Agent de codage IA : sa vraie place dans la stack growth

Votre file de tickets growth affiche trois demandes cette semaine : un test de variante de landing page, une synchronisation de champ CRM qui casse en boucle, et un tableau de bord que personne ne veut construire dans Looker. Un agent de codage IA, ces outils comme Cursor, Claude Code ou le mode agent de GitHub Copilot, peut livrer du code qui tourne pour deux de ces trois chantiers en une après-midi. Le troisième dépend de ce qui se passe une fois la campagne terminée. Cet article trace ce qu'un agent de codage IA est réellement construit pour prendre en charge, ce qu'est un no-code agent builder à la place, et où confondre les deux vous coûte un incident en production.

Un agent de codage IA et un no-code agent builder ne sont pas le même outil

Tapez « agent de codage IA » dans un moteur de recherche aujourd'hui et les résultats mélangent deux catégories bien distinctes sur une même page. Cursor, Claude Code, le mode agent de GitHub Copilot et Devin écrivent et exécutent du vrai code : ils ouvrent un dépôt, lancent une suite de tests, commitent un changement. Gumloop, Lindy et Metaflow construisent des workflows à la place : ils enchaînent des appels API derrière un canevas glisser-déposer, sans dépôt de code en vue.

Les deux se vendent aux équipes marketing et growth comme « construisez votre propre automatisation, sautez l'étape ingénieur ». Un seul des deux touche au contrôle de version, et cette différence décide qui répare quand ça casse.

Un workflow construit dans un no-code agent builder échoue dans son propre bac à sable : une étape cassée, un relancement, un ticket support envoyé à l'éditeur. Un script qu'un agent de codage IA a écrit, et que vous avez déployé vous-même, échoue là où vous l'avez posé : une fonction planifiée, un webhook qu'un outil payant faisait tourner avant, un cron job sur un serveur partagé dont personne n'a renouvelé le certificat SSL depuis 2024. Compass route une campagne de la même façon qu'un ingénieur d'astreinte pense un déploiement : qu'est-ce qui casse en premier, et qu'est-ce qui rattrape le coup.

Deux cas concrets où les équipes growth vont chercher un agent de codage IA plutôt qu'un constructeur de workflow : un parseur UTM qui gère les cas limites que le tagging natif de la régie publicitaire laisse filer, ou une commande Slack interne qui va chercher les chiffres d'attribution directement dans l'entrepôt de données au lieu d'attendre un ticket BI. Les deux tiennent en cinq lignes de logique métier enveloppées dans trente lignes de boilerplate d'authentification : exactement ce qu'un agent gère bien et qu'un humain déteste retaper deux fois.

Wegic se situe entre les deux catégories. Vous décrivez une page ou un petit site dans un chat, et l'outil écrit le vrai code derrière plutôt que de remplir un template. Pour une équipe qui veut le résultat d'un agent de codage sans ouvrir un terminal, c'est la comparaison la plus juste, pas un pur constructeur de workflow.

Ce que les équipes growth routent vraiment vers un agent de codage IA

Trois schémas reviennent chez les équipes qu'on a observées adopter cette pratique : des instruments internes qui relient deux API que l'outil BI ne connecte pas nativement, des extractions de données ponctuelles qui coûteraient sinon une après-midi d'analyste, et des scripts de liaison qui maintiennent un pixel de tracking correctement déclenché malgré une chaîne de redirection qu'une mise à jour de plateforme vient de casser.

Aucun de ces cas n'est « construisez toute notre stack martech ». Ce sont des chantiers bornés, avec un propriétaire clair, qui échouent bruyamment quand ils échouent. Ce dernier point compte plus qu'il n'y paraît : un échec silencieux dans un script d'attribution est pire que pas de script du tout, parce que l'équipe continue de décider sur des chiffres déjà faux.

