Avis de recherche : des martech sans IA.
Face à une industrie martech en recomposition accélérée, l’édition 2026 du rapport de Scott Brinker et agit comme un révélateur : l’IA n’est plus un supplément technologique, mais une force de transformation systémique qui redistribue les cartes du marketing. Agents génératifs, GEO, hybridation du SaaS, protocoles MCP… la chaîne de valeur se réécrit sous nos yeux, tandis que les organisations peinent encore à convertir l’effervescence en production tangible. Dans un marché sous tension — rationalisation budgétaire, consolidation des outils, injonction à la performance immédiate — la bascule vers l’IA agentique devient pourtant un passage obligé pour rester dans la course.
Pour Jérémy Lacoste, directeur général France d’Eskimoz, cette transition n’a rien d’un sprint technophile : elle marque au contraire l’entrée dans un cycle où l’avantage compétitif ne tiendra plus à la maîtrise des modèles, mais à la capacité des marques à structurer leurs données, industrialiser leurs usages et apprivoiser de nouveaux intermédiaires — ces agents IA utilisés par les consommateurs eux-mêmes qui redessinent déjà le parcours d’achat. Une rupture qui oblige les entreprises à repenser leurs architectures autant que leurs organisations. 2026 pourrait alors être l’année du dévoilement : celle où les promesses de l’IA laissent place aux premières lignes de fracture entre les acteurs capables de s’adapter… et ceux que l’agentique risque de dépasser.
1. Les dés sont-ils déjà joués ?
Scott Brinker a l’art de mettre les deux pieds dans le plat : « Les agents d’IA dans la martech sont une réalité. » Preuve en est, 9/10 des participants à l’étude AI & Data déclarent les utiliser dans leur stack marketing, même si dans la grande majorité des cas, cela reste encore au stade de l’expérimentation. Le passage à la mise en production reste encore largement confidentielle.
Surtout, les cas d’usages déployés semblent cantonnés à un très grand mimétisme autour de la production de contenu et du service client. Au-delà, point de salut !
Deux conclusions :
– Les acteurs qui n’ont pas encore passé le cap de se lancer dans la production ou a minima l’usage des agents IA ne sont pas en retard sur le marché ;
– 2026 sera l’année du passage à l’échelle avec des déploiements plus massifs.
Ce constat s’applique également au GEO où encore aujourd’hui, très peu de marques ont commencé à mettre en place une stratégie ambitieuse pour aller chercher des écrins de visibilité. A date, les entreprises les plus mentionnées sur les moteurs IA le sont par défaut d’action des autres concurrents du secteur.
2. La mort des SaaS ?
L’IA va-t-elle tuer les SaaS… 15 ans après qu’Andreessen Horowitz avait pronostiqué que ces derniers « allaient dévorer le monde ». A priori, non. Conscients du risque, les éditeurs ont pivoté au point d’intégrer très rapidement des features à base d’IA embarquée. Résultat : 9/10 des cas d’usages d’utilisation d’agent IA vise aujourd’hui à améliorer une fonctionnalité martech existante.
Les solutions SaaS ont donc basculé dans une dynamique d’hybridation, voyant l’IA comme un moyen de délivrer plus vite et de façon plus performante. Fini l’époque de l’IAwhasing, désormais les cas de production boostés à l’intelligence artificielle sont légions. Au point qu’une boite comme Salesforce réfléchit même à s’appeler Agentforce..
Mieux, les SaaS y ont vu une façon d’augmenter leur marge. En préemptant ce nouveau territoire d’exécution, en l’intégrant dans ses modèles de données, cela ouvre la voie finalement à un nouveau corpus de services à proposer.
L’IA enfin pour coder façon loan management. On délivre plus vite, on itère en temps réel et on passe en prod dans la foulée. Cela permet de faire baisser la structure de coût. Et de mettre en place de façon souple l’interfaçage avec les différentes solutions de l’écosystème outil du client.
3. Classification des agents
Le rapport a le mérite de proposer une classification de l’agentique autour de 3 modèles :
– Les agents pour le marketing : plus volumineux car déployés directement par les éditeurs SaaS, ils répondent à des cas d’usage précis autour de la production de contenu, l’activation d’audiences, la mise en place d’automation ou la production de code.
– Les agents pour les clients : encore peu nombreux, ils ont le mérite de faire travailler autour de la même table toutes les directions de l’entreprise, principalement le marketing avec l’IT et la fonction commerciale. Songeons par exemple au service client, au tchat, ou à la partie programme de fidélité.
– Les agents des clients : c’est le segment qui a le plus de potentiel, mais est encore aujourd’hui le moins développé. Pour une raison simple : les marques n’ont pas la maitrise des expériences proposées. C’est le modèle de l’agent personnalisé à chaque utilisateur. Cela pose tout un tas de questions évidemment autour de la confidentialité, de la pertinence des parcours proposés etc
Sans surprise, le gros des cas d’usage déployés reste aujourd’hui très largement adressé par les agents pour le marketing, au motif qu’ils sont autonomes et n’impactent pas ni l’infra, ni le modèle de données de l’entreprise.
4. Les agents des clients, la vraie rupture
C’est sûrement la vraie rupture à venir. Car l’intégration de l’IA dans les solutions SaaS participe finalement du même mouvement du déploiement du machine learning débuté il y a quelques années. Celaa reste processé, coordonné et gouverné finalement par l’entreprise.
Concernant les agents des clients, nous sommes sur un autre paradigme. Quelques chiffres : déjà 50% des consommateurs ont utilisé un moteur IA avec un risque d’atrophie de trafic que McKinsey estime autour de 25% d’ici quelques mois. Je serai beaucoup plus réservé sur cette chute, mais la tendance est là. Plus intéressant aussi est l’émergence du commerce agentique avec des agents IA personnalisés qui font tout le travail de comparaison, d’alerting, de mise au panier… jusqu’à l’acte d’achat. Un marché estimé à 750 milliards de dollars d’ici 2028.
