Chez 1144, ça fait maintenant des mois qu’on teste l’IA sur à peu près tout ce qu’on fait en paid : génération de visuels publicitaires, rédaction des messages publicitaires, mise en ligne automatisée des campagnes, challenge de la stratégie avant un rendez-vous client.
À chaque fois, ça nous fait gagner du temps. À chaque fois, on se dit qu’on a atteint un palier.
Et puis le palier d’après arrive. Depuis quelques semaines, c’est surtout sur l’analyse de données que tout a changé dans mon quotidien, et je voulais vous partager ça 👇
TL;DR
Claude est désormais connecté à nos comptes pub : on interroge la donnée en temps réel et en langage naturel
Fini les exports CSV et les analyses approfondies qu’on repoussait faute de temps
Le vrai gain n’est pas le temps gagné, mais la vitesse d’itération et le focus sur la stratégie
Ce n’est pas un remplacement du media buyer, c’est un déplacement vers plus de valeur
MCP, en deux lignes
Pour faire de l’analyse en temps réel avec Claude, on va passer par un connecteur MCP.
Petit rappel : le MCP (Model Context Protocol) est un standard qui permet de connecter un modèle IA (comme Claude) directement à vos outils et vos données. C’est le même principe qu’une API, mais pour des modèles de langage.
Concrètement, Claude peut interroger un compte Meta Ads, Google Ads, LinkedIn Ads… en temps réel.
Si ça vous intéresse, de notre côté on utilise le connecteur de Windsor.ai qui nous permet de gérer plusieurs comptes publicitaires.
Mais vous pouvez d’ailleurs faire un workflow du type BigQuery → Connecteur MCP Make/n8n → Claude.
Avant : l’analyse était un goulot d’étranglement
Analyser finement un compte, ça prend du temps. Entre la sélection des bonnes données, la mise en forme, et le moment où l’on commence vraiment à réfléchir, on passe facilement plusieurs minutes. Alors on analyse moins souvent qu’on devrait. On se limite aux revues hebdomadaires, aux dashboards qui datent, aux questions qu’on se pose le vendredi après-midi quand il reste enfin un créneau.
Le problème : entre deux analyses, on rate des signaux. Une pub qui décroche, un angle qui surperforme, un segment qui s’essouffle. On réagit avec 48 ou 72 heures de retard. Sur un budget quotidien, ça représente beaucoup de cash cramé.
Ce qui a changé
Avec Claude connecté à tous nos comptes pub, l’analyse devient conversationnelle. Je pose une question, j’ai une réponse. Parfois de manière très détaillée, avec un dashboard sur-mesure.
Quelques exemples de requêtes que j’ai faites ces dernières semaines :
« Sur le compte X, depuis la mise en ligne des 3 créas sur l’angle Z le 20 mars, donne-moi l’évolution du CPA et du CTR comparé aux 15 jours précédents. »
« Identifie les créas qui ont sous-performé ces 7 derniers jours sur le compte Y. »
« Liste les créatives en déclin sur le mois écoulé, triées par budget dépensé. »
La différence avec un dashboard classique : on affine la question en temps réel, en fonction du contexte. Si la première réponse soulève un doute, on creuse immédiatement. « Ok, et si je regarde uniquement le placement Stories ? » « Et sur Facebook seulement ? » L’analyse ressemble à un dialogue continu, pas à un reporting figé d’avance.
Le genre de dashboard que ça donne concrètement :
Le vrai gain de ce nouveau process
Le gain de temps est évident. Mais ce n’est pas le plus important.
Ce qui change vraiment, c’est la vitesse d’itération : un test lancé lundi peut être challengé jeudi plutôt que le lundi suivant. On prend des décisions plus vite, avec plus de données, plus de granularité, et on capitalise sur les apprentissages en temps réel. (sous réserve d’avoir assez de données)
Il y a un autre changement plus macro, mais tout aussi important : on libère de la bande passante pour le travail stratégique. Positionnement, tests d’angles créatifs/marketing, arbitrage de budget entre les leviers, réflexion sur le funnel global…
Et c’est précisément ce que les clients attendent d’une agence. On s’en moque de savoir qu’on a passé X heures à configurer un dashboard Looker Studio et isoler les bons critères, pour comprendre que la créa C a moins fonctionné que la créa D…
Ce que ça dit du métier
Je vais être honnête : oui, ça peut faire peur. Une partie de ce qu’on faisait manuellement peut désormais être automatisée. L’analyse pure des performances se banalise.
Aujourd’hui tout le monde peut lire et interpréter des résultats avec Claude (ou autre IA d’ailleurs). Ce qui fait la valeur d’un bon media buyer, et qui la fera d’autant plus demain, c’est les actions mises en place : savoir quelle hypothèse tester ensuite, quelle créa va fonctionner sur cette audience, quand arrêter un test, quand scaler, comment articuler le paid avec le reste de l’acquisition. Cette partie-là, l’IA ne la fait pas. Elle la facilite.
Pour les équipes internes qui bossent sur leur propre acquisition, le message est le même : connecter l’IA à vos données, ce n’est pas un gadget. C’est un levier qui vous rend le temps dont vous manquez pour faire le boulot qui compte.
On est au tout début de cette bascule. La question n’est plus de savoir si l’IA va transformer le métier, elle le fait déjà. La vraie question est la vitesse à laquelle vous intégrez ces outils dans votre quotidien.
Vous avez commencé à intégrer l’IA dans votre processus d’analyse ? Je suis preneur de vos retours et de vos use cases.
Bonne semaine ✌️
Le Sach’
.png)
.png)
