La startup Adsroid fait évoluer son positionnement. Après avoir développé une plateforme d’IA dédiée à la gestion publicitaire, elle propose désormais son infrastructure à des entreprises qui souhaitent créer leurs propres agents, interfaces ou services marketing. Une approche qui déplace le sujet de l’outil vers l’infrastructure.
Le marché des outils marketing basés sur l’intelligence artificielle commence à changer de nature.
Pendant plusieurs années, l’objectif était principalement d’ajouter une couche d’IA aux logiciels existants : génération de textes, analyse de campagnes, recommandations ou automatisations.
Une nouvelle génération de solutions cherche désormais à aller plus loin : permettre à des agents IA d’agir directement sur les systèmes marketing.
C’est dans cette direction qu’Adsroid fait évoluer son offre.
La société propose désormais une infrastructure permettant à des entreprises tierces d’utiliser ses capacités publicitaires au sein de leurs propres produits.
Ne plus construire l’intégration de zéro
Pour une entreprise qui souhaite développer un agent IA capable de gérer de la publicité en ligne, le modèle de langage n’est finalement qu’une partie du problème.
Il faut également pouvoir accéder aux comptes publicitaires, récupérer les données, comprendre leur structure, exécuter des actions, gérer les autorisations et maintenir les connexions avec les différentes plateformes.
Google Ads et Meta Ads disposent chacun de leurs propres environnements techniques.
À cela s’ajoutent les problématiques de comptes multiples, de sécurité, de quotas, de gestion des erreurs et de suivi des consommations.
C’est cette couche qu’Adsroid cherche à prendre en charge.
L’entreprise fournit l’infrastructure tandis que l’entreprise cliente conserve la maîtrise de son propre produit.
Une architecture pensée pour les agences et les SaaS
L’une des particularités de cette approche est sa conception multi-projets.
Une organisation peut disposer d’une infrastructure centrale et créer plusieurs projets correspondant à différents clients ou environnements.
Organisation
│
├── Client A → Project A
├── Client B → Project B
├── Client C → Project C
└── Client D → Project DChaque projet peut ensuite être associé à son propre environnement publicitaire.
Le principe permet notamment de conserver une séparation entre les différents clients tout en utilisant une infrastructure commune.
Pour une agence, cela peut par exemple permettre de proposer à chacun de ses clients une interface ou un agent différent tout en utilisant la même couche technique sous-jacente.
Pour un éditeur SaaS, la logique est similaire : le produit peut rester propriétaire tandis qu’Adsroid intervient derrière celui-ci pour les opérations publicitaires.
Une seule clé API, plusieurs environnements
L’architecture repose également sur un principe intéressant pour les développeurs.
Une application peut utiliser une clé API Adsroid commune tandis que les requêtes sont orientées vers différents projets grâce à leur identifiant.
Cela permet de conserver une infrastructure centralisée sans perdre la distinction entre les différents environnements.
Votre application
↓
Adsroid API
↓
┌─────┼─────┐
↓ ↓ ↓
Projet A Projet B Projet C
↓ ↓ ↓
Client A Client B Client CLa couche Adsroid devient alors une sorte de routeur spécialisé entre l’application et les plateformes publicitaires.
Le contrôle reste du côté de l’organisation
Cette architecture répond également à un autre problème : celui de la consommation.
Tous les clients d’une agence ou tous les utilisateurs d’un SaaS n’ont pas nécessairement besoin des mêmes ressources.
Adsroid permet donc de gérer des crédits au niveau des projets.
Une organisation peut par exemple attribuer :
- 1 000 crédits au client A ;
- 500 crédits au client B ;
- 2 000 crédits au client C ;
- 250 crédits au client D.
L’organisation conserve ainsi une vision globale de l’utilisation et peut définir ses propres limites.
Cette couche de contrôle est particulièrement importante dans le cas d’un agent IA, où le nombre d’appels aux outils peut rapidement devenir difficile à prévoir.
L’IA ne se limite plus à répondre
C’est probablement ici que se trouve le changement de perspective le plus intéressant.
Un assistant traditionnel peut analyser une campagne et expliquer à un utilisateur ce qu’il devrait faire.
