Comment Andrew Lolk utilise l’IA pour analyser les données PPC, repérer des tendances et prendre de meilleures décisions

Description de l’épisode

Fred Vallaeys, CEO et cofondateur d’Optmyzr et auteur de The AI Amplified Marketer, s’entretient avec Andrew Lolk, fondateur de Savvy Revenue, pour parler de l’endroit où l’IA mérite réellement sa place dans une agence PPC sérieuse, et de l’endroit où elle ne la mérite pas.

Andrew est l’une des voix les plus respectées du search payant. Son agence gère des structures de campagnes de recherche sophistiquées, basées sur les flux, où la gestion des mots-clés est largement automatisée. Donc, lorsqu’il s’agit d’IA, il ne cherche pas de l’aide pour gérer les campagnes. Il est déjà au-delà de ça.

Ce qu’il a trouvé à la place est quelque chose de plus précieux : un analyste personnel disponible à toute heure, capable de distiller de grands ensembles de données en quelques minutes et de faire ressortir des tendances qui nécessitaient auparavant un junior, une pile de feuilles de calcul et quelques heures.

Si vous voulez une perspective concrète et expérimentée sur la manière dont l’IA crée un véritable levier dans le travail d’agence PPC, cet épisode vaut le détour.

Voici ce qui a été abordé dans cet échange :

• Comment Andrew utilise l’IA pour analyser plus rapidement les données PPC
• Pourquoi l’IA est meilleure en analyse qu’en gestion de campagnes
• La valeur surprenante de l’import de fichiers CSV dans Claude
• Pourquoi Andrew demande à l’IA de ne pas inférer, conclure ou deviner
• Comment l’IA aide Savvy Revenue à gérer les SOP et les opérations internes
• Les opportunités et les risques des agents IA et des MCP
• La vision d’Andrew pour un avenir sans types de correspondance des mots-clés
• Des façons concrètes pour les marketeurs PPC d’utiliser l’IA aujourd’hui sans perdre le contrôle

Enseignements de l’épisode

Andrew Lolk n’est pas quelqu’un qui s’enthousiasme pour l’IA pour l’IA. Il dirige Savvy Revenue, l’une des agences PPC les plus sophistiquées techniquement qui opèrent aujourd’hui, et son niveau d’exigence de base est déjà élevé. Les campagnes de recherche reposent sur des structures basées sur les flux. Les mots-clés sont ajoutés et supprimés dynamiquement. De nouvelles marques et catégories arrivent automatiquement.

Il n’y a pas beaucoup de place pour que l’IA arrive en annonçant qu’elle optimise les choses, parce que l’optimisation est déjà largement prise en charge.

Ce qu’Andrew a trouvé, c’est quelque chose de différent et de plus utile : l’IA comme partenaire de réflexion et couche analytique qui remplace des heures de travail sur tableur, répond instantanément aux questions opérationnelles et conserve la mémoire institutionnelle d’une agence sans qu’il soit nécessaire de la gérer manuellement.

La conversation avec Fred couvre tout cela, ainsi que les risques qu’Andrew perçoit et dont la plupart des gens du secteur ne parlent pas assez fort.

Comment Andrew utilise l’IA pour analyser plus rapidement les données PPC

Le workflow qu’Andrew décrit est volontairement peu glamour, et c’est précisément pour cela qu’il fonctionne. Au lieu de demander à Claude d’extraire directement des données de Google Ads, ce qui se complique à mesure que les comptes deviennent grands et complexes, il télécharge un CSV avec exactement les colonnes qu’il souhaite, puis importe ce fichier et commence à poser des questions.

Andrew explique : « En téléchargeant le fichier CSV et en lui demandant de distiller les données, de trouver différentes visualisations de ces données, j’ai parfois simplement obtenu un bien meilleur résultat dans ce que je présente aux clients, mais aussi une meilleure compréhension de ce qui se passe dans un compte en faisant cela. »

Claude écrit du Python en arrière-plan pour agréger et analyser les données. Ce qui nécessitait auparavant 45 minutes de travail avec des VLOOKUP et des tableaux croisés dynamiques prend désormais quelques questions ciblées. Andrew a donné un exemple précis : un grand compte européen pour lequel il devait comprendre la performance cross-canal. Il a ingéré ensemble les données Google Ads, les données Meta Ads, les chiffres de revenus du client et les données Klaviyo.

Un graphique a montré que chaque fois qu’il réduisait les dépenses Google Ads, le client augmentait ses dépenses Meta dans une corrélation presque parfaite. Un media mix model, produit sans en construire intentionnellement un.

Au lieu de demander à Claude d’auditer le compte, il lui demande si les données soutiennent une hypothèse précise, ou quel segment, parmi dix comptes, pèse sur la performance en glissement annuel. Ce cadrage produit quelque chose d’utile. Une demande d’audit ouverte produit du bruit.

