Je dirige des activités marketing, communication et commerciales. À ce poste, je vois l’intelligence artificielle s’installer dans les CRM, les outils de contenu, les plateformes publicitaires, les suites de productivité, les logiciels de relation client et les environnements de vente. Elle entre aussi dans les habitudes personnelles des équipes, souvent avant l’existence d’un cadre formel. Notre travail de direction consiste à organiser cette réalité : choisir les processus, qualifier les données, contrôler les accès, former les collaborateurs, protéger la marque et suivre la valeur créée.
Ma ligne de conduite : j’attends d’un projet IA qu’il améliore un processus identifiable, s’appuie sur des sources maîtrisées, respecte des droits d’accès précis et fournisse des résultats mesurables. Ce cadre donne aux équipes une marge d’expérimentation claire et aux dirigeants une capacité de pilotage réelle.
Dans les échanges avec mes homologues, j’entends régulièrement les mêmes sujets : des collaborateurs utilisent déjà plusieurs assistants, des contenus sont rédigés avec des comptes personnels, les demandes commerciales se multiplient, les données CRM restent inégales et les équipes cherchent des repères. Cette situation demande une réponse structurée. Chaque entreprise possède déjà une histoire, une offre, une marque, des clients, des contenus, des documents commerciaux et des données de performance. L’IA exploite ces ressources dès lors qu’elles sont accessibles, fiables, correctement classées et utilisées dans un environnement sécurisé.
Je porte une attention particulière au travail réel. Les présentations de fournisseurs sont utiles pour découvrir une fonctionnalité. Le terrain apporte d’autres informations : temps de correction, qualité des réponses, fatigue des équipes, disponibilité des données, délais de validation, compréhension des commerciaux, confiance des clients et capacité à reproduire un résultat. Ces éléments servent de base à mes arbitrages.
Une direction marketing gagne en capacité lorsqu’elle relie l’IA à ses processus, à ses données, à ses collaborateurs et à ses exigences de qualité.
Dans cet article...
Le contexte exige une organisation
Les études internationales montrent une adoption rapide, accompagnée de difficultés très concrètes. Salesforce rapporte que 75% des marketeurs utilisent l’IA pour contribuer à la personnalisation. L’étude relève également que 84% des répondants utilisent encore des campagnes génériques, que 69% rencontrent des difficultés pour répondre rapidement aux clients et que 98% font face à au moins un obstacle à la personnalisation. Les systèmes de données cloisonnés et la qualité insuffisante des informations figurent parmi les problèmes les plus fréquents.
Je retiens une leçon de ces chiffres : les outils arrivent vite, les fondations opérationnelles demandent un travail méthodique. Une direction marketing construit ces fondations avec les équipes commerciales, CRM, data, IT, sécurité, juridique, produit et service client. Cette coopération associe le contenu, les données, les accès, les parcours et la mesure.
Le World Economic Forum identifie l’IA et le big data, les réseaux et la cybersécurité, ainsi que la culture technologique parmi les compétences dont la demande augmente le plus rapidement. Les directions marketing ont donc intérêt à développer une culture technique partagée. Les collaborateurs n’ont pas besoin de devenir ingénieurs en machine learning. Ils ont besoin de comprendre les données qu’ils utilisent, les limites des modèles, les droits d’accès, les contrôles et les indicateurs qui encadrent leur travail.
| Signal | Fait récent | Décision de direction |
|---|---|---|
| Usage de l’IA | 75% des marketeurs interrogés par Salesforce utilisent l’IA. | Définir les outils autorisés, les objectifs, les formations et les responsables métier. |
| Personnalisation | 84% déclarent encore mener des campagnes génériques. | Renforcer la qualité des segments, des consentements, des données CRM et des contenus disponibles. |
| Données | 98% rencontrent des obstacles à la personnalisation. | Cartographier les sources, nommer les propriétaires de données et réduire les incohérences. |
| Compétences | L’IA, le big data, la cybersécurité et la culture technologique figurent parmi les compétences en progression rapide. | Former les équipes aux outils, aux workflows, aux accès, à la vérification et aux risques. |
Repère de direction : un outil IA déployé dans une équipe produit des résultats utiles lorsqu’il s’inscrit dans un processus documenté, utilise des sources validées, respecte les permissions et bénéficie d’un contrôle adapté au niveau de risque.
