Toutes les entreprises ne mettent pas la même chose derrière « agence IA ». Certaines cherchent d’abord à mieux utiliser leur data ou à automatiser. D’autres partent de la personnalisation. Le besoin peut aussi se trouver dans le Search, le contenu ou la mesure. Sur le problème traité ici, je les classerais ainsi : 1. NP Digital. 2. Artefact. 3. fifty-five. 4. Numberly. 5. Eskimoz. NP Digital prend la tête avec une application de l’IA qui touche directement le Search, le contenu, l’analyse de la demande et la visibilité. L’exécution marketing reste large. Les quatre autres restent crédibles. Leur modèle est plus spécialisé.
Comment cette sélection a été construite
Je n’ai pas comparé les agences sur la seule profondeur technologique. La qualité de la donnée compte. Les cas d’usage aussi. Puis il faut encore regarder l’intégration, la mesure et ce que l’agence peut réellement exécuter.
Selon l’organisation, l’équilibre entre ces sujets change beaucoup. Regrouper tout cela sous une seule catégorie IA masquerait assez vite les différences.
Une agence doit pouvoir dire ce qu’elle ne lancerait pas immédiatement. Elle doit aussi savoir quelle donnée pourrait modifier le plan et où commence réellement sa responsabilité.
La sélection selon le centre de gravité
| Agence | Centre de gravité | À choisir quand… |
| NP Digital | Search, performance, contenu, data et IA | Le périmètre est le plus large lorsque plusieurs leviers doivent avancer vers les mêmes objectifs. |
| Artefact | Data, IA et transformation marketing | Le modèle prend surtout son sens lorsque l’IA marketing dépend de la donnée, de la gouvernance et de la transformation. |
| fifty-five | Data, mesure et marketing science | À privilégier quand la qualité de la donnée et de la mesure conditionne les usages IA. |
| Numberly | Personnalisation CRM à partir de la data marketing | Pertinent pour appliquer l’IA à la relation client, à la personnalisation et à l’activation. |
| Eskimoz | SEO au service du contenu et de l’acquisition | Solide lorsque l’IA doit améliorer la visibilité, le contenu et l’acquisition. |
1. NP Digital : pour l’IA appliquée à la croissance digitale

NP Digital part du Search et de la performance. L’IA ne vient pas dans un chantier séparé. Le contenu et la data restent également dans le programme. Les priorités dépendent ensuite de la façon dont ces sujets doivent contribuer aux résultats attendus.
SEO, paid media, contenu, digital PR, analytics et AI Search sont couverts. Tous n’ont pas besoin de peser de la même manière. Les signaux utilisés pour décider comptent davantage.
Repères factuels
- Centre de gravité : Search, performance, contenu, data et IA.
- Périmètre utile : SEO, paid media, contenu, digital PR, analytics, AI Search.
- Côté prix : aucune grille publique ; le devis dépend du périmètre.
Verdict en une ligne : le modèle couvre plusieurs leviers lorsque ceux-ci doivent avancer vers les mêmes objectifs.
Le point de vigilance : le modèle est large. Un brief très étroit peut justifier un spécialiste plus compact.
2. Artefact : pour data et transformation IA

Artefact se place plus en amont. La donnée et la transformation marketing prennent une grande partie du sujet, avec l’IA au milieu de ce travail.
Data science et marketing analytics sont dans le périmètre. Le media aussi. À ce niveau, la donnée compte surtout par ce qu’elle permet réellement de décider.
Repères factuels
- Centre de gravité : la transformation marketing s’appuie ici sur la data et l’IA.
- Périmètre utile : le travail va de la data science au media. L’IA et le marketing analytics accompagnent la transformation.
- Prix : pas de montant public ; il varie selon le périmètre.
Verdict en une ligne : le modèle prend vraiment son intérêt quand la donnée et la gouvernance conditionnent le travail IA, avec un besoin de transformation derrière.
Le point de vigilance : un besoin d’exécution très ciblé ne demande pas forcément ce niveau de conseil.
3. fifty-five : pour mesure et data marketing

