Une équipe de croissance ne travaille pas vraiment sur la campagne. Elle travaille sur la boucle autour de la campagne : l'intuition sur qui va répondre, le test qui la confirme ou l'invalide, le débat sur quel canal a produit la conversion, et le budget réalloué le lundi matin. La majeure partie de cette boucle se déroule encore dans des tableurs, des tableaux de bord et des réunions — lentement, à la main.
Cohenta est le moteur que Thyn construit pour fermer cette boucle. C'est une approche de l'automatisation marketing par IA dans laquelle la croissance s'exécute comme une expérience continue, pilotée par des agents sous politique plutôt que par des équipes qui actualisent des rapports. Cohenta est en développement actif, pas encore disponible — ce texte décrit ce pour quoi il est conçu.
Le tableau de bord n'est pas le système
Un tableau de bord dit ce qui s'est passé. Il ne décide pas de la suite, et n'agit jamais. Il devient donc un lieu où les équipes traduisent des chiffres en actions — un relais manuel entre l'observation et la décision.
La plupart des outils marketing se situent du côté observation de ce fossé. Ils rapportent, segmentent, visualisent, puis renvoient le jugement à une personne. La lenteur n'a jamais été dans les graphiques ; elle était dans l'humain au milieu, qui réconciliait les canaux et redécidait des budgets.
Le postulat de Cohenta : la boucle elle-même doit être le produit. Percevoir, décider et agir appartiennent à un seul système, où les équipes fixent les limites plutôt qu'elles n'exécutent chaque étape. C'est la différence entre une couche de reporting et une automatisation marketing par IA qui agit réellement.
Le marketing est une expérience qui ne s'arrête jamais. Le travail, c'est faire tourner la boucle, pas lire le graphique.
La boucle Cohenta
Cohenta est conçu autour d'un cycle unique qui se répète en continu. Chaque tour comporte les mêmes quatre étapes, et chaque étape est un endroit où un agent accomplit un travail qu'une équipe ferait autrement à la main.
- Hypothèse. Formuler une affirmation testable — un segment, une offre, un message, un mix de canaux — avec la métrique qui la confirmerait ou l'infirmerait.
- Expérimentation. Lancer le test comme une expérience contrôlée, avec des groupes témoins et des règles d'exposition définis en amont plutôt que reconstitués après coup.
- Attribution. Identifier quel point de contact a réellement produit le signal, en distinguant les canaux qui ont généré une conversion de ceux qui étaient simplement présents.
- Optimisation. Réorienter les budgets et les créations vers ce qui a fonctionné, abandonner ce qui n'a pas fonctionné, et réinjecter le résultat comme prochaine hypothèse.
La quatrième étape est la première étape du tour suivant. Cette fermeture est l'essentiel : le système ne s'arrête pas à une recommandation, il l'exécute, mesure la conséquence, puis propose le prochain mouvement. La croissance autonome est ce que produit cette boucle lorsqu'elle tourne sans attendre qu'un humain copie un chiffre d'un onglet à l'autre.
L'automatisation marketing par IA, pilotée par des agents sous politique
La boucle est pilotée par des agents marketing IA — des composants qui possèdent une étape plutôt qu'ils ne la commentent. Un agent propose des hypothèses à partir des résultats passés. Un autre configure et lance les expériences. Un autre résout l'attribution. Un autre réalloue le budget dans les limites définies.
Ce qui empêche tout cela d'être imprudent, c'est la politique. La politique est la frontière explicite à l'intérieur de laquelle les agents opèrent : dépense quotidienne maximale, marques et affirmations qui ne peuvent jamais apparaître, audiences hors limites, niveau de preuve minimal requis avant toute modification du budget actif. Les équipes rédigent la politique ; les agents agissent dans ce cadre.
C'est l'inversion sur laquelle Cohenta est construit. Au lieu qu'une personne décide chaque action et qu'un outil se contente d'exécuter des frappes, les agents décident et exécutent, tandis que la personne décide des règles. L'humain monte d'un niveau — d'opérateur à législateur — là où son jugement produit réellement un effet cumulatif.
Simulation avant dépense
Les expériences en conditions réelles coûtent de l'argent et de l'attention, et certaines hypothèses ne méritent pas d'être testées sur le marché. Avant que Cohenta engage un budget, il est conçu pour simuler — estimer la plage probable de résultats d'une expérience proposée et éliminer celles qui échouent sur le papier.
La simulation fait deux choses. Elle réduit l'ensemble des tests réels à ceux qui valent la peine d'être menés, de sorte que les dépenses se concentrent là où l'incertitude est réelle. Et elle donne à l'étape d'optimisation un a priori : un modèle de comportement attendu auquel comparer le résultat réel, afin qu'un résultat surprenant soit reconnu comme tel.
C'est ce qui distingue une automatisation disciplinée d'un système qui brûle simplement le budget plus vite. La vitesse sans modèle de coût attendu n'est qu'une façon coûteuse de se tromper. La couche de simulation est le contrôle de cohérence qui justifie le droit d'agir rapidement.
Le contenu comme système, non comme arriéré
Les expériences ont besoin de matière — messages, variantes, pages d'atterrissage, créations à tester. Traiter chacun de ces éléments comme une tâche ponctuelle, c'est faire du contenu le goulot d'étranglement qui bloque toute la boucle.
Cohenta est conçu pour traiter le contenu comme un système. Les variantes sont générées en réponse à une hypothèse, régies par la même politique qui encadre les dépenses, et produites au rythme que la boucle d'expérimentation consomme. L'intelligence du contenu signifie ici que la boucle est alimentée en continu, et que ce qui est produit est façonné par ce que l'étape d'attribution a déjà appris qui fonctionne.
L'objectif n'est pas plus de contenu. C'est un contenu qui se referme plus vite — généré pour tester une affirmation précise, mesuré honnêtement, et remplacé dès qu'une meilleure variante est prouvée.
La direction prise
Cohenta est encore en construction, et cet ordre est délibéré : la boucle, la politique, la simulation et l'attribution doivent être fiables isolément avant que quoi que ce soit ne touche un budget actif. Les premiers jalons consistent à rendre chaque étape honnête en isolation, puis à laisser la boucle tourner de bout en bout sous une politique stricte. Avec le temps, la même mécanique devrait prendre en charge davantage de canaux, des expériences plus riches et des cycles plus serrés — la boucle restant constante tandis que ses tours s'accélèrent.
Le pari est simple. Parmi la prochaine génération d'outils d'automatisation marketing par IA, ceux qui compteront ne seront pas de meilleurs tableaux de bord. Ce seront des systèmes qui mènent l'expérience à votre place, selon des règles que vous définissez, et qui montrent leur travail. Cohenta est la tentative de Thyn d'en construire un.