De la compréhension à l'action : un cadre pratique pour l'exécution contrôlée des agents d'IA

• Le passage des analyses fournies par l'IA à l'exécution par un agent doit se faire par étapes. Commencez par une validation humaine, passez ensuite à un contrôle a posteriori, puis renforcez l'autonomie de l'agent une fois que celui-ci aura démontré sa capacité à produire des résultats constants.
• Commencez par définir des tâches de campagne ciblées, dont les résultats sont clairement identifiables. Les mises à jour budgétaires provenant d'une source fiable, les modifications des textes publicitaires, l'ajout de mots-clés à exclure et d'autres actions similaires permettent d'évaluer plus facilement si l'agent a correctement effectué son travail.
• Utilisez les tests réussis comme indicateur de confiance. Exigez au moins 20 réussites variées et consécutives pour passer d'une étape à l'autre, avec un seuil plus élevé pour les processus de gestion des budgets médias importants.
• Maintenir un contrôle humain après le lancement. Les limites de dépenses, les tests de défaillance, les registres d'activité et un dispositif d'arrêt d'urgence aident les équipes à identifier tout comportement inhabituel et à réagir rapidement.

Les agents IA font désormais partie intégrante des rapports marketing. Certaines équipes les utilisent pour répondre à des questions spécifiques sur les performances, tandis que les annonceurs les plus avancés s'appuient sur ces agents pour produire des rapports, générer des visualisations et recommander des actions sur des centaines de comptes.

Cette tâche semble présenter relativement peu de risques, car l'agent se contente de formuler une recommandation. C'est toujours un être humain qui décide s'il convient d'apporter la modification.

C'est lorsque l'agent est en mesure d'agir que les opportunités les plus importantes se présentent. Il peut définir un nouveau budget, créer une campagne, mettre à jour le ciblage ou réagir à une évolution de l'inventaire ou des performances. À ce stade, l'agent intervient au cœur d'une campagne en cours, où la moindre erreur peut avoir des répercussions sur des millions de dollars de dépenses publicitaires.

Pour confier un tel niveau de responsabilité à un agent, il faut d'abord valider le concept. Les équipes doivent commencer par des actions faciles à évaluer, tester l'agent dans un nombre suffisant de scénarios pour renforcer la confiance, et maintenir un contrôle humain à mesure que ses responsabilités s'étendent.

Avant que tout cela ne puisse se produire, les équipes doivent également disposer d'une base de données solide. À mesure que les agents commencent à combiner des indicateurs de performance, de stock, de tarification, de concurrence et autres, la qualité des données sous-jacentes devient un élément à part entière du système de contrôle. Des définitions communes, des données d'entrée normalisées et une source d'information fiable permettent de garantir que l'agent travaille à partir d'informations cohérentes et complètes.

Cela revêt d'autant plus d'importance que les agents assument des responsabilités accrues. Une simple mise à jour budgétaire peut reposer sur un ensemble relativement restreint de données, tandis qu'une décision de campagne plus complexe peut exiger de l'agent qu'il interprète plusieurs signaux à la fois. La qualité et la cohérence de ces données influent directement sur la qualité de la décision.

Trois recommandations peuvent aider les professionnels du marketing à opérer cette transition en toute sécurité.

Quelles tâches de la campagne les agents IA devraient-ils prendre en charge en priorité ?

Commencez par des cas d'utilisation restreints , dans lesquels une personne peut facilement déterminer si l'agent a correctement accompli la tâche. 

L'application des budgets de campagne provenant d'une source fiable (si vos budgets sont gérés de cette manière) en est un bon exemple. Les agences reçoivent les instructions budgétaires par e-mail, via des tâches Asana, des feuilles de calcul et des outils de planification internes. Une personne doit alors lire la demande, identifier les campagnes concernées, les retrouver sur la plateforme et saisir les chiffres corrects.

