Agentique : où en sont vraiment les agences médias françaises ? (2/2) - Les stratégies des agences indépendantes passées au crible

Où en sont concrètement les principales agences médias en matière de projets agentiques ? Qui travaille avec qui ? Qui teste quoi et qui s’interdit quoi ?

C’est pour répondre à ces questions que vous vous posez peut-être qu’Open Garden a décidé de procéder à un état des lieux factuel, à partir d’entretiens menés auprès de grands groupes et d’agences indépendantes, en se concentrant sur les usages réels, les lignes de contrôle humain et les premiers effets observables.

Après un premier épisode consacré à la stratégie des holdcos, nous passons aux agences médias indépendantes, avec un point sur les avancées de Values.media, Biggie, Haiku, Jellyfish et CoSpirit.

Values.media : l’agentique comme levier pragmatique de productivité

Values.media s’est d’abord équipé d’un agent interne sécurisé via la solution française Cominty, utilisé comme environnement fermé pour exploiter différents modèles sans exposer les données sensibles des campagnes. 

Déployé auprès d’une partie des équipes conseil et trading, cet assistant repose sur des prompts préconfigurés couvrant les cas d’usage les plus fréquents, avec une logique d’adoption progressive et volontaire.

Ce groupe d’utilisateurs se réunit régulièrement pour des formations et partage de bonnes pratiques. “Il n’existe pas de mode d’emploi spécifique à nos métiers, c’est à chacun d’être volontaire, de faire son expérience, de tester, d’apprendre, et à l’agence de créer le cadre pour partager au mieux les cas d’usage et créer une émulation autour de ces nouvelles pratiques. C’est la meilleure manière d’embarquer rapidement tout le monde selon nous”, précise Emmanuel Crego, DG du Groupe.

L’agence est rapidement allée plus loin en développant, avec ce même partenaire, des agents capables de se connecter directement aux plateformes d’achat. Des premiers tests ont été menés sur le DSP Xandr, avec la création complète de campagnes à partir de prompts - budgets, ciblages, line items et options d’optimisation - ainsi qu’un accès aux reportings.

“Sur Xandr, les tests ont démontré une capacité à reproduire fidèlement les instructions données via prompt, sans comportements imprévisibles : lorsque l’agent manque d’informations, il interroge l’utilisateur plutôt que de prendre des décisions arbitraires”, explique Olivier Lavecot, directeur innovation de l’agence. 

Une connexion à Meta est également disponible bien qu’un travail de stabilité reste d’actualité pour un déploiement à grande échelle. L’objectif est désormais d’étendre ces connecteurs aux autres business managers sociaux et DSP, notamment dans le cadre d’une migration vers The Trade Desk.

“Les gains opérationnels restent difficiles à quantifier à ce stade. Les équipes n’ont pas encore mesuré précisément les économies de temps, car les phases de test impliquent davantage de vérifications humaines”, détaille Olivier Lavecot. 

Des campagnes ont été réellement set-uppées par agent, mais l’agence conserve une supervision humaine stricte, avec des vérifications systématiques dans les interfaces plateformes avant toute mise en ligne. 

La logique reste pragmatique : simplifier des workflows existants, en particulier sur les campagnes complexes où plusieurs heures de paramétrage peuvent être réduites à quelques dizaines de minutes, sans chercher à réinventer le métier ni à créer de nouveaux produits IA.

L’agence assume également une posture indépendante vis-à-vis des solutions tierces, afin d’éviter la multiplication d’outils spécialisés par canal qui recréeraient des silos. Raison pour laquelle le recours à des agents déployés par les SSP ne semble, en l’état, pas vraiment intéresser Values.Media. 

L’enjeu principal reste aujourd’hui l’équation économique et l’adoption par l’écosystème : tant que les régies et plateformes ne standardisent pas leurs API ou leurs logiques agentiques, les gains resteront partiels. Values.Media, qui a été la première agence média française à acheter une campagne TV via un système agentique, espère que les broadcasters français vont rapidement développer leur propre système agentique.

