Notre parcours avec Adobe AI nous a menés de l’intelligence prédictive à la création générative, puis à des systèmes agentiques agissant avec intention. Ce chemin a transformé notre façon de déployer la personnalisation à grande échelle, d’accroître la productivité et de stimuler l’innovation. Voici ce que nous avons appris, ce qu’il a fallu pour en arriver là, et ce qui nous attend.
Introduction
L’IA n’est plus un mot à la mode du futur dans l’expérience digitale : elle est aujourd’hui le moteur de la personnalisation, de la productivité et de la montée en échelle. Dans les secteurs du voyage, de l’hôtellerie et du divertissement, où la précision et l’évolutivité sont essentielles, de nombreuses organisations ont commencé par exploiter les capacités d’IA prédictive dans Adobe Analytics et Adobe Target. Ensuite, l’adoption s’est élargie à l’IA générative via des outils comme Adobe Experience Platform AI Assistant et évolue désormais vers des fonctionnalités d’IA agentique au sein et au-delà d’Adobe Experience Platform. Ce parcours a permis de dégager des enseignements majeurs sur l’adoption, la gouvernance et l’innovation. Ces perspectives sont de plus en plus pertinentes pour toute organisation qui façonne sa stratégie d’expérience digitale alimentée par l’IA.
Fondations de l’IA
Adobe Analytics et Adobe Target ont constitué nos premiers accès au marketing piloté par l’IA. Adobe Analytics fournit des analyses prédictives grâce à la détection des anomalies, à l’analyse de contribution et à la prévision, tandis qu’Adobe Target rend la personnalisation concrète grâce au ciblage automatique, à la personnalisation et aux recommandations.
Ces fonctionnalités ont posé les bases de la confiance envers l’IA, en démontrant le retour sur investissement (ROI) de plusieurs façons :
- Gains d’efficacité : réduction de l’effort manuel nécessaire pour découvrir des insights ou optimiser le contenu.
- Augmentation du chiffre d’affaires : amélioration mesurable des conversions et de la valeur moyenne des commandes grâce à des expériences personnalisées.
- Impact sur l’expérience client : interactions plus rapides et pertinentes, favorisant l’engagement et la satisfaction.
Ensemble, ces résultats ont mis en évidence la valeur concrète de l’IA prédictive pour l’entreprise et ont renforcé la confiance des parties prenantes, ouvrant la voie à des cas d’usage plus avancés.
Comment faire : 3 étapes pour commencer à exploiter l’IA dans Adobe Analytics & Adobe Target
- Commencer par la détection des anomalies et l’analyse de contribution dans Adobe Analytics afin de valider les insights générés par l’IA.
- Utiliser la personnalisation automatisée dans Adobe Target pour proposer la meilleure variante de contenu à chaque visiteur, optimisée dynamiquement par l’IA prédictive.
- Suivre l’augmentation et le ROI sur le ciblage automatique et les recommandations pour démontrer rapidement l’impact concret sur l’entreprise.
Le passage à l’IA générative avec l’assistant IA d’Adobe Experience Platform
Le véritable tournant s’est produit lorsque nous avons adopté Adobe Experience Platform et commencé à utiliser l’assistant IA d’Adobe, propulsé par l’IA générative. Cet assistant s’est rapidement imposé comme bien plus qu’une curiosité : il est devenu un outil de productivité quotidien pour toutes les équipes.
Pourquoi nous avons adopté l’assistant IA
La décision d’utiliser l’assistant IA répondait à trois besoins :
- Rapidité d’accès aux insights : Les analystes et les utilisateurs professionnels avaient besoin de réponses rapides à partir de jeux de données complexes, sans rédiger de requêtes manuellement.
- Accessibilité : Adobe Experience Platform est puissant, mais peut sembler intimidant pour les personnes non techniques. Une interaction plus naturelle avec les données et les insights, via des requêtes conversationnelles, permet de réduire cette barrière.
- Intégration : Avec l’arrivée de nouveaux collaborateurs et les changements de rôles, rendre les équipes opérationnelles sur Adobe Experience Platform prenait du temps. L’assistant IA peut servir de « coach » interactif pour guider l’exploration.
