Les succès de Bayer et Zoom avec l’IA agentique restent à prouver

Bayer et Zoom ont propulsé le marketing agentique dans Google News, malgré un écart croissant entre des pilotes prometteurs et des résultats commerciaux vérifiés de manière indépendante. Leurs succès rapportés concernent des tâches opérationnelles peu glamour, notamment les revues de conformité, les mises à jour de CRM, les enchères de campagne et la coordination avec les partenaires.

Cette focalisation compte, car elle remet en cause la version la plus bruyante de la promesse de l’IA agentique. Ces entreprises ne confient pas des départements marketing entiers à des systèmes autonomes. Elles appliquent des agents à des processus circonscrits, dont les entrées, les autorisations et les résultats attendus peuvent être définis.

Le principal enjeu n’oppose donc pas les humains aux machines. Il porte sur l’automatisation contrôlée des flux de travail face à la promesse d’un marketing autonome. Bayer et Zoom suggèrent que la première voie génère déjà de la valeur, tandis que la seconde reste plus difficile à valider à l’échelle de l’entreprise.

Ce que Bayer et Zoom ont réellement changé

L’évolution notable consiste à demander moins à l’IA de créer du contenu qu’à lui permettre de faire avancer le travail dans les systèmes opérationnels.

Le récit d’ADWEEK sur le marketing agentique aux Cannes Lions décrivait des marques plus prudentes que les agences, les entreprises de médias et les fournisseurs de technologies publicitaires. Alors que les fournisseurs faisaient la promotion de lancements ambitieux d’agents, les marques se concentraient sur des flux de travail internes présentant des goulets d’étranglement mesurables.

La publication indiquait que Zoom utilisait des agents pour automatiser les mises à jour de CRM. Cela permet aux spécialistes du marketing de consacrer davantage de temps à la stratégie et aux décisions créatives, selon un résumé sur l’IA agentique partagé par ADWEEK.

L’automatisation du CRM constitue un cas d’usage étroit mais important. Un CRM, ou système de gestion de la relation client, enregistre les interactions avec les prospects et les clients. Sa valeur diminue lorsque les employés laissent des dossiers incomplets, tardifs ou incohérents.

Un agent peut extraire les détails pertinents d’une réunion, classifier l’interaction et proposer une mise à jour. Il peut également relier la conversation à des tâches de suivi. Le flux de travail devient agentique lorsque le logiciel évalue le contexte et exécute des actions autorisées dans plusieurs systèmes, plutôt que de simplement générer du texte.

Le cas d’usage rapporté de Bayer traite une autre source de friction. L’entreprise applique des agents aux validations marketing fortement soumises à la conformité et à l’alignement des indicateurs de performance avec des partenaires médias externes.

Ce travail présente des enjeux plus élevés que la rédaction d’une publication sur les réseaux sociaux. Les promotions pharmaceutiques et liées à la santé passent par des examens juridiques, réglementaires, médicaux, de marque et de marché. Une allégation manquée ou une exigence obsolète peut entraîner des conséquences qui vont au-delà de la performance d’une campagne.

La valeur potentielle de l’agent vient de la coordination de ces contrôles. Il peut identifier les informations manquantes, orienter les éléments vers le bon évaluateur, comparer les supports à des règles établies et conserver une trace des décisions.

Aucun de ces cas ne représente une opération marketing entièrement autonome. Les humains définissent toujours les règles, maintiennent les contrôles d’accès, examinent les exceptions et restent responsables du travail publié.

Cette limite est aussi la conclusion la plus importante. Bayer et Zoom font état de valeur là où les agents opèrent dans des flux de travail délimités. Ils ne présentent pas de preuves qu’un système d’IA puisse définir seul une stratégie, créer une campagne, l’approuver, la déployer et évaluer ses effets plus larges sur la marque.

Cette distinction disparaît souvent dans les titres de Google News, car « agentique » peut décrire plusieurs niveaux d’autonomie. Un système qui recommande une entrée CRM et attend une approbation diffère considérablement d’un système qui modifie des dossiers clients sans examen.