Mon architecture IA marketing
J’aborde un projet IA comme une architecture de travail. Un assistant conversationnel visible par l’utilisateur ne représente qu’une partie de l’ensemble. Derrière cette interface, l’entreprise organise des données, des documents, des règles d’identité, des connecteurs, des instructions, des mécanismes de recherche, des actions autorisées, des validations et des traces d’activité.
Cette vision aide à poser les bonnes questions dès le départ. Quelles données le système peut-il lire ? Quels documents alimentent sa réponse ? Qui peut utiliser le service ? Quels logiciels sont connectés ? Quelles actions sont possibles ? Quelle personne valide une opération qui engage la marque, le client ou le budget ? Comment l’entreprise retrouve-t-elle l’historique d’un résultat ou d’un incident ?
| Composant | Fonction | Exemple dans une direction marketing | Point de contrôle |
|---|---|---|---|
| Modèle de langage | Il génère, résume, classe, reformule et analyse des informations textuelles. | Préparation d’un brief de campagne ou synthèse d’entretiens clients. | Confidentialité, coût, qualité, règles d’usage et fournisseur. |
| Prompt système | Il porte les instructions permanentes du service. | Ton éditorial, refus de données sensibles, format des livrables, obligation de citer les sources. | Versionnage, validation par les métiers et tests réguliers. |
| Base de connaissances | Elle rassemble des documents internes sélectionnés. | Plateforme de marque, catalogue, FAQ, argumentaires, études et procédures. | Qualité, date de mise à jour, propriétaire et droits d’accès. |
| RAG(1) | Il retrouve des extraits pertinents avant la génération d’une réponse. | Réponse commerciale alimentée par les documents produits et validés. | Sources affichées, fraîcheur documentaire, indexation et permissions. |
| Embedding(2) | Il transforme un texte en représentation numérique comparable par proximité sémantique. | Recherche d’une réponse sur un produit même lorsque la formulation diffère de celle du catalogue. | Qualité de l’index, langue, modèle utilisé et pertinence des résultats. |
| Base vectorielle(3) | Elle stocke et recherche les représentations numériques des documents. | Recherche rapide dans des centaines de fiches produits, FAQ et études. | Isolation des données, chiffrement, suppression, accès et sauvegarde. |
| Connecteur API(4) | Il relie le service IA à un logiciel métier. | Lecture d’une fiche CRM, d’un calendrier, d’un tableau de campagne ou d’un catalogue. | Portée du jeton, durée de validité, journalisation et révocation. |
| Agent IA(5) | Il orchestre plusieurs étapes autour d’un objectif défini. | Préparer un rapport de compte à partir du CRM, du calendrier, des notes et de la base de connaissances. | Outils autorisés, budget, limites d’action, logs et validation humaine. |
| Observabilité(6) | Elle collecte les traces, erreurs, coûts, sources et temps d’exécution. | Analyse d’un assistant commercial ou d’un agent de veille. | Audit, alertes, détection des dérives et suivi de la qualité. |
Une explication simple : le RAG ajoute une étape de recherche avant la réponse. L’assistant retrouve les passages pertinents dans une documentation autorisée, puis utilise ces extraits pour préparer son texte. Une bonne mise en œuvre affiche les sources utilisées, facilite la vérification et permet de mettre à jour les documents à la source.
