Pourquoi les spécialistes du marketing doivent repenser en profondeur leur approche des données à l'ère de l'agentique

L'époque que nous venons de traverser a été marquée par un problème de capacité humaine. Il y avait trop de données pour qu'une seule personne puisse toutes les exploiter ; nous les avons donc synthétisées, échantillonnées, avons sélectionné les indicateurs pertinents et avons créé des tableaux de bord qui mettaient en évidence l'essentiel. Nous parlions de « noyade dans les données » car notre capacité d'attention était limitée et notre temps restreint.

Les agents ne sont pas soumis à ces limites. Ils ne se fatiguent pas. Ils ne perdent pas leur concentration à la 10 000e ligne. Ils n’ont pas besoin d’un titre, car ils peuvent garder l’ensemble du tableau en mémoire de travail d’un seul coup. Là où un analyste humain doit choisir ce qu’il va examiner, un agent peut tout évaluer, partout et en même temps.

J'ai passé vingt ans à mettre en place des infrastructures de données pour les professionnels du marketing, et la transformation à laquelle j'assiste aujourd'hui ne ressemble à aucune autre. Tableaux de bord, outils de BI, plateformes d'attribution… Chacun d'entre eux constituait une meilleure façon de mettre les données à la disposition de ceux qui devaient les analyser. Celle-ci, en revanche, change la nature même des destinataires de ces données.

Un agent IA ne fonctionne pas mieux sur un sous-ensemble prédéfini de vos données. Il fonctionne mieux sur l'ensemble de vos données, à condition qu'elles soient correctes, propres, interconnectées et replacées dans leur contexte. Toutes les campagnes, tous les éditeurs, toutes les références produit, toutes les métadonnées, le tout dans un schéma unique et unifié. Plus vous lui fournissez de contexte, plus ses performances sont élevées. Les titres ne suffisent plus. C'est la vision d'ensemble qui sert de base.

Cela renverse complètement la question. Pendant dix ans, nous nous sommes demandé comment compresser les données pour qu’un être humain puisse les exploiter. Désormais, nous devons nous demander si nos données se présentent sous une forme qu’un agent peut réellement utiliser.

La plupart ne l'est pas… pour l'instant.

Les données destinées aux humains et celles destinées aux agents sont deux choses différentes

Ces quatre points sont essentiels, et il vaut mieux les aborder dans l'ordre. Ils découlent de l'observation des problèmes qui surviennent concrètement lorsque les spécialistes du marketing tentent d'intégrer des agents dans leur infrastructure de données existante.

C'est exact. Les chiffres concordent, les sources de référence font l'unanimité, les rapports s'accordent. La plupart des services marketing en sont là. À l'ère de l'agentique, l'exactitude revêt de nouveaux enjeux. Une erreur chiffrée relevée par un humain lors d'une réunion du lundi n'est qu'un problème mineur. Cette même erreur, si un agent la met en œuvre à grande échelle, relève d'une tout autre catégorie de problèmes. Les données erronées se propagent aussi vite que les données correctes lorsqu'un agent tire les ficelles.

Nettoyage. Doublons, enregistrements orphelins, lignes de test résiduelles, vestiges d'une migration datant d'il y a deux ans. Un analyste humain repère une ligne en double et l'ignore. Un agent détecte deux lignes et rejette les deux ; dix minutes plus tard, il vous affirme avec certitude que les ventes ont doublé par rapport à la réalité. Le coût de données « suffisamment fiables » grimpe en flèche dès lors qu'un système agit sur la base de ces données sans qu'un humain ne vérifie le résultat.

La connexion. C'est là que le bât blesse pour la plupart des entreprises. Vos équipes expérimentées gardent toutes ces relations en tête. Elles savent que le « chiffre d'affaires » de ce tableau correspond au « chiffre d'affaires net » de celui-là, que cette campagne est liée à cette famille de références, que la fenêtre d'attribution a changé en mars et que la comparaison d'une année sur l'autre doit en tenir compte. L'agent n'en sait rien. Il va deviner. Parfois, son estimation est juste, mais souvent elle est erronée, même s’il l’affirme avec assurance. 

