Qu'est-ce qu'un agent IA pour le paid media ?

Smart Bidding, Advantage+, Ask Advisor, assistants branchés sur l'API : dans un compte publicitaire, tout s'appelle désormais IA, et de plus en plus souvent agent. Le mot désigne pourtant un fonctionnement précis, et c'est ce fonctionnement qui détermine ce qu'on peut confier à un outil sans risque pour le budget.

Lundi, le CPA a pris 40 %

Prenons un annonceur qui dépense 30 000 € par mois sur Google Ads et Meta. Lundi matin, le CPA de la semaine écoulée affiche 40 % de plus que celui de la semaine précédente, et la direction veut comprendre avant midi.

Une règle automatisée aurait envoyé une alerte, à condition que quelqu'un l'ait écrite pour ce cas : une condition (le CPA dépasse un seuil) et une action (envoyer un e-mail). Un assistant conversationnel auquel on colle un export des campagnes proposera une explication, mais à partir des seuls chiffres collés, sans pouvoir aller en chercher d'autres.

Un agent part de la question. Il interroge Google Ads et constate que la hausse se concentre sur deux campagnes Search. Il demande alors les clics et les conversions jour par jour : les clics sont stables, les conversions chutent à partir de jeudi. Il compare avec les achats enregistrés dans GA4, qui n'ont pas baissé, et en conclut que le suivi des conversions Google Ads a probablement cessé de fonctionner sur une partie du site. Il le signale, propose de vérifier la balise de la page de confirmation, et rappelle que sur ces campagnes en CPA cible, Smart Bidding baissera les enchères tant que la panne durera, à moins d'appliquer dès maintenant une exclusion de données sur les jours concernés.

Personne n'avait écrit cet enchaînement à l'avance. Avec d'autres chiffres, l'agent aurait suivi une autre piste, par exemple le coût par clic d'un mot clé ou l'arrivée d'un concurrent sur les mêmes requêtes. C'est la définition que retient Anthropic, l'éditeur des modèles Claude, dans un texte publié fin 2024 : les agents sont des systèmes dans lesquels les modèles de langage « dirigent de façon dynamique leur propre processus et leur usage des outils, en gardant la main sur la manière d'accomplir la tâche » (notre traduction). Le même texte réserve le nom de workflows aux systèmes dont les étapes sont fixées dans le code.

Appliqué au paid media, un agent IA est donc un modèle de langage relié à des outils (lecture des données Google Ads, Meta ou GA4, parfois modification des campagnes) qui décide lui-même lesquels utiliser, dans quel ordre, et quand il a terminé.

Smart Bidding n'a jamais été un agent

Cette définition exclut une bonne partie de ce que les plateformes présentent comme de l'IA. Smart Bidding fixe le montant de chaque enchère et Advantage+ répartit le budget entre audiences et placements, mais ces systèmes travaillent dans un cadre que l'annonceur a posé (objectif, action de conversion, budget, CPA ou ROAS cible) et leur tâche ne change pas d'une enchère à l'autre. Ce sont des modèles d'optimisation, très puissants, qui n'ont pas à choisir leurs outils.

Chez Google, les agents au sens strict sont arrivés à la fin de 2025 : Ads Advisor et Analytics Advisor ont été déployés dans tous les comptes en anglais à partir de début décembre. Le 20 mai 2026, lors de Google Marketing Live, Google a présenté Ask Advisor, qui relie ces agents dans une même interface. Sa page d'aide le décrit comme une expérience conversationnelle « agentique » fondée sur Gemini : il produit des rapports, aide à diagnostiquer un problème de diffusion et peut modifier certains paramètres à votre demande, comme mettre une campagne en pause ou changer un budget. Il est en bêta, réservé aux comptes en anglais et indisponible dans les comptes administrateur.

Meta a ouvert en bêta, le 29 avril 2026, un serveur MCP. Le Model Context Protocol est le protocole qui permet de brancher un modèle de langage sur un outil, et celui de Meta laisse tout agent compatible lire les résultats, mais aussi créer et modifier des campagnes, des ensembles de publicités et des publicités. Le serveur MCP publié en octobre 2025 par l'équipe de l'API Google Ads, lui, reste en lecture seule.