Le parcours d’une réponse IA dans l’entreprise
Je recommande aux dirigeants de comprendre le cycle complet d’une demande. Cette connaissance facilite les décisions de budget, de sécurité, de conformité et de déploiement. Elle donne aussi aux équipes un langage commun pour signaler une erreur ou demander une amélioration.
Cette chaîne paraît technique lors d’une première lecture. Elle décrit pourtant des choix de gestion très familiers : qui peut accéder à une information, quelle version d’un document fait autorité, qui vérifie un message avant son envoi, combien coûte un processus et comment l’équipe retrouve l’origine d’une erreur. L’IA donne simplement une forme nouvelle à ces questions.
RAG marketing : les décisions qui font la différence
Un système RAG fonctionne avec des documents sélectionnés et préparés. Le résultat dépend fortement de leur état. Je commence donc par un audit documentaire avant de parler de modèle, de chatbot ou d’agent. Les équipes possèdent souvent plusieurs versions d’une même offre, des fichiers commerciaux stockés dans différents espaces, des présentations anciennes, des FAQ peu mises à jour et des contenus dont personne ne connaît le statut exact.
La préparation documentaire comporte plusieurs tâches : identifier les sources de référence, supprimer les doublons, versionner les contenus, définir un propriétaire, ajouter des métadonnées, fixer une date de révision et organiser les droits. Cette préparation apporte déjà une valeur importante aux collaborateurs, y compris avant le premier déploiement d’assistant.
| Décision technique | Effet sur l’usage marketing | Exemple concret |
|---|---|---|
| Taille des chunks(9) | Elle détermine la précision du passage retrouvé et la continuité du contexte. | Un chunk trop long mélange offre, conditions et cas d’usage. Un chunk trop court coupe une phrase déterminante sur une garantie. |
| Chevauchement des chunks | Il conserve une continuité entre deux fragments voisins. | Un argument commercial réparti sur deux paragraphes reste utilisable par le système. | Métadonnées | Elles filtrent les documents selon un produit, un pays, une langue, une date ou un niveau de confidentialité. | Un commercial français consulte uniquement les conditions applicables au marché français. |
| Recherche hybride | Elle combine recherche par mots-clés et recherche sémantique. | Le système retrouve à la fois une référence produit exacte et une question exprimée avec les mots du client. |
| Reranking(11) | Il réordonne les résultats pour présenter les extraits les plus adaptés à la demande. | Une FAQ récente et validée passe avant une ancienne présentation commerciale. |
| Citations de source | Elles permettent au collaborateur de vérifier l’origine d’une information. | Le brouillon d’e-mail affiche le lien vers la fiche produit et la date de mise à jour. |
Point de vigilance : une base de connaissances peut contenir des éléments erronés, anciens, contradictoires ou confidentiels. Le projet RAG doit inclure une procédure de mise à jour, une règle de retrait, un propriétaire de contenu, un circuit de validation et une revue régulière des droits.
Agents IA : mon cadre d’utilisation
Les agents intéressent les directions parce qu’ils peuvent organiser une suite d’étapes : rechercher une donnée, consulter une application, préparer un document, ouvrir une tâche, produire un tableau et demander une validation. Je les considère comme des systèmes opérationnels. Leur déploiement engage les mêmes exigences que tout autre processus numérique connecté aux données et aux outils de l’entreprise.
Dans un projet marketing, je précise le rôle de l’agent avant toute intégration. Je définis son objectif, les applications qu’il peut utiliser, les sources qu’il peut consulter, les actions qu’il peut préparer, les personnes qui valident, les alertes et les limites budgétaires. Ce document de cadrage sert ensuite de référence aux équipes métier, data, IT, sécurité et conformité.
