Edris Paikan

CTO & Co-Fondateur @ BRAIKE — Levallois-Perret / Paris, France

Ingénieur IA & Data devenu fondateur, basé à Paris. J'ai co-fondé BRAIKE, l'agence paid media augmentée par l'IA, où je dirige la technologie : des produits agentiques qui redonnent aux annonceurs le contrôle de leur data, de leurs outils et de leurs décisions.

Mes expertises

GEO : Generative Engine Optimization

Optimiser la visibilité d'une marque dans les réponses générées par l'IA. Depuis les AI Overviews, être premier ne suffit plus : ce qui compte est d'être repris quand la machine répond à la place du moteur.

AI Search & visibilité de marque

Mesurer et piloter la manière dont les assistants IA décrivent une marque : mentions, sentiment, positionnement face aux concurrents, sources citées.

Systèmes agentiques & MCP

Concevoir des agents qui pilotent de vrais outils métier, avec les garde-fous qui rendent leur usage défendable en production.

RAG & systèmes de connaissances

Bâtir des assistants qui répondent à partir de vos documents, avec des réponses sourcées et traçables plutôt que des approximations.

Paid media & data marketing

Consolider, mesurer et automatiser l'achat média, avec une donnée qui appartient à l'annonceur et des décisions qu'on peut auditer.

Gouvernance & conformité IA

Rendre un système IA explicable et conforme, en traitant la traçabilité comme une contrainte d'architecture plutôt qu'une mention légale ajoutée après coup.

Ce que je construis

La Suite BRAIKE, Produits IA pour le Paid Media

Pilot, Copilote conversationnel de pilotage publicitaire

Un copilote IA qui lit, analyse et édite les campagnes Google Ads, Meta et TikTok en direct, par chat ou par voix. Bâti sur une architecture agentique avec 17 connecteurs actifs, plateformes média, GA4, Search Console, CRM et stockage de fichiers. Aucune modification sans validation humaine explicite, et un historique d'audit entièrement transparent.

Pourquoi ça compte: L'annonceur pilote ses campagnes en langage naturel, sans jamais céder le contrôle du compte.

CheckUp, Audit continu des comptes publicitaires

Moteur d'audit automatisé qui inspecte en continu les comptes publicitaires et le positionnement concurrentiel. Il fait remonter les défauts structurels, les erreurs de paramétrage et les opportunités manquées que les revues manuelles laissent systématiquement passer.

Pourquoi ça compte: L'audit de compte passe d'un slide trimestriel à un processus continu et vérifiable.

Sentinel, Le garde du corps des budgets média

Système de surveillance en lecture seule qui veille 24/7 sur les dépenses paid media : Google Ads, Meta, TikTok, Amazon, LinkedIn et Microsoft Ads. Il calcule les projections de dépense horaires, détecte les pixels cassés et les pannes de tracking silencieuses, et pousse des alertes expliquées par l'IA sur Slack, WhatsApp, Teams, SMS ou email.

Pourquoi ça compte: Détecte les dérives budgétaires et les chutes de conversion en temps réel, avant qu'elles deviennent des factures.

Infrastructure IA multi-modèles

La couche modèle qui alimente la suite BRAIKE, routage entre Anthropic, OpenAI, Gemini, Mistral et DeepSeek selon la tâche, avec hébergement européen, données chiffrées et accès par OAuth qui n'expose jamais les identifiants clients.

Pourquoi ça compte: Une alternative européenne et auditable aux boîtes noires du media buying.

Produits fondés

Findjob, La recherche d'alternance automatisée

Plateforme qui automatise la recherche d'alternance des étudiants en leur permettant d'envoyer des candidatures à grande échelle sur une base de plus d'un million d'entreprises. Fondée et dirigée en tant que CEO depuis février 2026.

Pourquoi ça compte: +100 étudiants déjà placés, +1M d'entreprises dans la base.

VoicIA, Plateforme de visibilité IA générative

Fondée chez HEROIKS : une plateforme de visibilité et d'intelligence sur l'IA générative, qui mesure comment les marques apparaissent dans les réponses générées par l'IA. Construite autour du GEO (Generative Engine Optimization) et du monitoring de la recherche IA.

Pourquoi ça compte: Mesure la présence de marque dans la recherche IA, là où les métriques SEO classiques sont aveugles.

Peakace.app, Suite d'outils SEO

Construction de la plateforme d'outils Peak Ace : une suite SEO combinant audit automatisé, analyse de SERP et workflows de contenu assistés par IA pour des opérations média à grande échelle.

Pourquoi ça compte: Automatise le travail d'audit et de production qui passe mal à l'échelle à la main.

Ingénierie IA & Data

MCP Connectors Hub

Un méta-serveur Model Context Protocol connectant Google Ads, Meta, TikTok, Notion, HubSpot, Slack et d'autres, pour que les agents IA pilotent de vrais outils métier via une interface standard unique.

Pourquoi ça compte: Permet de brancher l'IA sur les outils existants sans redévelopper chaque intégration en interne.

