Cabinet de conseil & d'ingénierie en IA
Études de cas
Distributeur : collectivités & travaux publics

Une usine à contenu agentique au service du référencement et de la relation client

12 juin 2026 · 6 min de lecture · Automatisation & productivité
Une usine à contenu agentique au service du référencement et de la relation client

Cas client : Distributeur au service des collectivités et des entreprises de travaux publics · Statut : réalisé, en production (la chaîne tourne ; le mécanisme de notation qualité est développé, son intégration au flux de production est en cours)


Le client & le problème

Équipant les collectivités et les entreprises de travaux publics, ce distributeur disposait d'un blog censé nourrir son référencement et pousser de la valeur vers ses clients (élus locaux, directeurs des services techniques, conducteurs de travaux). L'intention était là : un calendrier éditorial ambitieux, des sujets identifiés, une audience claire. Mais la réalité tournait à deux articles par trimestre. Le contenu est toujours la première tâche sacrifiée quand la semaine déborde.

Double conséquence métier. Un canal d'acquisition à l'arrêt d'abord : sur un marché où la décision d'achat commence par une recherche en ligne, un blog qui ne publie plus est un commercial qu'on aurait cessé de payer. Et une expertise qui ne parvient jamais au client : les conseils qui feraient la différence (réglementation, normes de voirie, choix d'aménagement) restaient dans les têtes, faute de temps pour les écrire.

L'enjeu

Pour la direction, le contenu sert deux objectifs à la fois, et tous deux exigent de la régularité. Le premier est le référencement : les moteurs, et désormais les réponses portées par l'IA, récompensent la fréquence et la fraîcheur, pas l'effort ponctuel. Le second est la valeur poussée au client : un contenu utile entretient la relation, installe l'expertise, fait revenir l'acheteur. Les deux supposent une production soutenue, pertinente et juste, sans recruter, et sans qu'une approximation réglementaire vienne coûter en crédibilité sur un sujet public.

La réponse apportée

Nous avons conçu et déployé l'« espace commun » : une chaîne d'agents spécialisés qui, déclenchée automatiquement, mène un sujet de l'idée jusqu'à l'article publié et sa déclinaison LinkedIn. L'entreprise pilote l'ensemble depuis son administration, sans toucher au code.

La cadence est tenue, sans dépendre d'une personne. À intervalle régulier, les agents choisissent un sujet, rédigent un article de fond documenté, l'illustrent et le publient, puis préparent le post LinkedIn associé. Là où aucun planning manuel n'avait jamais réussi à durer, la publication ne dépend plus de la disponibilité d'un rédacteur.

Les sujets collent à l'actualité du secteur, et poussent de la valeur au client. Avant d'écrire, un agent interroge le web pour repérer ce qui bouge dans l'univers des collectivités et des travaux publics (une réglementation, un décret, une tendance d'aménagement) et vérifie qu'on n'a pas déjà traité le sujet. Le contenu répond ainsi aux vraies questions des acheteurs, illustré au besoin par des produits réels tirés d'un catalogue de plusieurs milliers de produits. L'usine à contenu part du réel, sert l'acheteur, et ne se répète pas.

Le référencement est traité comme un livrable. Un agent dédié optimise chaque article (structure des titres, mots-clés cibles, maillage interne) et un agent évaluateur en note la qualité ; tous deux sont développés, leur réintégration dans la chaîne fiabilisée est en cours. La visibilité cesse d'être un sous-produit fortuit : elle est outillée.

La voix de marque reste maîtrisée et modifiable. Le style de rédaction, les consignes et les gabarits d'illustration que suivent les agents vivent dans une configuration que l'équipe édite elle-même. Changer le ton, durcir une exigence, ajuster une charte se fait sans développement. La machine exécute une ligne éditoriale ; ce sont les humains qui la fixent.

Le coût d'un article devient marginal. De plusieurs heures de travail à quelques centimes de traitement par pièce. Le contenu cesse d'être un arbitrage budgétaire : la question « a-t-on le temps de publier ? » ne se pose plus.