Pourquoi l’IA est meilleure en analyse qu’en gestion de campagnes

Andrew est explicite : il n’utilise pas Claude pour modifier des comptes ou construire des campagnes. Pour le type de travail que fait Savvy Revenue, ce n’est pas là que l’IA apporte de la valeur. Les comptes fonctionnent déjà avec une automatisation sophistiquée. Demander à une IA d’optimiser par-dessus crée plus de risques qu’opportunités.

La couche analytique est différente. Elle ne touche à rien. Elle vous aide simplement à voir les choses plus vite et plus clairement. Et elle est disponible à toute heure, ce qui compte quand on dirige une équipe distribuée.

« Pour moi, le défi devient presque le suivant : j’ai deux copies de Claude, une personnelle et une professionnelle. Et ensuite, dans Claude, vous avez les trois façons de travailler avec lui. Laquelle ai-je utilisée pour poser cette question ? Où dois-je aller pour obtenir cette réponse ? », dit Andrew.

La gestion des assistants IA commence à ressembler à la gestion de personnes. Il faut savoir où chacun a du contexte, ce qu’il sait et ce qu’il ne sait pas. C’est un nouveau type de problème opérationnel, mais c’est un bon problème à avoir. L’alternative était soit d’embaucher quelqu’un, soit de faire le travail soi-même.

La valeur surprenante de l’import de fichiers CSV dans Claude

C’est le conseil le plus pratique et le plus transférable de la conversation, et il va à l’encontre de la façon dont la plupart des gens envisagent l’IA et les données PPC. Le réflexe est de connecter Claude directement à Google Ads via une API ou un MCP et de le laisser récupérer ce dont il a besoin. L’expérience d’Andrew montre que cela se casse la figure sur les gros comptes.

L’approche CSV fonctionne parce que vous contrôlez exactement ce qui entre. Vous définissez les colonnes, les plages de dates, la segmentation. Claude n’a pas à deviner quoi extraire. Il doit simplement travailler avec ce qui est là. Et sur de grands ensembles de données, seul Claude gère actuellement cela correctement. Les autres modèles se perdent ou atteignent des limites.

La même logique s’applique aux questions que vous posez. Des questions spécifiques, fondées sur une hypothèse, donnent des réponses spécifiques et utiles. Andrew traite l’IA comme un analyste brillant, excellent pour repérer des tendances mais sans aucun contexte métier. Le contexte métier relève de l’humain.

Pourquoi Andrew demande à l’IA de ne pas inférer, conclure ou deviner

C’est l’instruction qui fait fonctionner tout le reste. Sans elle, Claude lira un ensemble de données montrant une baisse du volume et une hausse du ROAS, puis conclura que la stratégie du compte consistant à se resserrer et à devenir plus rentable fonctionne. Si l’objectif réel était la croissance, cette conclusion n’est pas seulement fausse, elle peut aussi être dommageable si elle influence une recommandation client.

« Je lui demande de ne rien conclure. Toutes les consignes que nous avons dans Claude sont très spécifiques : ne conclus pas, n’infère pas, ne devine pas », dit Andrew.

L’IA n’a aucun moyen de savoir quels sont les objectifs stratégiques du compte, à moins que vous ne le lui disiez. Et même dans ce cas, tirer des conclusions à partir des données nécessite un contexte métier qui vit dans l’esprit des personnes qui gèrent le compte. Andrew veut que les données soient distillées et visualisées. Il tirera lui-même les conclusions. C’est la bonne répartition des rôles.

C’est une consigne simple, mais il faut de la discipline pour l’appliquer de manière cohérente. La tentation est de laisser l’IA tout synthétiser, ce qui fait gagner du temps jusqu’au moment où elle produit une recommandation convaincante fondée sur une mauvaise interprétation de l’intention.

Comment l’IA aide Savvy Revenue à gérer les SOP et les opérations internes

Savvy Revenue a construit son système d’exploitation interne sur Notion il y a quatre ans. Aujourd’hui, ce système fonctionne avec des agents IA intégrés partout, et les résultats sont significatifs.

Chaque SOP comporte une petite note spécifique à l’IA en dessous. Les agents Notion peuvent lire tous les e-mails clients, les conversations Slack, les notes de projet et les comptes rendus de réunion. Lors de la planification trimestrielle, Andrew a demandé à l’agent de passer en revue toutes les vidéos YouTube qu’il avait publiées, tous les projets clients terminés et tous les résultats de projet, puis de compiler une base de données indiquant ce qui avait fonctionné dans quelles circonstances et ce qui n’avait pas fonctionné.

Cette base de données fournit désormais à l’équipe des recommandations en temps réel : si un compte ressemble à ceci, ce type de projet a tendance à réussir.

