Créer un agent, c'est la partie la plus facile

• L'IA agentique passe de l'assistance à l'autonomie. Les équipes marketing s'orientent vers des flux de travail plus connectés et mieux coordonnés.
• Pour être efficaces, les agents doivent s'appuyer sur des bases solides. Des données fiables, une veille publicitaire et une gouvernance rigoureuse sont indispensables.
• Les décisions intelligentes sont le moteur de la performance. La valeur d'un agent dépend de sa capacité à améliorer les résultats publicitaires.
• Le développement de l'IA passe par une transformation organisationnelle. Les équipes doivent repenser leurs processus de travail, leurs responsabilités et leurs compétences.
• La construction et l'achat iront de pair. Les agents spécialisés et les technologies existantes joueront des rôles complémentaires.

Il n'est pas nécessaire de chercher bien loin pour trouver des prévisions sur l'avenir « agentique » de la publicité.

Les agents IA mèneront des campagnes, optimiseront les budgets en temps réel et redéfiniront en profondeur le parcours client. Gartner prévoit que d’ici 2028, 60 % des marques auront recours à l’IA agentique pour permettre des interactions personnalisées. Et selon le BCG, 96 % des directeurs marketing estiment déjà que l’IA est à l’origine d’une transformation de bout en bout de leur fonction.

La technologie évolue à un rythme effréné.

Mais cette transformation s'avère plus difficile que prévu.

La même étude du BCG a révélé que 42 % des directeurs marketing utilisent encore l'IA générative principalement pour aider leurs collaborateurs à accomplir des tâches ponctuelles. Moins d'un tiers d'entre eux sont passés à des flux de travail pilotés par des agents. Seuls 8 % disposent de plusieurs agents fonctionnant de manière autonome.

La véritable histoire de la transformation agentique se joue entre ce qui est techniquement possible et ce que les organisations sont réellement capables de mettre en œuvre.

De l'assistance à l'autonomie, en passant par l'orchestration

Il est utile de considérer la transformation agentique comme un parcours plutôt que comme une destination.

La première étape consiste à apporter une aide. L'IA aide un professionnel du marketing à accomplir certaines tâches : analyser les performances, synthétiser des données, créer du contenu, identifier des opportunités ou recommander des actions. C'est toujours la personne qui reste aux commandes.

Vient ensuite l'autonomie. Au lieu de se contenter de recommander ce qu'il faudrait faire, l'IA peut mener à bien la tâche. Un agent peut ainsi identifier une campagne peu performante, déterminer la réponse appropriée et mettre en œuvre le changement dans le respect de paramètres prédéfinis.

La troisième étape est celle de l'orchestration. De nombreux agents et systèmes spécialisés collaborent au sein de flux de travail couvrant la planification, la mise en œuvre, l'optimisation, la mesure et bien plus encore, les humains se chargeant de plus en plus de fixer les objectifs, de définir les contraintes et de gérer les exceptions, plutôt que d'exécuter chaque tâche individuellement.

Notre rapport à la technologie évolue à chaque étape.

Autoriser l'IA à résumer un rapport est très différent de l'autoriser à réaffecter 1 million de dollars du budget média. La mise en relation de plusieurs agents au sein d'une entreprise ajoute un niveau de complexité supplémentaire.

Les services marketing ne franchissent pas non plus ces étapes de manière uniforme. Une équipe peut déjà être en train de développer des agents, tandis qu’une autre expérimente ChatGPT. Même au sein d’une même équipe, les niveaux de maturité en matière d’IA peuvent varier considérablement d’un individu à l’autre.

La transformation constitue donc autant un défi organisationnel qu'un défi technologique.

La question « construire ou acheter ? » n'est plus pertinente

La courbe de maturité soulève une autre question : comment les entreprises souhaitent-elles accéder à cette technologie ?

Certains continueront à travailler principalement via des plateformes publicitaires. D'autres développeront leurs propres agents et expériences. De plus en plus, la solution se situera quelque part entre les deux.

Il est tout à fait compréhensible que l'idée de créer son propre agent soit séduisante. Grâce aux modèles de base, il est désormais plus facile que jamais pour les entreprises de créer un agent et d'adapter l'expérience à leurs propres processus, ce qui leur permet de réduire leur dépendance vis-à-vis des logiciels publicitaires traditionnels et les coûts qui en découlent.

Mais nous découvrons rapidement quelque chose d'important :

La création de l'agent est souvent la partie la plus facile.

Il est nettement plus difficile de faire en sorte que cet agent soit véritablement doué pour le marketing.

Il y a quatre défis auxquels les responsables marketing devraient réfléchir.

1. Donner aux agents les bases nécessaires

L'utilité d'un agent dépend entièrement des informations et des capacités auxquelles il a accès.

Les données marketing restent extrêmement fragmentées entre les éditeurs, les réseaux de médias commerciaux, les plateformes publicitaires, les environnements d'analyse, les systèmes de commerce, les données clients et les outils internes de veille stratégique.

Il ne suffit pas de l'connecter une seule fois. Les connexions évoluent. Les API évoluent. Les autorisations évoluent. Les taxonomies doivent être normalisées. Les données doivent être gérées.

