Les agents d’AI sont des systèmes logiciels qui utilisent un modèle de langage pour planifier des étapes vers un objectif, appeler des outils tels que la recherche, les feuilles de calcul ou les API, et agir sur les résultats avec une intervention humaine limitée. En marketing, ils sont pertinents pour les tâches en plusieurs étapes avec des entrées variables et des critères de réussite clairs. L’automatisation traditionnelle basée sur des règles reste gagnante pour les tâches prévisibles à haut volume où chaque étape peut être écrite à l’avance.
Qu’est-ce qui fait d’une chose un agent plutôt qu’une automatisation ?
Une automatisation traditionnelle suit un chemin fixe : lorsqu’un formulaire est soumis, ajoutez le contact à une liste et envoyez l’e-mail trois. Un agent reçoit un objectif, décide des étapes, utilise des outils et s’ajuste lorsque quelque chose d’inattendu se produit. Il peut rechercher un prospect, vérifier le CRM, rédiger un e-mail personnalisé et signaler le prospect à un vendeur si l’entreprise ressemble à un client existant.
Les agents apparaissent désormais dans de nombreux produits : les fonctionnalités d’agent d’OpenAI dans ChatGPT, Claude d’Anthropic avec utilisation d’outils et d’ordinateur, les outils d’agent de Google, Salesforce Agentforce, les agents Breeze de HubSpot et des frameworks tels que LangGraph ou CrewAI pour créer les vôtres.
Quels sont les outils traditionnels dans cette comparaison ?
La plupart des équipes marketing utilisent déjà une combinaison de :
- Automatisation des flux de travail dans HubSpot, Marketo, Klaviyo ou Salesforce.
- Outils d’intégration tels que Zapier et Make, reliant les applications avec des déclencheurs et des actions.
- Scripts planifiés, par exemple les scripts Google Ads ou Apps Script dans Sheets.
- Outils ponctuels pour des tâches uniques : planificateurs sociaux, générateurs de rapports, crawlers SEO.
- Des personnes effectuant des recherches, de la rédaction et des contrôles qualité.
Ceux-ci sont prévisibles et peu coûteux à exécuter. Leur limite est qu’ils ne peuvent pas faire face aux entrées que leur créateur n’a pas anticipées.
Où les agents battent-ils les outils traditionnels ?
Les agents justifient leur coût lorsqu’une tâche nécessite du jugement sur plusieurs étapes et que les entrées varient. De bons exemples incluent :
- Recherche de prospects : lire le site Web d’une entreprise, la page LinkedIn et les actualités, puis résumer l’adéquation avec votre profil client idéal.
- Surveillance concurrentielle : vérifier les pages et les publicités des concurrents chaque semaine et résumer ce qui a changé.
- Opérations de contenu : rédiger un brief à partir d’un cluster de mots-clés, vérifier les pages existantes pour les chevauchements et proposer des liens internes.
- Narration de rapports : lire les données de performance et rédiger l’explication, avec les anomalies signalées.
- Tri de la boîte de réception : classer les e-mails de partenariat, de presse et de vente et rédiger des réponses.
Dans chaque cas, un flux de travail fixe nécessiterait des dizaines de branches, et échouerait tout de même sur des entrées inhabituelles.
Quand ne devriez-vous pas changer ?
Les agents ajoutent des coûts, de la latence et de l’imprévisibilité. Gardez les outils traditionnels lorsque :
- La tâche est la même à chaque fois, comme l’envoi d’un e-mail de confirmation.
- Les erreurs sont coûteuses et difficiles à détecter, par exemple la modification des budgets publicitaires ou des prix.
- Le volume est élevé et les marges faibles, car les appels de modèle par élément s’additionnent.
- Vous ne pouvez pas décrire à quoi ressemble un travail “correctement effectué”.
- Un flux Zapier ou un script existant fonctionne déjà de manière fiable.
Une règle utile : si vous pouvez dessiner l’organigramme sur une page, automatisez-le de manière traditionnelle. Si l’organigramme nécessite “ça dépend” à la plupart des étapes, envisagez un agent.