Il en va de même pour Bayer. Un outil qui rassemble des éléments de preuve de conformité n’équivaut pas à un agent autorisé à approuver une allégation de santé.

Ces mises en œuvre restent importantes. Elles font passer l’IA d’un assistant facultatif en périphérie du travail à la chaîne opérationnelle qui détermine si le travail est achevé. Elles montrent toutefois aussi que l’adoption en entreprise commence par des actions étroitement gouvernées.

Pourquoi la friction des flux de travail est devenue la première cible

Les équipes marketing adoptent des agents là où les coûts de coordination sont visibles, répétitifs et suffisamment élevés pour justifier le travail d’intégration.

Les campagnes modernes transitent par de nombreux systèmes spécialisés. Les équipes utilisent des applications distinctes pour les dossiers clients, l’achat média, l’analytique, la gestion de contenu, les validations et le reporting. Les informations doivent circuler entre ces applications avant qu’une campagne n’atteigne son audience.

Cette fragmentation crée un environnement favorable aux agents. Un agent peut interpréter des informations moins structurées, décider de l’étape suivante et invoquer un outil approuvé. L’automatisation traditionnelle échoue souvent lorsqu’une entrée varie ou qu’une décision exige du contexte.

Cette opportunité a attiré des entreprises qui construisent des couches d’orchestration à travers les logiciels marketing existants. Gradial, par exemple, décrit son produit comme un système d’exploitation permettant aux agents d’exécuter du travail sur des plateformes telles qu’Adobe, Salesforce, ServiceNow et Databricks.

En juin 2026, Gradial a annoncé un tour de financement lié à ce modèle. Axios a rapporté que les clients de l’entreprise comprennent AWS, Prudential, T-Mobile, Vanguard, Kaiser Permanente et U.S. Bank.

Le rapport citait également une affirmation client particulièrement forte. T-Mobile a déclaré avoir réduit le temps d’exécution des campagnes de 80 % à 90 %, avec un taux de précision rapporté de 99 %, grâce à la technologie de Gradial. Ces chiffres proviennent des entreprises impliquées et exigent la même prudence que d’autres études de cas de fournisseurs.

Néanmoins, le modèle de flux de travail marketing aide à expliquer pourquoi des entreprises réglementées figurent parmi les premiers adopteurs. Leurs flux de travail comprennent de nombreuses règles, validations et exigences de documentation. Ces contraintes donnent à un agent des limites plus claires que ne le fait une stratégie de marque ouverte.

Le processus d’approbation de Bayer correspond à ce schéma. Ses agents peuvent potentiellement appliquer de façon répétée des politiques connues tout en faisant remonter les cas ambigus. L’entreprise peut examiner si le système a réduit le temps de revue ou évité des omissions sans prétendre que l’IA a remplacé le jugement humain.

Bayer avait déjà construit une opération créative plus mesurable avant la dernière discussion sur les agents. L’entreprise utilise CreativeX pour évaluer les actifs numériques selon des pratiques définies et partager les résultats avec les agences.

Selon Digiday, Bayer a fait passer en environ un an la part de ses créations numériques couvertes par sa mesure de qualité d’environ 20 % à 70 %. L’entreprise a également demandé aux marchés et aux marques d’atteindre 80 % de son standard de bonnes pratiques établi.

Il s’agit de chiffres rapportés par l’entreprise, et non de preuves indépendantes d’une croissance des ventes. Ils montrent néanmoins le fondement opérationnel nécessaire aux flux de travail agentiques. Les agents ont besoin de normes documentées et de retours structurés avant de pouvoir prendre des décisions utiles.

Les responsables marketing de Bayer examinent également des tableaux de bord qui relient la qualité créative aux investissements médias. Le processus signale les cas où des dépenses importantes soutiennent du matériel de moindre qualité.

Cette base rend l’adoption d’agents moins mystérieuse. Bayer ne demande pas à un chatbot généraliste de comprendre chaque dimension de la publicité dans le domaine de la santé. L’entreprise insère l’IA dans un système de scores, de politiques, de revues et de responsables désignés qui existe déjà.

