Le passage de l'automatisation programmatique de base à la publicité « agentique » marque un tournant structurel pour le secteur. Les règles statiques appartiennent désormais au passé. Nous confions désormais les rênes à des systèmes autonomes. Pour rester compétitif, vous devez comprendre précisément comment fonctionnent ces infrastructures intelligentes. Ce glossaire répertorie les concepts clés, les normes architecturales et les modèles d'exécution qui définissent les technologies publicitaires modernes. Mettons de l'ordre dans votre vocabulaire.
Concepts architecturaux fondamentaux
Publicité agentique
La publicité « agentique » est un cadre de marketing numérique de quatrième génération entièrement géré par des systèmes d’IA autonomes qui surveillent en permanence les comptes en temps réel, prennent des décisions stratégiques et mettent en œuvre des actions visant un objectif spécifique. Les humains définissent la stratégie, les budgets et les limites à respecter. La machine se charge du reste. Ce système remplace complètement les enchères manuelles et les règles statiques de l’achat programmatique traditionnel.
Commerce agentique
Le « commerce par agent » est le pendant grand public de l'automatisation des technologies publicitaires ; il s'agit d'assistants basés sur l'IA qui recherchent, négocient, comparent et achètent de manière autonome des produits pour le compte d'un acheteur humain. L'acheteur délègue cette tâche à l'agent, qui parcourt les boutiques en ligne et effectue la transaction via les API de Stripe ou de Shopify.
Marketing agentique
Le « marketing agentique » consiste à appliquer des systèmes d'IA autonomes à la fonction de croissance globale d'une marque, dans le cadre de laquelle un agent gère la stratégie, la création, la mise en œuvre et l'optimisation en se basant sur un seul indicateur cible. Fixez-lui un objectif de ROAS de 1,8. Il s'occupe du reste.
IA agentique orientée vers des objectifs
L'IA agentique orientée objectifs désigne des systèmes d'intelligence artificielle proactifs, conçus pour poursuivre de manière autonome des objectifs commerciaux définis sur des horizons temporels étendus, sans intervention humaine étape par étape. Vous lui fixez un objectif. Elle élabore elle-même son plan d'action. Ces systèmes utilisent des grands modèles linguistiques (LLM) comme moteurs cognitifs pour évaluer l'état de l'environnement et déclencher API externes vers des plateformes marketing.
Systèmes multi-agents (MAS)
Un système multi-agents (MAS) est une architecture réseau décentralisée dans laquelle plusieurs agents d'intelligence artificielle spécialisés et autonomes collaborent ou rivalisent pour résoudre des défis programmatiques complexes. Les responsabilités sont largement réparties. Un agent de recherche extrait les données d'audience du CRM. Un agent de planification définit le mix média. Un agent d'exécution gère la campagne via OpenRTB. Ils communiquent en permanence.
Architecture décentralisée de Blackboard
Une architecture « Blackboard » décentralisée est un cadre organisationnel multi-agents dans lequel des agents isolés publient des informations et consultent les mises à jour d'une base de connaissances partagée et centralisée, appelée « blackboard ». Les agents ne communiquent jamais directement entre eux. Un agent d'analyse peut par exemple enregistrer un pic soudain de conversions provenant d'un groupe démographique spécifique. Un agent d'enchères consulte ces données instantanément. Il met à jour ses multiplicateurs sans attendre API d'une API .
Architecture de subsomption
L'architecture par subsomption est une approche de conception d'agents réactifs en couches, dans laquelle les comportements complexes sont construits en empilant des modules comportementaux indépendants, ce qui permet aux couches supérieures de prendre le pas sur les couches inférieures. Elle garantit la sécurité. Les contraintes financières de base se trouvent au niveau inférieur. La logique de tarification avancée se trouve au niveau supérieur. Si une optimisation sophistiquée tente de dépasser votre budget quotidien, la couche de base bloque l'action.
Mémoire persistante et récupération vectorielle
La mémoire persistante est l'infrastructure qui permet aux systèmes autonomes de conserver, de récupérer et de contextualiser les interactions passées ainsi que les données historiques de performance sur de longues périodes. Les plateformes programmatiques sont généralement sans état. La mémoire change la donne. Les agents stockent les données télémétriques des campagnes sous forme de vecteurs denses dans des bases de données telles que Pinecone ou FAISS. Ils extraient ce contexte historique avant de lancer de nouvelles campagnes.
