Le métier des responsables marketing évolue, et avec lui, le risque d’erreur se transforme. Ces deux dernières années, l’IA a aidé les responsables marketing dans leur travail : rédiger des e-mails, synthétiser des campagnes et proposer des segments. Désormais, les agents commencent à prendre en charge des tâches concrètes : ils reçoivent un objectif, planifient les étapes, exécutent des actions sur plusieurs systèmes et retournent un résultat, plutôt que de simplement fournir des informations pour aider un être humain. Avec cette évolution, le rôle des responsables marketing passe de la production du travail à sa direction et à sa supervision.
C’est là que le marketing a le plus à gagner. Une grande partie du travail est automatisable, car il se compose de plusieurs étapes répétables. Cependant, comme le résultat touche directement la marque et la clientèle, la marge d’erreur est très réduite. Les agents ne peuvent donc guère se permettre de procéder par approximation. Quand une personne examine chaque résultat, elle détecte les erreurs immédiatement. Mais quand un agent exécute seul une campagne en 10 étapes, une mauvaise hypothèse formulée tôt dans le processus devient l’entrée de l’étape suivante. Les erreurs s’accumulent alors sans être remarquées, car les agents comblent souvent les lacunes d’information avec des suppositions assurées et signalent rarement qu’il manque quelque chose. Si le travail fondé sur ces suppositions est publié, il atteint de vrais clients et de vraies clientes avec la voix de la marque, créant un risque dont quelqu’un devra répondre.
La fiabilité d’un agent ne tient pas au modèle, mais au contexte
Aujourd’hui, toutes les plateformes de marketing sérieuses s’appuient sur des modèles d’IA comparables. Ce qui distingue un agent fiable d’un agent qui ne l’est pas n’est pas le modèle, mais le contexte dont dispose l’agent au moment d’agir : ce qu’il sait, ce qu’il est autorisé à faire et ce que « bien » signifie pour la marque. Un modèle performant avec un mauvais contexte commet des erreurs en toute assurance, mais ce même modèle, avec le bon contexte, accomplit un travail utile en toute sécurité. La vraie question que doit se poser une organisation marketing pour évaluer la fiabilité des agents n’est donc pas « Quelle IA ? », mais « Quel contexte ? ».
Qu’est-ce qui rend un workflow contextuel ?
Les données les plus complètes et les plus fiables sur la façon dont une organisation marketing accomplit réellement son travail se trouvent dans ses workflows : l’objectif de campagne, les délais et les dépendances, les responsabilités de validation, les tâches accomplies et les travaux en attente. Toutes les informations contextuelles dont un agent a besoin sont donc déjà disponibles sous une forme encadrée et traçable.
Déployer cette approche en production en toute sécurité repose sur six décisions de conception. Pour les responsables marketing, ces décisions se résument à un besoin fondamental : une plateforme unique où personnes et agents collaborent, où chaque agent dispose du contexte adéquat, opère dans des limites définies et laisse une trace de toutes les actions effectuées.
1. Agents, participants à part entière du modèle de travail.
Considérer un agent comme une ressource assignée au même titre qu’une personne implique une refonte du modèle de données, et non un simple ajout de bot au système. Chaque agent doit disposer de sa propre identité, de ses propres identifiants et d’un périmètre d’autorisations fondé sur des rôles et des attributs. Ses actions sont ainsi encadrées par des règles définies, et non par un simple prompt. Des contrôles de ressources — tels que des budgets de coûts et des limites de concurrence, dont les personnes n’ont traditionnellement pas eu besoin — deviennent indispensables, car les agents opèrent via des tokens et une exécution parallèle plutôt qu’en fonction des effectifs. Les champs d’assignation, de création et de validation doivent pouvoir référencer un acteur, qu’il s’agisse d’une personne ou d’un agent, afin de garantir une traçabilité couvrant les deux.
2. Composition du contexte à chaque étape depuis l’enregistrement.
C’est ici qu’entre en jeu la discipline de l’ingénierie de contexte. Le contexte est composé spécifiquement pour chaque étape, plutôt que chargé une fois pour toutes et réutilisé. L’objectif est de fournir le jeu d’informations le plus restreint possible — à jour, pertinent et autorisé — adapté à la tâche en cours, car davantage de données n’est pas synonyme de meilleures performances. Un modèle dispose d’une capacité d’attention limitée. Plus la fenêtre de contexte se remplit, plus sa capacité à identifier l’essentiel se dégrade, et les informations les plus importantes risquent de se noyer dans un flot de données contextuelles.