Zoom bénéficie d’un avantage similaire, car les conversations se déroulent déjà au sein de sa plateforme. Les réunions fournissent des transcriptions, des participants, des horodatages, des décisions et des tâches attribuées. Ce contexte peut prendre en charge les mises à jour de CRM et les actions de suivi sans obliger les utilisateurs à copier des données entre les outils.

Zoom a également étendu AI Companion autour de compétences agentiques. L’entreprise indique que le système peut exploiter le contexte des réunions pour accomplir des tâches dans Zoom Workplace et des applications connectées.

Sa feuille de route sur l’IA agentique décrit une progression allant des résumés vers les actions. Cela crée un chemin direct entre une conversation client et une tâche commerciale ou marketing enregistrée.

La pression à court terme s’exerce sur les fournisseurs de logiciels marketing et les agences qui dépendent d’une coordination manuelle. Si les marques peuvent encoder des décisions routinières et conserver des traces d’approbation, elles s’attendront à ce que leurs partenaires s’intègrent à ces flux de travail.

Elles pourraient également remettre en question les modèles de services fondés sur les heures de travail consacrées au déplacement d’informations entre les systèmes. L’agent n’a pas besoin de remplacer le travail stratégique pour remettre en cause l’économie de l’exécution répétitive.

Google News amplifie un succès de l’IA plus limité

L’histoire mise en avant par les titres est celle du marketing autonome, mais la réalité opérationnelle est une automatisation supervisée construite autour de transferts spécifiques.

Google News peut faire apparaître des expériences distinctes d’entreprises comme la preuve d’une vaste transition unique. Bayer, Zoom, les agences médias et les fournisseurs de logiciels utilisent tous le terme « agentique », mais leurs systèmes ne partagent pas nécessairement les mêmes capacités.

Une définition utile est étroite. L’IA agentique désigne un logiciel capable d’interpréter un objectif, de sélectionner des étapes et d’exécuter des actions autorisées avec une supervision limitée. Le degré de supervision et l’étendue des autorisations déterminent le niveau d’autonomie réel du système.

L’exemple CRM de Zoom semble se rapprocher davantage d’une assistance orientée vers l’action que d’une gestion marketing indépendante. Le système peut réduire l’effort administratif après les conversations, mais les spécialistes du marketing restent responsables des décisions d’audience, du positionnement, du jugement créatif et des relations clients.

Le cas de Bayer est de même limité. Les agents peuvent accélérer l’acheminement des validations et comparer les supports aux exigences documentées. Ils ne peuvent pas éliminer le besoin d’experts responsables lorsque le langage promotionnel implique un jugement clinique, réglementaire ou réputationnel.

Ces limites ne diminuent pas l’importance des projets. Elles expliquent pourquoi ces projets ont une voie plausible vers la production.

Les agents ouverts font face à un problème d’évaluation plus important. Une campagne peut améliorer un indicateur tout en en dégradant un autre. La baisse des coûts d’acquisition peut s’accompagner d’une qualité de prospects plus faible, d’une fréquence excessive des messages ou d’un recul de la confiance à long terme envers la marque.

Un flux de travail opérationnel offre des tests plus clairs. L’agent a-t-il renseigné les bons champs CRM ? A-t-il envoyé l’actif aux évaluateurs appropriés ? A-t-il conservé la documentation requise ? Une personne autorisée a-t-elle approuvé l’action finale ?

Ces questions produisent des résultats observables. La stratégie de marque offre rarement des indicateurs aussi nets.

L’expérience de Zoom en matière d’optimisation publicitaire illustre l’attrait des décisions délimitées. Metadata indique que Zoom a utilisé son Bid Agent pour optimiser la publicité LinkedIn et a rapporté une réduction de 77 % du coût par clic, ainsi qu’un retour sur investissement multiplié par trois.

L’étude de cas sur l’automatisation des enchères a été publiée par le fournisseur de la technologie. Les résultats doivent donc être considérés comme une étude de cas client, et non comme une comparaison contrôlée.

Même ainsi, les enchères se prêtent bien à l’assistance machine. Le système reçoit des données de campagne structurées, opère dans les limites des budgets et des plateformes, et peut être évalué par rapport à des mesures de performance établies.

