Résumé de l'article
- Créer un agent IA tient en 8 étapes, du choix du cas d’usage à l’industrialisation.
- Le premier cas d’usage marketing doit être répétitif, langagier, mesurable et rattrapable.
- No-code, plateforme d’éditeur ou développement sur mesure : le comparatif et les cas où chacun est le bon choix.
- Le coût est variable, facturé au token : il ne se chiffre qu’après mesure sur un échantillon.
- Beaucoup de besoins marketing se règlent avec une automatisation simple, sans agent.
Comment créer un agent IA pour son entreprise se joue en huit étapes, et la première consiste à vérifier qu’un agent est bien la bonne réponse. Beaucoup de besoins marketing se règlent avec une automatisation simple, sans boucle autonome. Ce guide traite les deux cas.
Agent IA : ce qu’il faut avoir compris avant de se lancer
Un agent IA reçoit un objectif, choisit lui-même les actions à mener et appelle des outils pour les exécuter. Il se distingue d’un scénario Zapier, Make ou n8n, qui déroule une suite d’étapes écrites à l’avance. Cette autonomie fait tout l’intérêt de l’agent, et tout son risque.
Ce guide part du principe que vous savez déjà ce qu’est vraiment un agent IA et à quoi il sert. Il traite la suite : la mise en production, avec des exemples pris dans le marketing et la communication.
Le passage à l’échelle reste rare. Selon l’étude The state of AI publiée par McKinsey QuantumBlack en novembre 2025, 62 % des organisations expérimentent au moins les agents IA, mais 23 % seulement en exploitent un à l’échelle dans une fonction. L’enquête a été menée en juin et juillet 2025 auprès de 1 993 répondants dans 105 pays.
Comment créer un agent IA : les 8 étapes
Comment créer un agent IA se résume à huit étapes, dans cet ordre. Les trois premières décident du succès du projet : elles se jouent avant la moindre ligne de configuration. Les cinq suivantes sont un travail d’ingénierie et de mesure.
- Choisir un premier cas d’usage étroit, répétitif et rattrapable.
- Préparer les données et les accès, en lecture seule par défaut.
- Arbitrer entre no-code, plateforme d’éditeur et développement sur mesure.
- Concevoir la boucle : objectif, outils, mémoire, condition d’arrêt.
- Poser les garde-fous et le point de validation humaine.
- Tester sur un périmètre réduit, pendant une durée fixe.
- Mesurer avant et après, sur les mêmes indicateurs.
- Industrialiser en gardant vos prompts, vos évaluations et votre réversibilité.
Étape 1 : comment choisir son premier cas d’usage marketing ?
Le bon premier cas d’usage est une tâche que votre équipe répète chaque semaine, qui consiste à lire et à écrire du texte, et dont une erreur se rattrape avant publication. Écartez tout ce qui engage la marque en direct. Un agent qui prépare un brouillon vaut mieux qu’un agent qui publie.
Cinq critères permettent de trancher. Un cas d’usage qui n’en coche pas au moins quatre attendra le deuxième tour.
- Répétitivité : la tâche revient au moins plusieurs fois par semaine, avec la même forme.
- Composante langagière : il s’agit de comprendre, résumer, traduire ou rédiger, pas de calculer.
- Données accessibles : les sources existent et sont lisibles sans projet informatique préalable.
- Erreur peu coûteuse : une sortie fausse se repère et se corrige avant toute diffusion.
- Volume mesurable : vous savez combien de fois la tâche est faite par mois, et par qui.
Quatre terrains marketing cochent presque toujours ces cases : la veille concurrentielle et sectorielle, la traduction et la localisation de contenus vers les langues de vos filiales, la déclinaison d’un contenu long en formats courts pour les réseaux sociaux, et la qualification des demandes entrantes. Chez Chryso, filiale de Saint-Gobain, l’usine à sites WordPress que nous avons livrée dessert 20+ filiales internationales, avec une autonomie éditoriale locale par langue. C’est exactement le type de volume où un agent de traduction trouve sa place.
Étape 2 : quelles données et quels accès préparer avant de construire ?
Un agent a besoin de trois choses : des sources de référence, un compte de service dédié, et un périmètre de droits explicite. Créez ce compte avant de commencer, avec un accès en lecture seule par défaut. L’écriture ne s’ouvre que sur les objets que l’agent doit réellement modifier, jamais sur l’ensemble d’un outil.