Dans un workflow agentique, les tâches doivent récupérer le contexte pertinent en temps réel, en combinant des résultats de recherche issus de requêtes structurées, de recherche sémantique et de parcours de graphes avec des synthèses condensées des étapes précédentes. L’agent dispose ainsi des informations les plus récentes et les plus pertinentes pour la tâche en cours. Pour fonctionner à l’échelle de l’entreprise, des filtres d’autorisations doivent être appliqués aux données lors de l’exécution, garantissant que l’agent n’accède qu’au contexte auquel son identité est habilitée. Ce contexte doit également être conservé et rendu référençable dans l’historique du workflow, afin que les parties prenantes puissent voir précisément quel contexte a orienté chaque action et son résultat.
3. Décisions encadrées par l’enregistrement.
Pour que les agents soient véritablement utiles à l’échelle, ils doivent prendre de bonnes décisions de manière autonome. Si une personne doit vérifier chaque action pour détecter des erreurs, l’agent ne fait gagner aucun temps. La solution consiste à dissocier les consignes des règles. Le contexte transmis à un agent oriente sa réflexion et sa planification — à l’image d’un brief décrivant les objectifs à atteindre. En revanche, les règles non négociables — exigences de la marque, contraintes légales ou seuils de validation — ne doivent pas reposer sur la capacité de l’agent à les respecter seul. Le système vérifie chaque action par rapport à ces règles avant qu’elle ne prenne effet. Si une action échoue à un contrôle, le système renvoie l’agent pour qu’il recommence et ajuste son travail jusqu’à ce qu’il soit conforme.
4. Transferts typés et contrôlés
Un transfert désigne tout point de passage où le travail transite d’un intervenant à un autre : d’une personne à un agent, entre agents, d’un agent à un autre système, ou de retour vers une personne. C’est souvent lors de ces transferts que les processus en plusieurs étapes se dérèglent ; chacun d’eux doit donc obéir à des règles précises. Chaque transfert doit embarquer les informations dont l’étape suivante a besoin, ainsi qu’une trace indiquant qui ou quoi a été autorisé à effectuer le travail. Il doit également vérifier que le résultat est complet et conforme au format attendu avant de poursuivre. Sans ces contrôles, une erreur commise à une étape se propage, et chaque étape suivante s’éloigne davantage de l’objectif initial.
5. Gouvernance appliquée à chaque transfert, avec traçabilité des actions
Les équipes définissent les politiques, et le système les applique automatiquement dès que le travail passe d’une étape à la suivante. À chaque transfert, le système vérifie que les décisions et les actions de l’agent répondent à toutes les exigences : autorisations appropriées, politiques de l’entreprise et seuils de validation. Ce n’est qu’à cette condition que le travail se poursuit. Ces contrôles ajoutent une deuxième couche de contrôle qualité, en complément des vérifications effectuées par les agents eux-mêmes. Ils garantissent également que chaque agent respecte les mêmes règles à chaque exécution du workflow.
6. Observabilité totale des activités humaines et des agents
Chaque étape laisse une trace de ce qui s’est passé : les informations utilisées par l’agent, les outils appelés, les décisions prises et leurs justifications, le niveau de confiance, le résultat, la durée et le coût. Il ne s’agit pas d’une simple formalité — c’est une fonctionnalité fondamentale. Dans un workflow comportant de nombreuses étapes, comprendre ce qui a mal tourné à l’étape 14 exige bien plus que d’examiner le résultat final. C’est pourquoi le système conserve un journal de chaque exécution, offrant aux équipes un compte rendu fiable de ce qui s’est passé. Associé au workflow gouverné, cet historique permet aux équipes de superviser un nombre croissant d’agents sans jamais les perdre de vue.
Une source unique de vérité fédère l’ensemble du système. Le workflow reste une plateforme unique et unifiée, offrant la gouvernance nécessaire pour garantir la qualité à l’échelle de l’entreprise, tandis que les modèles et les agents qui y opèrent — agents Adobe, agents tiers, agents personnalisés développés en interne, etc. — restent interchangeables. Le contrôle du système est centralisé précisément pour permettre une exécution distribuée. Les entreprises peuvent ainsi adopter des agents sans s’engager auprès d’un seul fournisseur ni être contraintes par les agents spécifiquement pris en charge par le système.
