Le marketing à la performance a franchi un cap décisif. Les professionnels du marketing ne se contentent plus d’utiliser l’intelligence artificielle pour éclairer leurs décisions. Ils déploient désormais des systèmes capables de prendre des décisions en temps réel, de manière autonome, sans validation humaine préalable. Le passage d’une gestion manuelle des campagnes à un fonctionnement autonome et permanent n’est plus une perspective d’avenir. Cette transformation est déjà une réalité.
Selon une étude menée par Realize en mars 2026 auprès de 200 responsables seniors du marketing à la performance, Google PMax affiche un taux d’adoption de 91 % à grande échelle, tandis que Meta Advantage+ atteint 88 %. Ces chiffres ne correspondent plus à une phase d’expérimentation ou d’adoption précoce. Ils traduisent une généralisation à l’échelle du marché. Dans le même temps, les autres environnements, qu’il s’agisse de TikTok Smart+, de l’open web ou de la plupart des canaux en dehors de Google et Meta, restent encore majoritairement au stade des tests, des pilotes ou des phases bêta.
Rapport 2026: L'avantage Agentique Dans Le Marketing À La Performance
Cette analyse ne porte pas sur l’avenir de l’intelligence artificielle. Elle s’intéresse à une transformation qui s’est déjà produite dans le search et le social, et qui s’étend désormais progressivement au reste de l’écosystème marketing.
De l’automatisation à l’autonomie : ce que signifie réellement l’IA agentique
Le terme d’IA agentique est souvent utilisé de manière imprécise. Une clarification s’impose donc. L’automatisation traditionnelle du marketing à la performance exécute des instructions définies par un humain. L’annonceur choisit les audiences, fixe les plafonds d’enchères, détermine les périodes de diffusion et les conditions d’arrêt. Le système applique simplement les règles établies à l’avance. Les décisions restent humaines. L’IA agentique fonctionne selon une logique différente.
L’utilisateur définit un objectif, par exemple un CPA cible ou un seuil de ROAS. Le système détermine ensuite lui-même la meilleure manière d’atteindre ce résultat. Il analyse les signaux de performance en temps réel, ajuste ses actions en continu et prend des décisions sans attendre l’intervention d’un opérateur.
Comme le souligne l’étude, ces systèmes exécutent leurs stratégies de façon permanente tout en optimisant les performances en temps réel. Pour les spécialistes du marketing à la performance, cette évolution transforme profondément la nature du métier. Le rôle ne consiste plus principalement à piloter les campagnes au quotidien. Il s’agit désormais de créer les conditions permettant au système de prendre les bonnes décisions de manière autonome. La compétence reste essentielle, mais elle s’exerce différemment. Cette réalité s’impose déjà à la majorité des équipes qui gèrent leurs investissements sur le search et le social.
Lorsque l’IA décide en temps réel des audiences à cibler, des emplacements à privilégier, des niveaux d’enchères à appliquer ou des combinaisons créatives à diffuser, le professionnel du marketing cesse d’être le décideur direct de chacune de ces variables. Cette évolution modifie également les mécanismes de responsabilité et impose une nouvelle relation aux données, aux objectifs de campagne et aux plateformes elles-mêmes. Définir avec précision ce que l’on cherche à optimiser devient plus important que jamais. La machine optimisera exactement ce qui lui est demandé.
Du « paramétrage » à la définition de l’objectif
Il y a encore peu de temps, une semaine type d’un spécialiste du marketing à la performance consistait à analyser les rapports, identifier les audiences qui ne convertissaient pas, ajuster les enchères par segment, faire tourner les créations, surveiller le rythme de diffusion et contrôler les emplacements.
Chacune de ces tâches exigeait du temps, des interventions manuelles et, au mieux, quelques automatisations basées sur des règles.
Dans les canaux où les solutions de gestion de campagnes alimentées par l’IA se sont imposées, la majeure partie de ce travail n’incombe plus directement aux équipes marketing.
Avec Google PMax, il suffit par exemple de définir un CPA cible, un budget et de fournir les créations publicitaires ainsi que le catalogue produits.
Le système se charge ensuite de sélectionner les audiences, de déterminer les enchères, de choisir les emplacements et de combiner les créations les plus pertinentes.
Le rôle du professionnel du marketing se recentre alors sur trois missions essentielles : définir l’objectif, fournir des données et des signaux de qualité, puis intervenir lorsque les résultats observés nécessitent un ajustement stratégique.
