AI LAUNDRY MONTHLYLE MOIS DE L’IA POUR LE MARKETING, LES VENTES ET LE SERVICE CLIENTSEPTEMBRE 2026

DÉCRYPTAGE MENSUEL · MARKETING · VENTES · SERVICE CLIENT

L’agent est sorti de la fenêtre de conversation.

Ce qui a changé dans l’IA en septembre 2026, et ce que les agents persistants, la publicité conversationnelle et le contexte client partagé impliquent pour les équipes marketing, commerciales et de service client.

5 octobre 2026Le décryptage mensuel en 12 minutesFondé sur les faits · Le battage médiatique au rinçage

Bonjour à toutes et à tous, prêts à passer l’actualité au lavage ?

Les lancements dans l’IA n’ont pas manqué en septembre. Mais l’essentiel n’était pas qu’un modèle de plus soit devenu plus rapide ou qu’un autre assistant ait appris à rédiger une campagne.

Le vrai changement, c’est que les agents ont commencé à poursuivre leur travail au-delà d’une conversation.

Grok Bots, Meta Muse et OpenAI Dots ont été conçus pour continuer à travailler une fois l’utilisateur parti. Dans le même temps, HubSpot et Salesforce ont intégré le contexte client et la gouvernance à leurs plateformes, tandis que ChatGPT Ads a fait entrer les conversations avec l’IA dans le parcours d’acquisition client.

Voici ce qui s’est passé, ce que les annonces ne démontrent pas encore et ce à quoi les équipes marketing, commerciales et de service client devraient se préparer.

L’agent n’attend plus qu’on lui donne une consigne.

La plupart des produits d’IA reposent encore sur le même point de départ : une personne ouvre une fenêtre et formule une demande. Les lancements les plus marquants de septembre ont remis en question ce mode d’interaction.

SpaceXAI a présenté Grok Bot comme un agent persistant doté de son propre ordinateur et d’une présence visible, capable de commencer à travailler sans consigne préalable. L’entreprise a ensuite présenté Team Bots : on peut leur fournir des fichiers, des applications et des connaissances partagés pour que plusieurs personnes travaillent avec un agent disposant du même contexte.

Meta a lancé Muse le 8 septembre. Muse fonctionne dans un ordinateur dédié dans le cloud, mémorise les informations utiles et peut faire avancer des objectifs à plus long terme entre les conversations. À la fin du mois, Meta le destinait notamment aux petites entreprises, avec des connexions à des outils de publicité, de commerce, de finance, de communication et de création.

OpenAI a suivi le 29 septembre avec Dots, des agents actifs en continu qui poursuivent leur travail entre les conversations et reviennent vers l’utilisateur lorsqu’une intervention ou une autorisation est nécessaire.

L’ASSISTANT

Attend une question, produit une réponse, puis s’arrête.

L’AGENT PERSISTANT

Surveille, mémorise, agit et revient lorsque la situation change.

Ces annonces ne prouvent pas que ces agents puissent prendre en charge de façon fiable des objectifs métier complexes. Elles établissent en revanche une nouvelle catégorie de produits : des agents dont l’activité, les outils et les responsabilités ne se limitent plus à une seule session.

Sources : Conception de Grok Bot, Team Bots, Meta Muse et Associated Press sur OpenAI Dots

Un agent actif en continu doit aussi être encadré en continu.

La persistance change la nature du risque. Un chatbot peut produire une mauvaise réponse. Un agent persistant peut répéter une mauvaise action alors que personne ne le surveille.

Les lancements de septembre intégraient donc des systèmes de contrôle aux côtés des agents. Meta a installé Muse dans une machine virtuelle dédiée, avec un agent Sentinel distinct qui approuve, bloque ou soumet à validation les actions externes. Selon Meta, les actions sensibles, comme l’envoi d’un e-mail ou un achat, nécessitent une autorisation et sont consignées dans un journal d’audit.