Le système de maintenance des SOP est tout aussi rationalisé. Les membres de l’équipe devaient auparavant cliquer sur un bouton, remplir un formulaire et soumettre une demande lorsqu’un élément d’une SOP n’était pas clair ou n’était plus à jour. Désormais, ils commentent simplement directement sur la page, comme dans un Google Doc.

Un agent IA s’exécute chaque mois, passe en revue tous les commentaires, corrige ce qu’il peut dans les limites définies, récupère l’historique Slack pertinent pour obtenir un contexte supplémentaire, et transmet tout ce qu’il ne peut pas résoudre seul au partenaire d’Andrew chargé des opérations pour examen.

« La quantité de travail que cela enlève à la gestion d’une agence, et pas seulement du point de vue Google Ads, est incroyable », explique Andrew. « Et cela manque complètement le contexte de ce qui se passe ici et de la manière dont vous aimez faire les choses. Je pense que c’est un énorme avantage pour la production de contenu, parce que vous partagez votre façon de penser, et cela peut être converti en SOP. »

Le cas d’usage des opérations d’agence est aujourd’hui plus mature que le cas d’usage Google Ads, et Andrew est très clair à ce sujet. La documentation, la planification, la gestion des connaissances institutionnelles : c’est là que l’IA apporte aujourd’hui une vraie valeur.

Les opportunités et les risques des agents IA et des MCP

Andrew utilise largement l’écosystème de Claude. Il utilise Superhuman pour les e-mails précisément parce qu’il dispose d’un MCP Claude bien conçu qui se connecte plus proprement à Gmail que le MCP Gmail natif. Il a à la fois un compte Claude personnel et un compte professionnel. Il a réfléchi avec soin à ce qu’il faut connecter et à ce qu’il ne faut pas connecter.

Mais il s’inquiète aussi. Sur la question des MCP plus largement, en particulier dans l’espace Google Ads, il tire la sonnette d’alarme là où la plupart des gens ne le font pas assez fort.

« La sécurité, la cybersécurité, c’est quelque chose de vraiment important de mon côté. Je pense que cela va exploser au visage de tout le monde très bientôt. Toutes les différentes API, tous les différents MCP, tout. Il existe très peu de solutions MCP de confiance, surtout dans l’espace Google Ads, et je pense que c’est quelque chose dont tout le monde doit se préoccuper beaucoup plus », mentionne Andrew.

Son analogie, ce sont les scripts. Aux débuts des scripts Google Ads, on pouvait installer quelque chose écrit par un inconnu sans avoir la moindre idée de ce que cela faisait réellement à son compte. Les MCP avec accès en écriture sont une version du même risque, avec simplement une surface d’attaque plus large et un potentiel de dégâts plus important. Le secteur PPC a déjà été échaudé par cela. L’ère actuelle des outils IA mérite le même niveau de vigilance.

L’inquiétude d’Andrew concernant les MCP s’inscrit dans une réflexion plus large sur la manière dont le secteur se précipite vers la connectivité sans en mesurer pleinement les implications. L’accès en lecture est une chose. L’accès en écriture à un compte publicitaire client, avec de vrais budgets en jeu, est un niveau de risque totalement différent.

La vision d’Andrew pour un avenir sans types de correspondance des mots-clés

Le souhait d’Andrew pour Google est de supprimer complètement les types de correspondance et de les remplacer par un spectre de paramètres d’exploration du smart bidding. Le système actuel demande aux annonceurs d’exprimer leur intention via le formatage des mots-clés : broad match pour l’expansion, exact match pour le contrôle, phrase quelque part entre les deux. Il trouve cela de plus en plus redondant.

Ce qu’il veut à la place, c’est un seul curseur côté smart bidding. À une extrémité, vous pouvez indiquer au système d’explorer jusqu’à 30 % en dessous de votre objectif de ROAS en échange de volume. À l’autre extrémité, vous pouvez resserrer jusqu’à 30 % au-dessus de votre objectif de ROAS pour une efficacité maximale. Les crochets et les guillemets des types de correspondance deviennent inutiles, parce que le système d’enchères gère déjà ce qu’ils essayaient d’approximer.

« Pourquoi dois-je ajouter un mot-clé entre crochets ou entre guillemets et débattre avec des gens sur Internet pour savoir si les guillemets ou les crochets sont meilleurs ? C’est ridicule », dit Andrew.

C’est une vision cohérente. L’exploration du smart bidding va déjà dans cette direction. L’argument est que les types de correspondance sont un mécanisme de contrôle hérité, conçu pour un monde d’enchères manuelles, et que plus vite Google les abandonnera au profit de paramètres d’exploration plus directs, plus l’expérience annonceur sera fluide.

