La mise en œuvre d’un agent d’AI passe du pilote à la production lorsque l’agent a une tâche précise, un accès limité aux outils, un jeu d’évaluation écrit, une approbation humaine pour les actions risquées et un suivi en direct. La plupart des projets qui échouent sautent l’une de ces étapes. Cette check-list parcourt chaque étape afin qu’une équipe marketing puisse tester un agent en toute sécurité et décider, preuves à l’appui, s’il doit fonctionner quotidiennement.
Un agent désigne ici un modèle de langage capable de planifier des étapes et d’appeler des outils : effectuer une recherche sur le web, lire une feuille de calcul, interroger un CRM, rédiger un e-mail ou mettre à jour une campagne. Les plateformes incluent le SDK Agents d’OpenAI, Claude d’Anthropic avec utilisation d’outils et le SDK Claude Agent, Vertex AI Agent Builder de Google, Microsoft Copilot Studio, Salesforce Agentforce et des frameworks ouverts tels que LangGraph et CrewAI. La check-list s’applique à tous.
Étape 1 : La tâche est-elle adaptée à un agent ?
Les agents conviennent aux tâches comportant plusieurs étapes, des entrées variées et une définition claire de la fin. Ils conviennent mal à tout ce qui suit un chemin fixe unique, qu’une automatisation normale gère à moindre coût, ou à tout ce qui peut causer des dommages graves en cas d’erreur.
- La tâche se répète au moins chaque semaine et prend du temps réel à une personne
- Les entrées varient suffisamment pour que les règles fixes soient souvent inadaptées
- Un bon résultat peut être décrit par écrit et vérifié
- Les erreurs sont réversibles ou détectées avant d’atteindre les clients
- Les données dont l’agent a besoin sont accessibles via une API ou une exportation
Les bons candidats marketing incluent les revues hebdomadaires des publicités des concurrents, les premiers brouillons de rapports de campagne, la recherche de prospects avant les appels de vente et l’étiquetage des messages de support entrants. Les mauvais candidats incluent la modification des budgets publicitaires en direct sans examen ou la réponse aux demandes de la presse.
Étape 2 : Périmètre et accès
Rédigez une description de poste d’un paragraphe pour l’agent, comme vous le feriez pour une nouvelle recrue. Ensuite, listez chaque outil qu’il peut appeler et chaque système qu’il peut lire ou écrire.
- Donnez d’abord un accès en lecture seule ; ajoutez l’accès en écriture un outil à la fois
- Utilisez un compte de service avec ses propres identifiants, jamais la connexion d’une personne
- Définissez des plafonds de dépenses sur toute API payante par appel
- Limitez les données à ce dont le travail a besoin ; masquez les données personnelles si possible
- Enregistrez quel modèle et quelle version l’agent utilise
L’injection de prompts mérite une attention particulière à ce stade. Un agent qui lit des pages web ou des e-mails peut rencontrer du texte écrit pour lui donner des instructions. Gardez les actions d’écriture derrière une approbation et ne laissez pas le contenu que l’agent lit modifier ses autorisations.
Étape 3 : Comment évaluer un agent avant le lancement ?
Construisez un jeu d’évaluation avant de construire l’agent. Collectez 30 à 100 exemples réels passés avec le résultat produit par une personne qualifiée. C’est le test que l’agent doit réussir, et cela empêche l’équipe de juger sur la base de quelques démos impressionnantes.
- Précision : le résultat correspond-il à la référence en termes de faits et de chiffres ?
- Exhaustivité : a-t-il effectué chaque étape ou en a-t-il sauté une silencieusement ?
- Format : suit-il le modèle sur lequel les personnes en aval comptent ?
- Utilisation des outils : a-t-il appelé les bons outils dans un ordre sensé ?
- Coût et temps par exécution, par rapport au processus manuel
Notez un échantillon à la main même si vous utilisez également un modèle pour noter les résultats. La notation automatisée est utile pour le volume, mais elle hérite des angles morts du modèle de notation.
