1 semaine avec un agent IA : CAC ÷4 (vrai bilan)

Pourquoi j’ai laissé un agent IA toucher à mon budget marketing (et ce qui pouvait mal tourner)

J’ai branché un agent IA sur mon budget marketing pendant une semaine.

Et je vais être transparent : chiffres, contexte, ce que j’ai laissé faire, ce que j’ai interdit, et surtout ce que ça ne prouve pas.

Le décor est simple. Pression sur la rentabilité. CAC qui grimpe. Et cette fatigue très particulière quand tu passes tes matinées à « optimiser » des campagnes pour gagner 3 % ici, perdre 5 % là, et finir par te demander si tu n’es pas juste en train de jouer au casino avec des jolis dashboards.

J’avais aussi un problème bête mais réel : l’optimisation quotidienne manuelle, c’est du travail. Et pas toujours du travail intelligent. Souvent c’est répétitif, émotionnel (tu t’attaches à une créa que tu aimes), et tu prends des décisions dans le bruit.

Avant d’aller plus loin, quand je dis « agent IA », je ne parle pas d’un chatbot qui te sort des conseils du type « améliorez votre ciblage ». Je ne parle pas non plus d’un script d’automatisation basique (genre une règle Meta « coupe après X € dépensés »). Ni d’un copilote qui suggère mais ne touche à rien.

Pour moi, un agent IA c’est :

• un système qui a un objectif chiffré
• qui observe des données (pubs, analytics, CRM)
• qui propose des actions
• et qui peut exécuter certaines actions, dans un périmètre donné

Et oui, ça peut mal tourner.

Risques assumés dès le départ :

• dépenses inutiles (il « teste » trop large, trop vite)
• sur optimisation (il coupe des campagnes qui auraient performé à J+3)
• biais de tracking (il optimise sur un signal faux, ou incomplet)
• apprentissage trop lent (il passe 3 jours à comprendre ton compte, et ta semaine est finie)
• décisions « boîte noire » (tu ne sais pas pourquoi ça bouge, donc tu ne sais pas comment répéter)

Ce que vous allez obtenir ici : mon process, mes réglages, les résultats, les limites, et comment reproduire sans vous faire piéger.

Le point de départ : mon business, mon funnel, et mon CAC avant l’IA

Mon business : une offre B2C type abonnement (SaaS léger, très orienté usage). Pas un mastodonte. Un produit simple à expliquer, mais avec un vrai enjeu de réassurance.

Ordres de grandeur :

• ARPU mensuel : autour de 29 € à 39 €
• marge brute : environ 80 % (donc la pub peut respirer un peu, mais pas n’importe comment)
• LTV moyenne observée : 4 à 6 mois selon cohortes (ça bouge, justement)

Funnel :

• acquisition paid vers landing page
• essai / offre d’entrée
• conversion abonnement
• onboarding email

Canaux actifs au départ :

• Meta : 60 % du budget
• Google (Search + un peu de PMax) : 30 %
• retargeting email et quelques séquences : 10 % d’effort, pas vraiment un budget « pub »

Définition du CAC (important, sinon on raconte n’importe quoi) :

• inclus : spend publicitaire + frais outils créa (très léger) + prod créa interne (valorisée à zéro ici, sinon on ne s’en sort pas)
• exclus : mon temps, et toute hypothétique « agence » (il n’y en a pas)
• pas de remise agressive pendant la semaine (je voulais éviter le faux gain)

Baseline sur 3 semaines avant test (moyenne) :

• spend/jour : ~300 €
• CAC (abonnement) : 96 €
• CPA (lead/essai) : 18 €
• taux de conversion landing vers essai : 6,2 %
• taux essai vers abonnement : 18 %
• CTR Meta (moyenne) : 0,9 %
• CPC Meta : 1,45 €
• CPM Meta : 13,80 €
• MER global (revenu/spend) : ~1,1 à court terme

Problèmes concrets observés (ceux qui te bouffent la vie) :

• campagnes qui se cannibalisent (mêmes audiences, mêmes messages, budgets séparés)
• créas fatiguées, fréquence qui monte, mais je faisais semblant de ne pas le voir
• landing page correcte, sans plus. Beaucoup de friction. Pas assez de preuve sociale.
• tracking incomplet sur certains événements. Et des UTMs pas toujours propres, donc lecture GA4 pénible

En gros : c’était « ok », mais pas sain.

