Avec la release Winter ’27, Salesforce a introduit deux agents dédiés au marketing dans Marketing Cloud Next : le Content Agent et le Marketing Goals Agent. Le premier automatise la production de contenu, un terrain déjà largement balisé. Le second change la nature même du travail : vous ne construisez plus un parcours étape par étape, vous déclarez un objectif, un budget et une audience éligible, puis vous validez une stratégie que l’agent exécute et réoptimise seul. C’est la première fois que Salesforce demande explicitement aux équipes CRM de céder l’arbitrage, et non plus seulement l’exécution. Voici notre lecture de ce que cela implique pour une organisation Salesforce Marketing Cloud, et des trois conditions sans lesquelles l’exercice tourne court.

Ce que le Marketing Goals Agent fait réellement

Le principe tient en quatre paramètres. Vous définissez un objectif business, un budget, une audience éligible et des garde-fous. L’agent produit alors une stratégie recommandée : combinaison de canaux, séquencement, allocation. Vous la relisez, vous l’approuvez, puis elle s’active. À partir de là, l’agent opère de façon autonome à l’intérieur du périmètre que vous avez tracé, et réoptimise ses décisions en continu en fonction des résultats observés.

Il faut bien situer la nouveauté. Einstein Send Time Optimization optimisait déjà une variable isolée. L’Einstein Engagement Scoring classait déjà vos contacts. Le Journey Decisioning Agent choisissait déjà la branche la plus pertinente dans un parcours que vous aviez conçu. Dans tous ces cas, l’architecture de la campagne restait un artefact humain : quelqu’un avait dessiné les chemins possibles. Le Marketing Goals Agent supprime cette étape. La structure de la campagne devient elle aussi un produit de l’agent.

La vraie rupture n’est pas l’IA, c’est le transfert d’arbitrage

Depuis dix ans, l’IA dans Salesforce Marketing Cloud a servi à mieux remplir des cases que vous aviez dessinées. La logique reste celle de l’outil : vous décidez, la machine affine. Avec un agent piloté par objectif, la relation s’inverse. Vous ne décidez plus quelles campagnes lancer, vous décidez ce que le système a le droit de faire et comment vous saurez qu’il l’a bien fait.

La question n’est plus « l’agent prend-il de bonnes décisions ? » mais « mon organisation est-elle capable de définir des garde-fous assez précis pour que ses décisions restent acceptables, et assez larges pour qu’elles gardent de la valeur ? »

C’est un travail de gouvernance, pas un travail de paramétrage. Et c’est précisément là que la plupart des déploiements vont échouer, non parce que le modèle est mauvais, mais parce que l’entreprise n’a jamais eu à écrire noir sur blanc ce qu’elle s’interdit.

Trois conditions préalables, dans l’ordre

1. Une audience éligible réellement gouvernée

Un agent qui optimise vers un objectif ira chercher la performance là où elle se trouve, y compris dans des segments que vous n’auriez jamais sollicités. L’audience éligible n’est donc pas un segment marketing, c’est un périmètre de conformité. Avant d’activer quoi que ce soit, matérialisez-la comme un objet de données stable, versionné, testable — et non comme un filtre improvisé dans une interface.

/* Automation Studio - population eligible, recalculee chaque nuit */
SELECT
    s.SubscriberKey,
    s.EmailAddress,
    p.OptInMarketing,
    p.LastConsentDate,
    e.EngagementScore
FROM Master_Subscribers s
INNER JOIN Consent_Preferences p
    ON s.SubscriberKey = p.SubscriberKey
LEFT JOIN Engagement_Snapshot e
    ON s.SubscriberKey = e.SubscriberKey
WHERE p.OptInMarketing = 1
  AND p.LastConsentDate > DATEADD(month, -24, GETDATE())
  AND s.HardBounceCount = 0
  AND s.SubscriberKey NOT IN (SELECT SubscriberKey FROM Global_Suppression)
  AND s.SubscriberKey NOT IN (SELECT SubscriberKey FROM Pressure_Cap_Breached)

Notez la dernière ligne. Une table de pression commerciale — combien de messages un contact a déjà reçus sur une fenêtre glissante — devient indispensable dès lors qu’un agent peut décider seul d’augmenter la cadence.