Des façons concrètes pour les marketeurs PPC d’utiliser l’IA aujourd’hui sans perdre le contrôle

Le fil conducteur de toute cette conversation, c’est le contrôle. Andrew est enthousiaste à propos de l’IA, mais précis sur l’endroit où elle opère. Elle analyse, elle fait ressortir des tendances, elle maintient la documentation, elle répond aux questions opérationnelles. Elle ne gère pas les comptes, ne tire pas de conclusions stratégiques et n’effectue pas d’actions qui ne peuvent pas être revues.

Ce cadrage est plus utile que le conseil générique « utilisez l’IA pour gagner du temps » qui remplit la plupart des contenus du secteur. Les gains de temps sont réels, mais ils viennent d’applications spécifiques avec des garde-fous précis, pas du fait de donner l’accès au compte et d’espérer le meilleur.

Le point de départ pratique qu’il décrit est accessible à n’importe quelle équipe PPC : téléchargez un CSV, importez-le dans Claude, posez une question précise sur un problème précis que vous avez déjà commencé à théoriser. Voyez ce que la visualisation montre. Construisez à partir de là. Les agences qui tireront le plus parti de l’IA dans les prochaines années ne seront pas celles qui auront connecté le plus d’outils. Ce seront celles qui auront réfléchi avec soin à l’endroit où l’IA mérite la confiance et lui auront donné de l’espace pour opérer uniquement à ces endroits.

Transcription de l’épisode

Frederick Vallaeys : Salut, je m’appelle Fred Vallaeys. Je fais une série sur les marketeurs amplifiés par l’IA, et l’une des meilleures personnes à qui parler, l’une des personnes les plus tranchées et les plus intelligentes en PPC, c’est Andrew Lolk, qui dirige Savvy Revenue. Andrew, ravi de te revoir. Bienvenue en studio.

Andrew Lolk : Merci, Fred. Ravi d’être ici.

Frederick Vallaeys : Oui. Est-ce que Claude t’a dit de te faire couper les cheveux ?

Andrew Lolk : En fait, j’ai téléchargé une photo de moi à la salle de sport et j’ai demandé à Gemini de faire semblant, et je n’ai tout simplement pas aimé le résultat. Mais ma femme m’a dit que je devrais essayer. Donc.

Frederick Vallaeys : D’accord. Tu t’es quand même lancé. C’est plutôt cool. Donc tu fais confiance à l’IA. Mais parlons de l’IA dans les affaires, d’accord ? Tu lui as demandé des conseils pour ta coupe de cheveux. Évidemment, il y a beaucoup de choses qu’on peut lui demander pour notre vie professionnelle, pour le PPC. Quel est ton niveau de confort aujourd’hui avec l’utilisation de l’IA dans les affaires ?

Andrew Lolk : Je pense que l’une des choses que je dirais, la meilleure façon de le dire, c’est que quand les gens disent qu’ils ne sont pas à l’aise à l’idée de télécharger leurs transactions bancaires via l’IA, ma première réaction est : « Pourquoi ? » Je fais partie de ceux qui pensent que plus on peut donner de choses à l’IA, mieux c’est. Plus elle en sait sur moi, mieux c’est. Plus elle peut se connecter à mes e-mails, à mes transactions bancaires, à tout ce que nous faisons, mieux c’est.

C’est donc ce que nous essayons de faire chez Savvy. Nous essayons de lui donner autant de contexte que possible. Donc toutes nos notes clients, e-mails, Slacks, tout, parce que cela me fait simplement gagner du temps. On parlait plus tôt dans la journée de cette question des personnes dans différents fuseaux horaires. Je peux simplement demander à l’IA : « Qu’est-ce que c’est ? Pourquoi cela fonctionne-t-il ? Quelle est notre politique de congés ? Quand cette personne travaille-t-elle ? »

Je n’ai pas à me sentir mal d’inviter quelqu’un à une réunion à 16 h alors qu’il part tous les jours à 15 h parce que, pour une raison quelconque, je n’arrive pas à m’en souvenir. Mais il part tous les jours pour aller chercher ses enfants. J’ai simplement cela dans un document dans Notion. Je peux demander à Notion AI : « Quel est le meilleur moment pour planifier une réunion avec Benjamin ? » Je la programmerai à 15 h.

Frederick Vallaeys : Oui, l’IA peut être extrêmement utile. Et en fait, tu fais partie des principaux marketeurs PPC. J’imagine que tu as utilisé l’IA pour te démarquer, et je voulais simplement entendre ce que tu faisais et ce qui fonctionne pour toi.

Andrew Lolk : Je pense que pour moi, comme beaucoup de gens, j’ai l’impression d’être constamment en retard. Il y a cette anxiété liée à l’IA, où tu vois quelqu’un faire quelque chose et tu te dis : « Oh mon Dieu, pourquoi je ne fais pas ça ? » Je pense que j’ai enfin trouvé un endroit où je suis plus à l’aise avec ce que je fais et avec ce que l’IA peut faire.