Ce que j’ai « branché » exactement : stack, accès, garde fous

Stack utilisée :

• Meta Ads Manager
• Google Ads
• GA4
• un CRM email (classique)
• un tableur + une vue simple type BI (rien de fancy)
• pixel + conversions API côté Meta (déjà en place)

Niveau d’accès donné à l’agent :

• lecture sur GA4 + CRM
• écriture limitée sur Meta uniquement, et uniquement sur un sous ensemble de campagnes (whitelist)
• sur Google Ads : lecture + recommandations, mais pas d’exécution automatique (trop risqué pour moi sur une semaine)

Pourquoi ces limites : parce que l’IA qui peut tout modifier partout, sans contexte, c’est un scénario catastrophe. Je voulais une expérience mesurable, pas un crash test.

Garde fous indispensables (ceux que je ne négocie plus) :

• plafond de dépense/jour au niveau compte et campagne
• règles d’arrêt : si une campagne dépense X sans conversion, elle est coupée
• alertes Slack/email : variation de spend, CPM qui explose, baisse brutale de CVR
• whitelist des campagnes modifiables (les tests, pas le « core » au début)
• sauvegarde quotidienne des paramètres (export)

Ce que l’agent a le droit de toucher :

• budgets (dans une plage)
• enchères (si pertinent)
• audiences (élargir ou resserrer, mais pas toucher aux exclusions sensibles)
• placements (exclure certains placements qui brûlent)
• exclusions basiques (apps, segments faibles)
• naming et UTMs (standardisation)

Ce que j’ai gardé « humain » :

• promesse et positionnement
• angles sensibles (juridique, claims)
• validation créa finale
• pricing

Oui, ça limite le potentiel. Mais ça évite les dégâts.

L’objectif (simple) que je lui ai donné : réduire le CAC sans tuer la croissance

Objectif principal : tendre vers CAC ÷4. Donc passer de ~96 € à ~24 €.

Mais avec une contrainte claire : volume minimum. Pas le droit de « gagner » en coupant tout.

Contrainte volume :

• maintenir au moins 70 % du volume de conversions baseline (sur 7 jours, donc c’est imparfait, mais ça force à jouer)

Objectifs secondaires :

• réduire la variance jour par jour
• accélérer la prise de décision
• meilleure allocation cross campagnes (Meta vs Google, acquisition vs retargeting)

Contraintes business :

• marge minimale respectée (pas de promo)
• seuil MER court terme : viser > 2 sur la semaine (ambitieux)
• cap de dépense : pas plus de 350 €/jour
• fenêtre d’attribution : on reste sur les paramètres habituels de chaque plateforme, mais je regarde surtout les conversions confirmées côté backend

KPI suivis quotidiennement :

• CAC (confirmé)
• CPA (essai/lead)
• CVR landing
• CTR, CPM, CPC
• part de spend par campagne
• et surtout, la qualité : essai vers abonnement (sinon on optimise du trafic « pas cher »)

Cadre de décision :

• à J+1 : on pilote CTR, CPC, CPA, signaux de fatigue (fréquence), cohérence tracking
• à J+3 et J+7 : on juge CAC final et qualité (conversion post lead)

Le plan de la semaine : comment j’ai structuré l’expérience (pour que ce soit mesurable)

Pourquoi 7 jours : assez long pour voir des tendances, trop court pour en faire une vérité universelle. Je voulais un sprint, pas une étude.

Méthode :

• budget constant J1 à J2
• réallocation progressive ensuite
• comparaison au baseline
• journal quotidien des changements (qui a fait quoi, pourquoi, et quel signal)

Segmentation :

• campagnes « core » (celles qui tournaient déjà) vs campagnes tests
• acquisition vs retargeting séparés
• sur Meta : consolidation volontaire (moins d’ad sets) pour réduire la cannibalisation

Gestion des créas :

• rotation planifiée (pas « quand j’y pense »)
• règle de fatigue : si fréquence > 2,5 sur 7 jours et CTR en baisse, on renouvelle
• protocole A/B simple : une variable à la fois (hook, format, ou preuve). Pas tout.

Hygiène tracking :

• UTMs standardisées dès J1
• vérification événements : page view, lead, purchase. Et correspondance avec le backend.
• élimination des faux positifs (exemple : conversions attribuées mais sans inscription réelle)

Jour par jour : ce que l’agent a changé (et pourquoi)

Je ne vais pas raconter chaque clic, mais voilà le vrai mouvement de la semaine.