Un agent connecté à une infrastructure d’exécution peut potentiellement aller plus loin.
Il peut :
observer → analyser → décider → exécuter → mesurer → recommencer.
Le rôle du modèle de langage change alors.
Il ne sert plus uniquement à produire une réponse textuelle.
Il devient une couche décisionnelle capable d’utiliser des outils externes.
Dans ce modèle, Adsroid fournit précisément cette couche d’accès aux opérations publicitaires.
API et MCP : deux portes d’entrée
Adsroid développe cette infrastructure autour de deux approches complémentaires.
L’API permet à une application ou à un workflow d’effectuer des opérations programmatiquement.
Le MCP, de son côté, permet de rendre ces outils accessibles à des environnements compatibles avec le Model Context Protocol.
Cette distinction devient importante avec la multiplication des agents IA.
Une entreprise peut ainsi développer sa propre interface et utiliser l’API.
Une autre peut créer un agent connecté à un environnement LLM via MCP.
Dans les deux cas, la couche publicitaire peut rester externalisée.
Ce que cela change pour les entreprises
L’intérêt du modèle n’est pas nécessairement de remplacer les outils publicitaires existants.
Il est plutôt de permettre à d’autres entreprises de ne pas avoir à reconstruire toute leur infrastructure publicitaire.
Une startup peut ainsi se concentrer sur son produit.
Une agence peut développer son propre agent pour ses clients.
Un éditeur SaaS peut intégrer la gestion publicitaire directement dans son interface.
Une entreprise spécialisée dans l’IA peut développer un produit vertical sans devoir maintenir elle-même toutes les connexions aux plateformes publicitaires.
Le principe est comparable à ce qui s’est produit dans d’autres domaines du logiciel : certaines entreprises ne construisent plus toute leur infrastructure technique en interne et s’appuient sur des couches spécialisées.
Adsroid cherche à appliquer cette logique au marketing opérationnel.
De l’outil marketing à l’infrastructure marketing
Cette évolution modifie donc progressivement le positionnement du produit.
À l’origine, Adsroid était principalement visible comme une application permettant d’analyser et d’optimiser des campagnes.
Avec son API, son MCP et maintenant son infrastructure White Label, le produit peut également fonctionner derrière d’autres applications.
L’utilisateur final n’a même pas nécessairement besoin de savoir qu’Adsroid intervient.
Il peut utiliser une interface développée par une agence, un SaaS ou une startup.
L’application prend les décisions ou reçoit les instructions.
Adsroid fournit la couche d’exécution publicitaire.
C’est un changement assez significatif dans la façon de penser un logiciel SaaS : le produit n’est plus uniquement une interface, mais devient progressivement une infrastructure consommable par d’autres logiciels.
Le véritable enjeu sera l’autonomie
Cette évolution intervient alors que les agents IA commencent à passer d’une logique conversationnelle à une logique opérationnelle.
Le défi n’est plus seulement de faire comprendre une demande à une IA.
Il faut lui permettre d’agir dans un environnement réel tout en conservant des mécanismes de contrôle.
Dans la publicité, les conséquences sont particulièrement concrètes : une modification de budget, une campagne créée ou une campagne arrêtée peut avoir un impact financier immédiat.
L’infrastructure doit donc pouvoir gérer les permissions, les projets, les limites d’utilisation et la séparation entre différents environnements.
C’est précisément ce type de problématique que les architectures orientées agents commencent à devoir résoudre.
Une première étape vers un marketing davantage autonome
Adsroid présente cette évolution comme une étape vers une vision plus large : celle d’une automatisation croissante de la gestion du trafic et, à terme, de certaines opérations marketing.
La logique est progressive.
D’abord permettre à l’IA de consulter les données.
Puis lui permettre de recommander des actions.
Ensuite de les exécuter.
Puis de suivre leurs conséquences.
Et finalement de gérer des objectifs plus larges plutôt que des tâches isolées.
Dans cette perspective, l’infrastructure publicitaire devient une pièce essentielle.
Car un agent réellement autonome ne peut pas seulement réfléchir.
Il doit également agir.
Et c’est précisément sur cette frontière entre raisonnement et exécution qu’Adsroid entend désormais positionner son infrastructure.
