Cas Tencent WorkBuddy en marketing IA : creation, ad tech, attribution, CRM et service client, pourquoi cela ressemble deja a une couche d'infrastructure MarTech Agent

Si vous reduisez encore WorkBuddy dans le marketing a "un assistant qui redige quelques textes" ou "un outil qui propose des titres pour les campagnes", vous n'en voyez probablement que la couche la plus superficielle.

J'ai repris plusieurs sources publiques directement liees au marketing IA, a la publicite programmatique, a l'activation live et reseaux sociaux, au CRM/SCRM et au service client intelligent, notamment :

• le livre blanc Tencent Cloud AI Marketing 1.0
• les articles de deconstruction publies par la Tencent Cloud Developer Community
• la page publique officielle de WorkBuddy

Apres lecture, mon avis est assez net :

Ce qui merite vraiment l'attention avec WorkBuddy, ce n'est pas seulement l'assistant bureautique visible en facade, mais la trajectoire IA marketing et agentique de Tencent qui commence deja a ressembler a une vraie ligne d'infrastructure MarTech.

Il faut poser une limite importante des le depart :

Je ne dis pas que chaque client cite dans le livre blanc utilise directement l'interface frontale de WorkBuddy. La formulation plus juste est la suivante :

Ces cas montrent surtout dans quels environnements de production les capacites Tencent en IA, Agent et workflow, dont WorkBuddy est l'une des portes d'entree visibles, commencent a s'inserer dans la chaine marketing.

C'est, a mon sens, la partie la plus interessante du dossier.

En bref

• Au 29 juin 2026, les sources publiques montrent que la trajectoire Tencent autour de WorkBuddy a deja decoupe la pile MarTech en quatre lignes assez claires :

  1. IA + creation : image, video, revue des assets, gestion des assets
  2. IA + activation : publicite programmatique, live / reseaux sociaux, appels sortants intelligents
  3. IA + data : attribution, profils, lecture des signaux en temps reel
  4. IA + operations : CRM / SCRM, analyse des conversations, service client intelligent

• On n'est pas face a un simple schema conceptuel. Les sources publiques donnent deja des signaux de production concrets :

  • 16 cas de reference cites
  • passage video de 720p a 1080p avec une baisse de cout 50%+
  • plus de 200 milliards de requetes publicitaires traitees par jour
  • 30%+ de reduction de cout sur la publicite programmatique et la couche ressources
  • 80% des questions frequentes interceptees automatiquement dans certains scenarios de messagerie / service client
  • une precision de reponse du service client intelligent a 85%+
  • sur les appels sortants intelligents, un premier token autour de 300ms et une latence bout en bout sous 1.5s

• Si votre sujet du moment est :

  • l'infrastructure de marketing IA
  • l'usine a contenus
  • les systemes d'achat media
  • l'attribution marketing
  • le CRM / SCRM
  • le service client et les operations sur canaux proprietaires

  alors cette trajectoire a nettement plus de valeur qu'un article classique sur "l'IA qui ecrit des textes marketing".

Pourquoi j'y vois davantage une infrastructure MarTech Agent qu'un simple outil de contenu marketing

Dans le marketing, ce qui coute cher et mobilise le plus de monde n'est souvent pas une annonce mal ecrite ou un titre trop lent a produire. C'est plutot le fait que toute la chaine soit fragmentee :

• la creation prend du temps
• la revue et la gestion des assets sont lourdes
• la diffusion publicitaire consomme requetes, bande passante et ressources
• l'attribution arrive trop tard, donc les decisions aussi
• une fois les leads entres dans le CRM, les conversations se dispersent et le suivi casse
• le service client et le controle qualite restent tres dependants du travail manuel

Autrement dit, le point dur de la MarTech n'est generalement pas un seul maillon, mais ceci :

de la creation a l'activation, puis a l'attribution et aux operations, toute la chaine est a haute frequence, haute concurrence et forte dependance systeme.

C'est pour cela que je prefere regarder cette trajectoire non pas seulement sous l'angle "WorkBuddy sait-il ecrire ?", mais a travers :

• la creation
• l'activation publicitaire
• la data temps reel
• le CRM / SCRM
• le service client intelligent

ensemble.

Le point d'ancrage public le plus important : le livre blanc Tencent Cloud AI Marketing deploie directement la chaine

La deconstruction publique de Tencent Cloud AI Marketing White Paper 1.0 dans la Tencent Cloud Developer Community expose deja tres clairement la table des matieres et la liste des cas.