Jour 1 : audit express

L’agent commence par un audit. Et là, honnêtement, il a vu en 20 minutes ce que je voyais mais que je repoussais.

• campagnes qui brûlent du budget sur des placements pourris
• UTMs incohérentes sur 30 % des ads, donc GA4 racontait une histoire bancale
• événements mal priorisés (optimisation sur un événement trop haut de funnel sur une campagne censée closer)
• audiences trop fragmentées, ad sets qui se cannibalisent

Action : il propose une liste de coupes, mais je lui fais appliquer seulement sur la whitelist.

Jour 2 : nettoyage

Là il fait le ménage, vraiment.

• pause des ensembles sous performants (ceux qui avaient dépensé > 2x CPA cible sans résultat)
• consolidation : on passe de 12 ad sets à 5 sur la partie test
• exclusions placements : certaines catégories d’apps, et un ou deux placements qui prenaient du spend sans conversion
• naming standardisé + UTMs propres

Résultat immédiat : CPM légèrement en hausse (normal, moins de dispersion), mais CPC baisse, et surtout CPA s’améliore.

Jour 3 et jour 4 : réallocation froide

C’est là que je commence à le sentir « agent ».

Il arrête de bricoler, et il alloue. Il déplace du budget vers les gagnants marginaux. Pas ceux qui « ont l’air cool ». Ceux qui tiennent au CPA et gardent une conversion post lead propre.

• +15 % budget sur 2 campagnes
• 0 sur les campagnes ambiguës
• coupure nette d’une campagne que j’aimais, car CTR correct mais conversion post click faible

Moi, à la main, j’aurais laissé tourner encore deux jours « pour être sûr ». Lui non.

Jour 5 : funnel

Surprise : il ne reste pas que dans l’Ads Manager. Il me pousse une mini checklist landing.

Je garde l’exécution humaine, mais je suis ses recommandations.

Micro optimisations :

• CTA plus clair au dessus de la ligne de flottaison
• ajout de 3 preuves sociales concrètes (pas des témoignages vagues)
• réduction de friction sur le formulaire / étape essai
• retargeting plus précis : fenêtres 7 jours vs 30 jours, et messages séparés (« pas encore prêt » vs « tu as vu la démo »)

Effet : CVR landing monte, et le retargeting devient moins cher.

Jour 6 : scaling contrôlé

Il scale, mais comme un comptable anxieux. Et c’est un compliment.

• augmentation graduelle sur les gagnants (+10 % puis +10 %)
• règles de rollback si CPA dépasse un seuil pendant 24h
• surveillance CPM et fréquence, alerte si la fréquence décolle

On évite le classique : doubler le budget, ruiner la phase d’apprentissage, et venir dire « Meta c’est mort ».

Jour 7 : stabilisation

Dernier jour, il fait moins de changements. Il stabilise.

• réduction de variance : budgets plus lissés
• création d’un petit playbook de règles
• backlog de tests priorisés (créa, audiences, landing)

Et moi je termine avec une sensation rare : j’ai une liste claire de ce que je fais lundi.

Le résultat : comment mon CAC a été divisé par quatre (les chiffres, sans magie)

Période baseline (moyenne 3 semaines) vs période test (7 jours).

KPI	Avant	Après (7 jours)
Spend/jour	300 €	320 €
Conversions (abonnements)/jour	3,1	13,2
CAC	96 €	24 €
CPA (essai/lead)	18 €	7 €
CVR landing vers essai	6,2 %	9,8 %
Essai vers abonnement	18 %	20 %
CTR Meta	0,9 %	1,4 %
CPC Meta	1,45 €	0,92 €
CPM Meta	13,80 €	12,60 €

Décomposition du gain (estimation honnête, pas science exacte) :

• réallocation budget et nettoyage : ~45 %
• créa (rotation + nouveaux hooks) : ~25 %
• funnel/landing : ~20 %
• retargeting plus précis : ~10 %

Effet volume : le CAC ne baisse pas parce que le volume baisse. C’est l’inverse. Spend légèrement plus haut, conversions nettement plus hautes. C’est aussi pour ça que je dis « vrai bilan ».