Le modèle Google-Meta : pourquoi l’adoption a été si rapide
Les chiffres d’adoption des solutions publicitaires autonomes de Google et Meta sont difficiles à ignorer. 91 % des répondants utilisent Google PMax à grande échelle et 88 % déploient Meta Advantage+ dans les mêmes proportions.
Ces niveaux ne traduisent plus une tendance émergente. Ils illustrent le nouveau mode de fonctionnement dominant du marketing à la performance.
La plupart des innovations publicitaires mettent plusieurs années à atteindre une adoption majoritaire. L’IA agentique a suivi une trajectoire beaucoup plus rapide.
Pourquoi ? Parce que les résultats étaient au rendez-vous. À mesure que les équipes marketing ont comparé ces solutions à leurs campagnes gérées manuellement, elles ont constaté de meilleures performances tout en réduisant la charge opérationnelle. Les budgets ont naturellement suivi cette dynamique.
L’étude révèle que 76 % des répondants observent une amélioration modérée à significative des performances grâce à des solutions alimentées par l’IA, comme PMax ou Advantage+.
Dans le détail :
- 47 % constatent une amélioration modérée.
- 29 % évoquent une progression significative.
Une adoption à cette échelle ne se produit que lorsque les données apportent une preuve tangible de la valeur créée. Les conditions étaient également particulièrement favorables pour Google et Meta. Les deux plateformes disposent d’atouts structurels considérables :
- Des volumes massifs de first-party data.
- Des modèles d’attribution en boucle fermée (closed-loop attribution).
- Un contrôle complet de leurs inventaires publicitaires.
Grâce à ces avantages, elles peuvent mesurer avec précision ce qui fonctionne et ajuster leurs algorithmes en conséquence.
Cette situation explique aussi pourquoi l’extension du modèle agentique à d’autres canaux s’avère plus complexe. Les conditions qui ont facilité l’adoption rapide de PMax et d’Advantage+ ne sont pas toujours réunies ailleurs, ce qui explique pourquoi le reste du marché avance encore à un rythme plus progressif.
À quoi ressemble l’adoption généralisée dans l’étude?
Les résultats de l’étude mettent clairement en évidence une réalité à deux vitesses. Google et Meta évoluent dans une catégorie à part.
TikTok Smart+, la plateforme qui suscite aujourd’hui le plus d’intérêt après ces deux acteurs, est testée par 73 % des répondants, mais seulement 9 % l’exploitent à grande échelle.
Du côté de l’open web, 36 % des répondants ont déjà déployé leurs campagnes à grande échelle tandis que 44 % sont encore en phase pilote.
Une forte activité de test ne doit pas être confondue avec une adoption généralisée.
Lorsqu’une solution est utilisée à grande échelle par 91 % d’un marché, elle devient le standard. Lorsqu’elle est testée par 73 % des acteurs mais réellement déployée par seulement 9 %, le potentiel est identifié, mais le point de bascule n’a pas encore été atteint. Les budgets suivent généralement les preuves de performance. Or, ces preuves demandent du temps pour se construire sur de nouveaux canaux. La concentration de l’adoption à grande échelle autour de Google et Meta signifie qu’une partie seulement des investissements marketing bénéficie aujourd’hui des capacités d’optimisation autonome qui définissent les meilleures pratiques actuelles.
Le reste des budgets (sur TikTok, l’open web, la Connected TV (CTV) ou encore le retail media) continue d’être majoritairement piloté selon des méthodes plus traditionnelles.
C’est précisément là que se situe la prochaine étape de développement de l’IA agentique.
Les preuves qui ont débloqué les budgets
Le cycle d’adoption observé avec PMax et Advantage+ s’est répété selon un schéma relativement simple :
- Les performances se sont améliorées.
- Les budgets ont été transférés depuis les campagnes gérées manuellement vers les campagnes pilotées par l’IA.
- De nouveaux gains de performance ont été constatés.
- L’adoption a continué de progresser.
Cette mécanique fait encore défaut sur la plupart des autres canaux.
Parmi les 76 % de répondants qui constatent une amélioration tangible grâce aux solutions alimentées par l’IA :
- 29 % parlent d’un gain significatif.
- 47 % évoquent une amélioration modérée.
- 7 % constatent un impact limité.
- 1 % seulement ne relève aucun effet.
Un autre chiffre mérite l’attention. 17 % des répondants estiment qu’il est encore trop tôt pour mesurer précisément l’impact de ces solutions.
