- Contexte : agence française de marketing d'influence, 15 personnes (3 account managers + 6 talent managers + équipes support), portefeuille 200 marques actives et 1 200 créateurs sous contrat. 12K€ commission moyenne par deal, 8 deals signés par mois en 2024.
- Solution : moteur de matching IA qui analyse pour chaque brief marque les 1 200 créateurs sur 6 dimensions (audience, ton de contenu, historique deals, taux d'engagement, alignement valeurs, contraintes contractuelles) et propose en 10 minutes les 5 créateurs les plus pertinents.
- Résultats à 6 mois : 18 deals signés par mois en moyenne (vs 8 historiques), 85% de temps account managers récupéré sur le matching, satisfaction marques +24 points sur l'enquête trimestrielle. Investissement 12 800€ HT setup + 540€/mois, payback en moins d'un mois.
Voici un cas client livré à l'automne 2025 pour une agence française de marketing d'influence (B2B2C). 15 personnes dont 3 account managers (côté marques), 6 talent managers (côté créateurs), 2 production de campagnes, 2 marketing/business dev, 2 support. Portefeuille de 200 marques actives sur 12 mois glissants et 1 200 créateurs sous contrat exclusif ou semi-exclusif. L'enjeu : industrialiser le matching brand-creator qui était le bottleneck principal de la croissance.
Le contexte client
Référence anonymisée sous accord de confidentialité.
Le défi initial
Identifié lors de notre discovery initiale, en revue avec la direction.
Problèmes identifiés
- Matching brand-creator manuel et chronophage : 4 à 6h d'account manager par brief marque pour identifier 3 à 5 créateurs pertinents parmi 1 200. Cherche dans Notion, croise avec Excel, vérifie sur Instagram/TikTok.
- Qualité de matching inégale : selon l'account manager, la connaissance fine du portefeuille créateurs varie. Les juniors loupaient régulièrement des matchs évidents pour les seniors.
- Données créateurs sous-exploitées : taux d'engagement, historique de deals signés, alignement de valeurs, contraintes contractuelles. Toutes ces données existaient mais étaient éparpillées sur Notion sans pouvoir être interrogées en croisé.
- Volume de deals bottlenecké à 8 par mois : malgré une équipe motivée et des marques en attente, impossible d'accélérer le rythme de signature sans dégrader la qualité de matching.
- Satisfaction marques en baisse : 2 marques majeures ont fait remarquer en revue trimestrielle que les propositions créateurs étaient "un peu génériques" et qu'elles auraient pu trouver elles-mêmes les mêmes profils.
Objectifs validés avec le client
- Réduire de 80% le temps account managers sur le matching brand-creator
- Doubler au minimum le nombre de deals signés par mois à équipe constante
- Améliorer la précision du matching en exploitant systématiquement les 6 dimensions (audience, ton, historique, engagement, valeurs, contraintes)
- Augmenter la satisfaction marques mesurée à l'enquête trimestrielle d'au moins 15 points
- Donner aux juniors un outil qui rapproche leur précision de matching de celle des seniors
L'architecture déployée
Solution structurée en 5 briques principales, orchestrées via n8n self-hosted.
Brique 1 · Base de connaissance créateurs structurée (Supabase)
Migration de Notion + Excel vers une base Supabase consolidée qui stocke pour chaque créateur 24 attributs structurés (réseaux et audiences, ton du contenu, thématiques traitées, historique deals, taux d'engagement par catégorie, alignement valeurs, contraintes contractuelles, tarifs par format). Mise à jour mensuelle automatisée via APIs Instagram Insights et TikTok Creator Marketplace.
Brique 2 · Agent IA d'analyse de brief marque
Agent Claude qui analyse chaque brief marque entrant (PDF, email, brief structuré) et en extrait 12 éléments clés : verticale, valeurs, audience cible, ton attendu, format souhaité (Reel, story, post statique, brand integration), budget, timing, contraintes (exclusivité catégorie, droits d'usage, lieu de tournage). Restitution structurée pour le matching.