Modèle de maturité publicitaire
Génération 1 — Achats manuels
La publicité de « génération 1 » incarne l'époque révolue de l'achat d'espaces publicitaires manuel, où des acheteurs se connectaient aux plateformes pour ajuster manuellement les enchères, les budgets et les audiences. Une véritable galère.
Génération 2 — Règles de la plateforme native
La publicité de 2e génération s'appuie sur une logique conditionnelle de base directement intégrée aux plateformes des éditeurs, qui exécute des commandes simples du type « si X, alors Y ». On peut citer comme exemple la mise en pause d'une campagne lorsque le CPA dépasse 50 $ sur LinkedIn Ads.
3e génération — Logiciels basés sur des règles
La publicité de troisième génération utilise des superpositions logicielles tierces pour mettre en œuvre des optimisations programmées et appliquer des ensembles de règles très volumineux. Cependant, ce sont toujours des opérateurs humains qui rédigent la logique de base et surveillent les résultats.
Génération 4 — Systèmes agentiques
La publicité de 4e génération correspond à l'ère actuelle de l'autonomie, dans laquelle les systèmes d'IA analysent le contexte d'un compte, élaborent des stratégies de manière indépendante et les mettent en œuvre sans instructions humaines détaillées. Vous définissez l'objectif. La machine détermine les étapes à suivre.
Exécution, achats et protocoles
Protocoles de gestion publicitaire agentique (AAMP)
Les protocoles de gestion de la publicité agentique (AAMP) constituent un cadre global développé par l'IAB Tech Lab afin de fournir l'infrastructure de gouvernance, d'exécution et de protocoles nécessaire à la mise en œuvre à grande échelle de la publicité agentique. Ce cadre organise les opérations selon des hiérarchies d'agents spécifiques. Il permet d'intégrer directement les nouvelles actions issues de l'IA dans des structures existantes grâce à des objets OpenRTB, OpenDirect et AdCOM améliorés.
Infrastructure « agent à agent » (A2A)
L'infrastructure « Agent-to-Agent » (A2A) est une architecture système dans laquelle les applications d'IA des acheteurs et des vendeurs communiquent et effectuent des transactions directement entre elles. Les intermédiaires humains sont totalement écartés du processus de transaction. Des géants tels que PubMatic et Omnicom ont déjà largement déployé cette technologie.
AdCP (Protocole de contexte publicitaire)
Une norme de protocole ouverte émergente, spécialement conçue pour la négociation entre agents d'espaces publicitaires non standard, sur mesure et vendus en direct, qui normalise la manière dont acheteurs et vendeurs échangent des appels d'offres structurés.
AgenticOS
AgenticOS est un système d'exploitation publicitaire de type « agent à agent » lancé par PubMatic début 2026. Les annonceurs définissent des paramètres stricts en matière de sécurité de la marque, de budget et de formats créatifs. Les agents coordonnés se chargent de l'ensemble de la planification et de l'exécution dans le cadre de ces paramètres.
Protocole de contexte de modèle (MCP)
Le Model Context Protocol (MCP) est un cadre normatif émergent qui offre aux agents d'IA un accès autorisé et normalisé aux plateformes publicitaires externes, aux CRM et aux outils d'analyse. Cessez de parler de « plugin ». Le MCP est le véritable tissu conjonctif.
Serveur, client et transport MCP
Le cadre MCP est une architecture technique reposant sur trois piliers : les serveurs, les clients et les transports. Les serveurs mettent à disposition les outils disponibles. Les clients, intégrés au moteur d'exécution de l'agent, gèrent le routage. Les transports acheminent la charge utile via des canaux HTTP standard.
Appel d'outils
Un « appel d'outil » correspond à l'invocation unique d'une fonction typée par un agent IA, qui comprend des arguments structurés et renvoie un résultat structuré. Une étape d'agent peut déclencher une douzaine d'appels d'outils parallèles.
Mesures de protection, gouvernance et confidentialité
Glissières de sécurité
Les garde-fous sont les limites opérationnelles strictes, définies par l'homme, dans lesquelles un système autonome doit fonctionner. Ils permettent d'éviter les défaillances financières catastrophiques. Vous fixez les limites de crédit, les objectifs de volume des contrats-cadres, les marges minimales et les règles de sécurité de la marque. L'IA ne peut pas les enfreindre.
