# Vibe Agent
Vibe.co · 2026 · Lead Product Designer · Projet
Source : https://albancarmet.com/fr/project/vibe-agent
Un agent IA intégré au produit, qui crée des campagnes, en rend compte dans la conversation et se sollicite depuis chaque module.
En une ligne : Trois surfaces, un seul agent.
Équipe : EM, 2 développeurs, PM et moi · Durée : 1,5 mois · IA : Exploration avec Claude Design

## En bref

- Le problème : Les plateformes publicitaires commençaient à adopter des agents et Vibe n’en avait aucun, alors que créer une campagne voulait dire passer par des dizaines de paramètres.
- Ce que j’ai fait : J’ai conçu trois surfaces d’agent greffées sur le produit existant : le reporting conversationnel, la génération de campagne, et des boutons « Ask agent » dans les modules.
- Résultat : Lors d’un A/B test 50/50 de deux semaines sur la création de campagne, l’usage de l’agent a presque triplé (×2,9) et s’est maintenu ; l’agent a ensuite été déployé sur tous les comptes.
- La limite : Aucune recherche utilisateur en amont, et quatre modules prévus coupés pour tenir six semaines de développement.

## L'entreprise

Vibe est une plateforme publicitaire en self-serve pour la TV connectée. Des marques de toutes tailles, des jeunes marques en vente directe aux grands annonceurs, y achètent des spots sur les principales chaînes de streaming, ciblent leurs audiences (y compris les audiences d’acheteurs Walmart) et mesurent les ventes générées, comme elles le feraient sur le search ou les réseaux sociaux.
- Secteur : Ad tech · TV connectée
- Clients : Des milliers de marques, du DTC aux grands annonceurs
- Mon passage : Depuis déc. 2023 · Lead Product Designer

## Le produit : La plateforme

Sur Vibe, tout tourne autour de la campagne, et trois étapes reviennent tout au long de cette page.
- Importer des créas : Une créa est un spot vidéo. Les annonceurs importent les leurs sur la plateforme.
- Lancer une campagne : Une campagne fixe un objectif et se découpe en stratégies : qui toucher, avec quel budget.
- Mesurer : Le tableau de bord et les rapports montrent les dépenses, la portée et les ventes générées.

## Démarche

L’IA est intervenue là où elle aidait à explorer, jamais là où se prenait la décision, et pas du tout sur le reporting.
- Benchmark : Des outils agentiques sur des problèmes voisins : des patterns à emprunter, pas des réponses. (sans IA)
- Explorer : Création de campagne et Ask agent : des formes tirées du parcours manuel, des cas limites éprouvés (chargements, actions qui atterrissent dans un autre module). (avec IA, Claude Design)
- Concevoir le reporting : Le catalogue de visualisations de d3.js, adapté à la charte, avec des règles d’adaptation de la colonne étroite au plein écran. (sans IA)
- Livrer et mesurer : Développé par deux développeurs, testé en A/B 50/50 sur la création de campagne, puis déployé sur tous les comptes. (sans IA)

## Le problème — Les agents s’apprêtaient à réinventer les plateformes publicitaires, et la nôtre n’en avait aucun

Créer une campagne sur Vibe voulait dire passer par des dizaines de paramètres, les rapports prenaient du temps à monter, et les questions sur la plateforme restaient sans réponse dans le produit.
Le pari, décidé d’en haut et sans phase de discovery : être parmi les premiers à faire entrer les agents dans l’ad tech, pour se différencier plutôt que pour ajouter une fonctionnalité.

## L’approche — Greffer l’agent sur le produit, plutôt que reconstruire le produit dans l’agent

Les utilisateurs connaissaient déjà le parcours manuel. Reconstruire ce formulaire dans un chat n’aurait fait que déplacer le même travail dans un cadre plus étroit.
L’agent propose donc, et l’utilisateur relit, sur trois surfaces bâties chacune sur une tâche que le produit savait déjà faire.

## Les arbitrages — Quatre modules coupés pour livrer en six semaines

Chaque coupe tenait au temps de développement, et l’équipe s’accordait sur la valeur de ce qui partait. Ce qui compte, c’est ce que chacune a coûté à l’utilisateur, et ce qui compense.

## Ce qui a été livré — Trois surfaces, un seul agent

Chaque surface ci-dessous rejoue le parcours livré dans un prototype jouable. J’ai reconstruit ces replays pour cette page avec Claude Design, après le projet : le produit lui-même a été développé par l’équipe tech.