L'automatisation traditionnelle a rencontré des difficultés avec ce flux de travail, car les données d'entrée ne sont pas prédéfinies. Il est rare qu'un e-mail contienne un identifiant de campagne et un champ « budget » parfaitement formatés. Quelqu'un doit donc interpréter ce que le client veut dire.

Les agents sont bien plus efficaces lorsqu'il s'agit de traiter ce type de données non structurées. Une fois que l'agent a identifié la bonne campagne, l'action restante est simple : prendre ce numéro et l'insérer à cet endroit.

Au cours de cette étape, l'agent doit expliquer ce qu'il a constaté et ce qu'il compte faire : 

J'ai reçu cette demande budgétaire. Je l'ai associée à cette campagne. Je prévois de modifier le budget pour passer de ce montant à celui-ci. Êtes-vous d'accord ?

L'intervention humaine intervient à chaque étape, et chaque action doit être approuvée avant que l'agent puisse la mener à bien. Les évaluateurs doivent rechercher activement les problèmes, notamment :

• L'agent a-t-il mal interprété la demande ?
• A-t-il sélectionné la mauvaise campagne ?
• L'instruction initiale était-elle ambiguë ?

Chaque erreur fournit à l'équipe des informations qui lui permettent d'améliorer le processus de travail, de revoir les consignes données à l'agent ou d'ajouter un contrôle supplémentaire. La confiance s'accroît à mesure que l'agent accomplit correctement sa tâche dans différents scénarios.

Une fois que l'équipe aura réuni suffisamment de données probantes dans divers scénarios, elle pourra envisager d'étendre les autorisations de l'agent, toujours dans le respect des limites définies et selon des règles d'escalade claires.

À quel moment un agent doit-il passer d'une validation humaine à un contrôle a posteriori ?

Une fois que l'agent a effectué le même type de tâche des dizaines de fois sans qu'aucune correction ne soit nécessaire, il peut commencer à agir avant même qu'une personne ne donne son accord. L'humain examine ensuite ce que l'agent a fait une fois l'action effectuée.

Les contraintes de délai peuvent réduire les risques au cours de cette phase. Imaginons qu'une demande budgétaire arrive à 1 heure du matin. L'agent dispose peut-être des moyens techniques pour effectuer la modification immédiatement. Le processus peut toutefois l'obliger à attendre jusqu'à 9 heures du matin un jour de semaine, à appliquer le nouveau budget, puis à en informer l'équipe.

Par exemple : j'ai reçu cette demande hier soir. J'ai modifié les budgets de ces campagnes, en les faisant passer de ces montants à ceux-ci. Voici comment j'ai interprété la demande.

Le travail se poursuit sans qu'il soit nécessaire d'attendre que quelqu'un valide chaque action. Le rôle de l'humain évolue : il ne s'agit plus de valider chaque action, mais de piloter le flux de travail, c'est-à-dire d'examiner les résultats, de gérer les exceptions et d'affiner les règles. Si quelque chose semble anormal, le responsable de la vérification peut intervenir.

À mesure que l'agent continue d'effectuer son travail correctement, la vérification peut devenir plus ciblée, en se concentrant sur les exceptions, les échantillons et les actions présentant un risque plus élevé. Après environ 100 actions menées à bien, le vérificateur n'aura peut-être plus besoin d'inspecter chaque résultat. Le flux de travail doit continuer à enregistrer et à signaler chaque action afin que l'équipe puisse voir ce qui s'est passé et mener une enquête si nécessaire.

À quel moment les agents peuvent-ils prendre des décisions plus complexes concernant les campagnes ?

C'est la phase finale qui revêt la plus grande importance et qui exige le plus de confiance.

À ce stade, l'agent commence à combiner les signaux provenant de plusieurs sources et à s'en servir pour prendre une décision. Il peut prendre en compte le budget, les stocks, la tarification, la part de voix et les performances de la campagne avant de recommander ou d'appliquer un changement. 