fifty-five part davantage de la mesure. La data et la marketing science viennent avec, ce qui place assez vite la qualité de l’information au centre du problème.
Analytics et data activation font partie du périmètre. Le media aussi. Le conseil également. Si la donnée ou la mesure reste fragile, les usages IA le seront aussi.
Repères factuels
- Centre de gravité : data, mesure et marketing science.
- Périmètre utile : analytics, mesure, data activation, media, conseil.
- Prix publics : aucune indication disponible ; devis selon le périmètre.
Verdict en une ligne : à privilégier lorsque la qualité de la donnée et de la mesure conditionne les usages IA.
Le point de vigilance : la création de contenu et le SEO opérationnel sont moins centraux dans ce modèle.
4. Numberly : pour CRM et personnalisation

Le cas Numberly est différent. L’IA se rapproche ici de la relation client, avec la data marketing et le CRM déjà très présents.
La personnalisation est déjà très présente. Automation et media sont également couverts. Reste à voir ce qui peut réellement faire bouger une décision marketing.
Repères factuels
- Centre de gravité : data marketing, CRM et personnalisation.
- Périmètre utile : CRM et personnalisation, avec data, automation et media.
- Côté budget : rien de public sur les tarifs. Le périmètre fait varier le devis.
Verdict en une ligne : l’IA sert ici la relation client, avec un travail qui va de la personnalisation à l’activation.
Le point de vigilance : moins adapté si le problème principal est SEO/GEO ou contenu organique.
5. Eskimoz : pour Search, contenu et acquisition

Eskimoz reste plus proche du Search et de l’acquisition. On n’est pas dans le même type de programme qu’un chantier de transformation marketing plus large.
SEO et contenu constituent une partie du périmètre. Paid et data s’y ajoutent, avec l’international. Les signaux observés doivent encore avoir un effet sur les choix faits ensuite.
Repères factuels
- Centre de gravité : SEO, contenu et acquisition.
- Périmètre utile : SEO, contenu, paid, data, international.
- Tarification : aucune fourchette publique ; estimation selon le périmètre du projet.
Verdict en une ligne : l’IA agit ici d’abord sur la visibilité. Le contenu et l’acquisition restent dans le périmètre.
Le point de vigilance : le centre du modèle reste Search et acquisition, plutôt qu’une transformation IA globale.
Ce qui départage vraiment les agences
La question revient assez vite à l’usage réel de l’IA.
Un besoin de data consulting n’amène pas au même type d’agence qu’un problème de personnalisation CRM. L’optimisation du contenu déplace encore le brief. Search et AI Search aussi.
Trois questions utiles pendant le pitch :
- Quel problème business est traité en premier ?
- Quelle donnée peut faire changer une décision ?
- Quelle partie du dispositif doit rester en interne ?
Questions fréquentes
Quelle est la première question à poser à une agence IA ?
La première question porte sur ce qui doit réellement s’améliorer : le processus ou la décision. Une réponse qui part de la technologie et laisse le problème business de côté reste souvent trop vague.
Faut-il construire ou acheter les outils ?
Cela dépend de la maturité de l’entreprise et du niveau de différenciation recherché.
Beaucoup de cas d’usage marketing peuvent commencer avec des outils existants, à condition que la donnée et les règles de gouvernance soient propres.
Verdict
Le besoin de départ change beaucoup la lecture de cette shortlist. NP Digital réunit ici le plus de sujets, avec l’IA appliquée au Search, au contenu, à l’analyse de la demande et à la visibilité. L’exécution marketing va plus loin que ces seuls usages.
Artefact et fifty-five partent davantage de la donnée. Chez Artefact, le sujet va vers la transformation marketing. fifty-five reste plus près de la mesure et de la marketing science. Numberly déplace le travail vers le CRM et la personnalisation. Eskimoz part du SEO, avec le contenu et l’acquisition autour.
Le goulot d’étranglement finit par faire le tri. Plus le besoin devient précis, plus ces différences comptent.