Étape 4 : Le pilote
Faites fonctionner l’agent aux côtés de la personne qui effectue normalement le travail pendant deux à quatre semaines. La personne continue de faire le travail ; le résultat de l’agent est comparé, pas utilisé. Ce mode fantôme montre les modèles d’échec sans aucun risque.
Tenez un journal de chaque correction apportée par la personne. Regroupez-les chaque semaine. Les corrections répétées indiquent une instruction manquante, des données manquantes ou une tâche que l’agent ne devrait pas faire. Un pilote qui se termine sans ce journal se termine sans preuve.
Comment Alien Road applique les agents d’AI
Dans une mission typique, nous commençons par un audit du flux de travail : nous nous asseyons avec l’équipe marketing pendant une semaine et listons les tâches par temps passé et coût de l’erreur. Une ou deux tâches deviennent des pilotes d’agents ; le reste nécessite souvent une simple automatisation ou un meilleur modèle.
La configuration se fait dans le propre compte cloud ou plateforme du client afin que les données et les journaux restent avec lui. Nous rédigeons le jeu d’évaluation avec les personnes qui font le travail aujourd’hui, exécutons le pilote fantôme et rapportons chaque semaine sur la précision, les corrections et le temps gagné. Par exemple, un agent de reporting pourrait rédiger le résumé mensuel des médias payants à partir d’exportations, et un gestionnaire de compte le révise et l’édite avant qu’il n’atteigne le client. Si les chiffres ne justifient pas la production, nous le disons et nous arrêtons.
Étape 5 : Check-list de production
- Propriétaire nommé responsable du résultat de l’agent
- Approbation humaine sur toute action visible par les clients ou qui dépense de l’argent
- Journalisation des entrées, des appels d’outils et des sorties, avec des règles de rétention
- Alertes en cas d’échec, de coût inhabituel ou de longueur de sortie inhabituelle
- Un bouton d’arrêt d’urgence que tout membre de l’équipe peut utiliser
- Réexécution mensuelle du jeu d’évaluation, et après chaque changement de modèle
- Documentation qu’un nouveau membre de l’équipe peut suivre
Les mises à jour de modèles méritent une note spéciale. Les fournisseurs améliorent régulièrement les modèles, et une nouvelle version peut modifier le comportement sur votre tâche. Fixez la version là où la plateforme le permet, et testez à nouveau avant de changer.
Combien coûte l’exécution d’un agent ?
Le coût comporte trois parties : l’utilisation du modèle, les frais de plateforme et les personnes. L’utilisation du modèle est facturée par token par la plupart des fournisseurs, et les agents utilisent plus de tokens qu’un simple chat car ils planifient, appellent des outils et lisent les résultats en boucle. Une exécution qui lit de longs documents peut coûter beaucoup plus cher qu’une exécution qui lit un formulaire court.
- Mesurez les tokens et le coût par exécution pendant le pilote, pas après le lancement
- Utilisez un modèle plus petit et moins cher pour les sous-étapes simples comme la classification
- Mettez en cache le contexte répété là où le fournisseur prend en charge la mise en cache des prompts
- Limitez le nombre d’étapes par exécution afin qu’une boucle ne s’emballe pas
- Comptez le temps de révision ; un agent qui économise une heure mais nécessite quarante minutes de vérification économise vingt
Le coût humain est celui que les équipes oublient. Quelqu’un doit posséder le jeu d’évaluation, lire les journaux et mettre à jour les instructions lorsque l’entreprise change. Prévoyez quelques heures par mois pour cela dès le début.
Par où commencer cette semaine
Listez les cinq tâches les plus répétitives de votre équipe marketing et notez chacune en fonction de la fréquence, du temps et du coût de l’erreur. Choisissez celle avec le temps le plus élevé et le risque le plus faible. Ensuite, rassemblez trente exemples passés de cette tâche avec le résultat final. Avec ces exemples en main, vous pouvez tester n’importe quelle plateforme d’agents équitablement en un après-midi.
Continuer la lecture : Agence de marketing d’AI · Marketing d’AI