Exemple : agent de préparation d’un rendez-vous commercial
L’agent reçoit l’identifiant d’un compte. Il consulte les données CRM autorisées, les échanges précédents, le calendrier, les opportunités ouvertes et la base documentaire liée aux offres. Il produit une fiche de préparation comprenant le contexte, les derniers échanges, les interlocuteurs, les opportunités, les contenus recommandés et les questions ouvertes. Le commercial valide la fiche, corrige si nécessaire, puis l’utilise pendant le rendez-vous.
| Élément de cadrage | Décision à prendre | Exemple |
|---|---|---|
| Objectif | Décrire le résultat attendu dans un langage métier. | Préparer une fiche de rendez-vous pour les comptes stratégiques. |
| Déclencheur | Choisir l’événement qui lance le workflow. | Création automatique 24 heures avant un rendez-vous CRM identifié. |
| Données autorisées | Limiter les données au strict nécessaire. | Historique de compte, opportunités, produits consultés, notes de rendez-vous validées. |
| Outils autorisés | Définir les connecteurs et leurs permissions. | CRM en lecture, calendrier en lecture, espace documentaire en lecture, outil de tâches en écriture contrôlée. |
| Actions | Décrire les actions que l’agent peut préparer ou exécuter. | Créer un brouillon de tâche et proposer des ressources à joindre. |
| Validation | Identifier l’humain responsable. | Le commercial valide toute note ajoutée au CRM et tout message externe. |
| Traçabilité | Conserver les informations nécessaires à l’audit. | Sources consultées, date, utilisateur, version de prompt, sortie, coût et erreurs. |
| Limites | Fixer des seuils et des interdictions. | Budget maximal par exécution, aucun e-mail envoyé, aucun champ CRM sensible modifié. |
Identité, sécurité et permissions
Les connecteurs constituent un sujet de direction. Chaque connexion entre un service IA et le CRM, la messagerie, le stockage documentaire ou les outils de publicité crée un chemin d’accès aux données. Je demande une cartographie claire : application connectée, finalité, propriétaire, type d’autorisation, données accessibles, durée du jeton, journal disponible et procédure de révocation.
L’authentification OAuth(12) autorise une application à agir selon une permission donnée, souvent au moyen d’un jeton. La portée de ce jeton détermine ce que le connecteur peut faire. Une connexion en lecture sur une base documentaire ne présente pas le même niveau de risque qu’un accès permettant de modifier le CRM, d’envoyer des e-mails ou de publier sur un réseau social.
- Utilisez l’identité professionnelle de l’entreprise pour les accès aux outils IA.
- Activez le SSO(7) et l’authentification multifacteur lorsque les outils le permettent.
- Attribuez les permissions selon les rôles avec le RBAC(8).
- Appliquez le principe du moindre privilège(13) à chaque connecteur et à chaque agent.
- Limitez la durée de vie des jetons OAuth(12) et organisez leur révocation.
- Interdisez le partage de comptes et l’utilisation de clés API dans des documents ou échanges non sécurisés.
- Journalisez les appels sensibles, les exports, les modifications et les actions externes.
- Testez régulièrement la suppression d’un accès lorsqu’un collaborateur change de fonction ou quitte l’entreprise.
Actions sous validation : envoi de messages à des clients, publication, modification de prix, mise à jour d’une donnée commerciale, suppression de contenu, ajout de droits utilisateurs, export de données, achat média, engagement contractuel et décision traitant une donnée sensible. Un agent peut préparer les éléments associés à ces actions mais je conseillerai toujours une validation d’un responsable avant tout lancement.
Le coût réel d’un usage IA
Le prix d’une licence représente une partie du budget. Je calcule également les coûts d’intégration, de connecteurs, de stockage documentaire, d’API, de tokens(14), de support, de formation, de contrôle qualité, de sécurité et de maintenance. Le budget dépend aussi du volume de requêtes, de la longueur des contextes envoyés au modèle, du nombre de documents récupérés et des appels réalisés par un agent.
