Pourquoi les agents IA changent le growth B2B

Les agents IA changent le growth B2B à un endroit précis : le travail répétitif qui se trouve entre vos outils. Rechercher un compte, enrichir une liste, rédiger un premier message, sortir les chiffres de la semaine, vérifier qu’une page tient sa position. Ce travail demandait un junior, une agence ou vos soirées. Un agent peut aujourd’hui en faire l’essentiel, à toute heure, à condition que quelqu’un ait écrit comment le faire et que quelqu’un contrôle ce qui sort. Le choix du client, la stratégie et la décision d’envoyer quoi que ce soit en votre nom restent chez vous.

J’ai dirigé le growth de Deux.io pendant onze ans, avec plus de 500 clients, et je construis aujourd’hui des agents avec Claude pour des entreprises B2B. Ce que je constate à chaque fois, c’est qu’un agent déplace le travail plus qu’il ne le supprime. On passe moins de temps à produire et davantage à spécifier et à contrôler.

Ce qu’un agent fait et qu’un script ne faisait pas

Un script suit un chemin que vous avez dessiné à l’avance. Un agent reçoit un objectif, des outils et des règles écrites, et choisit lui-même l’étape suivante : lire cette page, appeler cette API, remarquer qu’un champ est vide, chercher ailleurs, s’arrêter quand le résultat correspond à la spécification.

Pour le growth, cela compte, parce que l’essentiel du travail est fait de petits arbitrages sur des données en désordre : savoir si une entreprise correspond à votre ICP, lequel de trois contacts dirige vraiment les ventes, si une page d’accueil indique que l’entreprise vend aux équipes RH, quel événement récent mérite d’être cité dans un premier message. Avant, il fallait soit payer quelqu’un pour trancher un par un, soit ne pas le faire. Désormais, un modèle peut trancher en volume, preuve à l’appui, et vous contrôlez un échantillon.

Le chapitre suivant trace la frontière entre agent, automatisation et chatbot. D’ici là, gardez un test en tête : si chaque cas tient dans un logigramme dessiné à l’avance, il vous faut une automatisation ; si chaque cas demande une petite décision, un agent peut se justifier.

Où passe le temps d’une équipe growth

Voici comment je répartis les tâches courantes. Les lignes reflètent les équipes B2B avec lesquelles j’ai travaillé, ce ne sont pas des mesures.

Tâche	Partie répétitive	Partie jugement	Candidate pour un agent
Construire une liste de prospects	Imports, enrichissement, dédoublonnage	Définir l’ICP, valider la liste	Oui, avec un échantillon vérifié à la main
Messages outbound	Trouver un signal exploitable par lead, premier jet	Offre, ton, appui sur « envoyer »	Oui, un humain envoie
Contenu SEO	Briefs, brouillons, maillage interne, contrôles	Quels sujets, ce qui est publié	Oui, derrière un contrôle qualité
Reporting hebdo	Exports, jointures, tableaux	Ce que veulent dire les chiffres	En partie, avec un second instrument
Posts LinkedIn	Brouillons dans une voix calibrée	Opinions et histoires	Brouillons seulement
Prix et positionnement	Très peu	Presque tout	Non

La dernière colonne n’est jamais un oui sec. Chaque candidate vient avec la condition qui la rend sûre, et c’est cette condition qui occupe votre temps une fois l’agent lancé.

Le goulot passe à la spécification et au contrôle

J’ai cofondé Derrick, un outil d’enrichissement de données B2B et de prospection, et son marketing tourne sur des agents Claude dans sept domaines : SEO, LinkedIn, vidéo, analytics, newsletter, outbound, et une « usine à features » qui produit de nouvelles fonctions de données pour le produit. Chaque domaine a un pilote, agent ou skill, qui contrôle la production avant que quoi que ce soit ne sorte. En le construisant, j’ai vu où se situe vraiment l’effort. Un brouillon ne coûte presque rien. Dire à quoi ressemble un bon brouillon, et attraper les mauvais avant un lecteur, voilà le travail. Le chapitre 17 décrit ce système en entier.