J'ai assisté à de nombreuses discussions de ce genre, où une équipe compétente me présente avec assurance une vue d'ensemble, mais où le test de l'agent met en évidence les failles en quelques minutes. Un agent capable d'analyser simultanément les performances des différents médias, les ventes, les stocks, la qualité du contenu et les signaux concurrentiels surpasse largement celui qui ne s'intéresse qu'à un seul canal, mais seulement si les liens entre ces ensembles de données sont clairement établis plutôt que laissés à l'interprétation.

[in] Contexte. Toute organisation repose sur un savoir tribal. Les règles tacites, les abréviations, les raisons pour lesquelles votre taxonomie des catégories se présente ainsi, les exceptions que personne n’a consignées parce que tout le monde les connaissait tout simplement. C’est ce qui fait la différence entre un assistant et un agent. Un nouvel employé, même s’il possède une solide expérience du secteur, ne se met pas vraiment à niveau avant plusieurs semaines, voire plusieurs mois, car c’est le temps qu’il faut pour assimiler le contexte. Les agents fonctionnent de la même manière. C’est le savoir tribal de l’organisation qui leur donne le discernement nécessaire pour agir en votre nom plutôt que de se contenter de résumer ce qu’ils voient.

Si vos données ne sont pas harmonisées, elles ne sont pas exploitables par l'IA. Les professionnels du marketing qui s'imposeront au cours des cinq prochaines années ne seront pas ceux qui disposent des analystes les plus brillants. Ce seront ceux qui sauront gérer leurs données et leurs flux de données de manière suffisamment efficace pour fournir à leurs agents une vision d'ensemble.

Il s'agit d'une refonte du secteur.

Pourquoi MCP est le premier site où cela apparaît

Depuis que nous avons commencé à mettre en place la base de données Skaien 2006, aucune fonctionnalité n'a jamais été autant demandée que le MCP. Lorsque les demandes ont commencé à affluer, le développement était déjà bien avancé. Nous l'avons lancé en avril.

Le MCP (Model Context Protocol) est essentiellement une API destinée aux agents. Les interfaces utilisateur permettent aux humains de communiquer avec les logiciels. Les API permettent aux logiciels de communiquer entre eux. Le MCP permet aux agents de communiquer avec les logiciels. Même principe, nouveau public.

Le MCP est devenu la fonctionnalité la plus demandée de notre histoire en raison de ce que ce protocole laisse entrevoir. Les utilisateurs cliquent. Les agents raisonnent. Les uns comme les autres ont besoin de données, mais de manière totalement différente. L'ère des agents va redéfinir de fond en comble les fondements mêmes de la publicité.

Cette refonte commence par la connexion entre l'agent et les données, ce qui correspond exactement à ce qu'est le MCP.

Ce que fait réellement notre MCP

À l'heure actuelle, la plateforme MCP Skairemplit une seule fonction, mais elle la remplit à la perfection : elle extrait les données de votre campagne de Skai les met à la disposition de tous les agents à qui vous souhaitez les transmettre.

Cela peut paraître modeste, jusqu’à ce que l’on prenne conscience de la nature réelle de ces données. Certains de nos clients gèrent plus de 100 millions de dollars de dépenses publicitaires sur Skai le référencement payant, les réseaux sociaux et les médias de distribution. Au-delà des clics et des conversions générés par les campagnes elles-mêmes, la plupart des spécialistes du marketing n’ont pas encore pleinement pris conscience qu’ils disposent d’un ensemble de données propriétaires dont la valeur se chiffre en centaines de millions. Chaque mot-clé, chaque création, chaque audience, chaque décision d'enchère, chaque résultat : tout cela est normalisé et relié entre des centaines d'éditeurs. L'IA peut faire des choses extraordinaires avec ces données, si elle y a accès.