Brique 3 · Moteur de matching 6 dimensions
Algorithme qui croise le brief structuré avec les 1 200 créateurs sur 6 dimensions pondérées. 1. Audience (taille, profil démographique, géographie). 2. Ton de contenu (cohérence avec le brief). 3. Historique deals (catégorie verticale déjà travaillée vs nouveauté, performance). 4. Taux d'engagement réel (vs vanity metrics). 5. Alignement valeurs (créateur n'a jamais critiqué la marque ou la verticale, n'a pas de partenariat concurrent en cours). 6. Contraintes contractuelles (disponibilité, budget, format compatible).
Brique 4 · Restitution Top 5 et brief account manager
Pour chaque brief, restitution d'un Top 5 créateurs avec score de matching, argumentaire par dimension, suggestions d'angle créatif, et estimation budget. L'account manager valide ou ajuste en 10 minutes au lieu de 4 à 6h.
Brique 5 · Apprentissage continu et amélioration des poids
Workflow n8n qui tracke pour chaque deal signé : score initial du matching, satisfaction marque post-campagne, performance créative (vues, engagement, conversions). Les poids des 6 dimensions s'ajustent automatiquement chaque mois sur la base des deals à forte performance.
La méthode et la calibration
5 phases sur 5-6 semaines au total. La phase de calibration est non-négociable : sans elle, l'agent livre des résultats médiocres et l'équipe perd confiance.
Semaines 1-2 · Migration Notion vers Supabase et structuration
Extraction et nettoyage des 1 200 fiches créateurs depuis Notion + Excel. Mise en place du schéma Supabase à 24 attributs. Enrichissement manuel des fiches partiellement remplies par les 6 talent managers (3 jours d'effort collectif). Validation par les 3 account managers sur 100 fiches échantillon.
Semaine 3 · Construction de l'analyseur de brief marque
Analyse de 50 briefs marques historiques pour identifier les 12 éléments clés à extraire systématiquement. Rédaction du prompt analyseur, tests sur 30 briefs en double avec validation account managers. 4 itérations pour atteindre 92% de précision sur l'extraction.
Semaines 4-5 · Construction du moteur de matching et calibration
Implémentation de l'algorithme de scoring 6 dimensions. Calibration initiale des poids sur 60 deals historiques (matching IA recalculé a posteriori vs créateur réellement choisi). Précision Top 5 contenant le bon créateur passée de 58% à 84% après 3 itérations sur les poids.
Semaines 6-7 · Tests en double et adoption account managers
40 briefs marques en double sur 3 semaines : moteur IA + matching manuel par les 3 account managers en aveugle. Comparaison sur 3 critères : pertinence Top 5, temps passé, satisfaction account manager. Les 3 account managers convaincus en fin de semaine 7, adoption mesurée à 100% dès semaine 8.
Semaine 8 · Hand-off et formation équipe
Session 2h pour les 9 personnes commerciales (3 AM + 6 TM) sur l'outil. Mise en place du rituel hebdomadaire d'1h pour analyser les deals signés et enrichir les poids du moteur. Documentation Notion vivante pour la maintenance.
Les résultats mesurés
Mesures comparatives entre le mois précédant le projet et 6 mois après mise en production (mai 2026).
| KPI | Avant | Après | Variation |
|---|---|---|---|
| Deals brands-creators signés par mois (moyenne) | 8 | 18 | x2,3 |
| Temps account manager par brief marque | 4 à 6h | 8 à 12 min | -95% |
| Précision Top 5 (matching contient le créateur retenu) | n/a (matching manuel non scoré) | 84% | n/a (capacité nouvelle) |
| Satisfaction marques sur l'enquête trimestrielle | 6,9 / 10 | 8,5 / 10 | +24 points (base 100) |
| Temps total cycle brief vers signature | 9 à 14 jours | 3 à 5 jours | -65% |
| Deals signés par les juniors talent managers (en autonomie) | 1 / mois en moyenne | 4 / mois en moyenne | x4 |
| Faux positifs Top 5 (créateurs proposés mais non disponibles) | n/a | 8% des matchs | à surveiller |
Bénéfices secondaires (non quantifiés)
- Les 3 account managers passent maintenant 80% de leur temps sur la relation marque et la stratégie créative au lieu du matching, ce qui était l'attendu initial de leur poste
- Les 6 talent managers ont gagné en autonomie pour proposer eux-mêmes des deals (matching pré-fait), ce qui a fait progresser leur rôle vers une logique de business owner par créateur
- L'agence a pu intégrer 35 nouvelles marques au portefeuille sur 6 mois sans dégrader la qualité de service, alors que c'était impensable auparavant
- Les deux marques majeures qui avaient signalé un matching "générique" sont aujourd'hui les plus actives, avec respectivement +4 et +6 campagnes signées en 6 mois
- La data structurée Supabase a permis de identifier 12 créateurs sous-exploités du portefeuille (taux d'engagement excellent mais peu de deals), qui sont maintenant proactivement pitchés
Les pièges rencontrés et leurs résolutions
On préfère partager ce qui n'a pas marché du premier coup. C'est là que se mesure la qualité d'un partenariat.