2. Des garde-fous explicites et écrits

Un garde-fou utile est mesurable et opposable. « Rester cohérent avec la marque » ne l’est pas. « Trois messages maximum par contact et par semaine, tous canaux confondus, hors transactionnel » l’est. Nous recommandons de formaliser ces règles dans un document unique, avant toute configuration, et de les traduire ensuite dans l’outil.

{
  "objectif": "reactivation_clients_inactifs_6_mois",
  "budget_max_eur": 25000,
  "fenetre": { "debut": "2026-10-06", "fin": "2026-11-30" },
  "canaux_autorises": ["email", "sms"],
  "canaux_interdits": ["whatsapp", "push"],
  "pression_max_par_semaine": 3,
  "exclusions": ["clients_litige", "opt_out_partiel", "moins_de_18_ans"],
  "remise_max_pourcent": 15,
  "validation_humaine_requise_si": [
    "remise > 15",
    "audience > 200000",
    "nouveau_canal_active"
  ]
}

3. Une mesure indépendante de l’agent

C’est la condition la plus souvent oubliée. Si l’agent optimise ses décisions et rapporte lui-même sa performance, vous perdez toute capacité d’arbitrage. Conservez une population de contrôle non exposée, construisez vos tableaux de bord sur les Data Views ou sur Data 360 plutôt que sur les écrans de l’agent, et fixez à l’avance le seuil en dessous duquel vous reprenez la main.

Ce que cela change dans l’organisation de vos équipes

Le métier de campaign manager se déplace vers l’amont et vers l’aval. En amont, la formulation d’objectifs devient une compétence critique : un objectif mal posé — « maximiser le taux d’ouverture » — produira un agent qui optimise une métrique sans valeur commerciale. En aval, l’audit remplace la production : il faut savoir relire une stratégie proposée, repérer ce qui manque, et documenter pourquoi on refuse.

Les profils techniques SFMC, eux, ne disparaissent pas : ils remontent d’un cran. Les Data Extensions, les requêtes d’éligibilité, les tables de suppression et de pression deviennent le substrat sur lequel l’agent raisonne. Une architecture de données approximative ne produira pas des campagnes approximatives : elle produira des décisions autonomes approximatives, ce qui est nettement plus coûteux.

Trois scénarios d’adoption réalistes

Pour les organisations dont le socle Marketing Cloud Engagement est mature mais l’intégration Data 360 encore partielle, le scénario raisonnable est l’observation : activer l’agent en mode recommandation sur un objectif secondaire, sans exécution automatique, pendant un ou deux trimestres. Vous apprenez à lire ses propositions sans exposer votre base.

Pour celles qui disposent déjà d’un consentement propre et d’une mesure fiable, le scénario est le périmètre restreint : un objectif, une audience de taille moyenne, deux canaux, une fenêtre courte, et une comparaison stricte avec une campagne pilotée de façon classique.

Pour les structures en pleine migration vers Marketing Cloud Next, enfin, le sujet n’est pas l’agent mais le socle. Reporter l’autonomie de six mois pour fiabiliser l’éligibilité, la pression et le contrôle est presque toujours le meilleur arbitrage économique.

À retenir

L’autonomie déplace la valeur vers la gouvernance. Ce qui vous différenciera n’est pas l’accès à l’agent, que tout le monde aura, mais la qualité des règles que vous saurez écrire.

L’audience éligible est un objet de conformité. Traitez-la comme une Data Extension versionnée et recalculée, pas comme un filtre ponctuel.

Sans mesure indépendante, pas d’autonomie. Population de contrôle, tableaux de bord externes à l’agent et seuil de reprise en main définis avant l’activation.

Un objectif mal formulé est plus dangereux qu’un mauvais modèle. Visez une métrique commerciale, jamais une métrique d’engagement isolée.

Commencez petit, mesurez strictement. Un objectif, deux canaux, une fenêtre courte et un groupe témoin valent mieux qu’un déploiement global mal instrumenté.

Vous préparez votre passage à Marketing Cloud Next ou vous vous demandez si votre socle de données est prêt pour des campagnes pilotées par objectif ? Parlons-en avec nos consultants Salesforce Marketing Cloud.