Agent marketing IA : un accès sûr à Meta et Google Ads

L’automatisation des médias payants, c’était autrefois des règles d’enchères et des scripts planifiés. C’est maintenant un agent marketing IA : un modèle généraliste comme Claude Code qui lit les données de campagne, rédige des publicités et pousse de lui-même des modifications vers Meta et Google Ads. Cet article explique pourquoi cet agent devrait lire dans un entrepôt de données plutôt que dans les plateformes publicitaires, pourquoi l’accès en « écriture seule » est une convention que les API n’imposent pas, et quelles mesures de contrôle Meta et Google offrent maintenant pour tenir un agent loin du budget. Il se termine par sept vérifications à faire avant qu’un agent touche à un compte actif.
La recette vient de Cody Schneider, un spécialiste du marketing de croissance qui a présenté la configuration de son équipe à l’émission de Greg Isenberg ce mois-ci. Les données publicitaires, analytiques, de CRM et de paiement sont acheminées vers un entrepôt, l’agent n’interroge que cette copie, et les API publicitaires ne servent qu’aux écritures : téléverser des créations, désactiver des publicités, les déplacer d’un ensemble de publicités à un autre. Schneider a aussi attribué les histoires d’agents qui font bannir des comptes publicitaires à des rafales de milliers de requêtes. Comme Schneider a fondé Graphed, qui vend cette infrastructure, ses affirmations méritent d’être confrontées à ce que publient les plateformes. La plupart tiennent la route. Ce qui ne tient pas, c’est l’idée que séparer les lectures des écritures suffit à rendre l’agent sûr.
Meta et Google laissent maintenant entrer les agents IA dans les comptes publicitaires
Les plateformes ont cessé de traiter les agents comme des robots d’extraction de données. Meta a lancé ses connecteurs IA pour la publicité, un serveur MCP et un outil en ligne de commande, en bêta ouverte le 29 avril 2026, en promettant que les agents pourraient créer et modifier des publicités, des ensembles de publicités et des campagnes en langage naturel (Meta). Le 16 juillet, Meta a ajouté deux choses : la connexion depuis n’importe quelle application d’IA au moyen de l’application de développeur propre à l’annonceur, et des règles qui permettent à quiconque détient le contrôle total d’un portefeuille d’entreprise de restreindre ce que les agents peuvent faire dans un compte publicitaire, des modifications de budget aux mises à jour de catalogue.
Google a avancé plus prudemment. Son serveur MCP officiel pour Google Ads est sorti en lecture seule en octobre 2025. La version 0.0.6, publiée le 2 novembre 2026, a ajouté quatre outils d’écriture pour les éléments et les libellés, activés par défaut, mais les campagnes, les budgets, les enchères et les mots clés restent hors de portée (GitHub, PPC Land). Par ailleurs, Google a retiré les jetons de développeur le 9 septembre 2026 : les niveaux d’accès à l’API relèvent maintenant d’un projet Google Cloud, et la vérification de la marque est exigée avant de demander l’accès Basic (Google).
Les deux fournisseurs ouvrent l’accès aux agents tout en gardant le budget derrière un deuxième verrou. C’est ce modèle qu’un agent maison devrait copier.
Lire dans un entrepôt garde les rapports bruts hors du contexte de l’agent
La première règle de Schneider porte sur les données, et elle tient la route. Un agent qui appelle directement les API publicitaires charge des rapports complets dans son contexte, où ils prennent la place de la tâche, favorisent les chiffres inventés ou poussent l’agent à improviser une base de données locale pleine de doublons. Anthropic a fait le même constat sur l’utilisation d’outils en général : chaque résultat intermédiaire passe par le modèle et, dans un exemple, garder les données dans l’environnement d’exécution a fait passer une tâche d’environ 150 000 jetons à 2 000 (Anthropic, 4 novembre 2025).
Un entrepôt transforme ce principe en infrastructure. Le connecteur Facebook Marketing d’Airbyte synchronise selon un horaire les campagnes, les ensembles de publicités, les publicités et leurs statistiques (Airbyte), et sa destination ClickHouse, testée avec ClickHouse 26.7, les dépose à côté des tables de CRM et de paiement (Airbyte). L’agent exécute ensuite du SQL et récupère les cinq lignes qui comptent, pas cinq mille. Il peut aussi relier une publicité aux revenus et à la valeur à vie du client, ce qu’aucune plateforme publicitaire ne peut montrer à elle seule.