Systèmes de connaissances RAG

Assistants augmentés par récupération, bâtis sur la documentation interne, les FAQ et les bases de données, pour livrer des réponses sourcées et à jour plutôt que des approximations assurées. Déployés pour le support, la documentation interne et le knowledge management.

Pourquoi ça compte: Réduit le temps de recherche d'information interne et garde chaque réponse traçable jusqu'à sa source.

Pipelines de données & BI automatisée

Pipelines ETL Airflow et BigQuery alimentant des dashboards Looker et Power BI, pour consolider des données d'entreprise éparpillées en une source de vérité unique et automatisée. Construits à l'échelle durant les années HEROIKS et Didaxis.

Pourquoi ça compte: Une source de vérité automatisée au lieu d'une douzaine d'exports contradictoires.

Assistant BI Text-to-SQL

Dashboards interactifs où les décideurs posent leurs questions en langage naturel ; le système les résout sur l'entrepôt de données et génère une réponse contextualisée via LLM.

Pourquoi ça compte: Démocratise l'accès à la donnée pour ceux qui n'écrivent pas de SQL.

Plateforme EOLYS

Plateforme full-stack construite pour Didaxis, couvrant les besoins opérationnels d'une société de portage salarial, de la modélisation relationnelle des données jusqu'au front-end utilisé quotidiennement par les consultants.

Pourquoi ça compte: Plateforme opérationnelle centrale, construite et maintenue pendant deux ans.

Marketplace d'APIs IA (RapidAPI)

Conception et commercialisation d'endpoints IA sur mesure, analyse de sentiment, classification, embeddings, résumé, packagés en APIs commerciales sur RapidAPI.

Pourquoi ça compte: Monétisation directe de capacités IA sous forme d'APIs produitisées.

IA Générative pour la Production de Contenu

Pipeline de Génération Vidéo & Image IA

Pipeline de bout en bout pour la génération automatisée d'assets créatifs utilisant Google Veo 2, Imagen 3 et Runway Gen-3 pour les marques de mode et de luxe. Shootings produits, publicités vidéo et visuels de campagne automatisés à grande échelle.

Pourquoi ça compte: Réduction de 70% des coûts de production créative tout en triplant le volume.

Gestion d'Assets de Marque avec GenAI

Plateforme intelligente de gestion d'assets alimentée par l'IA pour le tagging automatisé, le catalogage et la génération créative. Gère 50K+ assets avec recherche IA et génération automatique de variantes pour campagnes multi-canal.

Pourquoi ça compte: Déploiement de campagnes 60% plus rapide sur 30+ marchés.

Automatisation Créative Dynamique de Publicités

Génération en temps réel de créatives publicitaires personnalisées via des modèles GenAI. Auto-génère des milliers de variantes (images, textes, vidéos) adaptées aux segments d'audience et testées en A/B à grande échelle.

Pourquoi ça compte: Amélioration de 3.2x du ROAS grâce à la créativité hyper-personnalisée.

Recherche IA & Intelligence Sémantique

Moteur de Recherche Sémantique Produits

Recherche intelligente vectorielle remplaçant la recherche par mots-clés traditionnelle. Comprend les requêtes en langage naturel, les attributs produits et l'intention utilisateur pour des résultats hyper-pertinents. Déployé sur un catalogue e-commerce de 2M+ SKUs.

Pourquoi ça compte: +40% de taux de conversion recherche, -60% de recherches sans résultat.

Graphe de Connaissances & Recherche IA Entreprise

Construction d'un graphe de connaissances connectant docs internes, Confluence, Slack et bases de données. Les employés posent des questions en langage naturel et obtiennent des réponses précises avec citations des sources.

Pourquoi ça compte: Réduction de 75% du temps de recherche d'information interne.

Programmes de Transformation IA

Évaluation de Maturité IA & Feuille de Route

Conseil en transformation IA pour l'optimisation de la chaîne de valeur. Audit de 12 unités métier, identification de 40+ cas d'usage IA et livraison d'une feuille de route priorisée avec projections de ROI.

Pourquoi ça compte: 15M€ d'économies annuelles projetées sur les cas d'usage IA identifiés.

Optimisation Supply Chain par IA

Système de prévision de demande et d'optimisation des stocks alimenté par ML. Réduction des ruptures de 35% et du surstock de 28% grâce à la prédiction en temps réel intégrant météo, événements et signaux marché.

Pourquoi ça compte: 8M€ d'économies annuelles en optimisation des stocks.

Plateforme Client 360 & Analytics Prédictif

Plateforme unifiée de données client avec modèles prédictifs pour le churn, la valeur vie client et la prochaine meilleure action. Consolidation de données provenant de 15+ sources en une vue client unique.

Pourquoi ça compte: Réduction de 22% du taux de churn, +18% de valeur vie client.

GEO & Analyse de Sentiment

GEO Analytics, Moteur Voix & Sentiment

Plateforme avancée d'analyse vocale et de sentiment traitant appels clients, réseaux sociaux et avis. Extraction d'émotions, d'intentions, de scores de satisfaction et d'insights actionnables en temps réel dans 8 langues.

