TL;DR : Si la plupart des stratégies d'IA agentique échouent, ce n'est pas parce que la technologie est défaillante, mais parce que les équipes construisent des agents sans coordination, sans données vérifiées et sans distribution directe, privilégiant l'activité à l'impact. Chris Brownlee, SVP Product chez Yext, explique pourquoi les marques qui rencontreront le succès à l'ère de l'IA ne sont pas celles qui possèderont le plus d'agents, mais celles dont les agents collaboreront à partir d'une source unique de données validées.
IA agentique, agents intelligents, agents IA : ces mots dominent les gros titres, au point qu'ils commencent à signifier tout et rien à la fois.
Tous les éditeurs de logiciels en ont (ou prétendent en avoir). Toutes les entreprises en parlent, et nombre d'entre elles ont passé l'année dernière à les déployer, avant de constater que les résultats n'étaient pas vraiment à la hauteur de leurs attentes.
Mais cela ne signifie pas que la technologie est défectueuse ou que les agents IA n'ont pas le potentiel de changer notre travail pour le mieux. Il existe une réelle différence entre "avoir des agents IA" et mettre en place une stratégie agentique efficace.
Le fait de disposer d'une poignée d'agents qui répondent aux avis, mettent à jour les fiches ou programment des publications sur les réseaux sociaux peut donner l'impression d'un progrès. Mais si ces agents ne sont pas coordonnés, ne travaillent pas à partir de données précises et n'ont pas d'objectifs au-delà de leurs tâches individuelles, vous n'avez élaboré aucune stratégie agentique. Vous avez seulement créé une version plus automatisée de ce que vous aviez déjà.
Alors, que doivent faire les marques à la place ? Nous avons demandé à Chris Brownlee, SVP Product chez Yext, d'expliquer pourquoi "plus d'automatisation" échoue trop souvent et ce que vous pouvez faire pour éviter ces pièges.
Lauryn Chamberlain, Senior Editorial Strategy Manager : Chris, toutes les entreprises déclarent maintenant avoir des "agents IA". Qu'est-ce qui vous lasse dans cette conversation, et quelle question aimeriez-vous que davantage de personnes se posent ?
Chris Brownlee, SVP Product : Le terme peut paraître obscur sur le plan technique, mais une fois que vous imaginez un agent IA comme un autre employé capable d'effectuer des tâches pour vous, cela commence à avoir plus de sens. Le problème, c'est que n'importe quel produit peut aujourd'hui appliquer un LLM à une tâche et le qualifier d'agent, tout comme on peut techniquement recruter n'importe qui dans la rue pour un poste.
Mais on ne recrute pas n'importe qui, n'est-ce pas ? On recherche de l'expérience, des connaissances et une expertise dans le domaine. On recherche une personne capable de prendre de bonnes décisions en fonction des données et des faits dont elle dispose. En gros, l'automatisation fonctionne comme un employé débutant : elle se limite à la tâche qui lui est confiée. Un véritable agent se rapproche plutôt d'un directeur marketing digital, capable de gérer un niveau d'ambiguïté beaucoup plus élevé.
Aujourd'hui, intégrer un LLM dans un produit est devenu trivial. N'importe quel logiciel peut le faire. La vraie question est : de quel contexte dispose l'agent et quelles limites lui sont données pour travailler ?
Ces limites sont plus importantes que la plupart des gens ne le pensent.
Voici un exemple concret de dérapage : imaginons qu'un agent IA estime qu'un glacier pourrait atteindre un public plus large en modifiant sa catégorie principale sur Google. Sans beaucoup de contexte, il pourrait remplacer la catégorie par "café", car le magasin vend du café et c'est ce que le plus grand nombre de personnes recherchent. Cela semble logique à première vue. Mais ce glacier se retrouve désormais en concurrence avec des centaines de cafés du quartier. Et sur le plan opérationnel, changer de catégorie principale oblige Google à réapprouver le profil, ce qui peut prendre des jours voire des semaines. C'est une catastrophe.
Moins un agent IA dispose de données et de contexte, plus il risque de prendre la mauvaise décision. Votre agent IA suit-il des bonnes pratiques générales, ou sait-il réellement où vous vous situez face à vos concurrents directs et quelles actions précises feront progresser vos résultats ? C'est la question qui mérite d'être posée.
Vous avez mentionné les termes "données" et "contexte" à plusieurs reprises, c'est donc une bonne transition : vous avez parlé publiquement des données structurées comme fondement de la visibilité IA. Or, la plupart des spécialistes du marketing considèrent les agents IA comme un problème de workflow, et non comme un problème de données. D'où vient cette déconnexion ? Et pourquoi est-ce important ?