Qualité :

• essai vers abonnement légèrement en hausse (donc pas un trafic « cheap »)
• pas de signal de churn anormal sur 7 jours (trop tôt pour conclure, mais au moins pas d’alerte rouge)
• ARPU stable

Ce qui a surpris :

• les changements « simples » ont eu le plus gros impact (consolidation, exclusions placements, UTMs propres, discipline de pause)
• les optimisations marginales (bid tweaks, micro audiences) ont été secondaires

Ce que l’agent IA a mieux fait que moi (honnêtement)

Vitesse : analyse multi campagnes + exécution rapide, sans fatigue. Moi je me perds dans les onglets. Lui non.

Discipline : application stricte de règles. Pas d’ego sur les créas « que j’aime ». Ça pique un peu, mais ça marche.

Détection de patterns : signaux faibles. Fréquence qui monte, segment qui dérive, CPC qui grimpe doucement. Il alerte tôt.

Allocation froide du budget : arbitrage basé sur l’efficacité marginale, pas sur mes habitudes ou mon intuition du moment.

Documentation automatique : log des changements et raisons. Rien que ça, c’est sous coté. Tu apprends plus vite.

Les limites (et les moments où j’ai dû reprendre la main)

Attribution imparfaite : si votre tracking est fragile, l’agent va optimiser sur du vent. Il peut devenir très bon… à gagner un jeu truqué.

Créatif et promesse : l’IA propose des angles « corrects ». Mais parfois trop lisses. Et parfois, elle flirte avec des formulations risquées (claims, comparaisons). Donc validation humaine obligatoire.

Contexte business : saisonnalité, capacité de delivery, priorités produit, support qui déborde. L’agent ne ressent pas ça. Il ne sait pas que vous avez un lundi noir au support.

Optimisation court terme : danger de sacrifier la LTV pour baisser le CAC. Exemple typique : attirer des profils opportunistes. Sur 7 jours, ça peut avoir l’air génial.

Supervision recommandée :

• 10 minutes par jour, vraiment
• je vérifie : spend, conversions confirmées backend, cohérence UTMs, fréquence, commentaires pubs (oui, la réalité du terrain)
• et je m’interdis plus d’une décision majeure par jour

Le vrai secret : les règles et prompts que j’ai utilisés (à copier)

Les résultats viennent moins de « l’IA » que du cadre. Voilà le cadre.

Règles de budget (simples, brutales)

• plafond compte : 350 €/jour
• augmentation sur gagnant : +10 % max toutes les 24h
• pause : si dépense > 2x CPA cible sans conversion
• rollback : si CPA dépasse +30 % de la cible pendant 24h après un scale
• fatigue créa : si fréquence > 2,5 et CTR baisse sur 3 jours, rotation

Cadre de décision (quoi faire si…)

• CAC ↑ mais volume ↑ : ne pas paniquer. vérifier marge et qualité. si qualité ok, lisser et attendre J+3.
• CTR ↑ mais CVR ↓ : problème landing ou promesse. arrêter d’accuser l’algorithme. tester une variation landing, ou ajuster le message.
• CPM explose : vérifier audiences, overlap, créa (quality ranking), et placements. réduire dispersion, consolider.
• CPA bas mais essai vers abonnement ↓ : trafic opportuniste. resserrer, ajuster promesse, et vérifier les sources.

Prompt « objectif + contraintes + contexte »

« Tu es un agent d’optimisation paid ads. Objectif : réduire le CAC abonnement de 96 € à 24 € sans descendre sous 70 % du volume baseline. Contrainte : budget max 350 €/jour. Offre : abonnement B2C ARPU 29–39 €, marge 80 %, LTV 4–6 mois. Priorité événement : purchase confirmé, secondaire : essai/lead. Tracking : GA4 + pixel + CAPI, UTMs obligatoires. Tu as le droit de modifier uniquement les campagnes whitelistées. À chaque action : donne la raison, le risque, et la métrique à surveiller dans les 24h. »

Prompt d’audit (impact/effort)

« Analyse les 14 derniers jours (Meta + GA4 + CRM) et propose 10 actions classées par impact/effort. Pour chaque action : bénéfice attendu, risque principal, métrique de validation, et seuil de rollback. »

Prompt créa (concret, pas des généralités)

« Génère 10 hooks UGC, 5 angles basés sur preuves (données, démo, cas), 3 structures de script (15–25 secondes) et une checklist conformité (claims à éviter). Ton de marque : direct, simple, pas de promesses miracles. Audience : [décrire]. Offre : [décrire]. »