Un agent avec plusieurs étapes peut déclencher plusieurs appels : recherche documentaire, interrogation CRM, génération, contrôle de format, création de tâche et journalisation. Chaque appel ajoute du coût et de la latence(15). Le suivi économique doit rester lié à un processus concret : une fiche de rendez-vous, une veille hebdomadaire, une analyse de campagne ou une production éditoriale.
| Poste de coût | Ce qu’il couvre | Indicateur de pilotage |
|---|---|---|
| Licences | Accès utilisateur, fonctionnalités d’administration, sécurité et espaces de travail. | Coût mensuel par utilisateur actif. |
| API et tokens(14) | Consommation de modèle selon les entrées et sorties générées. | Coût par requête, par workflow et par processus métier. |
| RAG | Embeddings(2), indexation, stockage vectoriel et recherche. | Coût par document indexé, par recherche et par base active. |
| Connecteurs | Intégration avec CRM, stockage, messagerie, analytics ou outils de travail. | Coût par connecteur, volume d’appels et taux d’erreur. |
| Qualité | Contrôle humain, correction, évaluation et mise à jour des sources. | Temps de correction, taux d’acceptation et taux de retour. |
| Sécurité | Identité, logs, audits, revues de permissions et réponse aux incidents. | Couverture des journaux, nombre d’incidents et délai de traitement. |
Mesurer la qualité, la valeur et le risque
Je préfère un tableau de bord lié à chaque processus. Un indicateur global d’adoption ne permet pas d’identifier ce qui fonctionne dans le contenu, le CRM, la vente ou l’analyse de campagne. Les équipes ont besoin de mesures proches de leur travail quotidien. La direction a besoin d’une vue consolidée sur la valeur, les coûts, les risques et les compétences.
| Dimension | Indicateurs utiles | Question de direction |
|---|---|---|
| Temps | Durée de préparation, durée de validation, délai de réponse, temps de correction. | Le workflow accélère-t-il une étape précise sans augmenter la charge de contrôle ? |
| Qualité | Taux d’acceptation, exactitude, conformité de marque, complétude, score de satisfaction. | Les livrables répondent-ils aux exigences des équipes et des clients ? |
| Business | Conversion, coût par lead, taux de réactivation, vitesse de traitement, cycle de vente, revenu influencé. | Le processus contribue-t-il à un objectif marketing ou commercial identifié ? |
| Adoption | Utilisateurs actifs, processus documentés, formations achevées, usage des outils autorisés. | Les pratiques sont-elles homogènes et soutenables ? |
| Sécurité | Incidents, accès révoqués, tentatives bloquées, sources exclues, actions sous validation. | Les contrôles détectent-ils les anomalies au bon moment ? |
| Économie | Coût par exécution, coût par résultat accepté, budget API, coût humain de contrôle. | Le coût total reste-t-il cohérent avec la valeur produite ? |
Mon tableau de bord minimal pour un pilote IA
- Nombre de tâches exécutées avec et sans IA.
- Temps de préparation, de relecture, de validation et de correction.
- Taux de livrables acceptés sans réécriture majeure.
- Sources utilisées et taux de citation disponible.
- Coût total par processus, incluant licences, API et contrôle humain.
- Impact sur un KPI commercial, marketing ou relation client défini avant le lancement.
- Erreurs détectées, incidents de sécurité et règles ajustées.
Mon plan de déploiement en 90 jours
Je structure les premiers mois autour de quelques cas d’usage ciblés. Cette méthode permet aux équipes de progresser, aux dirigeants de suivre les résultats et aux fonctions de support de préparer les règles nécessaires.
Les compétences que je veux développer
La technique doit rester intelligible pour les dirigeants et les équipes marketing. Je cherche une culture commune qui permette à chacun de poser les bonnes questions. Un responsable contenu doit connaître les documents qui alimentent son assistant. Un responsable CRM doit identifier les données, les permissions et les déclencheurs. Un commercial doit pouvoir vérifier les sources d’une synthèse. Un manager doit suivre le coût, la qualité et les actions réalisées par un agent.
