Pourquoi l'intervention humaine ne suffit pas pour le marketing agentique

TL;DR : La vérification manuelle par un humain de chaque action effectuée par un agent IA n'est pas viable à grande échelle et limite le potentiel réel des agents au service des équipes marketing. Une exécution agentique fiable repose sur des données vérifiées, des garde-fous définis en amont, ainsi qu'une couche d'intelligence.

Les promesses du marketing agentique se heurtent à un goulot d'étranglement humain

Toutes les entreprises qui déploient des agents IA ont entendu le même conseil : il faut maintenir une supervision humaine dans les processus. C'est une approche qui semble responsable. Et, après tout, déployer des agents IA sans disposer de bases adéquates risque davantage de multiplier les erreurs coûteuses que d'augmenter le retour sur investissement.

Mais la logique qui consiste à maintenir une intervention humaine dans les processus limite également les capacités réelles du marketing agentique.

Un agent IA peut effectuer des tâches de rédaction, d'optimisation et de publication à une échelle qu'aucune équipe ne pourrait égaler manuellement, et c'est d'ailleurs là tout l'intérêt. Mais si chacune de ces actions requiert toujours une validation humaine, l'agent IA ne permet pas aux marques de gagner du temps. Cela ne fait que déplacer le goulot d'étranglement en aval, du travail lui-même à la file d'attente des vérifications.

Pourquoi maintenir une intervention humaine n'est pas viable à grande échelle

Tim Rickards, Senior Director of Value Consulting chez Yext, travaille précisément sur ce problème. Il le formule clairement : si un processus comporte plusieurs étapes et que chacune d'elles requiert une assurance qualité humaine, car personne ne se fie aux résultats, « votre système est probablement inefficace ou peu performant ». Dans ce cas, la vérification humaine n'est pas la solution. C'est le symptôme d'un système dont les fondements n'inspirent pas encore confiance.

Rebecca Colwell, vice-présidente senior du marketing chez Yext, décrit un problème aux effets cumulatifs : « un agent IA peut créer du contenu si rapidement et à une telle échelle qu'il pourrait complètement submerger les équipes de tâches d'approbation ».

Quand une personne doit examiner 50 demandes d'approbation par jour, son discernement finit par en pâtir. Dans ce cas, soit le travail s'accumule, soit les personnes passent en pilote automatique, ce qui va à l'encontre de l'objectif même d'une vérification humaine.

Il ne s'agit pas de remettre en cause l'intervention humaine dans les processus : les humains y ont tout à fait leur place. Mais c'est effectivement un argument contre le fait de considérer la vérification de chaque action comme l'unique garde-fou. Il doit s'agir d'une décision au cas par cas.

Comme l'explique Tim Rickards, plus le cas d'utilisation d'une IA agentique est subjectif et contextuel, plus le risque d'erreur est grand et plus le besoin d'un humain pour le guider est important. Mais avec la bonne base, les agents IA devraient pouvoir fonctionner de manière autonome pour des tâches plus simples et clairement définies, de façon contrôlée et cohérente, sans attendre l'intervention d'un humain.

Données vérifiées : la base de l'exécution agentique

À la base, des données fiables rendent le comportement des agents IA prévisible. Et c'est cette prévisibilité — savoir quelles actions les agents IA vont entreprendre et dans quels cas ils vont passer le relais à un humain — qui permet réellement d'allier rapidité et sécurité.

Alors, qu'est-ce qui rend cela possible ? Deux éléments qui fonctionnent de concert.

1. Une source de vérité vérifiée, maintenue en temps réel.
   Des données qui étaient exactes il y a six mois ne le sont pas nécessairement aujourd'hui. Les marques ont besoin d'un Knowledge Graph afin de s'assurer que toutes les données que leurs agents IA peuvent utiliser pour raisonner ou exécuter des tâches sont à la fois exactes et actualisées. Les agents IA qui s'appuient sur des données récentes et vérifiées peuvent agir en toute confiance. Ils savent qu'ils travaillent à partir d'une source faisant autorité, et non d'une source obsolète ou contradictoire.