Moteur de glissière de sécurité
La couche d'exécution commerciale propriétaire intégrée à un système de gestion des achats (OMS) agentique, qui valide automatiquement les limites de crédit, applique la tarification « Netto-Netto » et garantit que les transactions autonomes respectent les accords-cadres annuels avant tout achat d'espaces publicitaires.
Collision d'agents
La « collision d'agents » est une défaillance structurelle qui survient lorsque plusieurs agents autonomes émettent des commandes contradictoires au sein d'un même environnement d'enchères, ce qui entraîne des guerres d'enchères algorithmiques qui épuisent rapidement les budgets des campagnes. Ce phénomène se produit lorsque les mécanismes de contrôle échouent. Vous devez empêcher votre agent d'achat Meta de cannibaliser votre agent Google Ads.
« Human-in-the-Loop » (HITL)
Le modèle « Human-in-the-Loop » (HITL) est un modèle de gouvernance dans lequel des stratèges humains interviennent au-dessus de la boucle opérationnelle automatisée pour définir des objectifs, examiner les décisions et conserver le pouvoir de passer outre les décisions du système. Vous jouez le rôle de régulateur stratégique. Vous n'êtes pas un exécutant tactique.
Suivi des décisions
Une « trace de décision » est un enregistrement complet, consigné par un agent, qui documente les signaux observés, les alternatives envisagées et le raisonnement exact qui a conduit au choix d'une action. La traçabilité est obligatoire. Une autonomie transparente est le seul moyen d'instaurer la confiance auprès des clients de l'agence.
Processus d'escalade
Une « voie d'escalade » est un protocole de sécurité prédéfini qui redirige les comportements anormaux des agents ou les pics de dépenses massifs vers un intervenant humain afin d'obtenir une validation explicite avant leur exécution. Si le système tente une action très inhabituelle, il se met en pause. C'est à vous de décider.
Injection de messages publicitaires
L’« Ad-Side Prompt Injection » est une menace moderne en matière de cybersécurité, dans laquelle des acteurs malveillants intègrent du texte caché dans des pages Web ou des créations publicitaires afin de détourner et de manipuler la logique décisionnelle d’un agent d’achat autonome. Ces acteurs malveillants ciblent la couche de perception de l’IA. Des procédures d’escalade vers des intervenants humains sont nécessaires pour y remédier immédiatement.
Salle blanche de traitement des données
Une « Data Clean Room » est un environnement informatique sécurisé et respectueux de la vie privée, dans lequel les entreprises recoupent leurs données clients de première main avec celles des plateformes publicitaires sans divulguer d'informations permettant d'identifier les personnes.
Modèles de raisonnement basés sur l'IA
Apprentissage par renforcement multi-agents (MARL)
L'apprentissage par renforcement multi-agents (MARL) est un paradigme avancé d'apprentissage automatique dans lequel plusieurs agents apprennent simultanément des comportements optimaux au sein d'un écosystème partagé et en constante évolution. Les modèles à agent unique échouent dans les enchères à annonceurs multiples. Le MARL s'appuie sur l'intelligence collective. Il stabilise les enchères en s'adaptant en quelques millisecondes à la dynamique des prix pratiqués en temps réel par les concurrents.
Moteur de traitement cognitif hybride
Un moteur de traitement cognitif hybride constitue le cœur décisionnel d'un agent marketing, en intégrant les capacités sémantiques qualitatives des grands modèles de langage (LLM) à la précision déterministe des algorithmes structurés d'apprentissage automatique. Les modèles textuels ont du mal à appréhender les mathématiques. Les modèles de régression ne sont pas capables de lire les briefs créatifs. Cette approche hybride résout ces deux problèmes de manière native.
Cycle « Observer → Réfléchir → Planifier → Agir → Apprendre »
Cette boucle constitue le cycle opérationnel fondamental de tout système agentique. L'agent recueille des données télémétriques en temps réel sur les performances. Il compare ces données aux objectifs de ROAS. Il élabore un plan. Il met en œuvre les ajustements nécessaires. Il tire des enseignements des résultats obtenus.
Fonction de récompense
Une fonction de récompense est le principe mathématique fondamental intégré à un modèle d'IA qui définit la valeur d'actions et de résultats spécifiques dans un environnement d'apprentissage par renforcement. Avant qu'un agent puisse planifier une séquence, il doit savoir à quoi ressemble concrètement la réussite.