- Les sources : charte éditoriale, ton de voix, glossaire produit, contenus déjà publiés qui font référence.
- Le compte de service : un compte nommé, distinct des comptes des collaborateurs, révocable en une action.
- Les droits : lecture seule sur le CMS et l’analytics, écriture limitée aux brouillons, aucun droit de publication.
- Ce que vous refusez de donner : données personnelles de clients, données de santé, dossiers RH, contrats et grilles tarifaires.
Deux textes encadrent ce périmètre. Le RGPD s’applique dès qu’une donnée personnelle entre dans le contexte envoyé au modèle. Le règlement européen sur l’intelligence artificielle, règlement (UE) 2024/1689 du 13 juin 2024, s’applique de façon échelonnée. L’obligation de littératie IA pour les équipes qui déploient ces systèmes vaut depuis le 2 février 2025. Documentez donc dès le départ ce que l’agent lit et ce qu’il conserve.
Étape 3 : no-code, plateforme ou développement sur mesure ?
Trois voies existent pour construire un agent IA, et aucune n’est meilleure dans l’absolu. Le no-code convient à un premier cas d’usage à faible volume. La plateforme d’éditeur convient quand le besoin tient dans le périmètre d’un outil déjà en place. Le développement sur mesure devient nécessaire dès qu’il faut relier plusieurs systèmes ou traiter des données sensibles.
| Option | Quand c’est le bon choix | Délai type | Qui le maintient | Réversibilité |
|---|---|---|---|---|
| No-code (Make, n8n, Zapier associés à un modèle) | Premier cas d’usage, volume faible, équipe marketing autonome, budget de test | Quelques jours à 3 semaines | L’équipe marketing elle-même | Moyenne : les scénarios s’exportent, les prompts se récupèrent |
| Plateforme d’éditeur (agents intégrés au CRM, au CMS ou à la suite bureautique) | Le besoin tient dans le périmètre de l’outil déjà déployé et déjà payé | 2 à 6 semaines | L’éditeur, avec un référent interne | Faible : prompts, mémoire et journaux restent chez l’éditeur |
| Développement sur mesure | Plusieurs systèmes à relier, volume élevé, données sensibles, exigence de conformité | 3 à 6 mois pour une première version | Votre équipe ou votre prestataire | Élevée si prompts, évaluations et couche modèle vous appartiennent |
Un agent IA sur mesure ne se justifie pas au premier essai. Commencez par la voie la moins chère qui permet de mesurer, puis rebasculez si le volume ou la conformité l’imposent. Le budget d’un agent dépend de son périmètre : nombre de systèmes à relier, volume traité, niveau de contrôle exigé. Nous le chiffrons au cadrage, une fois le cas d’usage arrêté.
Étape 4 : comment concevoir la boucle de l’agent et sa boîte à outils ?
Un agent se conçoit en quatre éléments : un objectif écrit, une liste d’outils, une mémoire de travail et une condition d’arrêt. La boucle est toujours la même : l’agent lit son contexte, décide, appelle un outil, lit le résultat, recommence. Sans condition d’arrêt explicite, cette boucle tourne et la facture avec elle.
- L’objectif : le prompt système, qui dit la tâche, le ton, le format attendu et les interdits.
- Les outils : rechercher sur le web, lire une page du site, créer un brouillon, récupérer une statistique.
- La mémoire : ce que l’agent retient d’un tour à l’autre, et ce qu’il oublie volontairement.
- L’arrêt : un nombre maximum de tours, un plafond de dépense, un format de sortie qui signale la fin.
Branchez vos outils via un standard ouvert plutôt qu’un connecteur propriétaire. Le Model Context Protocol, publié en novembre 2024, est doté d’une gouvernance formelle depuis juillet 2025 et compte 58 mainteneurs. Sa dernière spécification est datée du 25 novembre 2025. Quand plusieurs agents doivent se répartir des tâches, la question devient celle de l’orchestration d’agents IA, avec un chef d’orchestre et des périmètres qui ne se recouvrent pas.
Étape 5 : quels garde-fous et quelle validation humaine mettre en place ?
La règle de départ est simple : aucun agent marketing ne publie, n’envoie ni ne répond au nom de la marque sans relecture humaine. Cette validation ne se lève qu’après plusieurs semaines de mesure, et seulement sur les tâches dont le taux de reprise est tombé à un niveau connu. Les garde-fous se posent avant le premier test, pas après le premier incident.
