AG Marketing est un copilote IA conçu pour interroger plusieurs sources marketing, croiser les signaux utiles et transformer des données dispersées en diagnostics, priorités et actions compréhensibles.
SEO, analytics, campagnes emailing et automatisations produisent chacun leurs propres signaux. Le problème n’est pas seulement d’accéder aux données, mais de les relier pour répondre rapidement à une question métier sans multiplier les exports et les tableaux.
L’objectif est de permettre à une personne de poser une question en langage naturel, de récupérer les données autorisées depuis les outils concernés, de croiser les résultats et de recevoir une recommandation priorisée, tout en conservant un contrôle humain sur les actions sensibles.
Chaque écran est relié à une situation concrète. L’objectif est de montrer le parcours complet, pas seulement le rendu final.
Le copilote peut interroger les données de recherche, l’indexation, les pages et les requêtes pour expliquer une évolution et proposer les prochaines actions à vérifier.
Les performances d’une campagne peuvent être analysées directement depuis la source disponible, avec une distinction entre délivrabilité, ouvertures, clics et événements utiles.
L’assistant rassemble plusieurs signaux pour construire une synthèse orientée décision : ce qui progresse, ce qui mérite une vérification et les actions les plus utiles à mener.
Les opérations sensibles ne sont pas déclenchées automatiquement par défaut. Le système peut préparer l’action, vérifier le contexte et demander une validation explicite avant exécution.
L’analyse peut être largement automatisée, mais les opérations qui modifient des données ou déclenchent une action externe doivent rester clairement identifiées et contrôlées.
Le modèle n’invente pas les KPI. Il s’appuie sur les sources connectées et signale les limites lorsque la donnée disponible ne permet pas de conclure proprement.
Les écrans présentés dans cette étude de cas utilisent uniquement des valeurs fictives. Ils illustrent l’expérience et l’architecture sans publier de données personnelles, clients ou de performance réelles.
Je préfère montrer ce que le produit permet réellement plutôt que d’afficher des KPI qui ne peuvent pas être attribués proprement au travail réalisé.
Le projet montre comment une question peut être traitée à travers plusieurs sources sans demander à l’utilisateur de consolider manuellement chaque donnée.
La valeur ne vient pas d’une réponse générique, mais de la capacité à replacer les signaux dans leur contexte et à expliquer pourquoi une action est prioritaire.
Le système démontre qu’un agent peut accélérer l’analyse et la préparation des actions sans supprimer les validations nécessaires lorsque le risque augmente.
Une étude de cas montre comment plusieurs expertises se combinent. Les pages ci-dessous détaillent chaque brique séparément.
On peut commencer par le contexte, les utilisateurs et l’objectif business avant de décider ce qu’il faut réellement construire.
