Au-delà du buzz : Comment l'IA agentique redéfinit déjà le marketing

Fin juin, nous avons organisé un événement à Genève pour explorer comment l'intelligence artificielle réécrit déjà les règles du marketing pour les marques. Le point d’entrée de cette conversation : le challenge majeur qu'est le “GenAI Reality Gap”, ou l’écart entre attentes et réalités en ce qui concerne cette technologie.

En effet, si des outils comme ChatGPT sont adoptés par le public en un temps record, le désenchantement des entreprises peut être brutal. Selon les données présentées dans une récente étude du MIT, 95 % des proof-of-concepts (POC) d'IA ne parviennent pas à générer de retour sur investissement, les entreprises étant confrontées à des factures de tokens incontrôlées et à des erreurs embarrassantes causées par des hallucinations. Mais chez fifty-five, nous avons pu mettre en œuvre des projets de GenAI avec des valeurs prouvées pour nos clients. Forts de ces expériences, nous pouvons affirmer avec confiance que pour dépasser la phase de « gimmick », les marques doivent désormais aller au-delà de la simple automatisation des prompts et se concentrer plutôt sur des intégrations architecturales structurées.

Le contexte technologique, entre IA traditionnelle, générative et agentique

Avant toute chose, définissons d'abord les termes qui sont au cœur de cette discussion.

IA traditionnelle (analytique / prédictive) : Informatique déterministe. Elle s'appuie sur des modèles statistiques standards (comme la régression ou le clustering) pour analyser des ensembles de données massifs et découvrir des modèles mathématiques, fournissant une seule « bonne réponse » objective. Avant l'arrivée des LLM et consorts sur le marché, c'était la technologie d'IA la plus couramment utilisée.

Generative AI / GenAI (créative / informationnelle) : Cet écosystème est probabiliste. Piloté par de grands modèles de langage (LLM) et des modèles de diffusion, il calcule la probabilité statistique du token suivant pour générer du texte, du code ou autres contenus. Pour rappel, elle comporte un risque d'hallucination bien documenté.

IA Agentique / Agentic AI (actions autonomes) : Il s'agit d'une architecture hybride, combinant la logique probabiliste des LLM avec des API déterministes, des logs de mémoire et des garde-fous logiques conditionnels. Cette combinaison permet à l'IA d'exécuter des flux de travail en plusieurs étapes de manière autonome et fiable, sans intervention humaine constante.

Des cas d’usage concrets au ROI tangible

Plutôt que de présenter l'IA comme un remède miracle, nous vous présentons ici des projets concrets menés par fifty-five. Recouvrant toute la chaîne de valeur du marketing, ces cas d’usage ont généré des gains financiers et opérationnels clairs :

1. Le Focus Group IA

Les focus groups (groupes de réflexion) humains traditionnels sont essentiels, mais ils sont aussi lents et coûteux à mettre à l'échelle. Pour y remédier, fifty-five a conçu un système d'agents IA pour créer un focus group 100% IA fiable et disponible en permanence.

Son architecture orchestre une analyse multi-modèles via ChatGPT, Gemini, Claude, Mistral AI et DeepSeek. En soumettant 20 questions catégorisées à 4 personas clients bien documentés, le système produit plus de 2 000 scores quantitatifs uniques. Ces derniers permettent aux marques de réaliser un benchmarking concurrentiel en continu sur la perception de la marque, et ce à une fraction du coût traditionnel.

L’étude de cas complète est explorée plus en détail ici.

2. Optimisation des flux produits et de l'e-commerce

Disposer d'un flux de produit optimisé est devenu non négociable pour la visibilité des marques dans les moteurs de recherche modernes. Notre méthode d'optimisation de flux de produits via la GenAI aligne parfaitement le contenu avec les spécifications de Google Merchant Center et les directives internes de la marque. Les résultats parlent d'eux-mêmes :

• Salomon : Grâce à notre flux de produit optimisé, la marque a obtenu une augmentation de +43 % du CTR, un bond de +81 % des conversions et de +83 % du chiffre d'affaires. Retrouvez l'étude de cas complète ici.
• Acteur de la distribution anonyme : À travers ce projet, notre client a enregistré une hausse de +47 % des conversions et de +53 % du chiffre d'affaires pour une augmentation de seulement +23 % des dépenses média.
• Nespresso : Notre premier projet de flux produit GenAI, qui a généré 3x plus de visibilité/impressions et x2 de trafic. Plus de détails disponibles ici.

3. Optimisation continue de l'UX avec des agents IA

En intégrant les Model Context Protocols (MCP) avec des connecteurs d’IA agentique, des outils logiciels spécialisés peuvent partager des informations directement d'Agent à Agent. Pour les marques, cela peut grandement faciliter l'A/B testing pour l'optimisation du taux de conversion (CRO), ce qui se traduit par une meilleure UX et, par conséquent, des clients plus satisfaits. Par exemple, un agent analyste UX de Contentsquare (CSQ) peut signaler un obstacle au CRO, comme des utilisateurs abandonnant leur parcours au niveau d'un sélecteur de taille complexe sur mobile. Il envoie directement un signal à un agent d'A/B testing dans Kameleoon, qui écrit alors de manière autonome les scripts CSS/JS nécessaires pour corriger la mise en page et déploie une variation en direct.