Frederick Vallaeys : Je te comprends. On a regardé la keynote de Google I/O, et à un moment on s’est regardés en se disant : « Pourquoi est-ce qu’on est là à regarder ça alors qu’il y a toutes ces nouveautés sur lesquelles on devrait faire quelque chose ? » On a toujours l’impression d’être submergés.

Andrew Lolk : Et je pense que les choses pour lesquelles j’utilise l’IA aujourd’hui sont en réalité, du point de vue Google Ads, très peu intéressantes. Je ne fais rien où Claude va dans mes comptes pour les modifier ou construire des campagnes. Mais je pense aussi qu’il est important de regarder où nous en sommes du point de vue Google. Quels types de comptes gérons-nous aujourd’hui, et quels bénéfices tirons-nous de l’IA ?

Parce que chez Savvy, nous gérons déjà beaucoup de choses de manière plus ou moins entièrement automatisée. Toutes nos campagnes de recherche sont construites sur une structure basée sur les flux. Donc de nouveaux mots-clés sont ajoutés, les anciens mots-clés sont supprimés, de nouvelles marques sont ajoutées, de nouvelles catégories sont ajoutées. Tout cela se fait déjà de manière dynamique. Ensuite, il y a un petit aspect lié à l’ajout de variantes de mots-clés, et cela peut être fait assez rapidement.

Mais là où j’ai trouvé de loin le plus d’aide pour notre clientèle, c’est essentiellement d’obtenir un analyste personnel, de pouvoir — et cela va devenir très impopulaire — télécharger le fichier CSV depuis Google Ads pour avoir exactement les colonnes que vous voulez. Vous ne lui demandez pas d’essayer d’extraire les données, parce qu’une fois que les comptes deviennent assez grands, Claude ou Gemini se perdent vraiment en essayant d’en sortir les données. Mais simplement télécharger le fichier CSV, puis lui demander de distiller les données, de trouver différentes visualisations de ces données. Et j’ai parfois obtenu un bien meilleur résultat dans ce que je présente aux clients, mais aussi une bien meilleure compréhension de ce qui se passe dans un compte en faisant cela. C’est de loin la plus grande avancée pour moi.

Frederick Vallaeys : Et donc, quand tu fais analyser des données par l’une de tes IA, trouves-tu que c’est assez fiable ? Est-ce qu’elle écrit du Python pour faire l’analyse ?

Andrew Lolk : Elle écrira donc un script Python afin de distiller les données, de les agréger et tout ça. Ce à quoi je fais très attention, c’est que je lui demande de ne rien conclure. Toutes les consignes que nous avons dans Claude sont très spécifiques : ne conclus pas, n’infère pas, ne devine pas. Parce qu’elle lira les données et dira : « D’accord, maintenant votre ROAS augmente et votre volume baisse. Votre stratégie consistant à vous resserrer et à devenir plus rentable fonctionne. » Et moi, je reste là en me disant : « Le but est de se développer. C’est l’inverse de ce que nous voulons. » Donc elle conclut des choses ou infère votre stratégie ou vos raisons pour lesquelles les données sont ce qu’elles sont.

Frederick Vallaeys : Donc elle suppose que tu réussis et que tu voulais réellement que cela se produise.

Andrew Lolk : Exactement. Et j’ai été très strict sur le fait de lui dire de ne pas faire ça. N’infère pas. Ne conclus pas. Ne fais rien. Aide-moi simplement à distiller les données.

Et c’est quelque chose où, avant, j’aurais eu les données dans une Google Sheet ou un tableur Excel, et tu aurais créé des VLOOKUP, tu aurais créé des tableaux croisés dynamiques pour essayer d’y arriver. Et tu y serais arrivé au bout de 45 minutes. En téléchargeant les données, même des ensembles de données assez volumineux, dans Claude — c’est seulement Claude qui peut gérer cela aujourd’hui — je peux poser des questions sur les données. J’ai fait une analyse d’un énorme compte en Europe il y a quelques mois, et au lieu de faire tout le travail sur tableur, je lui ai simplement posé des questions, encore et encore, et c’était magnifique.

Frederick Vallaeys : Oui, exactement. Et il peut le faire rapidement parce qu’il n’utilise pas de feuilles de calcul, qui, en surface, sont en réalité assez lourdes. Il utilise simplement le code Python sous-jacent pour faire une véritable analyse.