Le livre blanc decoupe le marketing en quatre grands modules :

1. IA + creation

• production d'images marketing
• production de videos marketing
• revue des assets marketing
• gestion des assets marketing

Les cas de reference cites incluent :

• Kuaizi Technology
• Libib / Liblib

2. IA + activation

• chaine complete de publicite programmatique
• optimisation des couts reseau
• controle de frequence
• allocation intelligente du trafic
• detection dynamique du prix plancher
• estimation du taux de clic et du taux de conversion
• suivi des indicateurs
• activation live et reseaux sociaux
• appels sortants intelligents

Les cas de reference cites incluent :

• BlueFocus
• TradPlus
• Bidnex
• Zhizhen Technology
• Polyv
• Weihou
• EC
• Baiying

3. IA + data

• profil utilisateur et analyse d'attribution
• attribution d'acquisition pour mini-programmes / mini-jeux
• attribution media
• CDP
• analyse des donnees marketing live
• agent d'analyse data

Les cas de reference cites incluent :

• Minglue
• Zhendao

4. IA + operations

• CRM / SCRM
• gestion multi-tenant
• analyse des conversations sur canaux proprietaires
• service client intelligent
• controle qualite intelligent

Les cas de reference cites incluent :

• Weiban Assistant
• Tanma
• Tianrun Rongtong
• Zhichi Technology
• Leyan Technology

Rien que cette structure dit deja l'essentiel :

on n'est pas dans le recit d'un outil qui "aide les equipes marketing a rediger", mais dans celui d'une infrastructure IA qui cherche a couvrir la chaine marketing de bout en bout.

Cas d'usage 1 : la creation ne consiste plus seulement a produire des visuels, mais a faire baisser le cout d'une usine a contenus

Dans les chiffres publics du livre blanc, l'un des signaux les plus memorables est le suivant :

• dans le cas Libib / Liblib, la video passe de 720p a 1080p
• avec en meme temps une baisse de cout 50%+
• et une hausse d'efficacite de production des assets de 20%+

Pourquoi cette serie de chiffres compte-t-elle ?

Parce qu'elle montre que la couche creation n'est deja plus seulement "une IA qui aide a trouver des idees", mais qu'elle avance vers :

• la production de contenu a grande echelle
• l'amelioration de qualite visuelle
• la reutilisation d'assets
• l'optimisation des couts

Autrement dit, ce que cette trajectoire cherche a remplacer n'est pas un petit assistant de redaction marketing, mais :

une chaine de production de contenus couteuse, peu reutilisable et fortement manuelle.

Cas d'usage 2 : la couche d'activation n'a deja plus grand-chose a voir avec "lancer une pub", on parle de centaines de milliards de requetes et de decisions en millisecondes

Le deuxieme signal le plus solide dans le livre blanc concerne la taille de la couche d'infrastructure publicitaire.

Les sources publiques donnent notamment ces ordres de grandeur :

• dans le scenario Bidnex, les requetes publicitaires depassent 200 milliards par jour
• TradPlus depasse 30 milliards de requetes quotidiennes
• dans de nombreux contextes, le cout reseau des plateformes publicitaires represente 40%+ de la depense IT
• grace a l'allocation intelligente du trafic et a l'optimisation reseau, certains clients obtiennent 30%+ de baisse de cout

Que disent vraiment ces chiffres ?

Ils disent que la partie la plus precieuse de l'IA dans le marketing n'est souvent pas "mieux parler", mais plutot :

• mieux distribuer le trafic
• mieux predire clics et conversions
• mieux explorer le prix plancher
• mieux controler ressources et latence

Cela ressemble beaucoup plus a :

une chaine d'orchestration intelligente pour systemes marketing

qu'a un simple produit conversationnel.

Cas d'usage 3 : live, social et appels sortants montrent que l'activation est deja multicanale, pas limitee a un inventaire publicitaire

Dans la partie IA + activation, le livre blanc ne parle pas seulement de plateformes pub. On y retrouve aussi :

• construction d'infrastructure live
• acceleration de diffusion live
• transcodage VOD
• live virtuel
• appels sortants intelligents

Les cas publics cites incluent :

• Polyv
• Weihou
• EC
• Baiying

Le point le plus parlant reste toutefois la metrique technique des appels sortants intelligents :

• premier token autour de 300ms
• latence globale bout en bout sous 1.5s

Cela montre que la trajectoire ne traite pas seulement "la generation de contenu marketing", mais :

de vraies chaines de contact utilisateur en temps reel.