Comment Adobe Workfront y parvient et en quoi il se démarque
C’est l’architecture que nous intégrons dans Adobe Workfront, et elle s’inscrit naturellement dans la continuité, car Workfront a toujours été conçu pour fournir une fiche de travail contextuelle. Sa prise en charge structurée, ses validations traçables, sa coordination tenant compte des dépendances et sa visibilité sur le portefeuille ont été développées pour coordonner les personnes et leurs travaux. Ces mêmes fondations sont précisément ce dont les agents ont besoin pour se voir confier du travail : un enregistrement fiable des objectifs, même lorsque la demande émerge d’une conversation, un modèle de validation qui sait déjà qui peut donner son accord, et une carte des dépendances qui comprend comment les travaux s’articulent. Faire de Workfront le lieu où humains et agents collaborent est une évolution naturelle, non une réinvention.
Dans ce modèle, les collaborateurs IA d’Adobe Workfront incarnent la voix et les bras. Ils permettent aux responsables marketing d’exprimer leurs intentions et d’exécuter le travail nécessaire pour les concrétiser dans les systèmes Adobe et tiers, le tout au sein de la plateforme Workfront gouvernée et fiable qu’ils connaissent déjà. Et nous avançons rapidement. Les projets Adobe Coworker, propulsés par Workfront, illustrent concrètement comment Workfront soutient la collaboration humain-agent à l’échelle, en proposant un éventail de fonctionnalités plus large que jamais.
Voici ce qui distingue Workfront et Adobe de tout outil de gestion du travail autonome. Un workflow n’est pertinent que dans la mesure du contexte auquel il peut accéder : un outil autonome peut voir le travail, mais pas la marque, le client, le contenu ni la campagne qui le sous-tendent. Workfront s’intègre au cœur de la martech stack Adobe, aux côtés des systèmes qui gèrent les profils clients et le consentement (Adobe Experience Platform et Adobe Real-Time CDP), les parcours clients (Adobe Journey Optimizer), les analyses (Adobe Customer Journey Analytics), le contenu et les ressources numériques (Adobe Experience Manager et la solution GenStudio pour le content supply chain), ainsi qu’Adobe Brand Intelligence. Cela signifie qu’un workflow Workfront peut, en mode natif, rendre un agent conscient non seulement du travail à effectuer, mais aussi de la marque à respecter, du client à servir, du contenu disponible et des résultats générés — le tout en un seul endroit et à l’échelle de l’entreprise. Aucune autre plateforme de gestion du travail n’offre ce même niveau de contexte marketing intégré.
Nous sommes honnêtes : nous en sommes encore à bâtir cette vision, sans prétendre qu’elle est achevée. Mais l’avantage structurel qu’offre la position de Workfront au sein de l’écosystème Adobe constitue un véritable différenciateur — un avantage qu’un outil autonome ne peut pas combler en ajoutant simplement des fonctionnalités. C’est la différence entre un système de workflow conscient des tâches et un système de workflow conscient des opérations marketing.
Workflows contextuels : le fondement.
Les organisations marketing qui s’imposeront dans l’ère agentique ne seront pas celles qui disposent du plus grand nombre d’agents. Ce seront celles dont les agents méritent une confiance réelle pour accomplir de véritables missions. Cette confiance naît du workflow qui encadre les agents, non des agents eux-mêmes. Un workflow contextuel définit des objectifs, impose des garde-fous, fournit le contexte adéquat, maintient la supervision humaine, et vérifie et mesure les résultats. C’est ce qui permet aux responsables marketing de déléguer aux agents en toute sérénité, aux DSI de gouverner et d’auditer les opérations, et aux entreprises de se développer à toute allure. C’est ce système de workflow qu’Adobe Workfront construit en mode natif au sein de la martech stack Adobe de premier plan pour propulser la collaboration humain-agent. L’avenir s’accélère, et l’opportunité de le façonner est désormais à portée de main.
En savoir plus sur les collaborateurs IA dans Adobe Workfront.