Une étude menée par Salesforce en 2026 a révélé que 98 % des professionnels du marketing se heurtent à des obstacles en matière de personnalisation, les données figurant parmi les problèmes les plus courants. L'IA « Agentic » ne résout pas ce problème comme par magie. Au contraire, l'exécution autonome rend d'autant plus crucial le fait de disposer de bases solides.

2. Il ne faut pas confondre automatisation et performance

Il y a une grande différence entre un agent capable de modifier une campagne et un agent qui sait quelle modification permettra de l'améliorer.

La publicité est un jeu de gains marginaux qui se joue à très grande échelle. Une amélioration d'un point de pourcentage dans une décision d'optimisation peut se traduire par des millions de dollars.

Par conséquent, la prochaine question décisive ne sera pas : « Mon agent peut-il prendre cette mesure ? »

La question sera la suivante : dans quelle mesure la décision qui sous-tend cette action est-elle judicieuse ?

Des années de travail consacrées aux modèles de prévision, aux cadres d'expérimentation, aux algorithmes d'optimisation et à l'expertise publicitaire ne perdent pas soudainement toute leur pertinence simplement parce qu'un modèle de langage de grande envergure (LLM) est capable d'interroger l'API d'un éditeur.

3. Se préparer à la charge de travail opérationnelle

L'exécution d'agents en environnement de production nécessite une maintenance continue, une surveillance et une attribution claire des responsabilités.

Qui détermine ce qu'un agent est autorisé à faire ? Que se passe-t-il en cas de problème ? Comment les actions sont-elles contrôlées ? Comment les organisations gèrent-elles les coûts liés aux modèles et aux jetons ? Qui assure la maintenance des connexions et des outils sous-jacents à mesure qu'ils évoluent ?

C'est l'une des raisons pour lesquelles on constate une demande croissante d'ingénieurs en déploiement avancé — des professionnels qui font le lien entre la technologie et l'entreprise et qui transforment les capacités de l'IA en systèmes de production opérationnels.

Pour les responsables marketing, cela implique de prévoir les effectifs, les compétences et les ressources nécessaires pour que les agents puissent continuer à travailler efficacement bien après la mise en place initiale du système.

4. Repenser l'organisation, et pas seulement la technologie

À mesure que les agents voient leur charge de travail augmenter, certaines des questions les plus épineuses concernent les personnes chargées de gérer ce travail.

Si un agent est capable de suivre et d'optimiser des milliers de campagnes simultanément, quel est alors le rôle du responsable de campagne ?

Qui développe les agents ? Qui les valide ? Qui est responsable de leurs performances ? Qui décide quand les humains doivent intervenir ?

Et comment démocratiser l'IA sans créer des centaines d'agents isolés les uns des autres, obéissant à des règles différentes ?

Pour les agences, ces questions se révèlent encore plus complexes. Les normes et la gouvernance doivent s'appliquer à l'ensemble des équipes, des clients et, potentiellement, de milliers d'utilisateurs.

La transformation axée sur l'agent ne peut donc pas se limiter à un simple projet informatique ou à une série de projets pilotes d'IA. Elle exige des entreprises qu'elles repensent leurs processus de travail, leurs responsabilités, leurs compétences et, en fin de compte, la structure même de leur organisation marketing.

Commencez par l'œuvre, pas par l'agent

Pour les responsables marketing qui cherchent à définir la marche à suivre, trois questions constituent un bon point de départ.

Tout d'abord : quelles tâches devraient disparaître ? Examinez le résultat que vous cherchez à obtenir et demandez-vous quelles étapes manuelles un agent pourrait supprimer. Réfléchissez à ce que votre équipe pourrait faire avec le temps ainsi libéré.

Deuxièmement : que faudrait-il pour que vous puissiez confier cette tâche à l'IA ? Réfléchissez aux données, aux capacités d'intelligence, aux autorisations, à la gouvernance et au contrôle humain nécessaires. Ces éléments doivent être intégrés dès le début dans la conception du système.

Troisièmement : que faut-il développer en interne ? Déterminez dans quels domaines le développement de votre propre technologie apporte un avantage significatif et dans quels domaines l'infrastructure existante peut offrir à vos agents les fonctionnalités dont ils ont besoin. Pour de nombreuses organisations, la réponse consistera en une combinaison des deux.

Chez Skai, nous considérons que notre rôle consiste à aider les entreprises à opérer cette transition, quelle que soit leur situation actuelle. Cela implique de mettre à leur disposition nos données, notre expertise en matière de publicité et nos capacités d’exécution, afin que les équipes puissent y avoir recours via notre plateforme, au sein de leurs propres outils, ou en combinant les deux. Cela signifie également apporter une expertise humaine pour faciliter la mise en œuvre, l’adoption et les changements dans les méthodes de travail des équipes.

La mise en place d'un agent constitue un point de départ accessible. Pour en faire un élément fiable d'une stratégie publicitaire, il faut investir de manière soutenue dans la technologie et dans les personnes qui l'utilisent. L'opportunité qui s'offre aux responsables marketing est de façonner cet avenir de manière réfléchie, en déterminant ce qu'il convient d'automatiser, où développer ces solutions et comment doter leurs équipes des moyens nécessaires pour jouer un rôle moteur.

Envie d'en savoir plus ? Skai est là pour vous aider à mieux comprendre en quoi consiste réellement la transformation agentique au sein de votre propre entreprise. Contactez-nous dès aujourd'hui.

---

Questions fréquemment posées