La lecture de Gartner sur ce virage est directe : d'ici fin 2026, 80 % des produits et services technologiques seront construits par des personnes en dehors des rôles IT traditionnels. Ce n'est pas une statistique marketing sur les agents IA en particulier, c'est une prédiction structurelle sur qui écrit du logiciel désormais. Un growth marketer qui demande à Claude Code de réparer un webhook est déjà dans ce chiffre.

Ignorez la demande qui ressemble à une fiche de poste plutôt qu'à une tâche : « construis-nous un modèle d'attribution ». Un agent de codage IA peut écrire un script qui joint deux tables. Il ne doit pas être celui qui décide de votre méthodologie d'attribution.

Un quatrième schéma est plus discret mais revient constamment dès qu'une équipe se met à regarder : réécrire une chaîne Zapier fragile en un seul script quand la tarification au tâche de la plateforme d'automatisation est devenue, sans qu'on s'en rende compte, la ligne la plus chère du budget martech. L'agent de codage ne remplace pas la logique d'orchestration, il remplace juste la marge du fournisseur sur cinq étapes conditionnelles.

Là où le rayon d'action devient concret

C'est la partie que le conseil « demandez-lui juste » saute. L'agent de codage n'est pas le risque. Ce qu'il touche l'est.

Un script qui lit les dépenses de campagne depuis une API en lecture seule d'une régie publicitaire est à faible enjeu : au pire, un chiffre faux dans un rapport que quelqu'un vérifie avant un comité. Un script qui écrit dans votre CRM, fait tourner une clé API, ou pousse une mise à jour de segment directement vers votre plateforme email, c'est un animal différent. Si l'agent invente un nom de champ ou saute une limite de débit, cette erreur atterrit dans des données de production que votre équipe commerciale appelle dès le lendemain matin.

Les identifiants sont la partie qu'on saute le plus vite. Un agent qui a besoin d'une clé API CRM pour tester son propre script va joyeusement coller cette clé dans un fichier de config qui finit committé, ou dans un historique de chat qui survit au projet. Rien de tout ça n'est l'agent qui se comporte mal, il fait exactement ce qu'on lui a demandé. Le garde-fou doit venir de l'humain qui décide où vit cette clé avant le premier test, pas après qu'un audit de sécurité l'ait trouvée.

Les chiffres d'adoption confirment où ça atterrit vraiment. Les fonctions marketing et SDR/outbound affichent un taux d'adoption des agents IA d'environ 41 %, avec un retour sur investissement médian de 3,4 mois, le plus rapide de toutes les fonctions mesurées, et les opérationnels marketing rapportent économiser près de 5,4 heures par semaine une fois le script en place. Un retour rapide, c'est un bon signal pour le business case. Ça ne dit rien sur qui est d'astreinte quand le script s'arrête de tourner en silence pendant une semaine de lancement.

Le correctif n'est pas un document de politique que personne ne lit. Ce sont trois questions à poser avant que tout script construit par un agent de codage IA ne touche autre chose qu'un flux en lecture seule : qui le possède une fois la campagne terminée, où vit-il (pas « sur mon ordinateur portable »), et que se passe-t-il s'il échoue à 2h du matin un mardi. Si vous ne pouvez pas répondre à ça en une phrase chacune, le script reste dans un bac à sable jusqu'à ce que vous puissiez.

Ça vaut le quart d'heure de configuration en plus si le script touche des données client, un budget de campagne en cours, ou quoi que ce soit qu'un audit de conformité pourrait questionner plus tard. Sautez la cérémonie si c'est une extraction ponctuelle qu'on jette une fois le rapport livré.

La stat citizen-developer que tout le monde cite, et ce qu'elle oublie

Le chiffre de 80 % de Gartner revient dans chaque post « l'IA démocratise le code » sans la nuance qui le rend utile : il compte les outils internes, les prototypes, les utilitaires de département. Ça ne veut pas dire que 80 % de l'infrastructure marketing en production sera maintenue par des non-ingénieurs à la même échéance.