Autrement dit, ici l'IA n'ecrit pas seulement des messages. Elle s'imbrique aussi avec :

• la reconnaissance vocale
• la synthese vocale
• l'analyse de scripts d'appel
• le contact telephonique a forte concurrence

Sous cet angle, il devient plus facile de comprendre pourquoi WorkBuddy et la trajectoire agentique de Tencent sont presentes dans un cadre "workflow / agent" plutot que comme un simple outil LLM ponctuel.

Cas d'usage 4 : attribution et analyse data, c'est la que les equipes marketing decident vraiment ou part le budget

Quand beaucoup d'equipes entendent "marketing IA", leur premier reflexe reste souvent :

• ecrire des titres
• generer des images
• produire des videos

Mais la troisieme ligne du livre blanc est probablement plus decisive :

l'attribution data et la decision predictive.

Les signaux publics qui meritent d'etre retenus sont :

• une latence d'attribution qui passe de T+1 a du quasi temps reel / quelques minutes
• une hausse de 1.2% du taux de conversion publicitaire
• la presence explicite d'un agent d'analyse data dans le scenario
• les profils utilisateurs et le CDP comme composants centraux

Qu'est-ce que cela implique ?

Que cette trajectoire ne cherche pas seulement a "accelerer la creation en amont", mais aussi a :

accelerer l'allocation budgetaire, le jugement d'attribution et les actions d'operations qui suivent.

Dans le marketing, ce qui coute vraiment cher n'est pas toujours une image produite trop lentement. C'est plutot :

• l'argent deja depense
• et le fait de ne comprendre que le lendemain quelle source de trafic etait mauvaise

Si la ligne attribution + insight agent tient, sa valeur depasse largement celle d'un outil de contenu.

Cas d'usage 5 : la couche operations entre deja dans le CRM / SCRM / les canaux proprietaires / le service client, donc dans les cycles longs

La quatrieme ligne du livre blanc me semble particulierement utile pour les equipes croissance, relation client et operations sur canaux proprietaires :

• CRM / SCRM
• gestion multi-tenant
• analyse des conversations sur canaux proprietaires
• service client intelligent
• controle qualite intelligent

Les effets quantifies publies sont eux aussi tres concrets :

• dans des scenarios comme Tianrun Rongtong, 80% des questions frequentes sont interceptees automatiquement
• la precision de reponse du service client intelligent atteint 85%+
• le taux d'utilisation des ressources progresse de 38%
• le cout des ressources baisse de 30%+

Cela montre que cette trajectoire entre non pas dans un simple outil de campagne court terme, mais dans :

la gestion du cycle de vie client.

C'est aussi pour cela que j'y vois davantage une infrastructure MarTech qu'un plugin de contenu marketing.

Sur la duree, ce qui cree le plus de valeur n'est souvent pas un contenu viral isole, mais plutot :

• comment on suit les leads une fois entres
• comment on analyse les conversations
• comment on baisse le cout du support
• comment on trie automatiquement les questions utilisateurs

Pourquoi cette trajectoire a bien un rapport avec WorkBuddy, et pas seulement avec "une autre suite cloud"

Il faut etre precis ici, sinon la lecture peut vite devenir trompeuse.

Beaucoup d'elements listes dans le livre blanc ne sont effectivement pas des fonctions que l'utilisateur ouvre telles quelles dans l'interface WorkBuddy.

Mais la page publique officielle de WorkBuddy met deja en avant un fait important :

• multi-experts
• multi-roles
• invocation par workflow
• expert center

En facade, le produit empaquette ces capacites comme un espace de travail agentique et bureautique. En arriere-plan, il s'appuie sur l'infrastructure plus large de Tencent en IA, Agent, data et systemes.

Je prefere donc formuler la chose ainsi :

WorkBuddy est l'entree de poste de travail visible au premier plan, alors que le livre blanc AI Marketing montre jusqu'ou cette trajectoire peut deja se brancher dans la pile MarTech de fond.

C'est aussi pour cela que cet article parle de la trajectoire Tencent en marketing IA et agents autour de WorkBuddy, plutot que d'affirmer que tous les clients utilisent la meme interface frontale.