Restent les agents tiers, construits par des éditeurs ou par les annonceurs eux-mêmes, qui passent par ces accès pour travailler sur plusieurs régies à la fois. C'est la seule catégorie qui peut voir au-delà d'une plateforme, et donc celle qui mérite le plus d'attention.

Un agent ne voit que ce qu'on lui branche

Ask Advisor reste dans l'écosystème Google : il croise les données de Google Ads, de Google Analytics et de Merchant Center. Un agent connecté au serveur MCP de Meta voit Meta. Aucun des deux ne connaît le nombre de commandes réellement passées, ni la marge que vous dégagez sur chacune.

L'angle mort a une conséquence plus sérieuse, car un agent reprend à son compte l'attribution des plateformes qu'il interroge. Supposons un mois à 700 commandes dans le back-office, pour 520 achats que Google Ads s'attribue et 380 que Meta s'attribue. Les deux régies comptent ensemble 900 ventes, 200 de plus que la réalité, sans qu'aucune se trompe selon ses propres règles d'attribution. Demandez à un agent connecté aux deux comptes où placer 10 000 € supplémentaires : il comparera deux ROAS qui comptent en partie les mêmes ventes, et présentera sa recommandation avec la même assurance que s'il avait additionné des commandes.

Pour réduire ce biais, il faut d'abord donner à l'agent une source que les régies ne contrôlent pas (les commandes du back-office, les contrats signés dans le CRM) et lui demander de rapprocher les deux. Ce rapprochement met le double comptage en évidence, mais ne dit pas quelle régie a réellement provoqué les ventes : seul un test avec groupe témoin, comme une étude Conversion Lift ou un test géographique, le mesure. Nous expliquons pourquoi le ROAS affiché par les plateformes ne suffit pas à décider d'un budget dans notre article sur les limites du ROAS.

Trois conversions au lieu de six

Un modèle de langage produit toujours une explication, et sur un compte qui convertit peu, cette facilité devient un défaut.

Prenons une campagne qui enregistre en moyenne six conversions par jour. Hier, elle en a enregistré trois. Interrogé, un agent trouvera des causes plausibles : un concurrent plus agressif, une annonce refusée, une page de destination plus lente. Pourtant, si l'on modélise ces conversions par une loi de Poisson de moyenne 6 (l'hypothèse la plus simple pour des événements indépendants), une journée à trois conversions ou moins se produit environ 15 % du temps, sans aucune cause particulière. Il n'y avait rien à expliquer, mais la question appelait une explication, et l'agent en a fourni une.

Avant de laisser un agent interpréter des variations, nous fixerions deux règles. La première est un volume minimal : en dessous d'une trentaine de conversions sur chaque période comparée (c'est notre seuil, à adapter au compte), l'agent doit dire que l'écart n'est pas interprétable au lieu de lui chercher une cause. La seconde porte sur la preuve. Chaque affirmation chiffrée doit être accompagnée de la requête, de la période et du volume sur lesquels elle repose, pour qu'une personne puisse la refaire en quelques minutes.

Le risque vient aussi du texte qu'il lit

Un agent qui travaille sur un compte publicitaire lit beaucoup de texte écrit par d'autres (le rapport sur les termes de recherche, les commentaires sous les publicités Meta, les pages de destination des concurrents, parfois une boîte de réception). Un modèle de langage ne sépare pas toujours une donnée d'une instruction. L'OWASP, la fondation de référence en sécurité applicative, place l'injection de prompt en tête de sa liste 2025 des risques propres aux applications de LLM. Dans sa forme indirecte, celle qui menace un agent, un contenu externe, une fois lu par le modèle, en « modifie le comportement de façon involontaire ou inattendue » (notre traduction).