- Liste blanche d’actions : l’agent ne peut appeler que les outils que vous avez déclarés, un par un.
- Brouillon obligatoire : toute sortie destinée au public passe par un statut brouillon relu par une personne nommée.
- Plafond de dépense : une limite mensuelle par clé d’accès, plus un nombre de tours maximum par tâche.
- Journal d’exécution : chaque appel d’outil et chaque sortie sont tracés, horodatés et consultables.
- Signalement : les contenus produits avec l’aide de l’agent sont identifiés en interne, pour la traçabilité éditoriale.
Étape 6 : comment tester sur un périmètre réduit ?
Un périmètre réduit se définit par cinq bornes : un canal, une langue, un type de contenu, un volume plafonné et une durée fixe. Un exemple opérationnel : quatre semaines, 20 fiches produit, une seule langue cible, un seul relecteur désigné. Tout ce qui sort de ces bornes attend la fin du test.
Constituez en parallèle un jeu d’évaluation de 20 à 30 cas réels, avec pour chacun la sortie que vous auriez validée. Ce jeu sert à comparer deux versions du prompt, deux modèles ou deux fournisseurs, sur la même base. Sans lui, chaque changement se juge à l’impression, et personne ne sait si l’agent progresse ou régresse.
Étape 7 : que mesurer avant et après ?
Mesurez la tâche avant de construire l’agent, sinon vous n’aurez aucune base de comparaison. Chronométrez trois exécutions faites à la main, comptez le volume mensuel et notez le taux de reprise actuel. Ces trois chiffres deviennent votre référence.
| Indicateur | Avant l’agent | Après l’agent |
|---|---|---|
| Temps par tâche | Chronométrage de 3 exécutions manuelles | Temps de relecture et de correction seulement |
| Volume traité | Nombre de tâches réalisées par mois | Nombre de tâches abouties sans reprise |
| Qualité | Part des contenus repris après relecture | Taux de reprise et taux d’escalade vers un humain |
| Coût | Coût interne ou coût prestataire par contenu | Coût en tokens par contenu, plus le temps de relecture |
Un agent qui divise le temps par deux mais dont un contenu sur trois est réécrit ne fait rien gagner. Le taux de reprise est l’indicateur qui décide de la suite, avant le temps gagné.
Étape 8 : comment industrialiser sans dépendre d’un fournisseur ?
La dépendance à un fournisseur se traite par ce que vous gardez chez vous, pas par une clause de contrat. Vos prompts, votre jeu d’évaluation et vos journaux doivent être versionnés dans vos propres dépôts. Le modèle, lui, se change : c’est une pièce remplaçable, à condition d’avoir prévu la place.
- Couche d’abstraction : le code appelle une interface interne, jamais l’API d’un éditeur en direct.
- Standard ouvert : les outils se branchent via un protocole documenté, pas un connecteur maison.
- Second modèle testé : rejouez votre jeu d’évaluation sur un modèle concurrent une fois par trimestre.
- Export des données : prompts, historiques de conversation et journaux d’exécution récupérables à tout moment.
- Anticipation des fins de vie : les fournisseurs déprécient leurs modèles, prévoyez la bascule comme une montée de version.
Combien coûte réellement un agent IA ?
Un agent IA se paie au volume traité, pas à la licence. Les modèles se facturent au million de tokens, séparément en entrée et en sortie, avec un rapport de 1 à 5 entre les deux. C’est pourquoi le budget est imprévisible les premières semaines : il ne se chiffre qu’après mesure sur un échantillon réel.
La grille publique d’Anthropic, consultée le 10 septembre 2026, donne un ordre de grandeur. Claude Haiku 4.5 coûte 1 $ le million de tokens en entrée et 5 $ en sortie. Claude Sonnet 5 passe à 2 $ et 10 $, Claude Opus 5 à 5 $ et 25 $. Le même éditeur chiffre le traitement de 10 000 conversations de support, environ 3 700 tokens chacune, à près de 37 $ avec Claude Haiku 4.5.
Trois leviers documentés font baisser la note. La mise en cache du prompt facture l’écriture 1,25 fois le prix d’entrée et la relecture 0,1 fois : elle devient rentable dès la deuxième requête qui renvoie le même contexte. Le traitement par lots applique 50 % de remise sur l’entrée et la sortie, ce qui convient à la traduction ou à la génération de contenu en masse. Enfin, le choix d’un modèle plus léger sur les tâches simples divise la facture sans changer la sortie.