Quelles equipes ont le plus interet a etudier cette trajectoire en premier

A mon avis, les equipes suivantes ont le plus a y gagner :

• les equipes d'usines a contenus de marque et de production creative
• les equipes de publicite programmatique, d'achat media et d'optimisation de diffusion
• les equipes d'infrastructure live / marketing sur reseaux sociaux
• les equipes d'appels sortants intelligents, de contact commercial et de lead nurturing
• les equipes CRM / SCRM, service client et automatisation des canaux proprietaires
• les equipes de data marketing, attribution et profiling

Si votre vraie question n'est deja plus "est-ce que l'IA sait rediger ?", mais plutot :

• comment industrialiser la production d'assets
• comment depenser moins en trafic
• comment accelerer l'attribution
• comment reduire le cout du support
• comment rendre le CRM plus automatique

alors cette trajectoire vaut bien davantage qu'un article de generation de contenu generique.

Mon avis final

Si je devais resumer cette revue de cas WorkBuddy marketing en une phrase, je dirais ceci :

Le point le plus interessant avec WorkBuddy n'est pas seulement l'assistant sur le bureau, mais la ligne d'infrastructure Tencent AI / Agent / MarTech qui commence deja a entrer dans la creation, l'activation, la data et les operations.

Les signaux publics sont deja tres lisibles :

• 16 cas de reference
• 20%+ d'amelioration de l'efficacite de production des assets
• 50%+ de baisse de cout pendant l'upscaling video
• plus de 200 milliards de requetes publicitaires par jour
• 30%+ de baisse de cout sur la diffusion ou les ressources
• 80% des questions frequentes interceptees par le support
• 85%+ de precision de reponse
• une latence bout en bout des appels sortants intelligents sous 1.5s

La vraie question n'est donc deja plus :

"Est-ce que l'IA peut aider les equipes marketing a produire du contenu ?"

Mais plutot :

"Est-ce que l'IA peut commencer a prendre en charge les taches systeme les plus lourdes, les plus couteuses et les plus fragiles de toute la chaine MarTech ?"

D'apres les sources publiques, Tencent avance deja clairement dans cette direction.

Si votre priorite est plutot :

• la route d'integration actuelle
• les modeles et les prix
• l'achat d'un API Key
• les tutoriels d'usage

vous pouvez commencer ici :

• Tarifs des modeles
• Acheter une API Key
• Tutoriels

FAQ

Cet article dit-il que tous les clients cites dans le livre blanc utilisent directement l'interface frontale de WorkBuddy ?

Non. La formulation plus exacte est la suivante :

Ces cas montrent surtout dans quels environnements de production la trajectoire Tencent en marketing IA et agents, autour de WorkBuddy, est deja en train d'entrer.

Quelles sont les grandes lignes du livre blanc Tencent AI Marketing ?

Les sources publiques les presentent essentiellement en quatre axes :

• IA + creation
• IA + activation
• IA + data
• IA + operations

Quels sont les signaux quantifies publics les plus solides sur cette trajectoire ?

Les plus memorables sont notamment :

• 16 cas de reference
• 50%+ de baisse de cout pendant l'upscaling video
• plus de 200 milliards de requetes publicitaires par jour
• 30%+ de reduction de cout
• 80% des questions frequentes interceptees par le service client
• 85%+ de precision de reponse du service client intelligent

Pourquoi cette trajectoire merite-t-elle plus d'attention qu'un simple article sur "l'IA qui ecrit des textes marketing" ?

Parce que ce qui coute le plus cher n'est souvent pas une seule phrase marketing, mais plutot :

• le cout du trafic
• la latence d'attribution
• l'analyse des conversations sur canaux proprietaires
• le CRM / SCRM
• le cout du support

Autrement dit, c'est toute la pile MarTech qui est en jeu.

Si je veux commencer par les informations publiques d'integration, ou aller en premier ?

Ces trois pages sont les plus directes :

• Tarifs des modeles
• Acheter une API Key
• Tutoriels

Sources publiques

• Page officielle WorkBuddy
• Tencent Cloud AI Marketing White Paper 1.0
• Vue d'ensemble de Tencent Cloud AI Marketing White Paper 1.0
• Informations de base sur Tencent Cloud AI Marketing White Paper 1.0 et resume des 16 cas de reference