Amazon Ads Agent : le retail media devient agentique à unBoxed 2026

Le retail media a toujours eu un avantage sur le reste de la publicité digitale : il se trouve à côté de l'achat. À unBoxed 2026, Amazon a ajouté un second avantage. L'entreprise a placé un agent IA devant presque tout ce que fait un annonceur sur sa plateforme, de l'achat à la création en passant par la mesure.

Ce qui s'est passé

Le résumé d'Amazon, The 11 biggest takeaways from unBoxed 2026, recense les annonces. La pièce maîtresse est Amazon Ads Agent, une expérience d'achat unifiée qui fusionne l'ancien DSP et l'Ads Console et couvre les Sponsored ads, les Full-Funnel Campaigns et DVA+, avec une expérience d'IA conversationnelle en bêta fermée élargie.

Les Full-Funnel Campaigns permettent à l'IA de gérer le mix de canaux, la création, les audiences et l'optimisation sur la vidéo, le display et l'audio. Amazon indique que les bêta-testeurs ont constaté un retour sur dépenses publicitaires à long terme supérieur de 67 % et un coût d'acquisition de nouveaux clients pour la marque inférieur de 29 %. Les outils de création IA intégrés à Ads Agent génèrent des annonces display et des vidéos à partir des visuels produits existants ; selon Amazon, les annonceurs qui les utilisent ont obtenu jusqu'à 71 % de couverture produit en plus et jusqu'à 15 % de croissance des ventes par rapport à leurs résultats antérieurs.

Côté mesure, Ads Agent donne accès à près de 1 000 indicateurs via des requêtes conversationnelles, et produit des revues d'activité avec visualisations et benchmarks sectoriels. Un AMC Expert Tool transforme des demandes en langage naturel en SQL Amazon Marketing Cloud. Amazon a aussi annoncé un Ads MCP Server (Lite) permettant à des agents externes de travailler avec Amazon Ads, Branded Conversations pour présenter les atouts distinctifs d'une marque dans Alexa for Shopping, et Sponsored Services, avec Yelp comme partenaire de référence pour les services de proximité. Tous les chiffres de performance proviennent d'Amazon.

Pourquoi c'est important

Deux évolutions se distinguent.

La première est que l'interface de la plateforme publicitaire devient une conversation. Demander une revue d'activité en langage naturel, sur près d'un millier d'indicateurs, supprime beaucoup de tâches fastidieuses. Cela signifie aussi que la question que vous posez façonne la réponse que vous obtenez. Les analystes passaient autrefois des heures à décider quel découpage des données était équitable. Une fenêtre de chat permet facilement de sauter cette étape.

La seconde est que la plateforme prend en charge l'ensemble du tunnel. Quand l'IA choisit le mix de canaux, la création et les audiences, et que la même plateforme mesure le résultat, les annonceurs doivent savoir clairement quelles décisions ils délèguent et comment ils vérifieront les résultats.

Ce que disent mes recherches

J'ai écrit sur cette tension dans la mesure sur e27, dans Every dashboard is green. So why can't anyone say what worked? De meilleurs outils de reporting ne produisent pas automatiquement une meilleure compréhension. L'analytique en langage naturel rendra les tableaux de bord encore plus faciles à produire. La discipline consistant à demander « par rapport à quoi ? » devient plus importante, et non moins.

Côté création, nos recherches portent sur la prédiction de la performance et son explication. Dans Fusing Predictive and Large Language Models for Actionable Recommendations in Creative Marketing (ACM TOIS 2025), nous avons associé la prédiction de performance aux LLM afin qu'un score créatif devienne une recommandation actionnable. Générer du display et de la vidéo à grande échelle à partir de visuels produits est puissant, mais la génération ne représente que la moitié de la boucle. L'autre moitié consiste à savoir quelle variante soutenir et pourquoi, et ce savoir devrait appartenir à la marque, et pas seulement à l'optimiseur de la plateforme.

Il y a aussi un point sur la longue traîne. Amazon indique que les annonceurs utilisant ses outils de création IA ont atteint une couverture produit plus large. Selon moi, c'est sur la longue traîne que l'IA prouve sa valeur : les milliers de références et d'audiences de niche pour lesquelles aucune équipe humaine n'écrirait jamais d'annonces individuelles. J'ai abordé l'optimisation de la longue traîne et du bas de tunnel dans Forbes, dans Low-Funnel Ad Optimization On Social Media Platforms. L'opportunité est réelle, à condition que le contrôle qualité suive le même rythme.

Ce que les équipes retail media doivent faire dès maintenant

• Définissez votre carte de délégation. Notez quels leviers l'Ads Agent peut contrôler (enchères, mix de canaux, variantes créatives) et lesquels nécessitent une validation humaine.
• Posez de meilleures questions à l'analytique conversationnelle. Demandez toujours la comparaison : par rapport à la période précédente, à un groupe témoin, à un benchmark sectoriel, et notez laquelle vous avez utilisée.
• Utilisez la création IA pour la couverture, puis élaguez. Générez des visuels pour la longue traîne de produits, mais examinez la performance et retirez les variantes faibles à intervalles réguliers.
• Gardez votre propre historique des résultats. Exportez les résultats importants dans vos propres analyses pour pouvoir comparer Amazon aux autres canaux sur une même base.
• Explorez MCP avec prudence. Connecter vos propres agents à Amazon Ads est efficace, mais accordez-leur les autorisations les plus restreintes possibles.

Amazon a fait en sorte que la plateforme publicitaire réponde. Les équipes qui en tireront le plus seront celles qui continueront à lui poser des questions difficiles.

FAQ