Google et Cisco placent l’objectif avant l’automatisation de l’IA

Objectifs métier Les responsables marketing doivent désormais confier une partie de l’exécution aux algorithmes, tout en démontrant la valeur produite par chaque dollar investi. Cette tension était au centre d’une table ronde de la MarTech Conference de septembre 2026. Maria Corcoran de Jiffy.com, Anthony Tedesco de Cisco Systems et Jiaxi Zhu de Google y ont discuté du pilotage de l’IA. Leur point commun consiste à définir précisément le résultat recherché avant d’automatiser. Jiaxi Zhu rappelle qu’un algorithme ne peut pas optimiser toutes les métriques simultanément. Le choix d’un objectif prioritaire devient donc essentiel. La méthode utilisée compte moins que l’atteinte de cet objectif métier.

Signaux de conversion Dans les entreprises interentreprises, la conversion finale arrive parfois trop rarement pour entraîner efficacement un modèle. Anthony Tedesco recommande alors d’identifier des signaux intermédiaires, assez fréquents pour nourrir l’algorithme, mais toujours reliés au chiffre d’affaires et au pipeline. Maria Corcoran souligne aussi l’importance du public ciblé, du catalogue, du site et des contenus associés. Ces éléments doivent rester compréhensibles pour les systèmes automatisés. Les enchères en temps réel constituent un cas favorable à la délégation, car un algorithme évalue des milliers de signaux contextuels plus rapidement qu’un opérateur humain. L’assemblage de textes et d’images peut également être testé à grande échelle.

Jiffy.com surveille ses lignes commerciales

Budget déséquilibré L’expérience de Jiffy.com avec Google Performance Max montre toutefois les limites d’un bon résultat global. L’entreprise exploite quatre lignes commerciales distinctes. Lors d’un test, la campagne a affiché un retour sur investissement global élevé. Elle a pourtant concentré son budget sur une seule ligne, qui n’avait pas financé l’initiative. Maria Corcoran y voit un enseignement sur l’architecture du site. Celle-ci ne différenciait pas assez clairement les activités pour les modèles d’IA. Le test publicitaire a donc aussi servi à améliorer la manière dont l’infrastructure numérique présente les différentes offres aux systèmes automatisés.

Mesure conservée Cisco suit désormais des indicateurs de visibilité dans les réponses générées par les modèles de langage. Ces mesures montrent comment ces systèmes interprètent et citent ses contenus. Anthony Tedesco continue cependant de considérer les indicateurs traditionnels comme des repères essentiels. Maria Corcoran conserve notamment la valeur vie client rapportée au coût d’acquisition et le coût par acquisition. Elle utilise l’IA pour analyser des données multicanales, repérer des écarts d’attribution et évaluer l’effet des contenus d’influenceurs ou produits par les utilisateurs. L’objectif n’est donc pas d’abandonner les métriques établies, mais de mieux expliquer les facteurs qui les influencent.

L’adoption reste minoritaire dans les flux

Gains opérationnels Jiaxi Zhu estime que le bénéfice immédiat de l’IA se situe souvent dans les tâches répétitives. L’outil peut réduire les frictions liées à l’analyse initiale, au diagnostic et à la configuration des campagnes. Anthony Tedesco cite aussi la mise en ligne des publicités, tâche fondée sur des règles, ainsi que l’analyse en libre-service. Des outils en langage naturel peuvent produire en quelques minutes des rapprochements qui exigeaient auparavant SQL ou plusieurs semaines d’attente. Chez Jiffy.com, Maria Corcoran utilise Claude pour réunir données financières, publicitaires, web et commerciales. Cette pratique devait supprimer trois heures de travail quotidien consacrées aux rapports.

Adoption mesurée Un sondage mené pendant la conférence montre que 58 % des participants expérimentent l’IA pour analyser la performance. Vingt-trois pour cent étudient encore des cas d’usage potentiels. Seuls 11 % ont entièrement intégré cette technologie à leurs flux de travail. Jiaxi Zhu déconseille de mesurer le succès avec les connexions aux outils ou leur adoption apparente. Les équipes doivent fixer des références avant les tests, puis étendre uniquement les applications qui améliorent les résultats métier. Anthony Tedesco recommande enfin des garde-fous, notamment une taxonomie de données propre. Maria Corcoran préfère utiliser largement l’IA pour l’analyse avant de lui donner accès aux budgets actifs.