Si vous voulez tenter la même chose : checklist de mise en place en 60 minutes

Pré requis :

• tracking propre (pixel, GA4), conversions alignées
• UTMs standardisées
• objectifs clairs (CAC, volume, qualité)

Choisir un périmètre :

• commencez avec 20 à 40 % du spend
• sur des campagnes sélectionnées
• pas tout le compte, pas le core au début

Créer les garde fous :

• cap de dépense
• alertes (Slack/email)
• sauvegarde des paramètres (export)
• règles automatisées natives (pause après X spend sans conv)

Préparer les assets :

• 5 à 10 créas prêtes
• 2 variations landing simples (même page, un seul changement)

Rituel quotidien :

• 10 minutes de revue
• 1 décision majeure/jour
• ne changez pas tout en même temps, sinon vous ne saurez jamais ce qui a marché

Conclusion : est ce que je le referais ? (et à qui je le déconseille)

Oui, je le referais. Le CAC ÷4 est réel sur la semaine, avec du volume en hausse, et une qualité qui ne s’effondre pas.

Mais dans un cadre précis : baseline claire, tracking propre, garde fous stricts, créas prêtes, et une supervision humaine qui reste là.

C’est idéal pour :

• petites équipes
• solo marketers
• comptes avec historique data
• besoin de rigueur et de vitesse

Je le déconseille si :

• tracking instable
• offre pas encore validée (si vous ne savez pas vendre, l’agent ne va pas inventer un marché)
• faible marge (erreur de 2 jours et vous saignez)
• contraintes légales fortes (santé, finance, claims sensibles)

Prochaine étape pour moi : étendre le même cadre à l’email (meilleure LTV), au SEO assisté, et à un retargeting multi touch. Et mesurer sur 30 jours, parce que 7 jours ça montre une direction, pas une loi.

Phrase de fin, parce qu’elle est vraie : l’agent ne remplace pas le marketer. Il remplace le marketer épuisé.

Questions fréquemment posées

Pourquoi ai-je décidé de laisser un agent IA gérer mon budget marketing ?

J'ai laissé un agent IA gérer mon budget marketing pour optimiser les campagnes publicitaires face à la pression sur la rentabilité, un CAC qui augmente, et la fatigue liée à l'optimisation manuelle répétitive et émotionnelle. L'objectif était d'automatiser certaines décisions pour gagner en efficacité sans perdre en contrôle.

Qu'est-ce qu'un agent IA dans le contexte de la gestion de budget marketing ?

Un agent IA est un système doté d'un objectif chiffré qui observe des données (publicités, analytics, CRM), propose des actions et peut en exécuter certaines dans un périmètre donné. Ce n'est pas un simple chatbot ou script d'automatisation basique, mais un outil capable d'agir directement sur les campagnes.

Quels sont les risques associés à l'utilisation d'un agent IA pour gérer le budget marketing ?

Les risques incluent des dépenses inutiles dues à des tests trop larges, une sur-optimisation avec coupure prématurée de campagnes potentiellement performantes, des biais de tracking entraînant de mauvaises décisions, un apprentissage trop lent du compte, et des décisions 'boîte noire' difficiles à expliquer et reproduire.

Quel était le contexte business avant d'utiliser l'agent IA ?

Le business concernait une offre B2C par abonnement (SaaS léger) avec un ARPU mensuel entre 29 € et 39 €, une marge brute autour de 80 %, et une LTV moyenne de 4 à 6 mois. Le funnel comprenait acquisition paid vers landing page, essai/offre d'entrée, conversion abonnement et onboarding email. Les canaux principaux étaient Meta (60 % du budget), Google Ads (30 %) et retargeting email (10 %).

Quels outils et accès ont été connectés à l'agent IA ?

L'agent IA a été connecté aux plateformes Meta Ads Manager, Google Ads, GA4 (Google Analytics 4), un CRM email classique ainsi qu'à un tableur avec une vue simple type BI pour centraliser les données et permettre au système d'observer et agir efficacement.

Comment définir le CAC dans cette expérience avec l'agent IA ?

Le CAC inclut les dépenses publicitaires, les frais liés aux outils créatifs légers et la production créative interne valorisée à zéro. Il exclut le temps personnel consacré ainsi que toute agence externe. Aucune remise agressive n'a été appliquée pendant la semaine test pour éviter de fausser les résultats.