Les cas d'utilisation de cette catégorie concernent souvent des processus qui n'ont jamais été mis en œuvre à grande échelle par des humains : ils restaient soit au stade théorique, soit réservés aux produits, catégories ou campagnes les plus coûteux et les plus critiques.

Comme il est beaucoup plus difficile pour un humain de déterminer rapidement si l'agent a pris la bonne décision, celui-ci doit expliquer clairement son raisonnement. Une recommandation hors contexte ne fournit pas suffisamment d'informations au responsable de la validation pour qu'il puisse évaluer cette décision.

La relation de travail devrait s'apparenter à celle d'un jeune collaborateur présentant une recommandation à un collègue plus expérimenté :

Je recommande cette action. Voici les signaux que j'ai analysés et le raisonnement qui sous-tend ma décision. Voici le résultat auquel je m'attends. Voici mon niveau de confiance, les signaux qui l'ont déterminé, les hypothèses que j'ai formulées et les conditions qui pourraient modifier cette recommandation.

Cette explication permet à l'humain d'évaluer la qualité de la décision et d'améliorer les instructions données à l'agent au fil du temps.

La gestion des campagnes publicitaires représente une autre opportunité majeure. La création d’une campagne sur les réseaux sociaux commence souvent par un tableur et se termine par une personne qui doit cocher des dizaines, voire des centaines de champs dans Meta Business Manager. Cette personne copie le nom de la campagne, saisit le budget et les dates, crée les ensembles de publicités et sélectionne les audiences et les créations appropriées.

Une grande partie de ce travail repose sur la traduction précise des informations entre deux systèmes. Le tableur contient les instructions, tandis que l'interface de l'éditeur contient les champs dans lesquels ces instructions doivent être placées. Un agent peut apprendre ce processus.

Pour les agences, le trafic géré par les agents pourrait réduire le délai entre la réception d'un brief et le lancement de la campagne. Un processus qui prend actuellement une semaine pourrait à terme ne plus prendre que quelques heures. Les équipes pourraient ainsi travailler de manière plus cohérente et laisser aux spécialistes du marketing expérimentés davantage de temps pour prendre les décisions qui requièrent leur jugement.

Combien de temps faut-il pour faire confiance à un agent IA ?

Les équipes souhaitent souvent connaître un calendrier. Elles demandent si l'instauration de la confiance prend un mois, six mois ou un an. Le nombre et la diversité des tâches accomplies constituent un meilleur indicateur.

Un agent qui effectue une tâche chaque jour peut générer 30 exemples en un mois. Un processus hebdomadaire produit quatre exemples au cours de la même période. Ces équipes ont ainsi recueilli des quantités de données très différentes.

Il n'existe pas de seuil universel. Ces chiffres constituent une règle générale ; les processus ayant un impact plus important, en particulier ceux qui gèrent des budgets publicitaires considérables, devraient nécessiter davantage de justificatifs, des contrôles plus stricts et une procédure d'approbation plus large. Les tests doivent porter sur des scénarios significativement différents, car des versions répétées d'une même donnée ne permettent guère de déterminer comment l'agent gérera les variations.

Pour les flux de travail portant sur des millions de dollars de médias, un seuil de 50 exécutions réussies pourrait s'avérer plus approprié.

Les équipes devraient également se concentrer sur un petit nombre de cas d'utilisation. L'utilisation généralisée des agents pour la création de rapports en lecture seule et la formulation de recommandations présente moins de risques opérationnels. L'accès en écriture nécessite une approche plus ciblée au départ.

Choisissez trois à cinq cas d'utilisation et suivez-les tout au long du processus. La gestion de 15 flux de travail partiellement autonomes à différentes étapes complique les tests et rend plus difficile la responsabilisation. Un groupe plus restreint permet à l'équipe de se concentrer suffisamment pour identifier ce qui fonctionne et appliquer ces enseignements aux futurs agents.

