Social Rocket
Carat et NBCUniversal lancent une solution assistée par l'IA pour l'achat et l'optimisation de la publicité vidéo premium. Parallèlement, Tinuiti ouvre ses données de mesure multicanal aux assistants IA. Ces deux annonces, début octobre 2026, montrent que l'achat média agentique devient concret. Elles montrent aussi que l'accès aux données, la recommandation et la réservation contraignante d'une campagne sont trois choses différentes.
Carat relie des agents IA au business des upfronts
Le 6 octobre, Carat, NBCUniversal, FreeWheel et Newton ont annoncé un agent sur mesure pour la planification, l'achat et l'optimisation de l'inventaire vidéo premium. Il combine les données et les signaux d'audience de Dentsu avec l'environnement publicitaire de NBCUniversal et l'infrastructure de FreeWheel.
Un détaillant de luxe, non nommé dans un premier temps, utilise un agent configuré sur mesure pour ses investissements upfront. Les upfronts sont des accords par lesquels l'inventaire publicitaire est acheté à l'avance. Les partenaires promettent des analyses et des ajustements plus rapides, tout en soulignant le rôle des experts média humains. Le communiqué ne cite ni résultats chiffrés concrets, ni le montant maximal de modifications budgétaires autonomes autorisées.
NBCUniversal et FreeWheel travaillent déjà depuis un certain temps sur ce modèle : En janvier 2026, ils ont présenté avec RPA et Newton une approche d'achat commun couvrant la télévision linéaire et le streaming. Le nouveau cas d'usage de Carat s'appuie sur cette évolution.
Tinuiti ouvre des données au lieu de déclencher automatiquement des réservations
L'agence Tinuiti a présenté son serveur MCP Bliss Point début octobre. Via le protocole ouvert Model Context Protocol, les assistants IA compatibles peuvent récupérer des données de mesure validées sur plusieurs canaux. Sont notamment cités ChatGPT, Claude, Microsoft Copilot et les systèmes internes des entreprises. L'étendue et l'usage dépendent des droits des clients et des paramètres.
Parmi les tâches possibles figurent les rapports de campagnes, le suivi du rythme budgétaire et la signalisation d'évolutions inhabituelles. Le fabricant de cosmétiques e.l.f. est, selon Tinuiti, un des premiers clients testeurs. Le produit vise donc surtout l'accès aux données et à l'analyse – une étape différente de la réservation directe d'inventaire publicitaire.
Le vrai problème, ce sont les approbations et la responsabilité
Lors de l'Advertising Week, des représentants de plusieurs grandes agences ont décrit différents niveaux de contrôle. Selon Digiday du 8 octobre, WPP Media a souligné des seuils d'approbation explicites et la responsabilité humaine, en particulier lorsque des décisions coûtent de l'argent ou modifient des campagnes.
Pour un pilote concret, des questions claires comptent donc davantage que les promesses produit : Quelles données un agent peut-il lire ? Peut-il seulement faire des propositions ou aussi modifier des campagnes ? À partir de quel montant une approbation humaine est-elle requise ? Comment les actions sont-elles documentées et vérifiées ?
Ces points doivent aussi figurer dans les contrats. Notre aperçu des clauses sur l'IA entre agences et annonceurs traite des droits sur les données, de la divulgation des outils et de la responsabilité. Le contrôle des décisions automatisées n'est plus un sujet théorique marginal.
Ce qui change réellement pour le marché allemand
Les grandes agences construisent déjà l'infrastructure technique. Stagwell a réorganisé son activité média autour d'une plateforme agentique. Amazon teste également l'IA pour les décisions de campagne et se heurte à des questions de transparence.
Qu'à l'avenir les agents puissent prendre en charge une plus grande part du travail préparatoire est donc plausible. Les annonces publiques ne prouvent cependant ni des taux d'erreur plus faibles, ni de meilleurs rendements publicitaires que les processus classiques supervisés par des humains. Pour les marques, l'ordre devrait donc être le suivant : d'abord des données propres et des droits clairs et traçables, ensuite une automatisation supervisée, et seulement sur la base de résultats mesurables, davantage d'autonomie.