Andrew Lolk : Et donc je pense que la magie ici, c’est d’éviter de lui demander de faire un audit. « Audite ces données. » Non. Tu as les données, tu as déjà une théorie sur ce qui se passe. Tu dis : « Les données soutiennent-elles ma thèse à ce sujet ? » Ou : « Nous sommes moins performants en glissement annuel sur 10 comptes. Quel segment du compte est en cause ? »

Et aussi, vous aviez le PPC detective il y a des années. Je ne sais pas si vous l’avez encore.

Frederick Vallaeys : Oui, le PPC Investigator.

Andrew Lolk : Investigator. Oui. J’ai toujours adoré ça, avoir cette vue où tu peux voir, d’accord, le CTR des campagnes Shopping a diminué, donc tu obtiens moins de volume. D’accord, maintenant tu sais quoi faire.

C’est exactement la même chose ici : vous essayez de trouver ce segment qui ne fonctionne pas, puis d’en faire une visualisation. J’avais un client pour lequel je n’arrivais pas à comprendre pourquoi son compte polonais, quoi que nous fassions, même en réduisant les dépenses et la marge de contribution globale ou le ROAS mixte, ne s’améliorait jamais. On est passés d’un ROAS de 250 % à 450. Comment cela peut-il ne pas s’améliorer ? Et nous l’avions essayé deux fois, sans amélioration.

J’ai donc ingéré toutes les données Google Ads, toutes les données Meta Ads, ainsi que le chiffre d’affaires du client et les données Klaviyo. Et le seul graphique qu’il a produit était le pourcentage de dépenses Meta, et il coïncidait exactement avec les moments où je réduisais les dépenses Google Ads, puis où le client augmentait Meta. En gros, un modèle de mix média sans le savoir.

Frederick Vallaeys : Intéressant.

Andrew Lolk : Et ce sont les choses qui, pour moi, signifient que la partie analyse veut dire que je n’ai pas besoin d’avoir un junior, je n’ai pas besoin de demander à quelqu’un de mon équipe de faire tous ces rapports. Je peux obtenir ce rapport immédiatement en formulant simplement ma demande.

Frederick Vallaeys : Pour moi, c’est ce qui a débloqué ce que vous décrivez, mais aussi le fait qu’une grande partie de mon équipe travaille dans des fuseaux horaires différents. Et au moment où je suis prêt à leur poser une question, ils dorment souvent ou sont avec leur famille. Mais cet assistant est toujours là et toujours prêt à intervenir quand je le suis.

Et pour moi, le défi devient presque le suivant : j’ai deux versions de Claude, une personnelle et une professionnelle. Et ensuite, dans Claude, vous avez les trois façons de l’utiliser. À laquelle ai-je posé cette question ? Où dois-je aller pour obtenir cette réponse ?

Andrew Lolk : Donc, un peu comme pour la gestion des employés dans une entreprise, maintenant j’ai cette main-d’œuvre composée de nombreux agents, et comment faire ? Ai-je besoin d’un manager pour les superviser ? Et c’est en train de devenir le prochain niveau de défi pour moi.

Frederick Lallaeys : Oui. Oui. En ce qui concerne les agents avec lesquels vous travaillez, Claude Co-work — c’est plutôt bien, non ?

Andrew Lolk : Nous faisons des allers-retours. Je pense qu’à ce stade, Claude est tellement en avance qu’il débloque énormément de choses intéressantes que vous n’avez tout simplement pas aujourd’hui dans ChatGPT ou Gemini.

Frederick Lallaeys : Oui, absolument. Je suis totalement d’accord. C’est celui qui fonctionne pour le travail. ChatGPT — c’est celui que j’utilise si j’ai besoin de trouver quelque chose et que je ne veux pas le chercher sur Google. Mais si j’ai besoin d’écrire un e-mail, pourquoi irais-je sur ChatGPT pour obtenir quelque chose que je dois copier-coller dans un autre écran, alors que Claude peut simplement le faire pour moi ?

Andrew Lolk : C’est encore l’analogie de la place de marché. Pour qu’une place de marché réussisse, il faut beaucoup d’acheteurs et beaucoup de vendeurs. Il faut des acheteurs pour attirer des vendeurs, et des vendeurs pour attirer des acheteurs. Et l’écosystème Claude est tout simplement incroyable, non ? J’utilise Superhuman pour mes e-mails et ils ont un MCP Claude. Le MCP Gmail ne fonctionne pas aussi bien dans Claude que dans Superhuman, parce qu’ils ont tout ouvert et qu’ils ont une connexion à Gmail. Donc, franchement, ce qu’ils ont construit aujourd’hui est incroyable.

Frederick Lallaeys : Oui. Et donc, en parlant des MCP, vous aimez celui de Superhuman. Avez-vous créé des MCP pour Savvy, ou lesquels vous attirent particulièrement ?

Andrew Lolk : Nous n’en avons pas créé, mais c’est aussi parce que la plupart des données que nous avons — nous stockons toutes nos données dans BigQuery. Très tôt, nous avons créé un data warehouse pour toutes les données de nos clients afin de tout centraliser en un seul endroit.