Piège 1 · Migration Notion vers Supabase plus lourde que prévu (semaines 1-2)
Les fiches Notion existantes étaient hétérogènes (champs vides, formats variables, conventions différentes selon le talent manager qui avait créé la fiche). 40% des fiches nécessitaient un enrichissement manuel. Résolution : mobilisation de 3 jours collectifs des 6 talent managers pour compléter les 480 fiches incomplètes en mode atelier. Surcoût accepté car la qualité de la base est la condition du succès du moteur.
Piège 2 · Résistance initiale d'un account manager senior (mois 1-2)
L'account manager le plus expérimenté (8 ans dans le métier) a refusé pendant 6 semaines d'utiliser le moteur, considérant que sa connaissance fine du portefeuille était supérieure. Impact : ses propositions étaient plus lentes que celles de ses collègues utilisant le moteur. Résolution : confrontation en réunion sur 4 briefs traités en parallèle (lui à la main vs un junior avec moteur). Les Top 5 du moteur contenaient son choix dans 3 cas sur 4, le 4e était un meilleur choix. Convaincu, utilisateur quotidien depuis.
Piège 3 · Faux positifs sur la disponibilité créateurs (mois 3, partiellement résolu)
Le moteur proposait parfois des créateurs en exclusivité catégorie ailleurs ou en congé maternité non remonté dans Supabase. 8% de Top 5 contenaient au moins 1 créateur non disponible. Résolution partielle : workflow de mise à jour bi-mensuelle des statuts disponibilité par les talent managers. Faux positifs réduits à 4% mais pas éliminés à 100% car les statuts évoluent rapidement. Acceptable car les account managers vérifient avant pitch.
Témoignages
« Avant je passais des après-midis à fouiller dans Notion pour trouver le bon créateur, et je passais parfois à côté d'un match évident parce que je ne connaissais pas assez bien tel ou tel profil. Là j'ai mon Top 5 en 10 minutes avec un argumentaire par créateur, je peux me concentrer sur la relation marque et le pitch créatif. On signe 18 deals par mois au lieu de 8, l'équipe est plus sereine, et les marques sentent la différence. »
« Je débute comme talent manager. Avant j'aurais mis 2 ans à connaître les 1 200 créateurs assez bien pour proposer de bons deals en autonomie. Là je signe 4 deals par mois grâce au moteur, je gagne en expérience accélérée, et je perçois enfin un revenu commission correct. La dynamique de l'équipe est complètement différente. »
Témoignages anonymisés sous accord de confidentialité. Plus de détails disponibles sur demande après signature NDA.
Questions fréquentes
Est-ce que ça marche pour d'autres types d'agences (talents, pub, événementiel) ?
Comment garantir que les créateurs ne sont pas "déshumanisés" par le matching IA ?
Quel est l'impact RGPD sur les données créateurs et marques ?
Quel est le coût d'un projet équivalent en 2026 ?
Note importante. Chaque projet est unique. Les chiffres et l'architecture présentés ici sont propres au contexte de ce client. Pour évaluer ce qui est transférable à votre situation, on peut chiffrer une mise en place adaptée en 30 minutes de discovery, sans engagement.
Un cas similaire chez vous ?
30 minutes pour comprendre votre contexte précis et chiffrer une mise en place adaptée. Sans engagement.
Booker un appel découverte