Cette situation ne traduit pas un échec. Elle rappelle simplement qu’il faut du temps pour accumuler des preuves solides en matière de performance marketing.
Elle suggère également que le taux actuel de 76 % d’opinions positives pourrait encore progresser à mesure que les dispositifs de mesure arrivent à maturité.
Les bénéfices observés ne relèvent pas du hasard.
41 % des répondants identifient comme principal avantage l’optimisation en temps réel du CPA et du ROAS.
Ces gains de performance découlent directement de systèmes capables de traiter davantage de signaux et de prendre des décisions beaucoup plus rapidement qu’un responsable de campagne ne pourrait le faire manuellement.
Où va le marché : TikTok, l’open web et les prochains territoires de croissance
L’histoire de l’adoption de l’IA agentique dans le search et le social offre un point de comparaison utile pour comprendre la situation actuelle des autres canaux. PMax et Advantage+ ne sont pas passés du lancement à une adoption quasi généralisée du jour au lendemain.
Une première phase de tests à grande échelle a précédé le mouvement. Les déploiements restaient limités, les preuves de performance s’accumulaient progressivement, puis les résultats ont justifié les investissements. L’adoption s’est ensuite accélérée rapidement.
Cette trajectoire apparaît aujourd’hui dans les données relatives aux canaux qui pourraient constituer la prochaine vague de croissance.
TikTok Smart+ représente le signal le plus évident à court terme. 73 % des répondants déclarent le tester actuellement, alors que seulement 9 % l’exploitent à grande échelle.
Cette combinaison (forte mobilisation autour des tests et faible niveau de déploiement) rappelle précisément les premières phases d’adoption observées pour PMax et Advantage+.
L’open web raconte une histoire similaire, mais plus complexe. 44 % des répondants sont engagés dans des pilotes actifs, 36 % ont déjà atteint une phase de déploiement à grande échelle et 82 % considèrent que les solutions d’achat média pilotées par l’IA et orientées objectifs constituent une véritable opportunité de croissance sur ce canal.
Le signal de marché est fort et cohérent. L’écart entre la conviction et les investissements réellement déployés reste toutefois plus important que dans le cas de TikTok. Cette différence s’explique principalement par des facteurs structurels.
Google et Meta bénéficient d’avantages que l’open web ne possède pas naturellement, comme des modèles d’attribution en boucle fermée (closed-loop attribution), des volumes massifs de first-party data et un contrôle direct de leurs inventaires publicitaires. Ces conditions ont facilité la démonstration de l’efficacité de l’optimisation autonome.
Sur l’open web, la preuve de la performance est plus difficile à établir et la gestion des campagnes à grande échelle demeure plus complexe.
TikTok Smart+ : la prochaine vague est en formation
Le chiffre de 73 % de testeurs pour TikTok Smart+ est particulièrement significatif.
Tester une plateforme à cette échelle implique des investissements budgétaires, des ressources opérationnelles et une adhésion organisationnelle forte. Lorsqu’une solution est activement évaluée par près des trois quarts des responsables du marketing à la performance, la question de son adoption future est pratiquement tranchée.
Si TikTok Smart+ parvient à produire des résultats comparables à ceux observés avec PMax et Advantage+, le passage des phases de test à un déploiement massif pourrait être rapide. L’industrie a déjà démontré qu’elle suivait cette logique. L’un des éléments les plus révélateurs reste néanmoins l’écart entre les niveaux de test et les niveaux de déploiement.
Un ratio de 73 % de testeurs pour seulement 9 % d’utilisateurs à grande échelle montre qu’une plateforme bénéficie déjà de l’attention de la quasi-totalité du marché, sans avoir encore démontré de manière suffisamment constante les performances nécessaires pour justifier des transferts budgétaires significatifs.
L’open web : le plus fort potentiel, mais aussi le plus grand décalage
Les données de l’étude montrent que c’est sur l’open web que se concentre aujourd’hui la plus forte tension entre les intentions et la réalité des investissements.
Le signal de marché est pourtant très clair. 82 % des répondants considèrent que l’achat média orienté objectifs et piloté par l’IA sur l’open web représente une opportunité de croissance significative.
Plus largement, 75 % des marketeurs interrogés estiment qu’il est très important, voire extrêmement important, d’identifier un canal capable de générer des performances incrémentales au-delà du search et du social. Cette priorité devient encore plus marquée chez les plus gros investisseurs. Parmi les entreprises qui dépensent 5 millions de dollars ou plus par mois, 70 % jugent cet enjeu extrêmement important.
