Agentic media buying : le guide stratégique des annonceurs pour reprendre le contrôle de leur écosystème média

Florent Yon est Manager Média Performance chez Converteo. Fort d’une expertise approfondie en conseil Adtech et en stratégie d’activation média, il accompagne les directions marketing et digital dans l’optimisation de leurs écosystèmes complexes, la gouvernance de leurs données et la conduite du changement face aux révolutions de l’IA et de l’automatisation.

A retenir :

• Une transition technologique majeure : L’Agentic Media Buying marque le passage de l’automatisation rigide à l’autonomie, où le brief et le plan média deviennent le prompt exécuté par des agents d’IA.
• Un enjeu de gouvernance avant tout : Si les gains de productivité sont massifs (jusqu’à 80 % de charge opérationnelle résorbée), le principal défi des marques réside dans le Policy Engineering pour éviter les risques de dérive budgétaire et de Brand Safety.
• Une opportunité de reprendre le contrôle : Pour les annonceurs, cette simplification de l’infra-trading offre un levier idéal pour restructurer la gouvernance média, clarifier la valeur ajoutée de l’agence et accélérer les projets d’internalisation.
• Des standards en pleine émergence : L’interconnexion entre les agents s’appuie désormais sur des protocoles ouverts (MCP, AdCP) soutenus par les géants de la tech et les instances de l’Adtech (IAB, Prebid)

Au contact quotidien des directions marketing face à l’accélération technologique, je constate que s’il y a bien un sujet qui est en train de basculer de la prospective à la feuille de route opérationnelle, c’est l’agentic media buying.

Après l’achat d’espace manuel puis l’ère du programmatique OpenRTB, ce troisième grand tournant historique change radicalement la donne.. L’ère agentique dépasse l’automatisation de tâches répétitives via des algorithmes opaques : elle délègue désormais l’exécution de flux de travail complets, du brief au bilan, à des agents IA plus ou moins autonomes.

Pour les annonceurs, cette transformation offre une opportunité historique : reprendre le contrôle de la chaîne de valeur média, simplifier leur gouvernance et, dans de nombreux cas, accélérer l’internalisation de leur achat média.

Agentic media buying : vers une nouvelle ère de l’achat média

Les géants de la tech rebâtissent leurs infrastructures pour cette nouvelle ère : Mark Zuckerberg annonce des résultats business mesurables à grande échelle grâce aux agents, tandis que Google reconstruit son infrastructure publicitaire et YouTube autour de ce modèle.

Selon Chris Burderle, Vice President, Industry Insights & Content Strategy à l’IAB, 66 % des acheteurs déclarent faire de l’IA agentique une priorité pour l’achat d’espace et l’exécution des campagnes en 2026. Une intention forte, mais qui reste à ce stade un axe d’investissement plus qu’un usage généralisé : 40 % des mêmes répondants citent la compréhension de ces mécaniques parmi leurs principales préoccupations.

Cette dynamique s’inscrit dans un mouvement d’adoption plus large à l’échelle des entreprises :

• Une adoption logicielle généralisée : 40 % des applications d’entreprise intègrent désormais des agents autonomes, transformant l’IA d’ assistant textuel en exécutant métier.
• Une explosion des investissements : Le marché de l’IA agentique pèse aujourd’hui 10,8 Md $, avec une progression annuelle de 44 %.
• L’optimisme des décideurs : 90 % des CMO estiment que ces capacités redéfinissent déjà leur stratégie de croissance.

Panorama du marché : qu’est-ce qu’un agent média ?

Pendant près de dix ans, le programmatique a fonctionné sur un modèle rigide : on fixait des critères stricts dans les DSP, et on laissait l’algorithme travailler en tâche de fond.

La rupture actuelle vient du fait que les agents média ne sont plus des scripts d’automatisation. Ils se distinguent par leur capacité à réfléchir et à agir de manière autonome à partir d’un langage humain. Le brief ou le plan média de l’annonceur devient le prompt de la campagne.

Pour y parvenir, les plateformes combinent en continu quatre briques technologiques :

1. L’apprentissage automatique (ML) pour optimiser les performances.
2. L’IA générative pour renouveler et diversifier les variantes créatives.
3. Le traitement du langage naturel (NLP) pour interpréter les intentions business de l’annonceur.
4. Des intégrations via SDK et API pour agir directement sur les inventaires publicitaires.

Ce quatrième pilier est le vrai  point de friction. Intégrer l’ensemble des outils et plateformes de l’écosystème média est un immense défi : il va falloir que toutes les machines parlent exactement le même langage pour s’échanger les données entre agents. Trois standards techniques complémentaires structurent aujourd’hui cette couche d’intégration, chacun sur un maillon différent de la chaîne :

MCP pour connecter, AdCP pour négocier, ARTF pour exécuter.

Des tests aux déploiements : une opportunité d’internalisation

Il convient de rester mesuré : nous sommes au début de la phase de rodage opérationnelle. Néanmoins, les premières expérimentations démontrent que l’agent publicitaire sera le meilleur allié des annonceurs qui souhaitent internaliser leur achat média, en réduisant la barrière à l’entrée technique.

L’actualité récente en est la preuve parfaite : Amazon Ads déploie son assistant « Ads Agent » au sein d’Amazon DSP en France. L’interface conversationnelle permet aux équipes internes d’un annonceur de configurer des campagnes entières en langage naturel. Concrètement, l’agent traduit le plan média importé en paramètres concrets (budgets, ciblages, structures) en s’appuyant sur les données de la plateforme. Amazon indique que 65 % des annonceurs ont amélioré leur taux de diffusion, avec une baisse moyenne de 18 % du CPM et de 16 % du CPA.