Le risque consiste à supposer que le succès dans les enchères se transpose directement au reste du marketing. L’optimisation média ne résout pas la question de savoir si un message est véridique, distinctif, culturellement approprié ou utile à un client.

L’expérience de Bayer rend cette tension visible. L’IA générative augmente l’offre de contenu, mais davantage de contenu ne garantit pas une meilleure communication.

Digiday a rapporté que Bayer craignait de perdre une dimension humaine à mesure que la production automatisée se développait. Celine Baudin, de Bayer, a déclaré que l’IA avait facilité la création de contenu tout en rendant les contenus véritablement pertinents plus difficiles à distinguer.

Bayer a également cité des données de CreativeX indiquant qu’environ 45 % des publicités de créateurs sur Meta ne présentaient aucune marque visible au cours des trois premières secondes. Ce problème montre comment l’automatisation peut accroître la production sans répondre aux objectifs fondamentaux de communication.

Les conclusions sur la qualité créative suggèrent un rôle différent pour les agents. Au lieu de maximiser la production, un agent peut examiner les ressources, repérer les lacunes en matière de conformité ou de qualité, et prioriser les contenus à soumettre à une revue humaine.

C’est le renversement central derrière l’article de Google News. Le marketing agentique gagne en crédibilité en limitant ses ambitions.

Les systèmes les plus défendables ne prétendent pas remplacer le marketeur. Ils réduisent la charge de coordination autour des décisions que les équipes marketing, juridiques, les réviseurs médicaux et les dirigeants doivent toujours prendre.

Les chiffres ne prouvent pas encore le marketing autonome

La plupart des preuves publiques proviennent de fournisseurs et d’entreprises participantes, tandis que les mesures standardisées de la performance des agents restent rares.

Les études de cas disponibles offrent des signaux encourageants, mais elles n’établissent pas que le marketing agentique fonctionne de façon cohérente dans toutes les organisations. Chaque entreprise présente une qualité de données, des autorisations, des processus, des canaux et des définitions du succès différents.

Les gains publicitaires rapportés par Zoom provenaient d’un flux de travail d’enchères spécifique. Les chiffres de Bayer sur la couverture créative reflètent l’extension d’un programme interne de mesure. Les gains d’exécution signalés par T-Mobile impliquent un autre fournisseur et un autre environnement opérationnel.

Ces résultats ne peuvent pas être regroupés pour produire une estimation universelle du retour sur investissement. Ils répondent à des questions plus circonscrites sur des déploiements individuels.

L’attribution pose un autre problème. Lorsqu’une campagne obtient de meilleurs résultats après l’introduction d’un agent, plusieurs variables ont pu changer. Les équipes peuvent également revoir les budgets, le ciblage, les créations, les règles d’approbation ou les pratiques de reporting pendant le déploiement.

Sans point de référence approprié, l’agent peut recevoir le mérite d’améliorations produites ailleurs. Une étude de cas d’un fournisseur peut rapporter avec exactitude le changement observé tout en restant incapable d’en isoler la cause.

Le terme « agent » complique également les comparaisons. Un produit peut formuler une recommandation qu’une personne approuve. Un autre peut exécuter automatiquement des modifications dans des seuils définis. Un troisième peut coordonner plusieurs modèles spécialisés et applications métier.

Qualifier les trois systèmes d’agentiques masque d’importantes différences en matière d’autonomie et de risque. Les acheteurs en entreprise doivent demander ce que le logiciel peut lire, ce qu’il peut modifier et à quel moment il doit s’arrêter.

L’auditabilité est particulièrement importante pour Bayer. Un système d’approbation doit indiquer quelle règle l’agent a appliquée, quelles preuves il a examinées, quelle version d’une ressource il a traitée et qui a autorisé la publication.

Un résultat apparemment correct ne suffit pas lorsqu’une entreprise doit reconstituer ultérieurement le processus. Les équipes marketing ont besoin de journaux compréhensibles pour les parties prenantes juridiques, de sécurité, réglementaires et métier.