Emmanuel Crego, directeur général de l’agence, n’anticipe pas de réduction des effectifs à court terme, mais plutôt une évolution du rôle des traders vers davantage de supervision, de négociation et de définition de règles que les agents devront appliquer. 

Biggie : une interface propriétaire Wallace et des tests avec Concord et Supply Finder

L’approche de Biggie repose sur une logique d’empilement d’agents spécialisés, réunis dans une interface propriétaire, Wallace, utilisée quotidiennement par la grande majorité des équipes. 

L’agentique intervient à plusieurs niveaux : enrichissement de brief et analyse stratégique, set-up de campagnes display en cours de structuration, outils d’analyse créative, et reporting corrélatif pour orienter les optimisations. 

Biggie a aussi été la première agence média à tester Supply Finder, copilote agentique éprouvé sur une dizaine de campagnes tests. Pour un annonceur du voyage, l’agent a permis de générer jusqu’à 90 variations par destination. Chose qui, pour une campagne d’une dizaine de milliers d’euros, aurait été impossible à réaliser manuellement. 

“A la clé, des gains de performance significatifs, autour de +40% de visites qualifiées”, chiffre Baptiste Pechery, head of media trading de Gamned. Lequel nous confie envisager également de tester une offre similaire du côté de C Wire.

Biggie avance, comme WPP Media, avec Concord, pour comparer les performances d’une campagne set-uppées manuellement directement au sein du DSP avec celle d’une autre, qui est pilotée depuis Concord, en langage naturel. “On va commencer par DV360 sur l’Open Web et on a hâte d’avoir les résultats”, explique Baptiste Pechery.

L’expert estime que le recours à des systèmes agentiques est une piste très prometteuse pour gérer des plans médias aussi lourds que granulaires, “avec des centaines de line items par campagne, qui prennent un temps fou à parémétrer”. 

Il y voit aussi une bonne réponse à l’hyperfragmentation de certains environnements médias, comme la CTV, il faut parfois passer par autant d’interfaces d’achat qu’il y a de régies (on exagère un poil mais vous avez l’idée).

Au-delà de l’exécution digitale, Biggie envisage des usages plus larges, notamment sur des environnements offline, comme la télévision et l’affichage, avec dans l’idée, des outils capables d’identifier des opportunités d’achat en fonction de la disponibilité des inventaires et de la granularité des données. “Mais on n’y est pas encore”, tempère Erwan Lohezic, directeur général de Biggie. 

Aujourd’hui, Biggie se situe clairement dans une phase de déploiement avancé, avec une volonté assumée d’industrialiser l’agentique et d’en faire un produit commercial. Wallace est déjà proposé à certains clients sous forme de licences, dans une logique proche du SaaS, combinant temps humain et temps machine dans un modèle de revenus récurrents. 

Cette stratégie s’accompagne toutefois d’une vision lucide sur les impacts sociaux : réduction probable des effectifs support, disparition progressive de certains rôles juniors, et montée en puissance de profils très techniques et analytiques, une transformation inévitable dans le temps.

Jellyfish : un “full AI setup” déjà testé via MCP et la plateforme Pencil

Jellyfish a récemment validé un premier déploiement en s’appuyant sur le protocole MCP d’Amazon Ads, avec l’objectif de sortir d’une logique d’interface manipulée manuellement par les traders pour aller vers un pilotage par requêtes en langage naturel, exécutées par des agents.

Au cœur de ce dispositif se trouve Pencil, la plateforme propriétaire de Jellyfish (développée au sein du groupe Brandtech). Initialement conçu comme un outil de création publicitaire, Pencil est progressivement devenu une véritable tour de contrôle du workflow média.

“La plateforme couvre désormais l’ensemble de la chaîne : génération de media planning en quelques minutes à partir d’un brief, extraction d’insights en temps réel et, prochainement, automatisation du setup de campagnes sur Meta et Google”, précise Rafael Lasnier, head of programmatic France de Jellyfish.

