Étude de cas · Développeur agents IA
Automatiser la création de campagnes marketing avec des agents IA dans une scale-up
Un éditeur de logiciels SaaS B2B en forte croissance voulait confier à des agents IA la création de ses campagnes marketing, sans brûler l'étape de la compréhension des processus. Le développeur agents IA que nous avons présenté a commencé par cartographier le travail réel des équipes, avant de livrer un premier prototype d'automatisation assemblé avec n8n et Dust, puis d'engager un MVP sur une stack dédiée.
Par L'équipe Top Profil · Mis à jour le · 7 min de lecture
01
Le contexte : des campagnes marketing encore largement manuelles
Le client est un éditeur de logiciels SaaS B2B au stade de la scale-up. Ses équipes marketing lancent des campagnes sur plusieurs canaux : publicité sur un réseau social professionnel, liens sponsorisés sur les moteurs de recherche, contenus organiques et ciblage à partir d'un outil de données d'intention d'achat. Chaque campagne traverse plusieurs personnes, un modèle de brief interne, des validations et des saisies répétées dans les plateformes publicitaires.
La direction souhaitait introduire des agents IA dans ces flux, avec un objectif clair : réduire le temps passé sur les tâches de préparation et de saisie, sans retirer aux équipes la maîtrise du contenu publié. La commande prévoyait la conception d'agents fonctionnels, leur intégration aux systèmes internes (CRM, plateformes de données, espace documentaire, outil de tickets), un projet pilote avec recueil des retours des utilisateurs, puis la mise en place de garde-fous, de couches de validation et de contrôles d'accès.
Le client cherchait un profil capable de conduire une phase de découverte avec des équipes non techniques, puis de construire et d'intégrer des agents. Nous lui avons présenté un développeur agents IA freelance, à temps plein.
02
Les enjeux
Comprendre avant d'automatiser
Les processus marketing n'étaient documentés nulle part de façon exploitable. Automatiser sans cartographie aurait reproduit les détours existants et créé des agents que personne n'aurait utilisés.
Choisir un premier cas d'usage défendable
Plusieurs canaux étaient candidats. Il fallait un critère objectif pour retenir celui qui concentrait le plus de charge répétitive et dont les outils se prêtaient à un pilotage par des agents, puis en définir un périmètre de MVP tenable en quelques semaines.
Faire tester tôt, sans engager une plateforme lourde
Les équipes devaient manipuler un agent dès les premiers mois pour exprimer des retours concrets. L'enjeu technique consistait à assembler un prototype crédible avec des briques existantes, avant de décider de l'architecture cible.
Garder les humains dans la boucle
Une campagne publiée engage l'image et le budget de l'entreprise. L'agent devait préparer et pré-remplir, l'humain relire et valider, avec des garde-fous et des contrôles d'accès prévus dès la commande.
03
La démarche : des entretiens au MVP
Quatre mois de mission, étape par étape.
- 01
Cadrage par entretiens et inventaire des outils
Le freelance a installé ses environnements de travail (Figma, Claude Code, n8n) et suivi le parcours d'intégration du client. Il a ensuite mené une série d'entretiens avec les parties prenantes marketing, couvrant les flux de publicité sur le réseau social professionnel, les liens sponsorisés, l'organique et le ciblage par données d'intention. Ces entretiens ont produit une première cartographie des processus sur Figma, un inventaire des outils noté selon leur aptitude à être pilotés par des agents, et un comparatif des indicateurs suivis par chaque équipe.
- 02
Choix du cas d'usage prioritaire et périmètre du MVP
L'analyse des charges par canal a désigné la publicité sur le réseau social professionnel comme premier cas d'usage : c'est là que se concentrait l'essentiel du travail répétitif de l'équipe. Le freelance a défini le périmètre et les spécifications d'un MVP initial, limité à la création de campagnes et de publicités à partir d'un brief.
- 03
Cartographie détaillée et restitution de la découverte
La cartographie a été approfondie avec les acteurs, les temps effectifs et les délais d'attente de chaque étape, à partir des entretiens complétés par de nouveaux profils. Le freelance a conçu le flux cible pas à pas et une vue d'ensemble (tâches à accomplir, indicateurs, fonctionnalités), puis restitué la phase de découverte aux équipes marketing et go-to-market dans une présentation structurée.