## Contraintes

- Un produit mature, que les utilisateurs maîtrisaient déjà : Les utilisateurs connaissaient le parcours manuel de création de campagne. L’agent devait s’y greffer, pas le dupliquer dans une conversation.
- Un flux génératif peut se tromper avec aplomb : Une campagne exige un jeu de paramètres complet et valide, alors que les demandes vont du très précis au très vague.
- Six semaines pour livrer : Un mois et demi de la conception au développement : chaque module du panneau de campagne devait justifier son temps de développement.

## Signaux et recherche

Pas de discovery formelle : un pari produit, être parmi les premiers à faire entrer des fonctionnalités agentiques dans l’ad tech. Les décisions se sont appuyées sur ces signaux.
- Marché — Une fenêtre à saisir : Les agents s’apprêtaient à réinventer les plateformes publicitaires, et la nôtre n’en avait aucun. La vitesse comptait plus que l’exhaustivité.
- Benchmark — Des outils agentiques sur des problèmes voisins : Un réservoir de patterns, pas de réponses : il montrait comment d’autres présentent un résultat généré, jamais ce dont nos utilisateurs avaient besoin.
- Produit existant — Le parcours manuel de création : Des dizaines de paramètres et des modules qui fonctionnaient déjà. Les réutiliser était à la fois une contrainte et un raccourci.

## Décisions et arbitrages

- Réutiliser le module budget existant plutôt qu’un rollup dédié. Décidé avec : Ma PM et l’engineering manager. Écarté : Un « Campaign budget • rollup » — En tête du panneau de campagne : le total, le rythme de dépense quotidien qui en découle, et des bandes de couleur montrant la répartition du budget entre les stratégies, avec le type de budget de chacune (lifetime ou daily). Retenu : Le module budget du parcours manuel — Un module repris de la création manuelle de campagne. Moins visuel, mais il a permis de livrer le récapitulatif de campagne bien plus tôt. Pourquoi : Le temps de développement. Toute l’équipe reconnaissait la valeur du rollup, mais il a perdu face à un module qui existait déjà. Ce que ça a coûté : Voir d’un coup d’œil comment le budget se répartit entre les stratégies, et lesquelles tournent en budget lifetime ou daily. Ce qui compense : L’information est toujours là, dans un format que les utilisateurs connaissaient déjà du parcours manuel.
- Modifier via le prompt principal, sans alias ciblés. Décidé avec : Ma PM et l’engineering manager. Écarté : L’édition ciblée par alias — Chaque module du panneau avait son bouton « Ask agent », en icône seule par défaut, avec son libellé au survol. Il insérait le nom du module dans le prompt comme un alias, pour que l’agent ne modifie que ce module, puis affichait ce qui avait changé, avec la possibilité d’annuler. Retenu : Un seul prompt pour tout — L’utilisateur modifie la campagne depuis le champ de texte principal de l’agent, en décrivant avec ses mots le module qu’il veut changer. Pourquoi : Le temps de développement. Les alias apportaient du confort et de la précision, mais on pouvait modifier sans eux. Ce que ça a coûté : Du contexte donné à l’agent sans effort. Sans lui, c’est à l’utilisateur de nommer le module, et un prompt mal compris coûte un aller-retour, et sans doute, de notre côté, plus de tokens consommés en corrections. Ce qui compense : Le modèle comprend assez bien l’intention pour que la plupart des demandes aboutissent. Ce que coûte vraiment l’absence d’alias n’a pas encore été mesuré.
- Reporter les résultats prédictifs. Décidé avec : Ma PM et l’engineering manager. Écarté : Les résultats prédictifs — Un premier concept : la tendance des indicateurs clés de la campagne avant son lancement, fondée sur des heuristiques propres à l’annonceur et à son secteur. Pourquoi : Le temps de développement, comme les deux précédentes. Ce que ça a coûté : Une idée de ce que la campagne rapporterait avant d’engager le budget.
- Reporter les vérifications avant lancement. Décidé avec : Ma PM et l’engineering manager. Écarté : Les « pre-flight checks » — Un module qui vérifiait automatiquement les points clés du bon déroulement d’une campagne : moyen de paiement renseigné, pixel de tracking installé, publicités conformes aux spécifications. Pourquoi : Le temps de développement, comme les deux précédentes. Ce que ça a coûté : Repérer un blocage avant le lancement plutôt qu’après : un moyen de paiement ou un pixel manquant se découvre encore après coup.