Comment les responsables marketing devraient-ils tester les agents avant de leur accorder un droit d'écriture ?

De nombreuses équipes commencent par définir les données d'entrée qu'elles s'attendent à ce que l'agent reçoive. Elles rassemblent plusieurs e-mails courants de la semaine précédente, les transmettent à l'agent et vérifient qu'il les interprète correctement.

Ce test porte sur le flux de travail standard. Les données d'entrée inhabituelles ou erronées doivent faire l'objet d'une attention particulière, car elles peuvent être à l'origine des problèmes les plus graves :

• Que se passe-t-il lorsqu'il manque une virgule décimale ? 
• Comment l'agent réagit-il lorsque deux campagnes ont des noms similaires ? 
• Que se passe-t-il lorsque la demande entre en conflit avec une limite de dépenses existante ?

Les équipes doivent créer des données d'entrée simulées pour ces cas de figure avant la mise en service du workflow. L'ensemble de test peut inclure un zéro supplémentaire, une date manquante, un format de demande inhabituel ou un budget bien en dehors de la fourchette normale. Un e-mail inhabituel peut arriver une fois par an. Tester dès maintenant une version simulée permet de voir comment l'agent réagira avant que de l'argent réel ne soit en jeu.

Ce type de test nécessite de l'entraînement. Les responsables marketing définissent généralement le résultat qu'ils souhaitent obtenir à l'issue d'un workflow. Les tests effectués par les agents les obligent également à identifier les actions que le système doit bloquer et les conditions qui nécessitent une intervention humaine.

Quels contrôles doivent être maintenus après la mise en service d'un agent ?

Si les tests sont concluants, l'agent est autorisé à opérer dans les limites définies. Ces limites font toujours partie du flux de travail en production.

Commencez par identifier les modifications qui nécessitent une vérification humaine. Si un budget proposé est supérieur ou inférieur de 70 % au budget précédent de la campagne, l’agent doit suspendre l’action. Une limite de dépenses stricte peut bloquer tout budget dépassant un montant approuvé. Le flux de travail doit également être suspendu lorsque des informations requises font défaut ou lorsque l’agent ne parvient pas à associer avec certitude une demande à la bonne campagne.

Ces limites permettent de limiter les dégâts qu'une saisie erronée pourrait causer. Si quelqu'un saisit 10 000 $ au lieu de 1 000 $, l'agent peut signaler la demande avant qu'elle n'atteigne la campagne.

Chaque action doit également faire l'objet d'une trace écrite. Dans le cadre d'un processus budgétaire, par exemple, le dossier doit comporter :

• L'e-mail d'origine, la tâche Asana ou la source
• L'instruction telle que l'agent l'a interprétée
• Le budget et l'identifiant de campagne sélectionnés
• La raison de cette action
• La date et l'heure auxquelles la modification a eu lieu

La trace peut commencer par quelque chose d'aussi simple qu'une feuille Google Sheet. Le système importe moins que la capacité à reconstituer ce qui s'est passé et à remonter jusqu'à l'origine de l'action.

Un agent en direct doit également disposer d'un « kill switch » et d'une fonctionnalité de réversibilité. Les membres de l'équipe doivent pouvoir interrompre facilement le flux de travail dès qu'ils détectent une action incorrecte ou suspecte, et annuler les modifications récentes effectuées par l'agent.

Ne donnez jamais à l'agent plus d'accès que nécessaire. Les agents réfléchissent et peuvent faire preuve de créativité. Si un agent est censé intervenir sur certains comptes mais pas sur d'autres, effectuer certaines actions mais pas d'autres, limitez ses autorisations et sa visibilité aux comptes et aux outils dont il a besoin. Les autorisations lui permettant d'intervenir sur des campagnes auxquelles il ne devrait pas toucher augmentent considérablement le risque que l'agent prenne des libertés et s'écarte du chemin prévu.

