Media buying et IA : 15 bots créés, cinq ont survécu

Lors d'un test de media buying avec l'IA, Wildo Agency a créé environ 15 bots et en a gardé cinq. Son bot acheteur autonome a dépensé environ 1 000 $ d'un budget de 5 000 $, a jugé toutes les créas perdantes et les a toutes coupées. Les dépenses d'IA ont culminé à environ 3 500 $ par mois. Le CEO de l'agence a communiqué tous les chiffres ; aucun n'a été vérifié de façon indépendante.

Les résultats en bref

Contexte : l'IA dans le media buying, version d'une agence

Les éditeurs vantent des gestionnaires de publicités autonomes, mais un media buyer doit encore trier le travail tâche par tâche : ce qu'on peut confier à un modèle, et ce sur quoi il gaspillera de l'argent. Pour la plupart des équipes, le media buying avec l'IA, c'est cet exercice de tri.

Wildo Agency est une équipe de media buying. Bogdan Right, présenté comme son CEO, a exposé les résultats de l'agence lors d'une conférence du secteur en 2026. AffHouse n'a trouvé ni site web de l'agence, ni page LinkedIn, ni immatriculation qui confirme l'agence ou son rôle ; tout ce qui suit est donc sa version.

Son résumé était sans détour : traitez le modèle comme une paire de mains, pas comme celui qui décide.

Ce qu'ils ont fait

L'agence a construit son système par couches. Au sommet, un orchestrateur sous Claude Opus d'Anthropic distribuait le travail à des agents spécialisés. L'équipe a choisi un modèle par tâche : ChatGPT d'OpenAI pour les textes, le modèle d'image Nano Banana de Google pour les visuels et l'outil d'automatisation de workflows n8n pour relier le tout. Au sein d'un même bot, Opus gérait le raisonnement et Claude Sonnet, moins cher, la collecte répétitive, pour contenir la facture de tokens.

Cinq agents ont survécu aux tests :

• Constructeur d'apps. Créait des apps Android et des designs de progressive web app (PWA) de bout en bout.

• Bot de comptes Facebook/Meta. Gérait l'acquisition et la configuration de comptes, un workflow en zone grise que la source décrit et que cet article n'explique ni ne cautionne, et paramétrait des règles automatiques sur ces comptes.

• Bot de chat affiliés (« Alf »). Tenait un registre consultable de ce que les programmes partenaires avaient convenu par chat, des KPI et budgets aux caps et offres actives, et le rapprochait du tracker.

• Bot de campagnes in-app. Lançait les campagnes, produisait des analyses et rapports quotidiens et chargeait des créas depuis la bibliothèque sur ordre d'un buyer.

• Bot pour team leads. Donnait aux team leads un signal de performance : il lisait dans Notion les relevés du travail de chaque buyer, comme les campagnes lancées et les briefs de design transmis, et levait une alerte quand quelqu'un décrochait.

Avant de construire quoi que ce soit, l'agence se pose désormais cinq questions. Le cadre est celui du CEO ; les exemples sont les nôtres.

1. Argent. Le bot rapporte-t-il ou économise-t-il un montant que vous pouvez chiffrer ? Un rapprochement qui détecte un dépassement de cap compte.

2. Temps et fréquence. La tâche est-elle longue, ou courte mais constante ? Les deux peuvent justifier un bot.

3. Coût de l'attente. Attendre une personne fait-il perdre de l'argent, comme une dépense excessive qui tourne toute la nuit ?

4. Stabilité du processus. La tâche se fait-elle toujours de la même façon ? Un travail qui change d'un cas à l'autre a tendance à casser l'automatisation.

5. Coût et réversibilité des erreurs. Combien coûte une mauvaise action, et peut-on l'annuler ? Les erreurs coûteuses ou irréversibles restent l'affaire des humains.