Salesforce a présenté Enterprise AI Harness, un dispositif qui réunit le contexte, l’autonomie, l’action, la gouvernance, la sécurité et le choix des modèles. Le choix de conception important : ces contrôles sont partagés entre les agents, au lieu d’être recréés pour chacun d’eux.

CE QU’IL FAUT À UN AGENT PERSISTANT AU SERVICE DU REVENU

Le système de contrôle fait partie du produit.

  1. 01
    Des signaux définis

    Que l’agent est-il autorisé à surveiller ?

  2. 02
    Un contexte délimité

    Quelles informations sur les clients et l’entreprise peut-il utiliser ?

  3. 03
    Des autorisations d’action

    Que peut-il préparer, modifier ou envoyer, et quelles dépenses peut-il engager ?

  4. 04
    Des règles de validation

    Quelles décisions nécessitent l’intervention d’une personne désignée ?

  5. 05
    Des moyens de traçabilité et d’arrêt

    L’organisation peut-elle comprendre ce qui s’est passé, corriger les erreurs et mettre le système en pause ?

Qu’un modèle reconnaisse le risque d’une action ne constitue pas un garde-fou. Un garde-fou modifie ce que le système peut effectivement faire.

Sources : Conception de la sécurité de Meta Muse et Salesforce Enterprise AI Harness

La publicité est devenue une conversation.

OpenAI a commencé à tester Sponsored Agents avec certains annonceurs aux États-Unis : après avoir interagi avec une publicité dans ChatGPT, une personne peut engager une conversation avec un agent sponsorisé par une entreprise. OpenAI a également connecté ChatGPT Ads à HubSpot et Shopify.

Un client HubSpot peut créer une campagne, enregistrer le prospect généré, déclencher le suivi et examiner les performances sans transférer le processus vers un ensemble d’outils publicitaires distinct.

Le chemin entre la découverte, la conversation, la qualification et le suivi se raccourcit.

Cela ne rend pas les sites web, la recherche ou les canaux publicitaires établis inutiles. ChatGPT Ads reste un canal en développement, dont la qualité et la rentabilité des prospects varieront. Le changement structurel est ailleurs : une publicité peut désormais mener à un agent capable de répondre, de qualifier un prospect et de poursuivre le parcours client.

La question de la mesure se pose tout de suite.

Si un acheteur découvre une entreprise dans une réponse d’IA, échange avec un agent sponsorisé, revient par un autre canal puis devient client, le dernier clic ne racontera qu’une partie de l’histoire. Les équipes marketing, commerciales et de service client devront relier la découverte via l’IA, les conversations avec les agents et les résultats qui suivent, plutôt que de traiter chaque étape comme une campagne distincte.

Source : L’annonce d’OpenAI sur ChatGPT Ads

Le contexte est devenu un terrain de concurrence.

Les annonces de HubSpot en septembre sont revenues à plusieurs reprises sur la même idée : un agent a besoin de plus qu’un accès aux champs du CRM. Il doit comprendre l’entreprise, l’équipe, le client et les schémas qui produisent habituellement un résultat utile.

Selon HubSpot, les clients utilisant l’IA avec un contexte de qualité ont généré 3,6X plus de prospects qualifiés par le marketing, remporté 3,2X plus d’affaires et clôturé plus du double de tickets que les groupes de comparaison mentionnés dans son annonce.

Il s’agit d’associations rapportées par l’éditeur, pas de preuves indépendantes montrant que l’activation d’une fonctionnalité d’IA provoque cette amélioration. L’annonce ne donne pas assez de détails pour distinguer l’effet de l’IA de celui des différences de qualité des données, de processus, de ressources ou de clientèle.

L’orientation stratégique reste importante. Lorsque plusieurs agents interagissent avec le même compte, un contexte client partagé évite qu’un agent de prospection envoie une offre enthousiaste pendant qu’un agent du service client traite une réclamation non résolue.