Un exemple réel : en novembre 2026, un post LinkedIn disait « filtrer, puis enrichir », et seule une vérification dans le vrai produit a montré que ce geste enrichissait, et facturait, aussi les lignes masquées (le chapitre 10 raconte l’histoire).

Le travail qui reste ressemble donc à ceci :

• une spécification écrite pour chaque agent : rôle, règles, exemples, et à quoi ressemble « terminé » ;
• un contrôle qui ne dépend pas de l’avis de l’agent sur lui-même (chez Derrick, chaque texte sortant passe un lint mécanique puis un juge lancé dans un contexte vierge) ;
• une mesure de ce que la production a rapporté, distincte de la quantité produite.

Des essais moins chers changent la façon de décider

Quand un essai coûte moins, on peut en lancer davantage, à condition que chacun soit borné. Chez Derrick, un agent expérimentateur mène des tests SEO sur un nombre limité de pages, dix par exemple, et chaque test reçoit un verdict daté au bout de quatre semaines. Le verdict est écrit, que le test ait gagné ou perdu.

S’arrêter en fait partie : chez Derrick, un levier Reddit a été lancé puis abandonné en octobre 2026.

L’autre face du volume bon marché : un agent qui travaille avec assurance sur une donnée faussée produit beaucoup de résultats faux, très vite. En novembre 2026, notre agent Head of SEO a découvert qu’un de ses propres exports de mesure ne comptait qu’environ un tiers des clics réels, et un arrêt de production avait été décidé sur un faux zéro (le chapitre 12 raconte comment l’erreur a été repérée).

Ce qui a encore besoin de vous

Certaines décisions ne s’améliorent pas avec le volume, et celles-là vous reviennent :

• savoir qui est votre client, à partir de vos propres deals, avant qu’un agent n’en cherche d’autres ;
• choisir ce qu’on essaie et ce qu’on arrête ;
• valider une production, en lisant un échantillon avec des critères écrits à l’avance ;
• tout ce qui est irréversible ou envoyé en votre nom : e-mails, posts, ajouts dans une campagne active ;
• remarquer qu’un chiffre a l’air faux, et demander d’où il vient.

Un agent peut vous aider sur chacun de ces points. Il peut proposer les expériences, préparer l’échantillon, signaler une anomalie. Il ne doit pas en être responsable.

Faites l’inventaire de votre semaine avant de construire quoi que ce soit

Avant de choisir un outil, listez ce que vous et votre équipe avez réellement fait la semaine dernière. Un tableau comme celui-ci suffit :

Tâche	Heures par semaine	Outils touchés	« Terminé », c’est	Comment je le vérifierais	Réversible
Enrichir les inscriptions entrantes pour les sales	3	CRM, tableur, LinkedIn	Entreprise, taille, poste remplis pour chaque inscrit	20 lignes lues à la main	Oui
Rapport SEO hebdo	2	Search Console, analytics, slides	Un tableau, cinq commentaires	Les totaux correspondent à la source	Oui
E-mails de relance après démo	2	Agenda, CRM, messagerie	Brouillon prêt dans le CRM sous 24 h	Le commercial relit avant d’envoyer	Non, une fois envoyé

Ces lignes sont un exemple. Remplissez les vôtres, puis gardez les tâches qui reviennent chaque semaine, touchent au moins deux outils, produisent un résultat vérifiable par une règle ou un échantillon, et peuvent être annulées. Le premier agent qui vaut la peine est souvent la ligne la plus ennuyeuse de la liste.

Prochaine étape : remplissez le tableau avec dix tâches réelles, entourez-en une, et décrivez comment elle se fait aujourd’hui, étape par étape, comme expliqué dans partir d’un process existant.