Les lectures proviennent de la copie dans l’entrepôt, les écritures vont aux plateformes publicitaires en passant par une barrière. Cette barrière, les API ne la fournissent pas d’elles-mêmes.
Les limites de requêtes de Meta s’appliquent par compte publicitaire, et une écriture compte triple
La deuxième raison de garder les lectures hors des API publicitaires, c’est qu’elles partagent un budget avec les écritures. Meta calcule les quotas de l’API Marketing par compte publicitaire. L’allocation horaire Ads Management est de 300 appels plus 40 par publicité active pour une application au niveau développement, et de 100 000 plus 40 par publicité active avec l’accès complet (Meta). Dans le score distinct calculé par application, une lecture coûte un point et une écriture en coûte trois.
La même page énumère les limites qu’une boucle d’agent atteint réellement :
- 100 requêtes de création ou de modification par seconde, par application et par compte publicitaire.
- Une modification par objet toutes les 30 secondes par défaut.
- Un budget d’ensemble de publicités modifié plus de quatre fois en une heure est refusé.
- Une limite de dépenses du compte modifiée plus de dix fois en une journée est refusée.
La pénalité documentée en cas de dépassement est un ralentissement, avec des blocages de 60 à 300 secondes selon le niveau. La documentation de Meta ne lie pas les erreurs de limite de requêtes aux bannissements de comptes, et Schneider n’a fourni aucune preuve que les rafales en causent. La lecture la plus prudente est plus étroite : un agent qui réessaie en boucle serrée gaspille son quota et laisse des modifications à moitié faites, ce qui suffit à justifier une conception qui tient compte des limites.
Parmi les limites décrites dans la documentation de Meta sur le contrôle du débit, celles qu’une boucle d’agent risque le plus d’atteindre.
L’écriture seule est votre convention, pas celle de l’API
C’est ici que l’architecture présentée dans l’épisode doit être corrigée. « L’agent ne fait qu’écrire » décrit comment le code est censé se comporter, pas ce que ses identifiants permettent. Aucune des deux plateformes ne délivre de jeton capable de créer des publicités sans pouvoir lire le compte : rien n’empêche donc un agent qui a des droits de gestion des publicités de consulter aussi les rapports, d’augmenter un budget ou de supprimer une campagne à laquelle il n’était jamais censé toucher.
Chez Google, la limite, c’est le rôle de l’utilisateur derrière les identifiants. Google Ads définit cinq niveaux d’accès : les utilisateurs en lecture seule peuvent consulter les campagnes et générer des rapports, les utilisateurs Standard peuvent en plus modifier les campagnes et les informations de facturation, et seuls les administrateurs peuvent accorder l’accès ou changer le niveau des autres utilisateurs (Google). Un agent connecté avec la session d’un administrateur hérite de tout cela. La solution : une identité dédiée par tâche, soit un utilisateur en lecture seule pour tout ce qui produit des rapports, un utilisateur Standard pour l’agent qui écrit, et jamais un administrateur.
L’étape de recherche rend cette séparation encore plus urgente. Dans le processus de publicités statiques que Schneider a présenté, l’agent lit des fils Reddit et les bibliothèques publicitaires des concurrents pour repérer les irritants des clients. Ce texte est écrit par des inconnus, et un agent qui le lit en détenant les clés d’un compte publicitaire combine une entrée non fiable avec le pouvoir d’agir en conséquence. Un agent de recherche sans identifiants publicitaires, qui transmet ses conclusions à un agent rédacteur qui ne navigue jamais, élimine cette combinaison à peu de frais.
C’est la même leçon qu’avec tout agent partagé : les permissions d’un agent IA doivent être imposées à l’extérieur du modèle, parce qu’une consigne qui dit « contente-toi d’écrire » est une demande, pas une mesure de contrôle.