Alors tout cela, c’est beau sur le papier, mais il faut raison garder. Les requêtes transactionnelles restent encore très marginales sur ChatGPT et les cas d’usage encore peu nombreux. Pour être visibles sur ces plateformes, les marques ont commencé à lancer quelques premières actions qui restent encore très largement circonscrites à ce que l’on pourrait faire en SEO : optimisation des méta-données, création de contenu pensé pour l’IA, amélioration du temps de chargement.
Finalement, assez peu ont commencé à mesurer leur visibilité ou à travailler leur mention sur des domaines référents.
5. L’IA sans donnée, ça sert à rien
C’est le miroir aux alouettes que l’on ne veut pas voir. Le déploiement généralisé des agents IA ne fera pas l’économie d’un gros travail sur l’architecture des données internes et la maintenance de leur qualité. C’est tout l’inverse même. Or, aujourd’hui, trop de marques sont encore dans la pensée magique en espérant que l’IA les aidera à mettre en place des cas d’usage parmi le fatras de données qu’elles ont. Spoiler : cela ne fonctionne pas comme cela.
Alors certes, le gros shift avec l’IA est d’utiliser en partie les données externes en s’appuyant notamment sur des indexes publics/privés plus ou moins bien maintenus. Mais là où réside la valeur est de les faire rayonner avec les données de l’entreprise. C’est évidemment là où cela coince. Ou pour le dire autrement, les sociétés qui tireront le meilleur parti de cette tech seront celles qui auront fait leur aggiornamento sur la data.
Pensons par exemple à la valorisation de sources autrefois ignorées comme les transcriptions d’appels, les tickets d’assistance, les forums communautaires, les docs et wiki internes… et plus globalement tous les points d’interactions non structurées avec les clients.
Une notion que le rapport introduit et qui me semble être structurante : le context engineering. Traduction : plus que la donnée collectée, qui par définition est désormais massive pour l’ensemble des entreprises, c’est la configuration de son articulation qui est aujourd’hui intéressante. Et c’est exactement comme cela que fonctionnent les LLM. Le livrable du moteur IA n’a de valeur que produit dans un écosystème de données précis.
Scott Brinker le résume en une formule : « L’IA est une commodité. Le contexte la clé de différenciation ». Les entreprises ont travaillé le 1er jusqu’ici et doivent dorénavant se concentrer sur le deuxième.
6. La hype du MCP
Introduits par Anthropic il y a un peu plus d’un an, ces protocoles de communication entre deux applicatifs sont rapidement devenus un nouveau standard. Difficile aujourd’hui d’avoir une vue claire sur les périmètres et volumes existants, les chiffres variant de 600 à quasiment 20 000 MCP existants. Reste que les SaaS leader ont rapidement pris le pli de construire leur propre modèle afin de le mettre à disposition des LLM. L’enjeu : permettre à un agent IA d’aller exécuter un certain nombre de fonctions directement dans la plateforme concernée. ¼ des sondeurs affirment utiliser des MCP dans leur scénario d’activation d’agents IA en lien avec une multitude d’automatisations.
Demain, il y a fort à parier que les marques fassent de même. On imagine déjà les scénarios d’utilisation où, depuis une plateforme d’automatisation, on lance un workflow qui va aller taper la donnée chez l’annonceur, puis dans un outil tiers et enfin dans ChatGPT pour intégrer la partie analyse.
NDLR : Anthropic vient de donner le protocole MCP à la nouvelle Agentic AI Foundation, en compagnie d’OpenAI, Block, Google, AWS et Microsoft.
7. Les défis posés par l’IA
C’est évidemment l’éléphant dans la pièce. Car si aujourd’hui l’IA occupe la majorité des discussions et temps de cerveaux disponibles, force est de constater qu’à la lumière des chiffres partagés au début, rares sont encore les organisations à avoir franchi le stade de la mise en production massive. Leboncoin communique sur 80 cas d’usages powered by IA, mais n’est pas Leboncoin qui veut.
En tête des points bloquants remontent la faible qualité des données, la fracture entre départements, et la non-opérabilité des systèmes d’information. En clair, l’enjeu est donc moins technologique qu’organisationnel.
Et, c’est à mon avis le point d’attention principal sur lequel doivent se concentrer les entreprises. Aujourd’hui, quoi qu’on en dise, il y a un décalage majeur entre la maturité tech de ces innovations et les taux d’adoption dans les organisations.
8. Les grands absents de l’étude
C’est assez symptomatique que le panorama des solutions martech ait disparu de cette version 2026 du rapport. L’an dernier, nous étions à plus de 15 000 acteurs recensés avec un rythme de croissance à 2 chiffres. Mais évidemment l’explosion de l’IA a marqué une rupture forte et l’auteur a surement dû considérer comme accessoire de continuer à faire ce recensement. Le temps au moins que le marché se stabilise.
L’autre grand oublié de l’étude reste l’utilisateur final. Car si on a dépassé depuis bien longtemps la loi de Moore dans les circuits d’innovations technologiques, il ne faut pas pour autant tomber dans la prostration. Et, s’interdire de se lancer parce que nous ne sommes pas en maitrise à 100%.
Ce qui compte, ce n’est pas de leader toutes ces évolutions, d’être best in class sur chaque nouvelle montée de version de LLM, de déployer de l’IA à toutes les échelles, mais de s’adapter rapidement. La course ne se fait pas contre l’IA (c’est peine perdue), mais plutôt contre ses concurrents.
Afin de faire beaucoup plus avec plus. Un beau pari.