Séparation des tâches, tant pour les humains que pour les agents. La personne qui développe l’agent ne devrait pas être la seule à le tester et à le valider. Il est facile de passer à côté de quelque chose lorsque l’on est à l’origine du projet et que l’on souhaite sa réussite. Il en va de même pour les agents : si l’agent A effectue une action, un autre agent, qui ne se trouve pas au cœur du même cheminement logique susceptible d’avoir causé une erreur, devrait la valider, la vérifier ou la superviser. 

Pourquoi les marques et les agences devraient-elles en faire une priorité dès maintenant ?

Les personnes qui consacrent une grande partie de leur journée à mener des actions de campagne sur le terrain pourraient considérer ce changement d'un œil inquiet. Les dirigeants d'agences et les responsables marketing doivent également tenir compte de la rapidité avec laquelle leurs concurrents peuvent agir.

Une marque qui fait appel à des agents peut réagir plus rapidement aux évolutions des prix, des stocks, de la part de voix et des performances. Une agence peut prendre en charge davantage de clients avec la même équipe, réaliser des missions de manière plus cohérente et transformer un brief en campagne active en quelques heures seulement, au lieu de plusieurs jours ou semaines. La plupart des entreprises n’en sont pas encore là. Beaucoup continuent d’utiliser les agents principalement pour des rapports et des recommandations en lecture seule.

Le processus d'apprentissage prend du temps. Une entreprise qui attend que ses concurrents disposent de workflows fiables gérés par des agents partira avec moins d'expérience en matière de tests et moins de contrôles éprouvés. Ses concurrents sauront déjà quels cas d'utilisation fonctionnent, quelles données d'entrée posent problème et quel niveau de vérification humaine chaque workflow nécessite.

Les processus actuels continuent peut-être de bien fonctionner aujourd'hui. Mais les normes en matière de compétitivité ne cesseront d'évoluer à mesure que d'autres équipes intégreront les agents dans la mise en œuvre quotidienne de leurs campagnes.

Si vous attendez trop longtemps avant de monter dans ce train, il sera beaucoup plus difficile de le rattraper.

Comment Skai peut-il aider les équipes à passer d'agents en lecture seule à l'exécution ?

Le processus décrit ci-dessus nécessite un système concret permettant de créer, de tester et de surveiller chaque flux de travail.

Skai Studio, annoncé plus tôt cette année, regroupe l'ensemble de ce processus au sein d'un cadre unique. Les équipes peuvent tester un workflow avant son lancement, commencer par une validation humaine, ajouter des niveaux de validation par les agents, puis passer à un contrôle a posteriori une fois que l'agent a produit suffisamment de résultats fiables.

Ce même cadre permet de mettre en place des restrictions d'horaires d'activité, des registres d'actions, des limites de dépenses et d'autres contrôles liés au flux de travail. Les équipes peuvent ainsi se concentrer sur le cas d'utilisation et définir les justificatifs requis pour chaque nouveau niveau d'autonomie.

Certaines organisations ont encore besoin d’aide pour déterminer par quels cas d’utilisation commencer et quel niveau de contrôle chacun d’entre eux nécessite. Les services de conseil stratégique de Skai peuvent aider les équipes à élaborer une feuille de route, à concevoir le modèle opérationnel et à mettre en place les contrôles nécessaires à une adoption à plus grande échelle.

Les rapports et les analyses ont permis aux équipes marketing de disposer d'un point de départ logique pour commencer à utiliser les agents. La mise en œuvre des campagnes constitue la prochaine étape.

La valeur augmente lorsque les agents sont en mesure de prendre en charge les tâches manuelles qui retardent le lancement des campagnes et détournent les responsables marketing des décisions à plus forte valeur ajoutée. Pour y parvenir, il faut des cas d'utilisation ciblés, des tests répétés, des comptes rendus clairs et une autonomie accrue, accordée uniquement une fois que l'agent l'a méritée. 

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