La stratégie de Jellyfish repose sur une architecture hybride. L’intelligence métier est concentrée dans Pencil, tandis que les connexions avec les plateformes reposent sur les standards émergents du marché. Comme évoqué plus haut, l’agence utilise déjà MCP pour dialoguer directement avec l’API d’Amazon Ads et prévoit de tester prochainement AdCP via Scope3.

“L'idée, c'est de coder notre propre couche d'intelligence par-dessus ces standards. On utilise Pencil pour piloter ces protocoles de manière différenciée, ce qui nous donne une agilité que les interfaces standards des plateformes ne proposent pas”, ajoute Rafael Lasnier.

Le premier test mené sur une activation Monoprix illustre le potentiel opérationnel de cette approche. En combinant les agents Pencil et MCP, Jellyfish est parvenu à réaliser un setup complet de campagne en à peine une heure :

• Mediaplanning et interfaçage (30 minutes) : analyse du brief et configuration des accès inventaires en langage naturel.

• Configuration technique (20 minutes) : paramétrage automatisé dans la DSP via MCP, sans erreur de conformité.

• Structuration du reporting (10 minutes) : mise en place du suivi dès l’activation.

“Jusqu’à 65% de la charge opérationnelle de setup a été absorbée par l’IA”, chiffre Rafael Lasnier, qui précise que le temps gagné sur les tâches mécaniques est réinvesti dans le raffinement de la stratégie, le contrôle de la qualité et l’analyse des performances.

La prochaine étape, ce sera un test avec Scope3 sur le gré à gré via AdCP. À terme, l'objectif est clair : “Pencil doit orchestrer tous les leviers, du social au search en passant par la vidéo.”

L’autonomie des agents reste volontairement encadrée. Chez Jellyfish, l’IA peut exécuter certaines actions techniques, mais l’arbitrage stratégique, la gestion budgétaire et la brand suitability restent strictement dans les mains de l’humain.

Rafael Lasnier insiste sur la nécessité d’une gouvernance claire : les règles métier (brand safety, exclusions, contraintes annonceur) sont intégrées directement dans ce que les équipes appellent la “constitution” de l’agent. L’auditabilité des décisions constitue également un prérequis pour garantir la confiance dans ces systèmes.

Sur le plan économique, le premier ROI observé concerne surtout l’efficacité opérationnelle : un setup qui nécessitait auparavant une demi-journée peut désormais être exécuté en environ une heure. “À court terme toutefois, une partie de ce gain est compensée par les investissements nécessaires pour entraîner les agents, tester les protocoles et former les équipes”, prévient Rafael Lasnier.

Cette transformation s’accompagne déjà d’une évolution des compétences. Le métier de trader évolue vers des profils capables de piloter et superviser des systèmes d’agents, plutôt que de paramétrer manuellement des plateformes. Jellyfish a ainsi instauré deux heures de formation hebdomadaires pour l’ensemble de ses équipes afin d’accélérer cette montée en compétences.

À terme, l’agence anticipe également une évolution des modèles économiques, avec des approches hybrides combinant licence SaaS, facturation à l’usage (token-based) et potentiellement rémunération à la performance. Dans cette perspective, l’accès aux agents deviendra probablement un standard de marché. La différenciation se jouera alors sur la capacité des agences à injecter leur intelligence métier dans ces architectures et à orchestrer des écosystèmes publicitaires de plus en plus décloisonnés.

Haiku : structurer la donnée avant d’agentiser

Chez Haiku, l’agentique avance de façon progressive, avec une priorité claire : structurer la donnée avant d’automatiser l’exécution média. L’agence indépendante se situe aujourd’hui entre exploration et premiers POC, avec une ambition de déploiement partiel dès 2026. 

“Faute de département R&D dédié, la montée en maturité s’est faite par étapes, portée par un comité IA transverse et renforcée récemment par un audit stratégique mené par Amadia”, explique l’un des cofondateurs de l’agence, Elie Boussira. 