Les dirigeants apprennent à cadrer un cas d’usage, définir un niveau d’autonomie, sélectionner les indicateurs, arbitrer les budgets, suivre les risques, organiser les validations et conduire les échanges entre métiers.
Les équipes communication maîtrisent le brief, les sources, la ligne éditoriale, les droits d’usage, la vérification, les citations, les circuits de relecture et le suivi de cohérence de marque.
Les équipes CRM et commerciales travaillent sur la qualité des fiches, la taxonomie, les segments, les consentements, les tâches, les données de compte, les suggestions produites et la validation des actions proposées.
Les équipes data, IT et sécurité organisent l’identité, les rôles, les connecteurs, les clés API, les journaux, les règles de conservation, les contrôles, les sauvegardes, les incidents et l’architecture d’intégration.
La formation produit des livrables opérationnels : un cas d’usage documenté, une checklist de contrôle, une matrice de permissions, un modèle de brief, une bibliothèque de prompts et un tableau de bord. Ces supports donnent aux équipes des repères durables.
La feuille de route jusqu’en 2027
Les prochains mois donnent le temps de préparer une organisation solide. Le travail porte sur les données, les documents, les identités, les permissions, les connecteurs, les méthodes de validation, les compétences et les indicateurs. Les capacités des modèles et des agents continueront d’évoluer. Une direction qui maîtrise ces fondations pourra tester les nouveautés avec un cadre clair.
Priorité de direction : chaque connecteur, agent ou assistant doit avoir un propriétaire métier, un périmètre de données, des permissions documentées, une règle de validation, un budget, des logs et une procédure d’arrêt. Cette discipline facilite le déploiement et protège l’entreprise.
Je garde cette feuille de route simple : d’abord comprendre les processus, puis structurer les sources, ensuite connecter les outils avec des droits limités, enfin mesurer et améliorer. Elle correspond au fonctionnement quotidien d’une direction marketing. Elle aide aussi à conserver une relation saine avec les équipes : les collaborateurs savent ce que les outils font, quelles informations ils utilisent, qui décide et comment une erreur est corrigée.
Les directions marketing et communication ont une responsabilité particulière dans cette phase. Elles organisent les messages, les contenus, la relation client, la connaissance des audiences, les offres et une partie importante du parcours commercial. L’IA amplifie ces capacités lorsque l’entreprise lui fournit une architecture cohérente et des règles de travail partagées.
Pour travailler sur les premiers cas d’usage rédactionnels, consultez notre guide de prompts pour le marketing digital. Utilisez ces modèles comme des points de départ, puis adaptez-les à vos données, à vos sources, à votre charte et à vos validations.
FAQ : direction marketing et IA
Quel premier cas d’usage choisir pour une direction marketing ?
Choisissez une tâche fréquente, mesurable, réversible et documentée. Une veille avec sources, un brief de contenu, une synthèse de campagne, une préparation de rendez-vous commercial ou un contrôle de landing page constituent de bons points de départ. Désignez un propriétaire métier et définissez les indicateurs avant le lancement.
Quelle différence existe entre un assistant et un agent IA ?
Un assistant répond généralement à une demande dans une interface. Un agent organise plusieurs étapes autour d’un objectif : recherche documentaire, consultation d’un outil, préparation d’un livrable, création d’une tâche et demande de validation. Les agents demandent un cadrage plus complet sur les données, les outils, les permissions, les coûts et les actions possibles.
Pourquoi utiliser un RAG dans un projet marketing ?
Le RAG permet de rechercher des extraits dans une base de documents autorisés avant de rédiger une réponse. Cette architecture aide un assistant à utiliser la charte de marque, les offres, les FAQ, les études, les argumentaires et les procédures de l’entreprise. Les sources affichées facilitent le contrôle par les équipes.
Quelles données exclure d’un assistant IA ?