Il y a un écart réel entre « un growth marketer a utilisé un agent de codage IA pour livrer un script qui fonctionne » et « ce script est maintenant une infrastructure dont l'entreprise dépend ». Le premier arrive aujourd'hui, constamment. Le second exige les mêmes choses que d'habitude : un contrôle de version, un propriétaire, un moyen de revenir en arrière. Qu'un agent écrive le code ne supprime pas cette exigence, ça la déplace juste plus tôt dans le calendrier, avant que la chose tourne plutôt qu'après qu'elle casse.

Traitez le chiffre citizen-developer comme une description de qui est désormais capable de livrer quelque chose, pas comme un verdict sur ce qui devrait tourner sans supervision.

Ignorez le conseil « demandez-lui juste de coder votre tableau de bord »

La plupart des posts « comment utiliser un agent de codage IA pour le marketing » recommandent de commencer par un outil interne complet : un centre de contrôle de campagnes, un instrument de reporting unifié, le grand jeu. C'est le mauvais premier chantier.

Les équipes qui en tirent une vraie valeur commencent plus petit : un script, une entrée claire, une sortie claire, relu par quelqu'un qui sait lire du code même s'il n'en écrit pas tous les jours. Un tableau de bord, ce sont dix scripts qui portent une interface. Livrez bien le premier script avant d'en assembler dix et d'appeler ça de l'infrastructure.

Si l'équipe croule sous les comptes-rendus de réunion et les tâches de suivi avant même d'arriver à la partie code, c'est un problème différent, plus petit, à régler en premier, et qu'un agent IA de compte-rendu de réunion traite sans toucher une seule ligne de code de campagne.

Comment ça s'intègre dans une stack orchestrée

Un agent de codage IA écrit la fonction. Une couche d'orchestration décide quand cette fonction tourne, ce qui la déclenche, et ce qui se passe ensuite entre email, ads et CRM. Confondre les deux, c'est comme ça qu'une équipe finit avec un script brillant que personne n'a branché à rien, qui dort dans un dépôt, jamais déclenché par la campagne pour laquelle il a été construit.

La position de Compass là-dessus est directe : l'orchestration est la couche qui route une campagne à travers les canaux en fonction du signal en direct, pas la couche qui écrit le code que ces canaux font tourner. Les deux sont complémentaires, pas concurrents. Un script construit par un agent de codage qui signale une séquence email à l'arrêt n'a de valeur que si quelque chose en aval reroute l'envoi vers les ads le jour même, pas au sprint suivant.

Pour les équipes qui gèrent le volet commerce d'un lancement, ce reroutage dépasse largement les outils marketing : une plateforme boutique avec sa propre couche d'automatisation mérite qu'on lui pose la même question qu'à n'importe quel script écrit par un agent, qui possède le chemin d'exception quand une synchronisation échoue en plein lancement.

Ce qu'on routerait vraiment ce trimestre

Un agent de codage IA gagne sa place dans la stack d'une équipe growth pour les tâches bornées, possédées par quelqu'un, qui échouent bruyamment : le parseur UTM, l'extraction depuis l'entrepôt de données, le correctif de webhook. Il ne gagne pas sa place en écrivant votre méthodologie d'attribution ou en tournant sans supervision contre des données CRM de production dès le premier jour.

Commencez par le plus petit script qui fait gagner une vraie après-midi à quelqu'un. Nommez un propriétaire avant qu'il ne parte en production, pas après qu'il casse. Routez les décisions de campagne les plus lourdes par la couche construite pour ça, pas par ce que l'agent de codage a touché en premier.

Trois métriques disent si le montage fonctionne après un trimestre : combien de ces scripts tournent encore sans surveillance, combien de fois l'un d'eux a échoué en silence avant qu'un humain ne le remarque, et combien de temps a pris le correctif une fois que quelqu'un l'a repéré. Si le troisième chiffre continue de baisser, l'agent de codage a gagné sa place dans la stack. Si le premier chiffre grossit plus vite que l'équipe ne peut nommer de propriétaires, vous avez construit de la dette de maintenance plutôt qu'un gain d'efficacité.