Les agents d’IA sont des systèmes logiciels basés sur des modèles de langage qui planifient et exécutent des tâches en plusieurs étapes en appelant des outils, tels que la recherche, la lecture de fichiers, l’interrogation d’API de plateformes publicitaires et la rédaction de rapports, avec une direction humaine limitée à chaque étape. Dans les campagnes clients, ils sont les plus utiles pour la recherche, la surveillance, les contrôles de qualité et la rédaction de rapports préliminaires, tandis que les décisions qui impliquent des dépenses ou des modifications de campagnes en direct restent entre les mains des humains.
La différence avec un chatbot est l’autonomie sur les étapes. Un chatbot répond à une question. Un agent à qui l’on donne l’objectif de découvrir pourquoi le coût des prospects a augmenté la semaine dernière peut extraire des données, comparer des périodes, vérifier les modifications des pages de destination et rédiger un résumé, en choisissant sa propre séquence. C’est puissant et c’est aussi la raison pour laquelle les agents ont besoin de limites strictes.
Quels types d’agents sont utilisés dans le travail de campagne ?
- Agents de recherche : rassemblent les offres des concurrents, les pages de tarification et les entrées de la bibliothèque publicitaire dans un briefing structuré.
- Agents de surveillance : vérifient quotidiennement le rythme des dépenses, l’état du suivi et les publicités refusées, et publient des alertes sur un canal d’équipe.
- Agents d’assurance qualité : testent les pages de destination, les formulaires et les paramètres UTM avant le lancement et listent les problèmes.
- Agents de reporting : extraient des données de Google Ads, Meta, GA4 et du CRM et rédigent des commentaires hebdomadaires pour un analyste.
- Agents d’opérations de contenu : transforment un briefing approuvé en variantes de canal qui attendent dans une file d’attente de révision.
Ils sont construits avec des plateformes et des frameworks tels que le SDK Agents d’OpenAI, Claude d’Anthropic avec utilisation d’outils et le protocole de contexte de modèle, les outils d’agent de Google ou des outils de flux de travail comme n8n qui incluent des nœuds d’agent. Le framework importe moins que les outils auxquels l’agent peut accéder et les règles qui les entourent.
Comment Alien Road utilise les agents d’IA dans les campagnes clients
Chaque engagement suit les quatre mêmes étapes. Les détails changent selon le client ; la structure ne change pas.
1. Découverte
L’équipe liste les tâches récurrentes sur le compte : qui les fait, combien de temps elles prennent, quels outils elles touchent et ce qu’une erreur coûterait. Les tâches à forte répétition et à faible risque de dommage, comme la surveillance et la collecte de données, sont choisies en premier. Les tâches qui modifient les enchères, les budgets ou les publicités en direct sont exclues à ce stade.
2. Configuration
Chaque agent reçoit une description de poste écrite : son objectif, les outils qu’il peut appeler, les données qu’il peut lire et les actions qu’il ne doit jamais entreprendre. L’accès utilise des identifiants API en lecture seule partout où la plateforme le permet. Les sorties vont vers un lieu de révision, comme un document partagé ou un canal, jamais directement vers un client ou une campagne en direct. Chaque exécution est journalisée avec les entrées, les appels d’outils et les sorties.
3. Mesure
Pendant les premières semaines, une personne effectue la même tâche en parallèle et compare les résultats. L’agent est jugé sur la précision, la couverture et le temps gagné. Un agent de surveillance qui manque une balise de conversion cassée une fois est une découverte grave, et ses instructions ou outils sont révisés avant qu’il ne continue seul.
4. Reporting
Les rapports internes mensuels listent les exécutions de chaque agent, les échecs, les corrections apportées par le personnel et le temps gagné. Les clients voient le travail que les agents soutiennent, comme des alertes plus rapides et des rapports plus précoces, avec un étiquetage clair de ce qui a été rédigé par un logiciel et vérifié par une personne.
Quels garde-fous assurent la sécurité des agents dans les comptes en direct ?