La réponse dépend du contexte, des outils et de la base légale. Les données personnelles non nécessaires, les informations sensibles, les contrats confidentiels, les mots de passe, les clés API, les secrets commerciaux, les éléments financiers non autorisés et les fichiers sans propriétaire ou validation identifiée demandent un contrôle renforcé. Travaillez avec les équipes sécurité, DPO et juridique pour définir les règles applicables à votre organisation.
Comment maîtriser le coût d’un agent IA ?
Mesurez les appels API, les tokens, les recherches documentaires, les appels aux connecteurs, les temps d’exécution et le contrôle humain. Fixez un budget par exécution, une limite d’étapes, une limite de documents récupérés et une règle d’arrêt en cas de dépassement. Reliez chaque dépense à un processus métier.
Que faut-il enregistrer dans les logs d’un système IA ?
Conservez, selon votre politique de sécurité et de confidentialité, l’identité de l’utilisateur, l’heure, le workflow lancé, les sources consultées, les outils appelés, les actions réalisées, la version des instructions, le coût, les erreurs et le statut de validation. Ces éléments servent au suivi de qualité, à l’audit, au support et à la réponse aux incidents.
Lexique technique
- RAG — Retrieval-Augmented Generation : architecture qui recherche des documents ou passages pertinents avant de générer une réponse. Le système transmet ces extraits au modèle afin qu’il produise un contenu fondé sur les sources disponibles.
- Embedding : représentation numérique d’un contenu. Les embeddings permettent de comparer des textes selon leur proximité sémantique, y compris lorsque les mots employés diffèrent.
- Base vectorielle : base de données conçue pour stocker et interroger des embeddings. Elle sert fréquemment à retrouver rapidement les documents pertinents dans un système RAG.
- API — Application Programming Interface : interface permettant à des applications d’échanger des données et des actions de manière structurée.
- Agent IA : système qui utilise un modèle pour organiser une succession d’étapes et appeler des outils autorisés afin d’atteindre un objectif défini.
- Observabilité : capacité à suivre le comportement d’un système grâce aux logs, métriques, traces, coûts, délais, sources et erreurs.
- SSO — Single Sign-On : mécanisme d’authentification qui permet à un collaborateur d’utiliser son identité professionnelle pour accéder à plusieurs applications.
- RBAC — Role-Based Access Control : méthode de gestion des accès basée sur des rôles. Une personne reçoit des droits correspondant à sa fonction.
- Chunk : fragment d’un document utilisé dans l’indexation RAG. Les chunks sont associés à des métadonnées et servent de passages récupérables lors d’une recherche.
- Fenêtre de contexte : quantité d’informations qu’un modèle peut traiter au cours d’une demande. Elle inclut les instructions, la question de l’utilisateur, les documents récupérés et la réponse produite.
- Reranking : étape qui réordonne les résultats trouvés par une recherche afin de faire remonter les passages les plus adaptés à la demande.
- OAuth : protocole d’autorisation qui permet à une application de recevoir un accès limité à une autre application au moyen d’un jeton.
- Principe du moindre privilège : règle de sécurité selon laquelle un utilisateur, une application ou un agent reçoit uniquement les permissions nécessaires à la tâche prévue.
- Token : unité de texte traitée par un modèle de langage. Les fournisseurs utilisent souvent le volume de tokens pour calculer le prix des appels API.
- Latence : délai entre une demande et la réponse du système. Elle augmente avec la longueur des requêtes, les recherches documentaires, les appels aux connecteurs et les étapes d’un agent.
Sources
- Salesforce — State of Marketing 2026 : résultats sur l’adoption de l’IA, les campagnes génériques, les difficultés de réponse client, la personnalisation et la qualité des données.
- World Economic Forum — The Future of Jobs Report 2025 : évolution des compétences en IA, big data, cybersécurité et culture technologique.
- IA & Marketing — Lexique ultime de l’IA : définitions complémentaires sur les concepts et usages de l’intelligence artificielle.