Cette phase d’analyse qualitative a permis d’identifier les principaux “pain points” et de hiérarchiser les cas d’usage, tout en posant une vision plus structurée de l’IA au sein de l’organisation.

La priorité des prochains mois reste la structuration des flux de données autour d’Alfred l’outil propriétaire de l’agence (récompensé de l’or dans la catégorie “Innovation d’agence média” aux Open Garden Awards). 

“L’enjeu consiste à harmoniser des métriques hétérogènes - GRP TV, CPM digital, données issues du social ou des grandes plateformes - afin de bâtir un socle fiable pour les futurs agents”, explique Elie Boussira. 

Cette étape implique également la connexion d’outils bureautiques et de plateformes média via API, ainsi qu’un travail interne sur la traduction des KPI par agence, considéré comme indispensable pour garantir la cohérence des analyses automatisées. 

Vous l’aurez compris, pour Haiku, l’investissement initial se situe moins dans l’agentique elle-même que dans la normalisation de la donnée.

Sur le plan opérationnel, l’agence développe en interne plusieurs briques orientées productivité : e-assistant pour agréger la data, génération automatisée de dashboards, synthèse de reporting et recommandations d’optimisation. 

En parallèle, Haiku teste Concord avec une volonté d’obtenir des effets rapides et concrets. Initialement orienté programmatique, l’outil est exploré ici sur des environnements social et search, afin d’évaluer sa pertinence au-delà de son périmètre historique. 

“Cette phase de test vise autant à comprendre les capacités réelles de l’agent qu’à acculturer les équipes à de nouveaux modes de travail”, précise Elie Boussira.

La gouvernance reste toutefois très encadrée. Le niveau d’autonomie des agents est volontairement limité : l’engagement budgétaire et les modifications de setup demeurent sous contrôle humain. 

Cette prudence répond à des risques identifiés, notamment les erreurs liées à une mauvaise utilisation de l’IA ou à des configurations mal calibrées. Dans cette optique, l’agent est perçu avant tout comme un outil d’aide à la décision et de sécurisation des opérations, capable de générer des alertes et de réduire les erreurs humaines.

Sur le plan RH, Haiku n’anticipe pas de réduction d’effectifs. L’objectif est plutôt de gagner en productivité pour permettre aux traders de se concentrer sur des missions à plus forte valeur ajoutée, alors que les plateformes comme Google ou Meta automatisent déjà une partie croissante du trading. 

À moyen terme, Elie Boussira estime que l’agentique deviendra un standard de marché : “la différenciation ne viendra donc pas uniquement des technologies utilisées, mais de la manière dont elles sont intégrées dans une approche plus large mêlant data, conseil et création.” 

Pour une structure indépendante, cette transformation est aussi un levier de réassurance auprès des annonceurs, en démontrant qu’innovation technologique et accompagnement premium peuvent coexister hors des grands réseaux.

CoSpirit : l’agentique comme extension naturelle de la data et des outils propriétaires

Avant même de développer des agents, les équipes de CoSpirit ont d’abord cartographié les cas d’usage possibles de l’IA dans leurs métiers afin de prioriser ceux capables de générer rapidement de la valeur opérationnelle. Cette phase d’analyse a permis d’identifier plusieurs applications concrètes, notamment autour de l’exploitation de la donnée et de l’analyse de performance.

Les premiers agents sont désormais en production. Ils viennent s’intégrer directement à Cockpit, l’environnement de reporting et d’analyse média développé par l’agence. Alimenté par le data warehouse interne, Cockpit met déjà à disposition des équipes et des annonceurs un ensemble de dashboards permettant de suivre la performance des campagnes. L’ajout d’une couche agentique permet désormais d’aller au-delà de ces tableaux de bord statiques.