- 04
Premier prototype d'automatisation sur n8n et Dust
Le freelance a construit une chaîne d'automatisation de création de campagnes et de publicités avec n8n, en développant les intégrations avec l'API de la plateforme publicitaire. L'interface utilisateur a été volontairement réduite à un Google Sheets reproduisant le modèle de campagne interne, que les équipes connaissaient déjà. Un agent Dust, alimenté par un modèle de langage, remplit automatiquement ce tableur à partir d'un brief rédigé par le marketing. Une documentation technique détaillée sur GitHub et un guide d'utilisation ont accompagné la livraison.
- 05
Proof of concept livré, retours intégrés et lancement du MVP
Le proof of concept fonctionnel (architecture Dust, n8n, Google Sheets, prise en charge d'une image par publicité) a été remis aux parties prenantes. Leurs retours ont été intégrés : corrections de bugs mineurs et optimisation du prompt de l'agent. Le freelance a ensuite construit le backlog du projet, formalisé la vision et l'architecture cible, et démarré le développement du MVP, volets stratégie et production, sur une stack dédiée. L'avancement a été présenté lors d'un événement interne de rentrée.
04 · IA
L'IA dans la mission
L'IA intervient ici à deux niveaux. Dans le produit livré, un agent Dust lit le brief du marketing et remplit le modèle de campagne : c'est un modèle de langage qui interprète un texte libre et produit des champs structurés, relus par un humain avant tout envoi vers la plateforme publicitaire. Le prompt de cet agent a été ajusté à partir des retours des utilisateurs du proof of concept, ce qui en fait un composant versionné et testé comme le reste du système.
Dans la production du freelance, Claude Code a fait partie des environnements installés dès la première semaine, aux côtés de n8n et de Figma, pour accélérer l'écriture des intégrations et de la documentation. La commande prévoit par ailleurs l'analyse de l'utilisation et des erreurs des agents, ainsi que des garde-fous et des contrôles d'accès : ces volets relèvent de la phase MVP en cours. Avant la mission, nous avions évalué ce profil sur un agent qu'il avait réellement mis en production, sur ses intégrations et sur la façon dont il contrôlait les sorties du modèle, critère éliminatoire chez nous.
05
Ce que la mission a produit
- Une cartographie des processus marketing sur Figma, avec acteurs, temps effectifs et délais d'attente, partagée avec les équipes marketing et go-to-market.
- Un inventaire des outils noté selon leur aptitude à être pilotés par des agents, et un comparatif des indicateurs suivis par les équipes.
- Un proof of concept fonctionnel de création de campagnes publicitaires, assemblé avec n8n, un agent Dust et Google Sheets, testé par les parties prenantes.
- Des intégrations avec l'API de la plateforme publicitaire, documentées sur GitHub, accompagnées d'un guide d'utilisation.
- Un backlog, une vision et une architecture cible pour le MVP, dont le développement a démarré sur une stack dédiée.
FAQ
Vos questions sur cette mission
Parce qu'un agent automatise un processus tel qu'il existe, détours compris. Les entretiens et la cartographie ont permis de mesurer où se concentrait la charge répétitive, quels outils pouvaient être pilotés par un agent et quel périmètre de MVP tenait en quelques semaines. Sans cette étape, le premier cas d'usage aurait été choisi sur une intuition.
Un développeur agents IA capable de conduire des entretiens avec des équipes non techniques, de modéliser un flux de travail, puis d'intégrer des outils par API et de construire un agent autour d'un modèle de langage. Le profil présenté combinait ces deux faces ; un développeur purement technique aurait eu du mal à mener la phase de découverte.
Le prototype a été livré en quelques semaines avec des briques existantes et une interface que les équipes connaissaient déjà. Il a servi à recueillir des retours concrets, à corriger le prompt et à valider le flux avant d'engager le MVP sur une stack dédiée. Le coût d'un mauvais choix d'architecture est ainsi reporté après la preuve d'usage.
Nous évaluons chaque développeur agents IA sur un agent qu'il a réellement mis en production, ses intégrations, ses garde-fous et sa mesure de la performance. Nous lui demandons de décrire ce que le modèle a mal fait et comment il l'a détecté. Sans pratique de l'IA démontrée, nous ne donnons pas suite. Le profil a été présenté en moins de 48h, dans un cadre contractuel sécurisé avec un seul interlocuteur.
Étude rédigée par L'équipe Top Profil.
Publiée le , mise à jour le .
Un besoin proche de cette mission ?
Précisez votre contexte. Un expert Top Profil vous rappelle sous 1 jour ouvré.