Chaîne de pensée (CoT)
La « chaîne de pensée » (CoT) est un modèle de guidage et de logique dans lequel un modèle d'IA génère une trace de raisonnement explicite, étape par étape, avant d'aboutir à une réponse finale. Il s'agit de la référence absolue pour les tâches faisant largement appel au raisonnement.
ReAct (Raisonnement + Action)
ReAct est un modèle de logique d'agent qui combine des traces de raisonnement détaillées à une utilisation active des outils. Il gère brillamment les tâches générales. Cependant, il peut perdre le contexte concernant les objectifs à long terme s'il n'est pas régulièrement réancré.
Planifier et mettre en œuvre
« Plan-and-Execute » est une architecture d'agents rigide, optimisée pour des flux de travail prévisibles et strictement ordonnés. Elle définit l'ensemble du processus dès le départ. Elle s'avère beaucoup plus économique à grande échelle. Mais elle s'effondre instantanément si l'environnement change en cours d'exécution.
Génération assistée par la recherche (RAG)
La « génération augmentée par la recherche » (RAG) est une technique informatique dans laquelle une IA extrait des informations vérifiées d'une base de données spécifique avant de générer une réponse. Elle fonde ses réponses sur des données réelles, telles que l'historique des campagnes. Les « hallucinations » sont ainsi réduites à zéro.
Création et mesure
ROAS (retour sur investissement publicitaire)
Le retour sur investissement publicitaire (ROAS) est un indicateur financier clé qui permet de calculer le chiffre d'affaires généré par unité de dépense publicitaire. Il reste l'objectif d'optimisation principal pour les systèmes agentiques.
Pilotage de la pLTV (valeur à vie prédictive)
Le « Predictive Lifetime Value (pLTV) Steering » est une méthodologie d'enchères avancée dans laquelle les agents ajustent de manière dynamique leurs offres en fonction d'une prédiction algorithmique en temps réel de la valeur financière à long terme d'un utilisateur spécifique. Oubliez les indicateurs de rentabilité classiques. Les agents achètent pour l'avenir.
Incrémentalité
L'incrémentalité est une méthode de mesure qui recourt à des tests contrôlés pour démontrer si une campagne publicitaire a généré des ventes nettes supplémentaires qui n'auraient pas été réalisées de manière organique. Les clics mentent. L'incrémentalité révèle la vérité.
Enchères sémantiques
L'enchère sémantique est une logique d'achat média basée sur l'intention, dans laquelle des systèmes autonomes enchérissent en fonction de la signification contextuelle et du sentiment exprimés dans la requête d'un utilisateur, plutôt que sur des mots-clés en correspondance exacte. Les anciennes listes de mots-clés appartiennent désormais au passé. L'IA comprend les nuances de l'intention qui se cache derrière une recherche complexe sur Perplexity ou SearchGPT.
Modélisation du mix marketing (MMM)
La modélisation du mix marketing (MMM) est une méthode d'évaluation économétrique qui analyse les données historiques de performance afin d'estimer dans quelle mesure les différents canaux marketing contribuent aux résultats globaux de l'entreprise.
Optimisation dynamique des créations (DCO)
L'optimisation dynamique des créations (DCO) consiste à tester et à permuter automatiquement les éléments publicitaires en fonction d'indicateurs de performance en temps réel. Elle alterne rapidement les images, les titres et les appels à l'action afin de trouver la combinaison idéale.
L'uniformité créative
La « créativité uniforme » désigne le phénomène de marché selon lequel les publicités générées par l'IA se ressemblent de manière fonctionnelle d'un secteur à l'autre, car les marques s'appuient sur des modèles de génération de base identiques. Lorsque ce sont les machines qui rédigent les textes publicitaires, la créativité humaine, avec ses particularités et son originalité, devient un atout extrêmement précieux.
Publics synthétiques
Les « audiences synthétiques » sont des profils de consommateurs virtuels générés par l'IA, modélisés à partir de données réelles de première main, qui permettent aux annonceurs d'organiser des groupes de discussion simulés et des tests créatifs hyperréalistes sans dépenser leur budget publicitaire réel. Testez d'abord ici les textes générés par l'IA de mauvaise qualité. Gardez votre budget pour les variantes gagnantes.