La mise en pause par défaut transforme chaque action de l’agent en proposition
L’API de Meta n’accepte que deux statuts à la création d’une publicité, active ou en pause, et sa page de référence recommande la pause pendant les tests pour éviter les dépenses accidentelles (Meta). Faire de la pause le seul statut qu’un agent peut utiliser transforme chaque création en brouillon qu’une personne active. Le serveur MCP de Google intègre une étape semblable à ses outils d’écriture : chaque modification est d’abord validée sans effet, et le second appel doit porter la somme de contrôle renvoyée par le premier.
Selon Schneider et Isenberg, c’est à cette étape de révision qu’un humain a sa place : quelqu’un examine le lot avant sa mise en ligne, idéalement après qu’un agent l’a noté. C’est aussi là qu’ont leur place les vérifications qu’aucun algorithme n’optimise, par exemple savoir si un avatar est présenté comme un client, un problème traité dans l’article sur les publicités UGC par IA et les faux témoignages.
Les limites de dépenses relèvent du compte, pas de la consigne
Une limite de budget écrite dans une consigne n’est qu’une suggestion. Une limite de dépenses dans le compte publicitaire est un mur. Chez Meta, la limite de dépenses du compte est un plafond cumulatif fixé dans les paramètres de facturation; une fois ce plafond atteint, toutes les campagnes du compte cessent de dépenser (Jon Loomer). Les limites de dépenses par campagne ajoutent un plafond pour chaque campagne. Les nouvelles règles du serveur MCP de Meta vont plus loin pour les agents connectés de cette façon, en permettant au propriétaire du portefeuille d’interdire carrément les modifications de budget.
Le serveur officiel de Google n’a tout simplement pas d’outil de budget. Si un agent maison doit ajuster des budgets, il devrait le faire à l’intérieur d’une fourchette fixée par une personne, et au moyen d’une identité dont les modifications sont journalisées.
Des tâches pointues valent mieux qu’un agent marketing généraliste
Schneider n’a pas mâché ses mots sur ce qui a échoué lors de ses propres essais :
« pas besoin d’un dieu dans une boîte pour gérer un compte publicitaire Facebook »
- Cody Schneider, au balado de Greg Isenberg
Son meilleur exemple était pointu. Un agent Google Ads compare chaque terme de recherche à la page d’atterrissage qu’il déclenche et signale ceux qui n’ont pas d’intention d’achat; selon lui, il vérifie ainsi 5 000 termes en 20 secondes. Cette tâche lit beaucoup et n’écrit presque rien, ce qui en fait le bon premier pas. L’autonomie peut ensuite croître par étapes : d’abord des rapports, puis des propositions, puis des brouillons en pause, et seulement ensuite des modifications en direct sous un plafond. Le harnais d’agent IA qui entoure le modèle, c’est-à-dire ses données, ses outils et ses permissions, compte davantage que le modèle qui s’y trouve.
Liste de contrôle de l’agent marketing IA : sept mesures avant qu’il dépense
- Séparez les lectures des écritures dans l’infrastructure. Les rapports passent par une synchronisation vers l’entrepôt, pas par les identifiants publicitaires de l’agent.
- Donnez à chaque tâche sa propre identité. Lecture seule pour les rapports, Standard pour l’agent qui écrit chez Google, jamais la session d’un administrateur.
- Créez tout en pause. Une personne, ou une règle écrite par une personne, active les publicités.
- Fixez une limite de dépenses du compte. Chez Meta, un plafond cumulatif arrête toutes les campagnes lorsqu’il est atteint, peu importe ce que l’agent décide.
- Verrouillez les modifications de budget. Utilisez les règles du serveur MCP de Meta lorsqu’elles sont offertes et, ailleurs, gardez les modifications de budget hors des outils de l’agent.
- Respectez les limites documentées. Étalez les requêtes, regroupez-les et espacez les nouvelles tentatives au lieu de réessayer en boucle.
- Journalisez chaque modification avec son auteur. Quand un ensemble de publicités se comporte mal, vous devez savoir si c’est une personne ou un agent qui l’a modifié, et à quel moment.
Un agent marketing IA construit de cette façon peut tester plus de créations et surveiller plus de termes de recherche que n’importe quelle équipe, et le pire qu’il puisse faire, c’est proposer quelque chose d’erroné.