2. Deuxième point : des responsables humains qui définissent des garde-fous et gèrent les cas particuliers.
   Les agents IA excellent dans l'exécution de tâches suivant des schémas bien définis. Ils sont en revanche moins doués pour déterminer quand une situation est inédite et nécessite une approche différente.

Quelqu'un doit être responsable de définir les autorisations dont disposent les agents et les circonstances dans lesquelles elles s'appliquent. Quelqu'un doit être responsable d'identifier les moments où les règles doivent changer. C'est cette responsabilité que les conseils d'administration exigent, et dont les marques ont besoin.

C'est cette combinaison qui permet d'effectuer des vérifications plus rapides et plus précises, au lieu de simplement multiplier leur fréquence.

La gouvernance en pratique : le Centre d'action

Grâce au Centre d'action au sein de Yext Scout, les marques ne sont plus confrontées à une interminable file d'attente de tâches de vérification. Elles disposent d'un centre de commandement.

Le Centre d'action est un espace centralisé qui permet aux marques de surveiller et d'encadrer l'exécution des actions de tous leurs agents IA. Ainsi, les marques contrôlent entièrement les actions exécutées, déterminent lesquelles nécessitent une approbation humaine et savent précisément ce qui est consigné.

Un exemple : les réponses aux avis. Supposons qu'une marque compte des centaines d'établissements avec des milliers d'avis auxquels elle n'a pas répondu. Répondre manuellement à tous ces avis demanderait des centaines d'heures de travail. Or, les marques se doivent absolument de répondre aux avis. C'est là que la classification intelligente par niveau de risque du Centre d'action leur permet de gagner en rapidité sans compromettre leur réputation.

Une marque pourrait estimer que répondre aux avis positifs présente généralement peu de risques. Lorsque les autorisations le permettent, les agents IA peuvent rédiger une réponse en utilisant un langage approuvé, puis la publier instantanément. Si la marque a déjà défini des réponses approuvées pour les avis positifs, pas besoin de réfléchir davantage : la réponse peut être envoyée.

Les réponses aux avis négatifs, en revanche, pourraient nécessiter plus d'attention. La marque peut les transmettre à un collaborateur afin qu'il les examine de plus près, les modifie si nécessaire et confirme qu'elles sont traitées correctement avant qu'un agent IA n'agisse de façon autonome.

La même logique s'applique à chaque action pilotée par un agent IA : ajout de photos, création de pages, mise à jour des fiches et publication de posts sur les réseaux sociaux. Les marques choisissent les processus qu'elles veulent entièrement automatiser, ceux où elles souhaitent appliquer une vérification humaine rapide et ceux qui nécessitent un examen plus attentif.

La gouvernance se joue au niveau des autorisations

L'ensemble des points précédents, à savoir la source de vérité vérifiée, les responsables humains et les procédures de remontée, se résume à un seul point de décision : les autorisations accordées avant qu'un agent IA n'agisse. C'est précisément le rôle du Centre d'action.

Une seule personne est responsable du contenu du Knowledge Graph, et non un comité. Lorsqu'un agent IA est confronté à une situation inédite, il la signale à un humain plutôt que de faire des suppositions, et la remontée est ainsi automatique et consignée. Les agents IA détectent les incohérences dans les données avant qu'elles ne parviennent au client, et non après qu'une réclamation a été formulée. Toutes les décisions ne nécessitent pas une approbation : cette dernière s'applique uniquement dans les cas où la marque a choisi de l'exiger.

Le principe de l'intervention humaine dans les processus n'a jamais été une mauvaise approche, mais il ne constitue pas à lui seul une base suffisante. Le marketing agentique à grande échelle exige des données vérifiées, des garde-fous établis avant l'action de l'IA agentique, ainsi qu'une couche d'intelligence qui prend en charge l'essentiel du travail d'analyse. L'objectif ? Permettre aux humains qui restent dans la boucle de se concentrer sur l'examen des décisions qui nécessitent du discernement, plutôt que de vérifier l'ensemble des actions ou de tenter de détecter ce qu'un système aux bases fragiles aurait pu laisser passer.

Découvrez comment le Centre d'action vous permet de garder le contrôle sur la gouvernance.