Cas d’utilisation initiaux et leur évolution
- Intégration & Activation : Les nouveaux utilisateurs et nouvelles utilisatrices utilisent l’assistant IA comme un « coach guidé » pour explorer les ensembles de données, comprendre les schémas XDM et découvrir de façon pratique les fonctionnalités des applications de la plateforme (Real-Time Customer Data Platform, Customer Journey Analytics et Journey Optimizer). Plutôt que de consulter la documentation de manière passive, ils peuvent demander : « Quelles métriques sont disponibles pour évaluer la performance des campagnes ? » ou « Comment analyser les tendances d’engagement d’une audience ? ». Cette approche interactive a permis d’accélérer l’intégration, passant de plusieurs mois à quelques semaines.
- Résolution des problèmes & Exploration des données : Au départ, l’assistant IA aidait les utilisateurs à comprendre les champs manquants ou les définitions de données incohérentes. Aujourd’hui, il valide également les requêtes, détecte les anomalies et propose des recommandations pour obtenir des analyses plus précises.
Conseils de bonne pratique pour utiliser l’assistant IA avec des requêtes en langage naturel
- Invitez les nouveaux utilisateurs et nouvelles utilisatrices à considérer l’assistant IA comme un guide de premier niveau, facilitant l’exploration des données et l’apprentissage interactif des fonctionnalités de la plateforme.
- Préparez un ensemble de questions de démarrage pour illustrer les requêtes types et les bonnes pratiques.
- Associez l’utilisation de l’assistant IA à des sessions d’activation structurées : cette combinaison favorise une adoption rapide et renforce la confiance.
Principaux résultats
- Les analystes et les utilisateurs professionnels obtiennent des informations exploitables plus rapidement, le temps de requête et de génération de rapports passant de plusieurs jours à quelques minutes.
- Les personnes non techniques ont gagné en confiance pour travailler directement dans Adobe Experience Platform, sans dépendre fortement des analystes.
- Les nouvelles recrues ont été intégrées deux à trois fois plus rapidement, allégeant ainsi la charge des membres expérimentés de l'équipe.
Les avantages étaient évidents : les équipes sont devenues plus efficaces, Adobe Experience Platform est devenu plus accessible et les requêtes en langage naturel ont permis aux utilisateurs de différents services d'explorer les données et d'obtenir des informations avec un minimum de contraintes.
L’adoption, toutefois, n’a pas été sans difficultés :
- Peur et incompréhension : Les équipes juridiques et de conformité craignaient au départ que l’utilisation des données invitées avec un modèle d’IA puisse entraîner une exposition externe ou une réutilisation par une autre entreprise. Pour lever ces inquiétudes, il a fallu documenter clairement l’usage des données, garantir la transparence de l’architecture et assurer une formation continue.
- Défis de confiance et d’adoption : Au sein de l’organisation, beaucoup redoutaient que l’IA remplace le jugement humain ou réduise leur contrôle. Il a été essentiel de souligner que l’IA est un outil, non un substitut : nous avons commencé par l’IA comme assistante, pas comme remplaçante.
- Difficultés de préparation des données : Les équipes techniques ont constaté que l’IA générative n’est efficace que si elle s’appuie sur des données de qualité. Des données 360 propres et bien orchestrées° sont indispensables pour obtenir des résultats précis et des insights fiables. La couche de profil unifiée d’AEP et la plateforme de données centralisée ont permis de relever ce défi.
Une fois ces obstacles identifiés et surmontés, les bénéfices sont devenus incontestables.
L’ère émergente de l’IA agentique
Si l’IA générative est puissante, l’IA agentique marque une nouvelle étape. Plutôt que de se limiter à répondre à des requêtes, l’IA agentique permet d’exécuter et d’orchestrer de façon autonome des workflows multi-étapes : de l’élaboration de la stratégie à la création de segments, en passant par la personnalisation et les contrôles de qualité des données. Il s’agit d’un passage de « l’assistance » à « l’automatisation collaborative » : l’IA générative répond aux questions et génère du contenu, tandis que l’IA agentique coordonne plusieurs tâches, gère les dépendances et exécute des workflows complexes selon des objectifs définis.
Nous explorons actuellement les possibilités offertes par :
- Adobe Experience Platform Agent Orchestrator – permet aux agents de collaborer sur des workflows marketing en plusieurs étapes.