Le MCP, c'est le moyen d'y parvenir. Si les API sont des canaux de communication, un MCP est une boîte à outils. Le MCP Skaimet à disposition les données, les indicateurs et les dimensions dont dispose tout Skai sous une forme que l'agent peut analyser. L'agent décide quel outil utiliser pour la tâche, le demande Skai en langage clair et obtient une réponse claire en retour.

Pas de code personnalisé. Pas de version pour développeurs. Configuration en quelques minutes.

Les autorisations ne sont pas attribuées artificiellement ; elles sont héritées. Lorsque vous connectez votre agent à Skai MCP, cet agent a exactement la même visibilité que vous. Le modèle de gouvernance qui régit notre plateforme depuis deux décennies est le même que celui qui régit notre MCP.

Ce n'est pas une simple théorie. Celeste, notre agent spécialement conçu pour les médias commerciaux, fonctionne selon ce principe depuis un an. Le MCP étend ce modèle de notre agent à n'importe quel autre agent. Comme l'a souligné Jason Taam, vice-président chargé des données et de l'analyse chez The Barcode Group, lors de notre lancement: « Grâce au MCP, nos agents peuvent accéder directement aux données de performance et d'AMC dans Skai complexité supplémentaire, ce qui permet une prise de décision plus rapide et une plus grande efficacité. »

Voici quelques-unes des façons les plus intéressantes dont nos clients pourraient mettre à profit le MCP Skai:

• Raisonnement inter-fonctionnel. Reliez Skai à un agent qui a également accès aux données commerciales, logistiques ou financières. Désormais, une seule conversation permet de déterminer si une campagne est performante, si les stocks sont suffisants pour la développer et si la marge justifie son déploiement.
• Une vue d'ensemble unifiée des données publicitaires. Intégrez Skai autres sources de données publicitaires de votre équipe au sein d'un seul agent interne. Pas besoin de reconfigurer les connexions. Un seul agent, une vue d'ensemble.
• Agents marketing personnalisés. Évitez de devoir recréer des intégrations avec plus de 200 éditeurs. Partez d'une base solide et construisez votre agent à partir de là.

Imaginez une directrice de marque demandant à son agent quelles campagnes risquent de ne pas atteindre leurs objectifs trimestriels. L'agent ne lui remet pas simplement une liste. Il identifie la cause du ralentissement : une promotion d'un concurrent qui a fait grimper les CPC, lui indique les domaines où une réaffectation permettrait de rentabiliser au mieux les dépenses, et lui demande si elle souhaite qu'il rédige les modifications. C'est ça, le changement.

C'est ce que fait MCP aujourd'hui. La grande question, c'est de savoir ce qui va se passer ensuite.

Les cinq axes que toute entreprise de marketing doit repenser à l'ère de l'agentique

Le MCP forme un tout. Dans toute structure marketing, les données circulent à travers cinq dimensions, et chacune d'entre elles évolue à l'ère de l'agentique.

• Comment les données propriétaires, tierces et d'éditeurs sont intégrées à votre base unifiée.
• Et comment ces données parviennent-elles jusqu'aux instances décisionnaires ?
• En interne. Comment les données sont organisées une fois importées, à l'aide d'indicateurs, de dimensions et de vues que l'équipe peut réellement exploiter.
• Comment les signaux alimentent l'IA intégrée aux plateformes des éditeurs afin que leurs algorithmes s'adaptent à ce qui compte pour votre entreprise.
• Dans l'ensemble. Comment votre pile s'intègre à l'écosystème analytique au sens large.

Voici les changements apportés à chacun d'entre eux.

« En ligne » à l’ère des agents. Voici MCP, disponible dès aujourd’hui. Tous les autres flux de données des agents suivront le même modèle : un accès ouvert au système de raisonnement choisi par le client, régi par les autorisations déjà en place.

