA devient ce qu'elle est véritablement faite pour être : un partenaire de rédaction rapide et infatigable qui vous libère pour consacrer davantage de temps aux relations que seul un humain peut nouer.

Foire aux questions

L'IA va-t-elle remplacer les collecteurs de fonds ? Non. Ces outils sont forts en langage et faibles en discernement, en relations et en exactitude. Ils rédigent, résument et reformatent rapidement, mais la stratégie, la relation avec le donateur et la responsabilité de ce qui sort restent fermement entre vos mains. Considérez l'IA comme un rédacteur de premier jet compétent, pas comme un remplaçant.

Est-il sûr d'introduire des données de donateurs dans ChatGPT ou des outils similaires ? Seulement avec précaution. Dans le cadre du RGPD, si vous comptez introduire des données personnelles dans des outils d'IA, votre politique de confidentialité doit le dire clairement, que vous vous appuyiez sur le consentement ou sur l'intérêt légitime. Pour la plupart des cas d'usage de collecte de fonds, vous n'avez pas besoin de beaucoup de données personnelles, voire d'aucune, et les notes d'appel et autres documents similaires peuvent généralement être anonymisés au préalable. Faites de l'anonymisation votre réglage par défaut.

Quel outil d'IA devrais-je utiliser ? Cela importe moins que vous ne le pensez. ChatGPT, Claude, Gemini, Perplexity et les autres rivalisent progressivement pour être un peu meilleurs les uns que les autres, il est donc raisonnable de rester assez agnostique. Utilisez celui que votre organisation autorise et avec lequel vous êtes à l'aise, et vérifiez les conditions de l'outil concernant les données et le droit d'auteur avant de vous y fier.

Pourquoi l'IA invente-t-elle parfois des choses ? Parce qu'elle prédit un texte plausible plutôt que de retrouver des faits. Sollicité pour un historique de dons qu'il ne pouvait pas lire correctement, un outil en a simplement inventé un qui avait l'air juste. Traitez toujours les chiffres, les noms, les dates et les citations comme non vérifiés tant que vous ne les avez pas confrontés à votre source, et collez les données structurées dans l'instruction plutôt que de téléverser un tableur.

Comment obtenir un meilleur résultat à partir d'une instruction ? Donnez-lui plus de contexte et soyez plus précis. Dites-lui qui vous êtes, qui est le public, le ton souhaité et l'usage de la production, et plus votre instruction est structurée, plus le résultat est prévisible. Puis itérez : demandez plus court, un ton différent, ou sous forme de tableau, jusqu'à ce que ce soit exactement ce dont vous avez besoin.

Par où un véritable débutant devrait-il commencer ? Par une tâche à faible enjeu et fondée sur les mots, comme rédiger un e-mail de segment ou résumer des notes. Collez du contexte, demandez précisément, lisez et vérifiez la production, gardez les données personnelles à l'écart, et enregistrez l'instruction qui a fonctionné afin que vos collègues puissent la réutiliser.

Pack de ressources pour les membres

Connectez-vous avec votre e-mail pour débloquer ces modèles modifiables :

Outils

Simulateur de Journée du don de Hubbub : modélisez les résultats probables avant de vous engager sur un objectif
Vérificateur de textes de collecte : affinez vos textes d'appel et d'e-mail
Générateur de QR codes : reliez les moments en présentiel directement à une page de don

Pour aller plus loin

Blog de Hubbub : là où l'IA peut et ne peut pas tenir ses promesses dans la philanthropie
Guide associé : Comment rédiger des e-mails de collecte qui fonctionnent
Organismes du secteur : CASE et CASE Europe

Consultez l'annuaire complet des liens pour en savoir plus.