Une priorité qui augmente avec le niveau de responsabilité
Le sentiment d’urgence progresse également à mesure que l’on monte dans la hiérarchie. Parmi les Vice Presidents (VP), 53 % considèrent comme extrêmement important de trouver un canal de performance complémentaire au search et au social. Cette proportion tombe à 20 % chez les directeurs et 15 % chez les senior managers.
Autrement dit, la volonté de diversifier les investissements au-delà des “walled gardens” est particulièrement forte chez les décideurs qui contrôlent les budgets. Ce constat constitue un signal important. Les priorités stratégiques sont déjà définies, même si les niveaux d’investissement ne reflètent pas encore pleinement cette ambition.
Une conviction forte, mais des budgets encore limités
Aujourd’hui, seules 4 % des entreprises consacrent une part significative de leurs investissements à la performance sur l’open web, soit 25 % ou plus de leur budget total. La majorité maintient une présence plus modérée. En moyenne, l’open web représente actuellement 13 % des budgets de marketing à la performance.
L’écart entre la reconnaissance du potentiel du canal et les montants réellement investis révèle beaucoup sur sa position actuelle dans l’écosystème publicitaire. Le problème n’est pas un manque de confiance dans le potentiel de l’open web.
Le véritable frein réside dans l’absence d’outils suffisamment matures pour permettre une exploitation à grande échelle avec le même niveau de simplicité que sur les plateformes dominantes. Les professionnels du marketing doivent encore gérer manuellement une complexité que les systèmes automatisés prennent déjà en charge sur d’autres canaux.
Des freins avant tout opérationnels
Les obstacles identifiés dans l’étude sont presque exclusivement liés à des enjeux opérationnels : 74 % évoquent la multiplication des fournisseurs et la complexité de gestion associée quand 71 % citent l’absence d’un système d’attribution et de mesure unifié, et 54 % mentionnent des préoccupations liées au “brand safety”.
Ces freins relèvent de l’infrastructure, pas de la conviction. Très peu de répondants remettent en cause la capacité de l’open web à générer de la valeur incrémentale. Les difficultés concernent davantage la démonstration de cette valeur et la capacité à piloter efficacement les campagnes à grande échelle. La situation rappelle fortement celle du search et du social avant l’arrivée des solutions agentiques. Les plateformes qui ont réussi à résoudre les enjeux de mesure et d’optimisation ont rapidement attiré les budgets.
L’avenir de l’open web repose sur la même logique. Les outils d’achat média automatisés, pilotés par des objectifs de performance, sont appelés à jouer le même rôle en rendant la preuve de la performance plus facile à établir et la gestion opérationnelle beaucoup plus simple.
Les données de l’étude suggèrent que le marché est prêt à franchir cette étape. Ainsi, 99 % des répondants déclarent qu’ils alloueraient un budget à l’open web si des solutions alimentées par l’IA agentique étaient disponibles. L’investissement moyen envisagé atteindrait alors 24 % de leur budget total de marketing à la performance. Parmi les entreprises qui investissent 5 millions de dollars ou plus par mois, 74 % se déclarent fortement favorables à une augmentation de leurs investissements sur l’open web si elles pouvaient y retrouver le même niveau d’automatisation que celui proposé aujourd’hui sur le search et le social.
Le marché est donc prêt. L’infrastructure doit désormais rattraper cette demande.
Et maintenant ?
L’IA agentique a déjà redéfini les standards du marketing à la performance sur le search et le social. Les résultats observés à grande échelle montrent que, lorsque les infrastructures adéquates sont en place, l’optimisation autonome surpasse la gestion manuelle des campagnes. La question n’est plus de savoir si ce modèle va s’étendre à d’autres canaux. Les professionnels du marketing le souhaitent déjà et les intentions budgétaires montrent clairement qu’ils sont prêts à accompagner cette évolution. L’enjeu porte désormais sur le calendrier et le niveau de préparation des organisations.
Les équipes qui construisent dès aujourd’hui leurs capacités autour de l’IA agentique sur l’open web (en menant des pilotes, en mettant en place des dispositifs de mesure robustes et en comprenant comment les mécanismes d’optimisation autonome se comportent en dehors des “walled gardens”) disposeront d’une longueur d’avance lorsque cette transformation s’accélérera. Elles accompagneront le mouvement. Les autres devront le rattraper.