Résultats

Les deux bras du test sont partis des mêmes conditions : 5 000 $ chacun, un lot commun de créas qui avaient déjà passé les tests, et une seule règle d'arrêt, à savoir mettre en pause une campagne dès que le coût par installation ou par action cible devenait trop élevé. Ce qui différait, c'était qui agissait. Dans le bras assisté, le bot recommandait et le buyer décidait ; dans le bras autonome, le bot lançait, mettait en pause et gérait lui-même les campagnes.

Sur le papier, le bot avait l'avantage : ses règles tournaient sur les dépenses Facebook/Meta en temps réel et les revenus du tracker ou du réseau, alors qu'une personne lit les tableaux de bord avec un décalage. Pourtant, le bras autonome a calé à environ 1 000 $. Le bras assisté par le buyer a dépensé la totalité des 5 000 $. Son ROI était inférieur au chiffre du bras du bot, fondé sur peu de données, et l'agence n'a donné aucun nombre. Le CEO voulait souligner qu'un lot de créas n'est rentable que s'il est exploité jusqu'au bout. Un buyer qui voit une mauvaise journée après une bonne a tendance à laisser un jour de plus à la campagne, et c'est cette patience qui manquait au bot.

L'agence a renoncé pour l'instant à l'idée d'un acheteur IA entièrement autonome ; le CEO a décrit le bot comme un assistant du buyer, pas comme son remplaçant. Une exception demeure. La nuit, le bot peut mettre en pause une campagne devenue non rentable, car dans ce cas l'attente coûte de l'argent. L'agence n'a pas expliqué comment cela s'accorde avec sa règle, abordée plus bas, selon laquelle les bots ne prennent aucune décision. Quiconque reproduit ce dispositif devrait décider où placer cette limite avant la mise en production.

Les gains mesurables sont venus des bots de support. Selon le CEO, le constructeur d'apps a permis à l'agence de réduire son département de développement à un seul développeur. Il a estimé la valeur marchande des designs PWA sur mesure qu'il a produits à environ 30 000 $ par mois, pour environ 600 $ de coût réel ; il s'agit d'un équivalent au prix du marché, pas d'une économie en cash. Alf n'a laissé qu'une personne au département affiliation, et le reporting des team leads tourne désormais tout seul.

Les dépenses mensuelles d'IA ont culminé à environ 3 500 $ et, selon le CEO, continuent de baisser. Il a indiqué que l'essentiel du travail automatisé consiste en appels d'API, tableurs et calculs, que les modèles traitent à bas coût. Une fois la routine maîtrisée par l'équipe, transformer une tâche simple et répétitive en script autonome coûtait environ 20 $ en tokens.

Il n'a pas voulu donner de chiffre de temps gagné par buyer. Certains buyers ont travaillé davantage avec le temps libéré, d'autres moins ; il a donc refusé d'avancer un pourcentage.

Ce qui n'a pas marché

L'acheteur autonome. En environ 1 000 $ de dépenses, le bot avait écarté tout le lot de créas et l'avait mis en pause annonce par annonce. Son ROI d'un peu moins de 61 % reposait sur trop peu de dépenses pour signifier quoi que ce soit, comme le CEO l'a dit lui-même. Un lot de 10 à 20 créas faites par des designers coûte de l'argent réel et, selon lui, un bot seul ne le rentabilisera pas.

La vidéo en volume. L'agence était satisfaite des images fixes générées par IA quand le modèle disposait de bonnes références. La vidéo s'est révélée plus difficile. Selon le CEO, l'IA ne parvenait pas à produire de façon fiable des clips de plus de cinq secondes environ auxquels les spectateurs accordent autant de confiance qu'à ceux faits par des designers, au volume que gère l'agence. Un clip réussi était possible, mais chaque nouveau concept exigeait de nouvelles références ; à grande échelle, ce n'était donc ni plus rapide ni moins cher. Pour les chiffres d'une autre équipe sur les publicités vidéo IA, voir ce cas d'UGC IA.