- Accès en lecture seule par défaut ; accès en écriture uniquement pour des actions étroites et réversibles après une période d’essai.
- Approbation humaine avant toute action qui dépense de l’argent, publie du contenu ou contacte un client.
- Plafonds de dépenses sur l’utilisation du modèle pour arrêter les boucles incontrôlées.
- Listes de domaines autorisés pour les agents qui naviguent, pour réduire l’exposition aux pages non fiables.
- Traiter le contenu Web comme des données, pas comme des instructions, pour limiter l’injection de prompts.
- Une personne nommée responsable de chaque agent.
Où les agents échouent-ils ?
Les agents peuvent boucler sur une étape défaillante, mal lire une réponse API, choisir la mauvaise plage de dates ou écrire des explications confiantes pour des modèles qui sont du bruit aléatoire. Ils ont également des difficultés lorsqu’une plateforme modifie son interface ou ses champs API sans préavis. Ces échecs sont la raison pour laquelle les tests parallèles et les journaux ne sont pas facultatifs.
Un autre problème courant est la dérive du périmètre. Un agent qui fait bien un travail a tendance à collecter des tâches supplémentaires, et ses instructions augmentent jusqu’à ce qu’il n’en fasse aucune de manière fiable. Les petits agents avec un seul travail chacun sont plus faciles à tester et à réparer qu’un seul agent à qui l’on demande de gérer tout le compte.
Quelles tâches doivent rester entre les mains des humains ?
La stratégie, l’allocation budgétaire, la direction créative et la communication client restent un travail humain. Les agents peuvent préparer les preuves : un résumé du rythme, une liste de groupes d’annonces sous-performants, un brouillon d’options. La décision et la conversation avec le client appartiennent au responsable de compte. Cette répartition maintient la responsabilité claire, ce qui est important lorsque les résultats déçoivent et que quelqu’un doit expliquer pourquoi.
- Approuver les changements de budget entre les canaux ou les marchés.
- Choisir quel concept créatif va de l’avant.
- Écrire et envoyer des messages au client ou à ses clients.
- Décider si une anomalie mérite d’être traitée.
Comment mesurez-vous si les agents en valent la peine ?
- Heures gagnées par semaine sur la tâche cible, mesurées par rapport à la période parallèle.
- Précision : part des sorties acceptées sans correction.
- Vitesse de détection : temps écoulé entre l’apparition d’un problème et une alerte, pour les agents de surveillance.
- Coût : utilisation du modèle plus temps de maintenance.
- Incidents : tout cas où la sortie d’un agent a causé une mauvaise décision.
Un agent qui économise deux heures par semaine mais nécessite une heure de maintenance est toujours utile. Un agent qui gagne du temps mais crée une mauvaise décision par trimestre ne l’est peut-être pas.
Comment les agents traitent-ils les données des clients ?
Les données des clients restent dans des comptes professionnels avec des fournisseurs de modèles dont les conditions excluent la formation sur les entrées. Les agents ne reçoivent que les données dont une tâche a besoin ; un agent de reporting n’a pas besoin des noms des clients, donc les exportations sont agrégées avant qu’il ne les voie. Les journaux sont conservés pour révision et supprimés selon un calendrier défini, et les conditions de traitement des données sont convenues avec le client avant qu’un agent ne touche à ses comptes.
Par où commencer cette semaine
Choisissez une tâche de surveillance que quelqu’un de votre équipe fait chaque matin, comme vérifier le rythme des dépenses sur les comptes. Notez exactement ce qu’ils vérifient et ce qui compte comme un problème.
- Transformez cette liste de contrôle en description de poste d’un agent.
- Donnez-lui un accès en lecture seule à un compte.
- Faites-le fonctionner parallèlement à la personne pendant deux semaines.
- Comparez les alertes et décidez s’il faut étendre.
Commencez petit et gagnez la confiance avec des preuves. Les agents qui font leurs preuves sur de petits travaux sont ceux qui peuvent en assumer de plus grands en toute sécurité plus tard.
Continuer la lecture : Agence marketing IA · AI Marketing