La sécurité, la cybersécurité, est un sujet vraiment majeur de mon côté. Je pense que cela va exploser au visage de tout le monde très bientôt. Toutes les différentes API, tous les différents MCP, tout cela — je m’inquiète énormément à ce sujet. Et il existe très peu de solutions MCP de confiance, surtout dans l’univers Google Ads. Je pense que c’est quelque chose dont tout le monde devrait se préoccuper beaucoup plus. Laisser n’importe qui créer un accès à un compte, et pas seulement un accès en lecture, mais un accès en écriture.

Frederick Vallaeys : C’est un peu comme les scripts à l’époque, non ? Vous pouviez installer un script écrit par quelqu’un d’autre et, sans le savoir, le laisser faire.

Andrew Lolk : Oui, exactement. Vous le laissez faire, et il envoie maintenant toutes les données de votre compte à une personne au hasard sans que vous le sachiez.

Frederick Vallaeys : Oui, exactement. Donc ça, c’est les MCP. Qu’en est-il des skills ? Développez-vous des skills en interne chez Savvy Revenue ?

Andrew Lolk : Nous avons deux niveaux chez Savvy. Nous avons construit tout notre système d’exploitation interne sur Notion. C’était une décision que nous avons prise il y a quatre ans, et cela a toujours très bien fonctionné pour nous. Aujourd’hui, cela fonctionne incroyablement bien parce que vous pouvez avoir n’importe quelle page dans Notion — nous n’avons pas besoin de compliquer les choses — mais chaque page dans Notion peut devenir une instruction pour l’IA. Donc, là où nous avons tous nos SOP, nous ajoutons simplement une petite note sous un SOP, spécifique à l’IA. Du coup, tout le travail que nous avons jamais fait, toutes les notes, tous les e-mails clients, toutes les conversations clients, tout ce que nous avons eu et aurons jamais, d’un point de vue opérationnel quotidien, fonctionne dans Notion. Et les agents y gèrent la gestion de projet, la planification hebdomadaire et tout ce genre de choses. Tout est là-dedans.

Frederick Vallaeys : Le maxing de tokens.

Andrew Lolk : Ah, vraiment ? Mais vous ne payez pas les tokens là-dedans.

Frederick Vallaeys : Oh, c’est incroyable. J’ai acheté un abonnement Claude, un abonnement classique, juste pour le saturer en deux minutes. D’accord, très bien. Mais je peux faire ce que je veux dans Notion. C’est une version limitée de Claude, donc elle ne consomme pas les tokens de la même manière.

Andrew Lolk : Et c’est une chose qui m’agace parfois. Vous achetez un logiciel, que ce soit Notion ou autre chose, et pour rendre possible une utilisation illimitée de l’IA dans le cadre de l’offre que vous payez, ils ne vous donnent pas le meilleur modèle, n’est-ce pas ? Mais parfois, on se dit : « Je pourrais vraiment bénéficier du meilleur modèle, parce que je n’aurais alors pas besoin de tout relire. »

Andrew Lolk : Notion a le meilleur modèle. Il a OpenAI 4.6, il a ChatGPT 5.5, mais la modalité est limitée, alors que Claude va générer un rapport élégant avec différents graphiques. Notion ne fera pas ça. Donc ils le limitent vraiment. Mais maintenant, ils ont des agents autonomes dans tout l’espace de travail. Ils peuvent simplement rester là.

Nous faisons donc la planification trimestrielle chez Savvy, et l’une des choses que nous avons faites cette fois pour les clients, c’est : « D’accord, parcourez toutes les vidéos YouTube que j’ai réalisées, parcourez tous les projets effectués dans les derniers projets clients, trouvez les conclusions, puis rédigez — faites le bilan de quels étaient les différents projets, quels projets ont réussi dans quelles circonstances, et lesquels n’ont pas réussi. » Ensuite, nous pouvons prendre tous ces enseignements, et maintenant nous avons une base de données vivante de 12 recommandations à l’équipe qui dit : si votre compte est dans ce scénario, alors ce projet vous conviendra bien.

La quantité de travail que cela enlève à la gestion d’une agence, et pas seulement du point de vue Google Ads, est incroyable.

Frederick Vallaeys : Oui. Et c’est important, n’est-ce pas ? Vous avez un SOP, si ceci alors cela, ce qui s’applique aussi aux skills. Mais le risque avec l’IA, c’est que vous dites : « Hé, optimise ce compte », et je pourrais l’optimiser de mille façons différentes. Et comme vous l’avez souligné dans certains articles de blog, c’est risqué parce que cela peut complètement abîmer votre compte et vous coûter six mois de —

Andrew Lolk : Exactement. Et il manque tout le contexte de ce qui se passe ici et de la manière dont vous aimez faire les choses. Et je pense que produire du contenu est un énorme avantage, parce que vous partagez votre façon de penser, et cela peut être transformé en SOP.