« En plein cœur de l’ère des agents ». L’ingestion de données a toujours été un casse-tête pour les développeurs. Intégrations sur mesure, mise en correspondance de feuilles de calcul, harmonisation des schémas : ce genre de tâches prend des mois et nécessite des ingénieurs, dont la plupart des équipes marketing ne disposent pas. Les agents changent la donne. Un agent peut analyser la structure d’une nouvelle source de données, proposer une mise en correspondance avec votre infrastructure et configurer l’ingestion au cours d’une simple conversation. Ce qui prenait auparavant un trimestre ne prend désormais plus qu’un après-midi.

« À l’intérieur » de l’ère des agents. Les indicateurs, dimensions, tableaux de bord et vues personnalisés ont toujours constitué des réponses prédéfinies à des questions anticipées. À l’ère des agents, la manière dont les données sont organisées se transforme en conversation. L’agent compose la vue à la demande. Vous demandez, il assemble. Celeste en propose déjà une première version. La trajectoire est claire : moins de tableaux de bord prédéfinis, plus de réponses apportées à partir d’une même base unifiée, avec une structure adaptée à la question plutôt que l’inverse.

« À travers » l’ère des agents. Skai intègre Skai des données de première main dans des produits de campagne nativement basés sur l’IA, tels que Google AI Max et les outils d’enchères basés sur l’IA d’Amazon. La prochaine étape consiste pour les agents à orchestrer automatiquement quels signaux circulent où et quand, en respectant les contrôles de confidentialité et la cadence appropriés. Nos plus de 13 000 flux de données préconnectés constituent la base. Les agents deviennent les chefs d'orchestre. Plus les données entrantes sont de qualité, plus les performances de l'IA des éditeurs sont élevées.

« À travers » l’ère des agents. Aujourd’hui, les intégrations sont des passerelles entre les plateformes. Demain, ce seront des agents qui communiqueront entre eux. De MCP à MCP. Le rôle d’une couche de données unifiée est d’offrir aux autres agents une vue cohérente et prête à l’emploi sur l’ensemble des éditeurs et des détaillants, quel que soit le nombre d’agents spécialisés qui opèrent en parallèle. [À COMPLÉTER POUR GAL : un chiffre ou un élément probant qui étaye la position Skaidans l’écosystème plus large des agents, à l’instar du chiffre de 13 000 flux mentionné dans « Through ». Si rien ne convient, laisser tel quel.]

Conclusion : L'urgence d'une infrastructure de données prête à l'emploi

Tout se résume à une chose [ou plutôt à cinq choses] : exactes, propres, interconnectées, et replacées dans leur contexte. Si vos données ne répondent pas à ces quatre critères, l'IA les utilisera quand même, avec assurance, mais de manière inappropriée, et à grande échelle.

Les professionnels du marketing qui s'imposeront au cours des cinq prochaines années sont ceux qui corrigeront ce problème avant que leurs agents ne le mettent en évidence. La question est de savoir si vos données sont prêtes à servir de données d'entrée pour un agent, et non plus seulement de données de sortie pour un rapport.

Skai est une plateforme média commerciale basée sur l'intelligence artificielle et dédiée à la publicité à la performance. Depuis près de deux décennies, les plus grandes marques et agences mondiales font confiance à notre technologie primée pour regrouper les médias commerciaux, le référencement payant et les réseaux sociaux payants au sein d'un programme média commercial stratégique unique. Grâce à son intelligence artificielle intégrée, ses données connectées et son automatisation complète, Skai les spécialistes du marketing Skai agir plus rapidement, Skai prendre des décisions plus éclairées et Skai générer une croissance plus significative.

Vous souhaitez savoir à quoi ressemblent concrètement les données prêtes à l'emploi pour les agents ? Prenez rendez-vous pour une brève démonstration.

---

Questions fréquemment posées