Lors de l'Agentic AI challenge auquel nous avons participé avec Renault Group, cette idée a montré non seulement de grandes promesses mais aussi des résultats impressionnants :

• 135 prompts ont été traités par l'analyste automatisé.
• 15 insights et 13 recommandations personnalisées ont été générés.
• 7 variations live ont été poussées directement sur les sites de configurateur et de personnalisation de véhicules.

4. MMM boosté à l’agentique

En modélisant un marché économique avec son Digital Twin Model (DTM), fifty-five peut simuler des parcours de décision comportementaux en utilisant des données de première et tierce parties, fusionnant ainsi le Marketing Mix Modeling (MMM) stratégique avec l'attribution tactique. Pour TotalEnergies, le déploiement du DTM a permis à l'organisation d'économiser et de réallouer plus de 4 millions d'euros et d'améliorer l'efficacité marketing de 20 %.

Pour divers clients, nos équipes ont également augmenté l'outil MMM open source de Google, Meridian, avec des agents d'IA automatisant le pipeline de données, opérant le contrôle qualité et générant des rapports, tout en répondant à des requêtes complexes en langage naturel de la part des marketeurs.

5. Creative Intelligence

L'IA peut également être appliquée à la partie créative de la chaîne de valeur. Plus précisément, elle peut révéler des insights critiques à partir de vos campagnes créatives comme celles de vos concurrents.

En extrayant des milliers d'actifs des bibliothèques publicitaires publiques et en les analysant via des modèles de GenAI, nos équipes peuvent quantifier des critères de performance visuelle. Une étude de cas avec Bayer utilisant l'API Google Vision a prouvé que la présence du logo de l'entreprise sur les bannières publicitaires numériques entraînait directement un CTR 62 % plus élevé, ouvrant la voie à un programme de précision où plus de 50 % des médias numériques sont personnalisés, générant une hausse de +15 % du ROI total des campagnes. Parallèlement, pour un grand constructeur automobile, nous avons appliqué des principes similaires pour benchmarker la concurrence afin de mieux comprendre les stratégies de ses concurrents et leur impact sur le marché.

Nos 6 facteurs clés pour une IA réellement profitable

Nos équipes ont construit une feuille de route précise pour des cas d’usage à forte valeur ajoutée sans gaspiller les budgets média ou technologiques :

Pensez « business » d'abord

Commencez par le défi commercial à relever, mais ne supposez pas qu'un « agent » basé sur un LLM puisse résoudre n'importe quel problème marketing. L'IA traditionnelle est souvent amplement suffisante.

Considérez attentivement l'automatisation des processus

1. Si vous avez besoin d'une automatisation basée sur des règles, décidez de la technologie à utiliser : IA traditionnelle, GenAI ou Agentic AI.
2. Déterminez à quel point le processus doit être automatisé en fonction de la criticité des tâches, gardant toujours à l'esprit que l'IA n'est pas infaillible.

Choisir le bon modèle

Pour choisir un type de modèle d'IA entre les modèles « frontier » et les modèles open source, tenez compte de leurs impacts sur le coût, la performance et la souveraineté. Gardez à l'esprit que les LLM deviennent des commodités : construire des systèmes qui reposent essentiellement sur l'un d'entre eux peut représenter un risque pour la continuité des activités.

Facilitez la conduite de changement

Lors de la priorisation des cas d’usage, tenez compte de ce que votre équipe ne veut plus passer ses journées à faire (et déléguerait volontiers à un agent).

Documentation étape par étape

Soyez prêt à documenter le contexte de votre marque, de votre équipe et de vos flux de travail comme jamais auparavant. La plupart du temps, lors de l'automatisation d'un processus métier existant, plusieurs dimensions ne sont formalisées nulle part car évidentes pour les équipes, mais doivent l'être pour être transmises au LLM.

Mesurez le ROI en continu

Dans un contexte où les tokens sont encore bon marché (mais où, malgré tout, d'énormes budgets sont dépensés), il est important de surveiller de près la consommation et de la mettre en perspective avec les gains commerciaux réels.

Le Verdict

L'intelligence artificielle ne tient sa promesse économique massive que si elle est intentionnellement combinée à l'intelligence humaine. Traitez les données de qualité comme l'épine dorsale de vos opérations, assurez-vous que les nouvelles technologies sont véritablement intégrées aux architectures techniques, et concentrez-vous sur la gouvernance pour faire passer l'IA d'un gadget coûteux à un moteur de croissance évolutive.