Sous le capot (pour les équipes techniques)

Architecture. Une chaîne d'agents IA spécialisés bâtie sur Google Agent Development Kit (ADK), orchestrée en séquence : un agent sujet (recherche web temps réel via l'outil google_search + contrôle anti-doublon sur les 30 derniers articles), un agent rédaction (à partir d'un prompt de style versionné, stocké en base), un agent image, un agent SEO, un agent qualité, un agent publication, un agent LinkedIn (visuel 1:1 + caption). Modèles : Gemini Flash (gamme rapide/économique, déterminant pour un coût par article négligeable) pour le texte, Gemini Flash Image pour les visuels, avec possibilité d'injecter des images produits réelles en référence pour rester cohérent avec le catalogue.

Le contrôle qualité comme code, pas comme relecture. Le cœur du dispositif est un agent évaluateur, un LLM-as-a-judge outillé : une fonction note l'article sur 7 critères pondérés (longueur, structure des titres, présence des mots-clés cibles, qualité SEO, image, lien interne, mot-clé en introduction), produit un score sur 10, et renvoie en réécriture sous le seuil de 7/10 avec un feedback actionnable (2 réécritures maximum). La qualité est mise dans le système : déterministe d'abord, jugement par modèle ensuite, humain en exception.

Fiabilité d'exécution : la vraie leçon. Premier design : le pipeline tournait en tâche de fond du serveur (asyncio), et se faisait tuer dès que l'hébergement serverless (Cloud Run) recyclait l'instance. Refonte en Cloud Run Job : l'exécution va jusqu'au bout, n'est jamais interrompue, et n'est facturée que pendant qu'elle tourne. Déclenchement via Cloud Scheduler. Persistance et état temps réel dans Firestore ; visuels dans Firebase Storage.

État réel du déploiement. Deux chemins coexistent. La conception ADK complète (7 agents, porte qualité) est codée. Le chemin en production est une orchestration Python directe, choisie pour sa robustesse : les modèles n'y interviennent que pour la rédaction et le caption LinkedIn, l'image et la publication étant pilotées en Python. Ce chemin publie aujourd'hui un article par exécution et n'a pas encore rebranché l'agent qualité et l'agent SEO dans la boucle vive. L'écart est assumé : on a d'abord sécurisé une chaîne qui ne casse pas, avant d'y réintégrer la notation automatique.

Résultats

  • Une chaîne de publication autonome en production : de la veille sur l'actualité du secteur jusqu'à l'article publié et illustré, avec sa déclinaison LinkedIn prête à diffuser.
  • Le référencement nourri en continu : la cadence, ce que les moteurs récompensent, ne dépend plus d'une personne ; les sujets sont ancrés dans l'actualité et non redondants.
  • De la valeur poussée au client : le contenu répond aux vraies questions des acheteurs publics, appuyé sur le catalogue réel.
  • Voix de marque pilotée par le métier : style, consignes et chartes modifiables sans développement.
  • Coût marginal par article quasi nul.
  • Statut. La chaîne est en production et publie un article par exécution. La notation qualité automatique (score /10, réécriture sous le seuil) est développée et testée ; sa réintégration dans le flux fiabilisé est en cours. Aucun chiffre de performance commerciale n'est revendiqué : le livrable, c'est la régularité rendue possible.

Quand une organisation devrait s'y intéresser

Si votre marketing de contenu vit en pointillé, si vos publications dépendent d'une seule personne, ou si vous avez « un blog » qui ne publie plus, vous perdez sur les deux tableaux : en visibilité (le référencement récompense la régularité, pas l'effort ponctuel) et en relation (l'expertise qui aiderait vos clients ne leur parvient pas). L'enjeu n'est pas de remplacer vos talents éditoriaux, c'est de garantir la régularité d'un canal qui ne crée de la valeur que s'il tourne, tout en gardant la main sur la ligne. Si la personne qui écrit vos articles s'absente trois semaines, que publiez-vous, et qui s'en aperçoit ?

Poursuivre la lecture
Toutes les études de cas

Nous utilisons des cookies pour améliorer votre expérience sur notre site. Ils nous permettent de vous proposer des contenus personnalisés et de mesurer notre audience. Vous pouvez choisir de les accepter tous ou de les personnaliser.