Un bot qui a pris une décision. Cette règle est née d'un incident sur le tracker : un bot qui travaillait sur une tâche a dupliqué 70 campagnes, puis s'est mis à en supprimer 100 et a emporté au passage 30 campagnes qui fonctionnaient. La règle depuis, selon le CEO : les bots ne prennent aucune décision, ni maintenant ni peut-être avant des années.

Trop automatiser. Le CEO a raconté avoir un jour automatisé un processus qui prenait environ 30 minutes par semaine et coûtait environ 100 $, et l'automatisation a pris plus de temps que le processus n'en aurait jamais pris.

Un seul développeur comme point de défaillance unique. À la question de savoir ce qui se passe si ce développeur part, le CEO a répondu qu'il faut bien le payer. À notre avis, c'est une politique de rétention, pas un plan de secours.

Enseignements pour les affiliés

• Utilisez l'IA en media buying comme des mains, pas comme un jugement. Laissez-la collecter, rapprocher et rendre compte ; gardez les décisions de budget et de créas pour le buyer.

• N'autorisez les actions autonomes que si elles sont urgentes, prédéfinies et réversibles, comme une pause nocturne. Les règles publicitaires de Meta elles-mêmes peuvent vérifier les annonces selon un calendrier et les mettre en pause ; essayez-les avant de construire un agent sur mesure.

• Testez tout agent dans un bras plafonné avec un stop-loss écrit avant qu'il ne touche une échelle réelle, et comparez-le à un bras géré par un buyer sur les mêmes créas.

• Passez chaque tâche candidate au crible des cinq questions ci-dessus, en particulier le coût et la réversibilité d'une erreur.

• Confiez le raisonnement à un modèle plus puissant et la collecte en masse à un modèle moins cher, et suivez chaque mois les dépenses en tokens.

• Avant de connecter un agent à votre compte publicitaire, lisez ce que le Meta Ads MCP peut et ne peut pas faire.

Questions fréquentes

L'IA peut-elle remplacer un media buyer ?

Pas dans ce cas. Le bot autonome a dépensé environ 1 000 $ de son budget de 5 000 $ et a tout coupé avant d'avoir assez de données. Le CEO en a conclu que le bot est un assistant, pas un remplaçant, et lui a confié une seule tâche autonome : mettre en pause la nuit les campagnes non rentables.

Quelles tâches peut-on confier sans risque à un agent IA en media buying ?

Les tâches répétitives, réversibles et sensibles au temps : rapports, collecte de données dans les chats avec les partenaires, rapprochement avec le tracker et pauses nocturnes. L'agence se demande aussi si chaque tâche fait économiser de l'argent, à quelle fréquence elle s'exécute, si le processus est stable et ce que coûterait une erreur.

Combien coûte l'utilisation d'agents IA pour une équipe de media buying ?

L'agence a fait état d'un pic d'environ 3 500 $ par mois en IA, en baisse avec le temps, et d'environ 20 $ en tokens pour transformer une tâche simple en script. Ce sont ses propres chiffres, qui n'ont pas été vérifiés de façon indépendante.

L'IA peut-elle produire des créas publicitaires aussi bien qu'un designer ?

Pour les images, elle a donné des résultats acceptables avec de bonnes références. Pour les vidéos de plus de quelques secondes, l'agence a déclaré que l'IA ne pouvait pas égaler en volume les clips faits par des designers ; ce sont donc encore des humains qui les produisent.

Sources

• Google AI for Developers, Gemini API image generation (Nano Banana)

• Anthropic, Claude models overview

• n8n, n8n documentation

• Meta for Developers, Ad Rules Engine

• Meta for Developers, Ad rules execution spec

Les chiffres du cas ont été communiqués par le CEO de Wildo Agency lors d'une conférence du secteur en 2026 et n'ont pas été vérifiés de façon indépendante par AffHouse.