Social Rocket
Les agents IA prennent une part croissante de la planification, de l'achat et de l'optimisation publicitaires, avec de vrais budgets. Les systèmes sont encore loin d'un media buying entièrement autonome, mais les projets actuels montrent que le secteur franchit déjà le pas de l'assistance vers l'exécution.
Les premiers budgets réels passent par des agents
ADWEEK rapporte qu'Apostra a traité au cours des trois derniers mois environ 1,2 millions de dollars US d'achats média automatisés pour de grandes marques. Les agents peuvent y prendre en charge la découverte, la négociation, la validation et l'exécution sur plusieurs canaux.
Un exemple concret de performance vient de PubMatic. La marque de bien-être Rouge Care aurait investi selon ADWEEK 25.000 dollars US dans une campagne CTV et généré plus de 125.000 dollars US de chiffre d'affaires attribuable. L'achat a été réalisé via AgenticOS de PubMatic.
Cette évolution devient concrète, comme nous l'avons déjà observé lors de l'IAB Europe sur le media buying agentique. Là-bas, 58 pour cent des personnes interrogées s'attendaient à ce que des systèmes agentiques soient utilisés en production ou à plus grande échelle dans un délai d'un an.
Monks fait travailler ses agents 36 à 48 heures en autonomie
Le mode de travail change aussi côté agences. Selon Wesley ter Haar, Chief AI and Revenue Officer de S4 Capital Monks, des agents IA travaillent déjà sur des tâches logicielles internes pendant 36 à 48 heures sans supervision humaine continue.
Ces longues séquences autonomes concernent pour l'instant surtout le codage. Monks transpose toutefois déjà ce principe au marketing social et à la performance. Les agents devraient y réagir à des signaux, par exemple des tendances, un volume de commentaires ou des publications qui perdent en portée.
Selon Digiday, Monks prévoit pour début 2027 un premier flux de travail client qui, des insights jusqu'à la gestion de communauté, reposera sur cette architecture agentique.
Les coûts de tokens deviennent une partie du budget talents
Ter Haar décrit désormais les coûts de calcul et de modèles comme une partie du budget talents. Les équipes doivent donc décider quelles tâches nécessitent un modèle haut de gamme coûteux et où des modèles moins chers suffisent.
Cela modifie le calcul traditionnel du travail en agence. Aux heures de travail s'ajoutent des coûts récurrents pour les agents, les modèles et l'utilisation d'outils. Dans le même temps, le temps nécessaire à certaines tâches diminue. Monks décrit des cycles de travail internes passés de deux semaines à deux jours.
La question de contrôle sous-tend aussi notre aperçu de l'IA dans le media buying et l'automatisation des plateformes.
Standards pour le media buying agentique
En septembre, l'IAB Tech Lab a présenté AAMP 3.0. La spécification OpenProposal doit faire passer le parcours, jusqu'ici très manuel, allant de l'appel d'offres à la promesse d'achat vers un format lisible par les agents.
Les agents acheteurs et vendeurs peuvent ainsi échanger et comparer des offres de manière structurée. Parallèlement, la gouvernance et l'interopérabilité restent des enjeux centraux, car plusieurs protocoles et plateformes émergent en parallèle.
Apostra illustre cette nouvelle couche de coordination. L'entreprise, anciennement Scope3, oriente désormais son modèle économique de façon ciblée vers le media buying agentique. Pour en savoir plus, consultez notre contexte sur Scope3 et Apostra.
Ce que les marketeurs doivent prendre en compte dès maintenant
Le media buying agentique n'est pas encore un processus automatique. ADWEEK cite des données de Gartner selon lesquelles les applications hautement autonomes 2025 représentaient moins de cinq pour cent des cas d'usage marketing. Pour 2028, on attend 15 pour cent.
Pour les entreprises, trois points comptent donc davantage que l'autonomie maximale : des limites budgétaires claires, des décisions traçables et un modèle d'escalade humaine défini. Plus un agent peut réallouer, acheter ou publier de lui-même, plus il devient essentiel de savoir qui répond des erreurs.