De quels outils d'IA une agence a-t-elle besoin ? De moins que la plupart ne le pensent – mais mieux connectés. Le goulot d'étranglement est rarement un outil manquant ; c'est le manque d'intégration. Les données sont réparties dans cinq systèmes, chaque équipe a son chatbot favori, et au bout du compte quelqu'un colle des captures d'écran dans un deck.
Les grands groupes d'agences, eux, misent sur la connexion plutôt que sur la variété. Selon Digiday, Carat, l'agence média de Dentsu, développe avec NBCUniversal, FreeWheel et l'entreprise d'IA Newton un agent de planification, d'achat et d'optimisation pour les upfronts. Tinuiti a lancé un serveur MCP pour sa solution de mesure Bliss Point, ouvrant sa couche de mesure aux agents IA et réunissant sous un même toit les données d'audience, de créa, de média et de mesure. Et WPP Media souligne que « la gouvernance et la responsabilité humaine sont au cœur de l'achat média agentique ».
Pourquoi plus d'outils d'IA donnent-ils souvent moins de résultats ?
Parce que chaque nouvel outil crée une nouvelle île. L'outil de social listening connaît les conversations, mais pas les données média. Le chatbot écrit brillamment, mais ne sait rien du client. L'outil de reporting a les chiffres, mais pas le contexte. Et c'est un humain qui fait le lien entre tout cela – à coups de copier-coller.
Viennent ensuite les coûts cachés. Des licences qui se recoupent. Une prise en main à refaire pour chaque tableau de bord. Du shadow AI : des comptes personnels par lesquels transitent des données clients sans que personne ne l'ait validé. Et un savoir qui dépend de la seule personne qui sait quel prompt fonctionne dans quel outil.
Pour les agences basées en Allemagne, dont les clients regardent de près la protection et la souveraineté des données, cette prolifération n'est pas seulement inefficace. C'est un risque qui éclate au grand jour dès le prochain questionnaire de pitch.
Pourquoi le tout est plus que la somme des outils
La théorie des systèmes en donne une explication simple : un système est plus que la somme de ses parties, car sa performance naît des relations entre elles. Un orchestre de solistes brillants sans partition commune ne sonne pas comme une symphonie – il sonne comme un accordage.
Appliqué à la stack technique d'une agence, cela signifie que la qualité de chaque outil d'IA pris isolément en dit peu sur la performance de l'ensemble. Ce qui compte, c'est que données, outils et personnes se parlent. Les outils seuls ne peuvent pas composer un chef-d'œuvre ; l'harmonie naît de leur unisson.
C'est pourquoi le problème tient rarement à la technologie, mais le plus souvent à l'architecture. On achète les instruments et on oublie la partition.
Qu'est-ce que MCP – et pourquoi est-ce important pour les agences ?
MCP signifie Model Context Protocol. C'est un standard ouvert qui permet aux assistants IA comme Claude d'accéder à des sources de données et à des outils externes. Voyez-y une prise universelle : au lieu de construire une intégration ou un tableau de bord distinct pour chaque source de données, l'assistant dialogue avec toutes via une seule interface.
Pour les agences, cela change la logique. Jusqu'ici, intégrer signifiait exporter des données, les charger dans un outil et recopier le résultat. Avec MCP, les données restent où elles sont, et l'équipe pose ses questions là où elle travaille déjà. « Quels messages la concurrence diffuse-t-elle depuis début octobre ? » devient une question posée dans le chat, et non un ticket adressé à l'équipe insight.
C'est exactement ainsi que fonctionne Defy MCP : les équipes interrogent directement dans Claude les données sur les concurrents, les audiences et les conversations – comme on poserait la question à un collègue, sans nouveau tableau de bord à apprendre. Le fait que Tinuiti ouvre de la même façon ses données de mesure aux agents IA montre la direction que prend le secteur : les données ne restent plus enfermées dans des tableaux de bord, elles deviennent interrogeables.
Prolifération d'outils ou stack intégrée : la comparaison
| Dimension | Prolifération d'outils | Stack intégrée avec MCP |
|---|---|---|
| Accès aux données | Exports, copier-coller, captures d'écran | L'assistant interroge directement la source |
| Courbe d'apprentissage | Un tableau de bord par outil | Une seule interface, des questions en langage naturel |
| Traçabilité | Résultats sans origine visible | Les réponses peuvent être retracées jusqu'à leur source |
| Gouvernance | Comptes personnels, validations floues | Droits d'accès centralisés et règles de validation claires |
| Savoir de l'équipe | Reste dans la tête des individus | Prompts et workflows réutilisables |
| Coût | Licences qui se recoupent | Moins d'outils, mieux exploités |
Comment intégrer des outils d'IA en six étapes ?
- Faites l'inventaire. Qui utilise quels outils d'IA, pour quoi faire, avec quelles données ? Posez explicitement la question des comptes personnels – sans reproche, sinon vous n'obtiendrez pas de réponse honnête.
- Choisissez trois gouffres à temps. Les candidats typiques : les audits de la concurrence, les rapports mensuels et les recherches pour les pitchs. Notez le temps qu'ils prennent aujourd'hui.
- Choisissez une seule interface. Décidez où votre équipe travaille avec l'IA. Chaque interface supplémentaire doit être justifiée.
- Connectez les données au lieu de les copier. Vérifiez quelles sources de données peuvent être interrogées directement via MCP ou une autre interface. Tout ce qui ne fonctionne que par export va sur la liste pour plus tard.
- Fixez les règles avant le déploiement. Décidez quels livrables sont vérifiés par un humain avant d'aller chez le client, qui valide les dépenses et quelles données clients peuvent entrer dans quels systèmes. Votre délégué à la protection des données doit être autour de la table.
- Pilotez, mesurez, faites le tri. Testez pendant six semaines avec un client, comparez avec les temps relevés à l'étape 2 – et résiliez les outils dont personne ne regrette l'absence.
Que peuvent apprendre les agences indépendantes des holdings ?
Dans les articles de Digiday, ce qui frappe, c'est moins la technologie que le ton. Les groupes d'agences vendent leurs agents sur le contrôle : selon Digiday, WPP Media exige des contrôles explicites, des seuils de validation et une supervision humaine responsable pour les décisions financières et d'activation. Chez Dentsu, la ligne est que tout nécessite toujours une supervision humaine.
C'est une leçon pour les indépendants. Les clients hésitent moins à cause de la technologie que par crainte de perdre le contrôle. Si vous savez expliquer qui vérifie quel livrable, d'où vient une affirmation et où se trouvent les données, vous gagnez leur confiance – quelle que soit votre taille.
La différence : les holdings construisent leurs stacks avec de gros budgets de développement. Les agences indépendantes doivent combiner plus astucieusement. Une plateforme qui réunit données, interrogation et automatisation – comme la plateforme Defy – est un moyen d'atteindre un niveau comparable sans équipe interne de data science.
Que faut-il demander à chaque éditeur d'IA ?
- Vos données peuvent-elles être interrogées via MCP ou une autre interface ouverte – ou seulement dans votre propre tableau de bord ?
- Puis-je retracer chaque affirmation du système jusqu'à sa source ?
- Où les données sont-elles stockées, qui y a accès, et que deviennent nos prompts ?
- Quel workflow l'outil remplace-t-il réellement – et quel outil existant puis-je donc résilier ?
Si vous n'obtenez pas de réponse à cette dernière question, vous n'achetez pas un outil – juste un instrument de plus sans partition.