Sur un agent en lecture seule, une injection peut fausser un diagnostic, ou faire sortir des données du compte si l'agent peut aussi ouvrir des pages web ou envoyer des messages. Sur un agent qui peut modifier un budget, les conséquences sont d'une autre nature. Nous en tirons une règle : les limites d'un agent se fixent dans ses droits d'accès, au niveau de la plateforme ou du code qui exécute ses actions, et jamais dans la seule consigne qu'on lui donne. Meta permet depuis le 16 juillet 2026 aux administrateurs d'un portefeuille business de définir ce que les agents connectés à son serveur MCP ont le droit de faire, des changements de budget aux mises à jour de catalogue. C'est le premier réglage à vérifier avant toute connexion.

Écrire dans le compte

Une modification faite par un agent a les mêmes effets qu'une modification faite à la main. Chez Meta, un changement important de budget relance la phase d'apprentissage ; chez Google, une modification du CPA ou du ROAS cible fait repasser la stratégie d'enchères au statut « Apprentissage ». Et une campagne supprimée dans Google Ads ne peut être ni réactivée ni restaurée. La différence tient au rythme : un agent peut proposer ou appliquer dix modifications là où une personne en ferait une, et chacune peut relancer un apprentissage.

Nous détaillons, plateforme par plateforme, les modifications qui peuvent s'exécuter seules et celles qui doivent passer par une validation dans nos guides sur l'IA dans Google Ads et l'IA dans Meta Ads.

Où se situe Pilot

Pilot, l'outil que nous développons, appartient à la catégorie des agents tiers. Sa page de présentation le décrit comme un assistant IA qui lit, analyse et modifie les campagnes Google Ads, Meta et TikTok, par chat ou par voix. Il se connecte aussi à GA4, à la Search Console et à des CRM comme HubSpot, Salesforce ou Pipedrive, ce qui permet de rapprocher les conversions déclarées par les régies des ventes enregistrées. Aucune modification n'est appliquée sans validation explicite, chaque action est consignée dans un journal d'audit, et un annonceur qui travaille avec une agence peut le garder en lecture seule.

Ces choix ne suppriment pas les limites décrites plus haut. Tant que les ventes réelles ne lui sont pas connectées, Pilot hérite de l'attribution des régies comme n'importe quel agent, et les connecteurs Shopify et WooCommerce sont annoncés mais pas encore actifs.

Avant de brancher un agent sur vos comptes

Qu'il vienne d'une régie, d'un éditeur ou de votre propre équipe, nous poserions les mêmes questions avant d'ouvrir un compte à un agent :

• Quelles sources lit-il, et l'une d'elles échappe-t-elle aux régies (back-office, CRM) ?
• Quelles actions peut-il exécuter, et cette limite est-elle fixée dans ses droits d'accès ou seulement dans sa consigne ?
• Accompagne-t-il chaque chiffre de la requête et du volume qui le produisent ?
• Qui valide ses modifications, et où retrouve-t-on trois semaines plus tard ce qui a été changé, et avec quel résultat ?

Pour un premier agent branché sur un compte, nous recommandons quatre semaines en lecture seule, pendant lesquelles chaque diagnostic de l'agent est comparé à celui de la personne qui pilote le compte. Les écarts entre les deux montrent assez vite si l'agent mérite un accès en écriture, et sur quelles actions.

Questions fréquentes

Peut-on brancher soi-même ChatGPT ou Claude sur un compte publicitaire ?

Oui, avec un assistant compatible MCP. Le serveur de Meta s'utilise après une simple authentification Meta Business, et nous conseillons d'en configurer les règles d'accès avant la première connexion. Celui de Google Ads demande de paramétrer un accès à l'API Google Ads et ne permet que la lecture.

Un agent IA remplace-t-il le responsable des campagnes ?

Non, pas sur ce qui demande un arbitrage d'entreprise : fixer un objectif de rentabilité, répartir un budget entre canaux à partir de données attribuées, garder une campagne coûteuse qui soutient la marque. Il réduit en revanche le temps passé à extraire, croiser et surveiller les données.

Informations vérifiées le 13 octobre 2026.