Les agents IA peuvent vous aider à compiler un ensemble de données riche et complet, et ces données sont ce qui alimente la visibilité IA. Chez Yext, nous structurons tout ce qui concerne une marque dans le Knowledge Graph, notre graphe de connaissances. Ces données vous permettent d'apparaître de manière cohérente sur le web, ce qui renforce la confiance des moteurs de recherche IA. En effet, lorsque ces derniers voient des informations cohérentes et précises sur une marque, ils sont plus enclins à les partager avec les utilisateurs.
La vraie difficulté réside dans le fait de garder ces données complètes et à jour. Gérer cela manuellement pour des milliers d'établissements, quotidiennement, est presque impossible. C'est pourquoi nous avons conçu des agents dont la mission est de rechercher des informations pour enrichir le Knowledge Graph : en explorant le web, en recombinant les données existantes ou en s'appuyant sur les interactions avec les clients pour compléter le tableau.
Plus un moteur de recherche IA connaît votre marque, plus il a de chances de vous mettre en relation avec un client prêt à acheter. Les correspondances les plus pertinentes mettent votre marque en relation avec les clients ayant la plus forte intention d'achat. Cette opportunité commence par les données, et non par le workflow.
Quelles questions poseriez-vous pour évaluer le bien-fondé d'une stratégie d'IA agentique ?
Le but d'un agent IA est de vous faire gagner du temps et d'accroître la valeur de votre marque, tout comme pour le recrutement d'un employé. En effet, vous recrutez des employés débutants pour des tâches à faible enjeu et à faible ambiguïté. Il en va de même pour les agents IA : les tâches hautement répétables et bien définies sont celles où ils excellent, et nous en avons résolu un grand nombre pour nos clients.
Mais nous sommes maintenant dans une phase de conception de ce que j'appellerais des "agents de niveau intermédiaire", à savoir des agents ayant accès à des ensembles de données plus approfondis et plus vastes et qui soient en mesure de croiser les informations, de savoir ce que l'agent 1 fait et de comprendre comment cela devrait modifier ce que l'agent 2 fait ensuite.
Pour toute stratégie agentique, la véritable question est de savoir si les agents IA opèrent de manière indépendante ou coordonnée. Les agents indépendants, quel que soit leur nombre, sont limités à la somme de leurs tâches individuelles, alors que les agents coordonnés peuvent faire quelque chose de plus intéressant.
Expliquez-moi concrètement ce qui se passe lorsque les agents IA ne sont pas coordonnés : qu'est-ce qui ne va pas et pourquoi ne s'en rend-on souvent compte qu'une fois que les dommages sont là ?
Cette fois, laissez-moi utiliser un exemple positif pour montrer ce qui devient possible lorsque la coordination fonctionne vraiment.
Imaginons que ce même glacier dispose de deux agents IA : l'un qui répond aux avis et l'autre qui crée des publications sur les réseaux sociaux. Chacun travaille à sa tâche individuelle. Mais voici ce qui est possible s'ils peuvent partager des informations comme le feraient deux collègues.
L'agent de réponse aux avis remarque que les clients ne cessent de faire l'éloge du parfum de glace du mois. Il transmet l'information à l'agent de réseaux sociaux : "Les gens adorent ça en ce moment." L'agent chargé des réseaux sociaux exploite cette information et construit une campagne autour de celle-ci : publications, timing et angle, le tout étayé par ce que disent les clients en temps réel.
Si ces deux agents IA ne peuvent pas partager leurs informations, cette opportunité disparaît. Mieux vous orchestrez la collaboration entre les agents (en gérant les tâches ambiguës de manière à les aligner sur les objectifs globaux de la marque), plus l'ensemble du système gagne en puissance.
Alors, où Yext veut-il vraiment en venir avec ça ? Pas la version du plan stratégique, mais à quoi ressemble vraiment le succès ?
C'est cette couche d'orchestration. Nous travaillons sur davantage d'agents contributeurs individuels, mais aussi sur la couche de gestion intermédiaire qui peut coordonner et ajuster la stratégie en fonction des signaux d'une partie de la marque qui pourraient en affecter une autre.
Le marketing global d'une marque doit fonctionner ensemble. Pour offrir une excellente expérience à un client tout au long de son parcours, tout doit être coordonné ; il faut comprendre les objectifs et l'intention. Plus l'expérience est bonne, plus ce client a de chances de passer à l'achat.
Une dernière réflexion pour les marques qui se penchent actuellement sur l'IA agentique ?
Les agents IA ne sont pas une simple option à cocher. Explorez les données et les limites au sein desquelles les agents peuvent opérer avant de vous engager. Assurez-vous que l'on ne vous vend pas des employés débutants pour un poste de directeur.