Google suit exactement la même trajectoire. Au NewFront de mars 2026, Google a annoncé Ads Advisor pour couvrir l’ensemble du cycle de vie de la campagne : upload du plan média traduit automatiquement en setup de campagne, suivi des rejets créatifs,insights d’optimisation et reporting de performance par line item à partir d’un prompt.

En parallèle, les modèles Gemini alimentent désormais DV 360, qui compose proactivement des packages média sur mesure avant même la mise en ligne des campagnes.

Les deux plus grands DSP du marché convergent vers la même interface avec le plan média en entrée et l’agent en exécution. Pour l’annonceur, l’adoption de ce modèle est désormais une évidence ; le véritable enjeu réside dans le niveau de contrôle à maintenir.

Cette technologie simplifie tellement l’infra-trading que les cartes sont rebattues entre annonceurs et agences :

• Dentsu France a lancé sa première campagne vidéo entièrement orchestrée via le protocole MCP. L’acheteur média a décrit ses objectifs dans l’outil interne de l’agence (dentsu.Connect), et l’agent IA (propulsé par Claude) s’est chargé de configurer la campagne de bout en bout dans l’interface Criteo.
• StackAdapt vient de mettre à disposition son propre serveur MCP. L’objectif est de permettre aux équipes de l’annonceur d’interroger leurs données de campagnes omnicanales (CTV, display, audio) directement depuis des outils externes comme Claude, brisant les silos logiciels des plateformes traditionnelles.

Les risques de l’autonomie : la gouvernance devient le sujet n°1

Laisser une IA gérer des budgets et cibler des audiences de manière autonome comporte des risques majeurs à  anticiper. Les trois grandes craintes du marché sont légitimes :

1. Les dérives budgétaires et les hallucinations : un agent mal cadré qui surenchérit ou interprète de travers un objectif de volume.
2. La brand safety : l’affichage de la marque dans des contextes inappropriés ou sur des sites d’arbitrage (MFA) par pur souci d’optimisation algorithmique.
3. La dérive de l’optimisation : une IA qui optimise des micro-signaux techniques en oubliant l’objectif business réel de la marque.

Face à cela, le rôle de l’annonceur n’est pas de tout automatiser aveuglément, mais de faire du « Policy Engineering », déléguer l’exécution à un agent n’exonère pas d’en fixer le cadre. Certains risques méritent une réponse explicite, et pour chacun la contre-mesure est connue.

• Protéger l’identité de marque

Le premier risque est celui des hallucinations créatives : un agent qui génère du message hors charte, hors ton, voire hors cadre légal. La réponse consiste à le nourrir en amont avec des éléments de contexte tels qu’un lexique officiel, charte graphique, contraintes juridiques via un dispositif de RAG adossé au brand book.

Même logique sur la brand safety : plutôt que des listes d’exclusion figées, des tiers de confiance comme IAS Agent d’Integral Ad Science permettent de piloter des exclusions dynamiques en langage naturel.

• Garder la main sur l’économie de la campagne

La dérive budgétaire est le risque le plus immédiat : un agent sans plafond peut surenchérir en quelques heures. Des limites de budget horaires et des alertes de surenchère suffisent à le contenir. La perte de contrôle sur le ciblage est plus insidieuse, l’agent élargissant l’audience au nom de la performance.

La parade : verrouiller les segments d’activation sur vos données first-party (CRM, clean rooms), pour que l’agent optimise à l’intérieur d’un périmètre que vous avez défini.

• Exiger la traçabilité

Sans journalisation des arbitrages, impossible de comprendre pourquoi l’agent a réalloué un budget ou écarté un inventaire, donc impossible d’en rendre compte en interne. Le sujet relève du contrat plus que de la technique : la capacité à journaliser et expliciter chaque décision doit figurer noir sur blanc dans l’accord avec la plateforme.

Ces cinq garde-fous ne brident pas l’agent mais délimitent son terrain de jeu. C’est cette délimitation qui rend la délégation acceptable.

Comment intégrer l’agentic media buying à votre feuille de route ?

L’agentic media buying change fondamentalement le rôle des annonceurs. Que vous choisissiez d’internaliser vos campagnes ou de continuer à travailler avec une agence média, votre feuille de route pour les prochains mois doit répondre à quatre impératifs techniques et organisationnels :

1. Désilotez et structurez vos données pour les LLM : Vos données CRM, vos Clean Rooms et vos insights de marque sont le carburant indispensable des agents. Cependant, elles doivent désormais être lisibles par les modèles d’intelligence artificielle. Cela implique de passer d’une base de données statique à des formats exploitables dynamiquement via des API, ou de vectoriser vos chartes de marque pour alimenter les RAG.
2. Standardisez vos workflows et vos taxonomies : Préparez vos infrastructures techniques à accueillir les protocoles émergents (MCP, AdCP). Sans une convention de nommage rigoureuse et des processus uniformisés d’une plateforme à l’autre, l’agent IA sera incapable de réconcilier les performances ou de comprendre l’architecture historique de vos campagnes.
3. Mettez en place votre « Policy Engineering » : Ne laissez aucune zone d’ombre à la machine. Traduisez vos règles métiers (plafonds d’enchères stricts, listes d’exclusion sémantiques, marges de rentabilité cibles) en contraintes algorithmiques. C’est le prérequis absolu pour pouvoir déléguer l’exécution en toute confiance.
4. Faites évoluer les compétences de vos équipes : L’avènement des agents autonomes transforme le métier de « Media Buyer » : vos équipes doivent être formées à concevoir des prompts de campagnes complexes, à auditer les journaux de décisions de l’agent et à piloter la stratégie globale.