Comment les coûts et les risques se comparent-ils ?
L’automatisation traditionnelle coûte un abonnement et du temps de construction, puis fonctionne presque gratuitement. Les agents coûtent par appel de modèle et par utilisation d’outil, et les tâches complexes peuvent impliquer de nombreux appels. Ils ont également besoin d’une surveillance, car ils peuvent emprunter un chemin erroné mais plausible.
Le risque augmente avec les autorisations que vous accordez. Un agent qui ne peut que lire et rédiger présente un faible risque. Celui qui peut envoyer des e-mails, modifier des enregistrements CRM ou dépenser de l’argent nécessite des limites strictes, une journalisation et des étapes d’approbation.
Comment piloter un agent en toute sécurité ?
Un pilote sensé suit quatre règles :
- Lire et rédiger uniquement au début ; un humain approuve chaque action.
- Enregistrez chaque étape que l’agent entreprend, y compris les appels d’outils et les sources.
- Comparez avec la méthode actuelle sur les mêmes entrées pendant quelques semaines.
- Définissez des conditions d’arrêt : ce que l’agent doit transmettre à une personne.
Mesurez la précision des résultats, le temps gagné incluant la révision, le coût par tâche terminée et les types d’erreurs trouvés. N’accordez des autorisations d’action qu’une fois que les taux d’erreur sont faibles et bien compris.
Comment Alien Road applique les agents d’AI dans les opérations marketing
Dans un engagement typique, la découverte cartographie les tâches marketing récurrentes du client et les trie en trois groupes : déjà bien automatisées, adaptées à l’automatisation traditionnelle et adaptées à un agent. La plupart des tâches atterrissent dans les deux premiers groupes, ce qui permet de garder le travail de l’agent concentré.
La configuration pour les candidats agents commence en mode lecture et rédaction avec journalisation. Par exemple, un agent de recherche de prospects pourrait enrichir les nouveaux prospects entrants avec un résumé d’adéquation publié dans le CRM pour examen par les ventes, tandis que les règles d’attribution existantes restent inchangées.
La mesure compare le résultat de l’agent avec le processus manuel précédent : précision jugée par l’équipe commerciale, minutes économisées par prospect, coût par prospect traité et escalades. Les rapports mensuels incluent un échantillon de journaux d’agent avec les erreurs classées, afin que le client puisse voir ce que l’agent a fait, pas seulement un score récapitulatif.
Qu’est-ce qui changera au cours de l’année prochaine ?
Les outils d’agent s’améliorent rapidement, et des protocoles comme le Model Context Protocol facilitent leur connexion aux systèmes métier. Cela réduira les coûts de construction. Cela n’éliminera pas le besoin d’objectifs clairs, d’autorisations limitées et de mesure, car ce sont des décisions commerciales plutôt que techniques.
Qui est responsable lorsqu’un agent se trompe ?
La responsabilité ne se déplace pas vers le logiciel. Si un agent envoie un mauvais prix ou un e-mail négligent, l’entreprise l’a envoyé. Décidez à l’avance qui possède chaque agent, qui examine ses journaux et qui peut l’éteindre. Écrivez cela à côté des autorisations de l’agent.
Prévoyez également le côté client. Si un agent interagit avec des prospects ou des clients, ils devraient pouvoir joindre facilement une personne, et votre avis de confidentialité devrait couvrir les données que l’agent traite. Ces étapes sont faciles à mettre en place au début et gênantes à ajouter après une plainte.
Par où commencer cette semaine
Listez dix tâches marketing récurrentes et marquez chacune avec deux questions : suit-elle les mêmes étapes à chaque fois, et à quel point une erreur est-elle coûteuse ? Les tâches qui varient et sont à faible risque sont vos pilotes d’agent. Choisissez-en une, exécutez-la en mode brouillon uniquement pendant un mois et comparez les résultats avec la façon dont le travail est effectué maintenant.
Continuez à lire : Agence de marketing d’AI · Marketing d’AI