Et ça a l’air sophistiqué et tout, mais en réalité, c’est simplement dire : « Nous pensons qu’il ne faut pas ajouter chaque mot-clé comme variation de mot-clé. » C’est un SOP. Mais si Claude lit un article de blog de quelqu’un datant d’il y a deux ans, où il fallait ajouter toutes les variations de mots-clés parce que les types de correspondance fonctionnaient différemment, alors il le fera et le recommandera, et ce genre de choses.

Frederick Vallaeys : Et suivre toutes ces petites informations que vous apprenez — allez simplement voir votre agent et dites-lui : « Hé, voici encore une chose que nous devrions prendre en compte pour nos SOP. » Il trouvera le bon endroit où l’ajouter, il saura comment le mettre à jour.

Andrew Lolk : Un très bon exemple, c’est qu’avant, nous avions une structure assez compliquée avec chaque SOP où, lorsqu’une chose était trop ancienne ou que quelqu’un ne la comprenait pas, il fallait cliquer sur un bouton. Ce bouton créait une automatisation qui ouvrait une tâche que vous deviez remplir avec une demande expliquant pourquoi quelque chose ne fonctionnait pas.

Maintenant, tout ce que nous faisons, c’est que dans notre base de données de SOP, les gens peuvent simplement commenter. C’est tout. Je n’ai besoin de rien d’autre. Cela fonctionne exactement comme Google Docs — on surligne quelque chose, on commente, et on dit : « Voilà ce qui fonctionne, voilà ce qui ne fonctionne pas, ou je n’ai pas compris cela. »

Ensuite, nous avons un agent IA qui s’exécute chaque mois, parcourt tout cela. Ce qu’il peut corriger lui-même dans certaines limites que nous lui avons fixées, il le corrige simplement. Il intègre les dernières informations. Il récupère des éléments de notre Slack et dit : « D’accord, quelqu’un a déjà demandé cela. Je peux simplement le prendre et le mettre ici. » Et ce qu’il ne peut pas comprendre lui-même, il le rassemble dans un projet et le transmet à mon associé chez Savvy, qui gère les opérations. Il peut alors le parcourir.

Et c’est tellement plus simple. Je regarde le monde de Google Ads — je pense que nous y arriverons avec des choses similaires, mais ce que cela apporte aujourd’hui à la gestion d’une équipe et d’une entreprise est incroyable.

Frederick Vallaeys : Oui. Maintenant, qu’y a-t-il sur la liste de souhaits ? Quelle est la grande chose en IA qui rendrait votre vie encore meilleure ?

Andrew Lolk : Mon grand souhait, c’est qu’ils éliminent les types de correspondance et qu’il n’y ait plus de type de correspondance, ou seulement la correspondance exacte.

Je pense donc que l’exploration du smart bidding peut supprimer entièrement le besoin des types de correspondance. Aujourd’hui, avec le smart bidding, disons que nous avons un objectif de ROAS de 500 %, je devrais pouvoir dire cela — l’exploration du smart bidding fonctionne en lui donnant la permission d’explorer davantage. De mon point de vue, c’est la version broad match : explorer davantage, aller plus large.

Frederick Vallaeys : Exact. Peut-être que vous n’avez pas besoin d’atteindre des objectifs aussi stricts pendant l’exploration.

Andrew Lolk : Exactement. Je veux aussi l’inverse. Je veux que ce soit sur une échelle où je peux dire : « D’accord, vous pouvez aller 10, 20, 30 % plus bas en ROAS. » Je veux aussi l’inverse — je veux pouvoir aller 10, 20, 30 % plus haut. Donc c’est essentiellement ce que j’essaie de faire avec les types de correspondance. Si je ne diffuse que des correspondances exactes parce que je veux être très serré, avec un ROAS plus élevé, sans risque, pourquoi dois-je ajouter un mot-clé entre crochets ou entre guillemets et débattre avec des gens sur Internet pour savoir si les guillemets ou les crochets sont meilleurs ? C’est absurde.

Mon grand souhait, c’est qu’ils suppriment les types de correspondance.

Frederick Vallaeys : D’accord. Peut-être un jour. Peut-être bientôt. On verra.

Andrew Lolk : Vous ne l’aviez pas vu venir.

Frederick Vallaeys : Bien. Hé, c’était vraiment intéressant d’avoir votre point de vue sur toutes ces choses. Des idées très uniques, et merci de les avoir partagées, et j’espère vous revoir dans un autre podcast.

Andrew Lolk : Merci de m’avoir reçu, Fred.