## Ce qui a été livré

- Le reporting conversationnel (Transformer une conversation en livrable présentable.) : problème : Monter un rapport est un travail long et fastidieux, et l'agent pouvait restituer ses résultats aussi bien dans une colonne étroite qu'en plein écran. Chaque visualisation devait passer proprement de l'une à l'autre sans se dégrader en graphique illisible. Solution : Nous avons conçu les visualisations pour qu'elles gardent leur sens aux deux largeurs : l'agent peut répondre dans la colonne ou passer en plein écran sans que l'utilisateur perde le fil. Plusieurs visualisations que j'avais conçues ont été coupées quand les priorités de la roadmap ont changé. Ce sont ces règles d'adaptation qui ont permis aux autres de passer ce tri.
- La génération de campagne (Relire une configuration plutôt que remplir un formulaire.) : problème : Les demandes des utilisateurs vont du très précis au très vague, alors qu'une campagne exige un jeu de paramètres complet et valide. Reconstruire le formulaire manuel dans la conversation aurait vidé l'agent de son intérêt. Solution : L'agent propose une configuration et la présente comme quelque chose à relire. Quand la demande est trop vague, de courts formulaires de questions apparaissent dans la conversation pour combler les manques, et un récapitulatif vérifie que la demande a bien été comprise avant la création de la campagne.
- Les boutons « Ask agent » (Solliciter l'agent avec le contexte déjà transmis.) : problème : Un bouton agent « global » existait déjà. Multiplier les accès risquait d'ajouter du bruit plutôt que de l'aide, et soulevait des cas concrets : ce qui se charge, ce qui se passe quand une action lancée depuis un module en affecte un autre, et comment l'utilisateur revient ensuite à son travail. Solution : Chaque bouton est placé dans le module qu'il sert et ouvre des prompts préremplis, écrits pour ce module. L'agent sait de quelle partie de l'expérience il s'agit avant même que l'utilisateur ait tapé quoi que ce soit. La visibilité des fonctions agentiques comme la qualité des réponses relèvent ainsi de la conception, pas du modèle.

## Résultats

Livré en A/B test 50/50 dans la création de campagne, l’agent a vu son usage presque tripler, et cet usage a tenu.
(A/B test · 2 semaines · création de campagne)
- ×2,9 : Comptes utilisant l’agent
- 9,7 % → 28,6 % : Taux d’usage de l’agent, témoin contre test
- +18,9 pts : Statistiquement significatif (p < 0,001)
- ~20 % contre ~5 % : Usage hebdomadaire, test contre témoin, sur les deux semaines pleines
L’usage hebdomadaire est resté stable sur les deux semaines pleines : ce n’est pas un effet de nouveauté. C’est ce qui a justifié le déploiement.
Témoignage client : « L’expérience est intuitive et solide, et les fonctionnalités de l’agent IA, qui s’enrichissent sans cesse, s’y intègrent parfaitement : gérer, analyser et optimiser ses campagnes devient à la fois efficace et simple. » — Un annonceur Vibe, transmis par son CSM

## Reste ouvert

Ce que coûte l’absence d’alias n’a jamais été mesuré. L’idée a depuis été en partie reprise sur un autre projet : dans le parcours manuel, les modules de ciblage ont des boutons-raccourcis pour solliciter l’agent sur cette zone précise. Dans l’agent lui-même, le coût des allers-retours dus à un prompt mal compris, et des tokens qu’ils consomment, n’est toujours pas mesuré.

## Ce que l'IA a fait sur ce projet

Claude Design comme outil d’exploration, pas comme partenaire de design. Deux des trois surfaces s’en sont servies ; le reporting a été conçu sans.
- Création de campagne : Pour voir quelles représentations graphiques tirer du parcours manuel existant, afin de ne pas réinventer la roue.
- Points d’entrée contextuels : Pour éprouver les cas limites : états de chargement, action lancée depuis un module qui atterrit dans un autre, retour au travail une fois que l’agent a répondu.
- Reporting : Sans IA : inspiré de d3.js et de son catalogue de visualisations prêtes à l’emploi, adaptées à notre charte, puis des règles d’adaptation de chacune entre colonne étroite et plein écran.
- Ce qui est resté humain : Chaque décision et chaque arbitrage de cette page.