Une ligne de coût est souvent oubliée : les outils eux-mêmes. La seule définition des outils ajoute plusieurs centaines de tokens d’entrée à chaque appel. Anthropic chiffre ce prompt système d’outillage entre 354 et 474 tokens sur Claude Sonnet 5, avant même le contenu des résultats renvoyés. Multipliez par le nombre de tours de boucle, et la différence devient visible.
Agent IA, automatisation simple ou abandon : comment trancher ?
Trois issues sont possibles à la fin d’un cadrage, et deux d’entre elles ne produisent pas d’agent. Une automatisation simple suffit quand la suite d’étapes est stable et la décision binaire. L’agent se justifie quand la tâche demande de lire, d’interpréter et de choisir entre plusieurs chemins. L’abandon s’impose quand personne ne peut juger la qualité de la sortie.
- Automatisation simple : envoi conditionnel, mise à jour de fiche, alerte sur seuil, publication programmée. Une automatisation de tâches classique coûte moins cher et ne dérive jamais.
- Agent IA : synthèse de veille sur des sources hétérogènes, traduction avec respect d’un glossaire, qualification de demandes en texte libre.
- Abandon : volume trop faible pour amortir, aucune source de référence disponible, aucun relecteur identifié, erreur non rattrapable.
C’est le rôle du cadrage de trancher entre ces trois issues, avant tout développement. Nous le faisons à l’étape Définir de notre méthodologie en cinq étapes, sur chaque projet, y compris quand la conclusion est de ne rien construire. Nous développons des projets où l’IA rend un service précis : pour la FNTP, l’application LuCEE-TP repose sur la reconnaissance photographique par IA des espèces exotiques envahissantes, et a reçu un TopCom d’Argent en 2025.
Un agent IA marketing ne remplace pas une stratégie d’acquisition. Chez Flexico, le trafic organique a été multiplié par 3 en 18 mois. Plus de 1 000 leads ont été générés depuis 2020, par du SEO, du SEA, du contenu et une refonte WooCommerce. Un agent peut accélérer la production de ce contenu : il ne décide pas de sa ligne. Pour cadrer ce que l’IA peut vraiment prendre en charge chez vous, la page accélérer avec l’IA détaille nos points d’entrée.
Questions fréquentes
Faut-il savoir coder pour créer un agent IA ?
Non, pas pour un premier cas d’usage à faible volume. Les plateformes no-code comme Make ou n8n permettent de construire un agent IA en quelques jours, en assemblant des blocs et un prompt. La limite arrive vite : dès qu’il faut relier plusieurs systèmes, tracer les exécutions ou traiter des données sensibles, le développement sur mesure reprend la main.
Combien de temps faut-il pour créer un agent IA en entreprise ?
Comptez quelques jours à 3 semaines en no-code, 2 à 6 semaines sur une plateforme d’éditeur, et 3 à 6 mois pour la première version d’un agent développé sur mesure. Ajoutez dans tous les cas 4 semaines de test sur un périmètre réduit avant toute ouverture. Le cadrage, lui, se joue en amont et conditionne le reste.
Quelle différence entre un agent IA et une automatisation Zapier ou Make ?
Une automatisation exécute une suite d’étapes écrite à l’avance, toujours dans le même ordre. Un agent IA reçoit un objectif et choisit lui-même les étapes, en appelant des outils au fil de son raisonnement. L’automatisation est prévisible et moins chère ; l’agent gère l’imprévu et le texte libre, au prix d’un coût variable.
Un agent IA peut-il publier sans validation humaine ?
Techniquement oui, éditorialement non, tant que le taux de reprise n’est pas mesuré. La règle de départ est de limiter l’agent au statut brouillon, avec un relecteur nommé pour chaque sortie destinée au public. La levée de cette validation se décide sur des chiffres, tâche par tâche, jamais globalement.
Que se passe-t-il si le fournisseur change ses prix ou arrête son modèle ?
Votre agent continue de fonctionner si vous avez prévu la bascule dès la conception. Gardez vos prompts et votre jeu d’évaluation dans vos dépôts, appelez le modèle derrière une interface interne et branchez vos outils via un standard ouvert. La dépréciation d’un modèle se traite alors comme une montée de version, pas comme une reconstruction.