- Agents Adobe Experience Platform conçus spécifiquement – agents spécialisés pour la segmentation, l’activation et l’analyse.
- Adobe GenStudio et Firefly – générer du contenu personnalisé et conforme à la marque à grande échelle.
En dehors de la plateforme Adobe, nous évaluons également l’IA agentique pour la qualité des données, la résolution d’identité et la stratégie de personnalisation, afin d’assurer une opération de l’IA sur l’ensemble du parcours client.
Aujourd’hui, la création d’une campagne implique souvent plusieurs transferts : l’ingénierie des données prépare l’audience, le marketing conçoit le contenu et les opérations gèrent l’activation. À court terme, un ensemble coordonné de processus d’IA agentique pourra exécuter ces étapes de façon fluide, réduisant les échanges manuels. Ce changement permet aux équipes de se concentrer davantage sur la stratégie et la prise de décision créative, tout en réduisant considérablement le délai de mise sur le marché, passant de plusieurs mois à quelques jours seulement.
Guide pratique : 3 étapes pour se préparer à l’IA agentique
- Impliquer les équipes juridiques et sécurité dès le début : documenter l’architecture, les workflows et l’utilisation des données, puis démontrer la conformité, la protection de la vie privée et les dispositifs de sécurité en place.
- Définir les rôles et responsabilités des agents : préciser les processus ou workflows gérés par chaque agent (par exemple : segmentation, génération de contenu, optimisation et validation), en veillant à l’alignement avec les objectifs métier.
- Prototyper d’abord des workflows limités : commencer par de petites expériences contrôlées avant de passer à une orchestration à l’échelle de l’entreprise, et partager les premiers résultats pour renforcer la confiance et la compréhension.
IA générative vs IA agentique : quelle différence ?
Fonctionnalité / Capacité
IA générative (GenAI)
IA agentique
À retenir : L’IA générative permet d’aller plus vite ; l’IA agentique permet de réaliser ce qui n’était pas possible auparavant.
Leçons tirées & et prochaines étapes
Notre parcours met en avant quelques enseignements clés :
- Commencer par des pilotes de petite taille et à faible risque : L’IA doit être utilisée comme assistante, et non comme substitut, en gardant l’humain au centre et en contrôle.
- Poser les bases de l’IA pour instaurer la confiance : montrer comment une IA de niveau entreprise garantit la sécurité des données et le maintien des protections de la confidentialité ; puis évoluer vers l’IA générative et l’IA agentique. Instaurer la confiance grâce à des résultats mesurables avant de passer à l’échelle.
- La personnalisation automatisée dans Adobe Target est l’un des principaux leviers de ROI, apportant un gain mesurable tout en réduisant l’effort manuel. Elle contribue également à instaurer la confiance auprès des parties prenantes métier en démontrant rapidement des résultats concrets.
- Documenter clairement l’architecture, l’utilisation et le partage des données, et obtenir les validations des équipes juridiques et sécurité. Mettre en place des garde-fous de conformité, incluant la confidentialité, la propriété intellectuelle et la gouvernance des données, avant de passer à des cas d’usage sensibles.
- Mesurer le ROI de façon globale : pas seulement en valeur monétaire, mais aussi en gains de productivité, rapidité de mise sur le marché et créativité générée par les outils d’IA.
Comprendre l’évolution des capacités de l’IA
- GenAI accélère des tâches telles que la création de contenu, la segmentation et l’analyse.
- L’IA agentique va au-delà de l’accélération pour orchestrer de façon autonome : elle gère des workflows complexes en plusieurs étapes, coordonne des agents et optimise en continu les campagnes. Ce changement permet aux équipes de se concentrer sur la stratégie, la créativité et l’innovation, tout en réduisant le délai de mise sur le marché de plusieurs mois à quelques jours.
Dans les années à venir, nous voyons l’IA agentique transformer non seulement la productivité, mais aussi la façon dont les expériences sont conçues, orchestrées et délivrées. Des agents coordonnés gèrent les audiences, le contenu et l’activation de façon fluide, permettant aux équipes marketing de consacrer plus de temps à la planification stratégique et à l’innovation créative.
Pour les pairs et les professionnels, mon conseil est simple : adopter l’IA comme partenaire, et non seulement comme outil. Commencez modestement, partagez vos réussites et préparez-vous à un avenir piloté par les agents.