Commerce Media Networks (CMN)
Les réseaux Commerce Media Networks (CMN) incarnent l'évolution du « retail media », dans le cadre duquel des secteurs non liés à la distribution, tels que l'automobile et la finance, mettent en place des réseaux publicitaires sur mesure afin d'interpeller les consommateurs au moment même où ils effectuent une transaction.
Publicités conversationnelles / Publicités par chatbot
Les publicités conversationnelles sont des placements publicitaires natifs et très ciblés, intégrés directement dans les interfaces conversationnelles des moteurs de recherche et des chatbots basés sur l'IA. C'est là que se concentrent les véritables budgets publicitaires. Pensez par exemple aux réponses sponsorisées dans ChatGPT ou Claude.
CTV avec fonctionnalité d'achat
Le terme « CTV shoppable » désigne les publicités interactives diffusées à la télévision connectée qui permettent aux téléspectateurs d'acheter des produits directement à l'aide de leur télécommande ou d'un code QR, sans interrompre leur expérience de streaming sur des plateformes telles que Hulu ou Roku.
Données et confidentialité
Données de première partie (1PD)
Les données de première main (1PD) désignent les informations exclusives qu'une marque recueille directement auprès de ses clients, notamment les fiches clients Salesforce , les listes d'adresses e-mail, l'historique des achats et le suivi du comportement sur le site web. C'est une véritable mine d'or.
Données « zero-party »
Les « données zero-party » désignent les informations spécifiques et très précises qu'un client partage de manière intentionnelle et volontaire avec une marque, telles que les réponses à des quiz, ses préférences en matière de communication et ses intérêts explicites pour certains produits.
GEO (Optimisation générative des moteurs de recherche)
L'optimisation pour les moteurs génératifs (GEO) est une pratique technique consistant à structurer le contenu d'une marque de manière à ce que les outils de recherche basés sur l'IA puissent correctement analyser, comprendre et mentionner votre entreprise dans les réponses qu'ils génèrent.
Applications ADvendio
ADvendio
ADvendio est une suite exclusive d'assistants autonomes qui se connectent directement à vos données de référence CRM, automatisant ainsi les ventes médias, la gestion des campagnes et les opérations publicitaires via des interfaces conversationnelles.
Agent immobilier chargé de la vente
Seller Agent est un outil autonome qui transforme des briefs de campagne bruts en campagnes médias structurées. Il gère automatiquement la mise en correspondance des comptes, la sélection des produits et les logiques tarifaires complexes.
Chargé de l'accompagnement commercial
L'agent d'aide à la vente est un assistant basé sur l'IA qui fournit des résumés de comptes en temps réel, des informations sur les risques et des analyses du pipeline afin d'aider les commerciaux à conclure des contrats plus rapidement.
Agent chargé des stocks
L'Inventory Agent est un outil de vérification automatisé qui contrôle en temps réel la disponibilité des éléments d'une campagne grâce à API directes avec des serveurs publicitaires externes tels que Google Ad Manager.
Agent chargé des propositions
L'« Agent de proposition » est une IA d'assistance qui gère la conversion des briefs en campagnes, les changements de produits et la génération automatisée de rapports de visite. Il permet de maintenir le rythme de la conversation sans retard administratif.
Agent d'optimisation
L'Optimisation Agent est un outil de suivi des performances qui génère des alertes en temps réel ou procède à des ajustements automatiques des enchères afin de garantir la réalisation des objectifs de la campagne.
Agent de ciblage
Le « Targeting Agent » est un module autonome ADvendio qui gère de manière intelligente les audiences, l'inventaire et les objectifs des campagnes afin de garantir une exécution sans faille de l'ensemble du plan média.
Agent de facturation
L'agent de facturation est un module d'IA financière spécialisé qui permet de lancer, de personnaliser et d'automatiser les cycles de facturation à l'aide de simples commandes de chat.
Agent de clôture de mois
L'outil « Month-End Agent » est un outil de rapprochement financier qui permet de clôturer les comptes en quelques minutes plutôt qu'en plusieurs semaines. Il accélère considérablement votre processus de clôture et garantit une conformité totale en vue d'un audit.
Agentic Gatekeeper
Agentic Gatekeeper est un agent de sécurité de pré-facturation qui effectue automatiquement des contrôles rigoureux des données afin de garantir que toutes les transactions publicitaires donnent lieu à des registres financiers fiables et vérifiables pour l'équipe opérationnelle.