L’automatisation CRM soulève ses propres questions de gouvernance. La transcription d’une réunion peut contenir des informations client confidentielles, des données personnelles, des plans stratégiques ou des déclarations inexactes. L’accès de l’agent doit correspondre aux autorisations de l’employé et à la finalité pour laquelle les informations ont été collectées.

Les erreurs peuvent également se propager. Une classification CRM erronée peut déclencher un e-mail incorrect, modifier une prévision ou influencer la manière dont un autre employé traite le client.

La revue humaine reste précieuse lorsqu’une erreur entraîne un coût élevé en aval. La question de conception pratique n’est pas de savoir s’il faut placer une personne dans chaque boucle. Elle consiste à déterminer où l’approbation humaine produit davantage de valeur que le délai qu’elle crée.

Les équipes peuvent répondre à cette question en classant les actions selon leur réversibilité et leurs conséquences. Rédiger un résumé interne comporte moins de risques que publier une allégation médicale. Suggérer une mise à jour CRM diffère de supprimer ou d’écraser un dossier client.

Les systèmes les plus sûrs accordent aux agents des autorisations limitées, valident les résultats avant exécution et font remonter les cas incertains. Ils surveillent également les résultats après le déploiement, car les flux de travail, les données et les règles externes évoluent.

Cette charge de gouvernance affaiblit l’idée selon laquelle les agents suppriment simplement du travail. Ils déplacent une partie de l’effort de l’exécution répétitive vers la conception du système, l’évaluation, la gestion des exceptions et la responsabilité.

Cela peut néanmoins rester un bon compromis. Toutefois, les acheteurs devraient inclure ces responsabilités lorsqu’ils mesurent l’efficacité.

L’expérience de Bayer elle-même suggère que le changement organisationnel peut être plus difficile que la technologie. Ses dirigeants ont décrit des efforts visant à créer une responsabilité partagée entre des équipes fragmentées. Un agent ne peut pas, à lui seul, réparer une responsabilité mal définie.

Si différents services ne s’accordent pas sur la définition d’une allégation valide, d’un prospect qualifié ou d’une campagne réussie, l’automatisation peut exécuter ce désaccord plus rapidement. L’organisation doit trancher la règle avant d’attendre d’un agent fiable qu’il l’applique.

La qualité des connaissances devient donc un facteur de compétitivité. Les équipes ont besoin de politiques, d’exemples, de décisions et de données de performance à jour, que les personnes et les agents peuvent retrouver.

Une base de connaissances consultable peut soutenir ce travail en facilitant l’examen des documents sources. Elle ne remplace ni la gouvernance ni l’approbation d’experts.

La couverture de Google News doit être lue en tenant compte de ce manque de preuves. Bayer et Zoom ont identifié des usages opérationnels crédibles. Les informations publiques ne montrent pas encore des agents autonomes pilotant des fonctions marketing complètes avec des résultats cohérents et mesurés de manière indépendante.

Ce que les marketeurs devraient surveiller ensuite

La prochaine phase sera déterminée par les pistes d’audit, une adoption durable et des résultats qui résistent à un examen indépendant.

Le premier signal est une utilisation plus approfondie en production. Les entreprises devraient indiquer si les agents restent limités à des pilotes ou deviennent des éléments standard des flux de travail CRM, d’approbation et de campagne.

L’usage compte davantage qu’une annonce. Un outil peut bien fonctionner lors d’une démonstration, puis échouer lorsque les employés rencontrent des données inhabituelles, des instructions contradictoires ou des autorisations manquantes.

Pour Zoom, la question clé est de savoir si les actions fondées sur les conversations deviennent habituelles au sein des équipes en contact avec les clients. L’adoption devrait produire des enregistrements CRM cohérents et des suivis effectués, sans accroître le travail de correction.

La stratégie IA plus large de l’entreprise lui confère un avantage de distribution. Les réunions contiennent déjà le contexte nécessaire à l’action. Toutefois, Zoom doit montrer que les utilisateurs font suffisamment confiance au système pour connecter des applications métier sensibles.