“Dans la pratique, les utilisateurs peuvent interroger la donnée en langage naturel pour obtenir des analyses spécifiques qu’un dashboard standard ne peut pas produire seul : croisements de variables inhabituels, questions très contextualisées ou analyses ponctuelles”, détaille Eric Boyer, directeur général de CoSpirit.

L’agent interprète la demande, génère la requête SQL correspondante, interroge le data warehouse puis restitue une analyse structurée en quelques secondes. L’objectif n’est donc pas de remplacer les dashboards, mais de les compléter par une capacité d’exploration conversationnelle de la donnée. 

Sur le plan technique, la solution a été entièrement développée en interne. CoSpirit s’appuie sur des briques cloud et open source, mais l’architecture, la logique métier et l’orchestration des agents ont été conçues par ses équipes. Cette approche permet à l’agence de conserver la maîtrise de sa stack technologique et de la sécurité de ses données.

Les premiers cas d’usage se concentrent sur trois registres principaux. Le premier concerne l’analyse de performance et le mediaplanning : les agents permettent d’explorer rapidement les données historiques afin d’éclairer les décisions d’investissement et les arbitrages opérationnels.

Le deuxième touche à la “business intelligence”, en facilitant l’accès à la donnée pour des profils non techniques qui peuvent interroger directement les performances des campagnes. Enfin, certaines tâches opérationnelles ou administratives peuvent être préparées par les agents, toujours sous supervision humaine.

Pour l’instant, l’agent intervient principalement sur la couche d’exploitation des données du data warehouse. À terme, CoSpirit envisage d’intégrer davantage de briques de mesure dans Cockpit - post-tests, modèles d’attribution ou MMM - afin d’enrichir les analyses et d’alimenter plus directement les recommandations stratégiques et les arbitrages budgétaires.

L’agence suit également de près l’émergence de standards d’interopérabilité comme AdCP, qui pourraient ouvrir la voie à des interactions plus automatisées avec les plateformes et les régies. 

Le niveau d’autonomie reste volontairement limité. L’agent agit aujourd’hui comme un assistant analytique capable de comprendre une requête, d’interroger la donnée et de produire une réponse structurée. Les décisions engageantes - activation de campagnes, arbitrages budgétaires ou choix de ciblage - restent strictement sous contrôle humain.

Pour encadrer ces développements, CoSpirit a mis en place un comité IA interne réunissant experts techniques et experts métier. Ce comité supervise les projets, priorise les cas d’usage et veille à la cohérence des déploiements avec les besoins opérationnels.

Sur le plan technique, plusieurs garde-fous ont également été intégrés : validation humaine pour les actions sensibles, traçabilité des traitements, environnements de test avant mise en production et contrôle strict des accès aux données.

Les premiers bénéfices observés concernent surtout la rapidité d’accès à l’information. “Une analyse ad hoc qui nécessitait auparavant plusieurs heures d’extraction et de mise en forme peut désormais être générée en quelques secondes”, illustre Eric Boyer. Le dirigeant constate aussi une meilleure démocratisation de la donnée : davantage de profils peuvent exploiter directement les informations disponibles sans passer systématiquement par des experts techniques. 

CoSpirit n’anticipe pas de réduction d’effectifs liée à ces évolutions, mais plutôt une transformation progressive des métiers. Les tâches les plus répétitives devraient être de plus en plus automatisées, permettant aux équipes de se concentrer davantage sur la stratégie, l’interprétation des données et la relation client.

À horizon deux à trois ans, l’agence estime qu’une part majoritaire des tâches opérationnelles sur le digital pourrait être assistée par des agents. Pour autant, la stratégie média, les arbitrages entre branding et performance ou la compréhension des enjeux business des annonceurs resteront largement humains.

Comme pour la plupart des acteurs interrogés, CoSpirit considère que l’agentique deviendra progressivement un standard de marché. La différenciation se jouera donc moins sur l’existence d’agents que sur la qualité de la data, la robustesse de la stack logicielle et la capacité des agences à injecter leur expertise média dans ces nouveaux systèmes.