L’ANCIEN FONCTIONNEMENT

Chaque outil doit réapprendre la marque, le client et les processus.

LE FONCTIONNEMENT QUI ÉMERGE

Les agents s’appuient sur un contexte métier partagé et encadré.

Sources : HubSpot Fall 2026 Spotlight et La vision de HubSpot pour l’écosystème d’agents

Les agents du service client sont passés des réponses aux actions.

Les agents du service client répondent aux questions courantes depuis plusieurs années. En septembre, les annonces de produits ont davantage mis l’accent sur l’exécution du travail jusqu’au bout.

Intercom a montré des agents effectuant des remboursements, des annulations et des modifications de compte au moyen de systèmes connectés. Zendesk a présenté des agents spécialisés, conçus autour des systèmes, des règles et des risques propres à chaque secteur. Salesforce et AWS ont annoncé des connexions d’agents entre les environnements CRM, Slack, vocaux et de service client.

Dès qu’un agent modifie une commande, effectue un remboursement ou met un compte à jour, la qualité de sa réponse ne suffit plus à mesurer sa performance.

  • L’action était-elle correcte ?
  • Était-elle autorisée ?
  • A-t-elle résolu le problème du client ?
  • A-t-elle créé du travail évitable ailleurs ?
  • Combien l’action a-t-elle coûté ?
  • Le résultat permettra-t-il d’améliorer la prochaine décision ?

L’évaluation utile ne porte plus seulement sur la réponse, mais sur le résultat de bout en bout.

Sources : Les actions des agents IA d’Intercom, Zendesk Industry Agents et Les intégrations AWS et Salesforce

Le modèle de fonctionnement est devenu plus important que le modèle d’IA.

Les annonces de septembre émanaient d’entreprises aux produits et aux intérêts différents. Elles convergeaient néanmoins vers quatre exigences.

SIGNAUX

L’agent doit savoir quand un changement pertinent se produit.

CONTEXTE

Il doit disposer des informations validées sur le client et l’entreprise dont il a besoin pour décider.

CONTRÔLE

Il lui faut des limites claires, des validations, une évaluation et un moyen d’arrêter son activité.

La quatrième exigence est la responsabilité. Une personne doit être responsable du système une fois la démonstration terminée : de sa qualité, de son coût, des exceptions, des corrections et de son amélioration.

Les agents persistants deviennent techniquement possibles. Des agents pilotés dans la durée deviennent nécessaires sur le plan opérationnel.

Lors de la première phase de l’IA en entreprise, les organisations ont décidé quels outils leurs équipes pouvaient utiliser. La prochaine consiste à déterminer quel travail les agents peuvent prendre en charge, quel contexte ils peuvent exploiter et comment leur performance sera pilotée dans la durée.

À SURVEILLER EN OCTOBRE

Les agents persistants seront-ils utiles au-delà de la démonstration de lancement ?

  1. Comment les entreprises facturent le travail effectué par des agents actifs en continu.
  2. Si les équipes disposent de journaux exploitables, d’évaluations et de moyens de maîtriser les coûts.
  3. Comment fonctionnent les autorisations lorsqu’un agent est partagé par toute une équipe.
  4. Si ChatGPT Ads génère une demande qualifiée ou simplement un nouveau débat sur l’attribution.
  5. Quels rôles humains apparaissent pour faire fonctionner ces systèmes et les améliorer.
AI LAUNDRY MONTHLY

L’hebdomadaire veille. Le mensuel relie les faits.

L’édition hebdomadaire suit les évolutions qui méritent votre attention immédiate. AI Laundry Monthly prend du recul, relie les signaux et examine ce qu’ils changent pour le marketing, les ventes et le service client.

Vous avez repéré un lancement, une affirmation ou une question qui mérite notre attention ? Partagez-le avec la communauté Agentic Marketing. Cela pourrait nourrir la prochaine édition mensuelle.

Posez votre question