Le deuxième signal est la qualité des preuves. Les acheteurs devraient rechercher des mesures qui distinguent les effets des agents des autres changements de campagne et qui rapportent les taux d’erreur en parallèle des gains de temps ou de performance.

Une évaluation crédible devrait définir le point de référence, l’échantillon, le processus de revue et la période couverte. Elle devrait également indiquer à quelle fréquence les humains ont corrigé, rejeté ou annulé le travail de l’agent.

Les affirmations de précision deviennent plus utiles lorsque les entreprises expliquent ce qui était considéré comme correct. Une action système techniquement valide peut tout de même ne pas soutenir l’objectif du client ou de la campagne.

Des périodes de mesure plus longues comptent également. Un agent peut améliorer une métrique à court terme en sélectionnant des audiences de plus en plus étroites ou en répétant des tactiques qui finissent par perdre en efficacité.

Le troisième signal est la gouvernance sous pression. Le flux de travail de conformité de Bayer deviendra plus convaincant s’il gère les changements de politique, les allégations inhabituelles et les différences entre marchés tout en conservant des dossiers clairs.

Le véritable test arrive lorsqu’un agent est confronté à l’ambiguïté. Un système fiable devrait reconnaître l’incertitude et faire remonter la décision, plutôt que de produire une réponse assurée non étayée par la politique.

Les fournisseurs réagiront en ajoutant des contrôles d’approbation, des tableaux de bord d’évaluation, une gestion des autorisations et des historiques d’actions traçables. Ces fonctionnalités pourraient s’avérer plus importantes pour l’adoption en entreprise que la capacité à générer un concept de campagne supplémentaire.

Les agences sont elles aussi confrontées à un choix stratégique. Elles peuvent défendre la coordination manuelle comme partie intégrante de leur service, ou repenser leurs missions autour des résultats, du jugement et de la supervision.

Les systèmes agentiques rendront les transmissions de routine plus faciles à examiner. Les clients pourront demander pourquoi une simple mise à jour a nécessité plusieurs réunions, e-mails et heures facturables.

Dans le même temps, les marques ont toujours besoin d’un regard extérieur. Un système interne efficace peut renforcer des hypothèses si personne ne remet en question ses objectifs, ses données sources ou sa direction créative.

La position la plus solide pour les agences combinera l’automatisation et un jugement indépendant. Les agences peuvent aider leurs clients à définir des normes d’évaluation, à tester les agents face à des cas difficiles et à identifier les conséquences qu’un flux de travail interne néglige.

Les marketeurs devraient résister à l’utilisation du terme « agentique » comme raccourci d’approvisionnement. Cette étiquette ne répond pas à la question de savoir si un système correspond au processus réel de l’organisation.

Une évaluation utile commence par un flux de travail circonscrit. Les équipes devraient documenter ses entrées, ses décisions, ses autorisations, les coûts de défaillance et le résultat souhaité avant de sélectionner une technologie.

Elles devraient ensuite comparer l’agent au processus actuel. La comparaison doit inclure le temps de revue, le travail de correction, la maintenance de l’intégration, les contrôles de sécurité et la qualité du résultat métier final.

Si Bayer et Zoom publient des preuves plus solides, leurs projets étayeront une conclusion plus large sur le marketing d’entreprise. Si les communications restent limitées à des indicateurs de succès sélectionnés, l’interprétation plus prudente prévaudra.

Pour l’instant, le récit de Google News est important dans son orientation, mais plus limité que le titre ne le laisse entendre. Les agents trouvent de véritables tâches au sein des opérations marketing, en particulier là où les règles et les transmissions sont déjà visibles.

L’opportunité n’est pas un service marketing qui se gère lui-même. C’est une meilleure couche opérationnelle pour le travail qui se perd actuellement entre les conversations, les systèmes, les partenaires et les approbations.

Avant d’adopter cette couche, choisissez un goulot d’étranglement récurrent et définissez ce à quoi ressemble une action correcte. Demandez-vous ensuite si un agent peut l’exécuter en toute sécurité, expliquer ses choix et gagner une utilisation durable. Ce test en révélera davantage qu’une nouvelle promesse générale sur le marketing autonome.