Pourquoi ça compte: Suivi du sentiment client en temps réel sur 500K+ avis mensuels.

Suite d'Optimisation pour Moteurs Génératifs (GEO)

Toolkit propriétaire pour optimiser la visibilité du contenu sur les moteurs de recherche IA (ChatGPT, Perplexity, Google AI Overviews). Analyse comment les LLMs citent et classent le contenu, puis optimise pour une visibilité IA maximale.

Pourquoi ça compte: +180% de visibilité sur les réponses générées par IA pour les top clients.

Visibilité LLM & SEO IA

Tracker & Optimiseur de Visibilité LLM

Plateforme SaaS surveillant comment les marques apparaissent dans les réponses générées par les LLM (ChatGPT, Claude, Gemini, Perplexity). Suivi des mentions de marque, sentiment et positionnement concurrentiel sur tous les assistants IA majeurs.

Pourquoi ça compte: Premier outil du marché adopté par 200+ agences digitales.

Constructeur d'Autorité de Contenu IA

Plateforme qui analyse, structure et enrichit le contenu web pour maximiser la probabilité de citation par les modèles IA. Utilise le reverse-engineering des patterns de données d'entraînement LLM et du comportement de citation pour optimiser l'autorité du contenu.

Pourquoi ça compte: 3x d'augmentation du taux de citation IA pour le contenu optimisé.

Parcours

CTO & Co-Fondateur — BRAIKE (Juin 2026 - Présent)

Agence paid media augmentée par l'intelligence artificielle. Je dirige la technologie et construis la suite produit.

CEO & Fondateur — Findjob (Février 2026 - Présent)

Plateforme qui automatise les candidatures en alternance à grande échelle pour les étudiants.

AI & Data Engineer, Fondateur de VoicIA & Peakace.app — HEROIKS (Octobre 2024 - Février 2026)

Ingénierie IA et data à travers le groupe Heroiks et ses filiales, dont VERSUS Agency.

Consultant Data — Indépendant (Septembre 2022 - Janvier 2025)

Conseil indépendant en data et développement logiciel.

Ingénieur de données — Didaxis (Août 2023 - Septembre 2024)

Ingénierie de données et automatisation des processus.

Ingénieur logiciel — Didaxis (Octobre 2021 - Août 2023)

Développement full-stack sur la plateforme EOLYS.

Certifications & Formation

Licence en informatique générale (L3) — Conservatoire National des Arts et Métiers (CNAM) (Juillet 2023 - Juillet 2024). Niveau Excellent. Analyse de données et Business Intelligence.

Bachelor, Informatique et Innovation Numérique, parcours IA et Big Data (E3IN) — ESIEE-IT (Août 2023 - Juillet 2024). Big data, analyse de données, intelligence artificielle.

PL-300 : Analyste Données Microsoft Power BI — Microsoft (Février 2023). Modélisation de données, DAX, conception de rapports et analytics sur Power BI.

Microsoft Certified : Power Platform Fundamentals — Microsoft (Janvier 2024). Fondamentaux Power Platform, Business Intelligence et Big Data.

Notes & Analyses

AI Overviews en France : le clic n'est plus la métrique

Depuis le 22 juillet 2026, Google affiche ses résumés IA en France. Ahrefs mesure sur 300 000 requêtes une baisse moyenne de 34,5 % du taux de clic vers le premier résultat organique, et 26 % des sessions se terminent sur la page de résultats quand un résumé s'affiche.

Mon avis: On a passé quinze ans à optimiser pour une position. La position existe toujours, elle ne rapporte simplement plus le même trafic. Mon conseil aux annonceurs : arrêtez de piloter votre SEO au classement, pilotez-le à la citation. La vraie question n'est plus « suis-je premier », c'est « est-ce que la machine me reprend quand elle répond à ma place ». Et si votre trafic informationnel s'effondre pendant que vos pages produit tiennent, ce n'est pas une pénalité, c'est le marché qui vous dit où se trouve désormais votre valeur.

Source: Elorion : Impact des AI Overviews sur le SEO

GEO : la densité factuelle est le nouveau maillage interne

Les LLM citent préférentiellement les contenus qui portent des affirmations spécifiques, vérifiables et sourcées. Une page qui écrit « notre benchmark 2025 sur 412 déploiements a mesuré 38 % de réduction du temps de résolution » donne exactement ce qu'un moteur génératif cherche à reprendre.

Mon avis: C'est la meilleure nouvelle SEO depuis dix ans, et personne ne la traite comme telle. Pendant des années, le contenu creux bien optimisé battait le contenu dense mal optimisé. Les moteurs génératifs inversent ça : ils ont besoin de matière citable. Un chiffre daté, une méthode, un échantillon. Concrètement : si vous ne pouvez pas extraire de votre page trois phrases qui tiennent debout hors contexte, l'IA ne vous citera pas. Écrivez pour être découpé.

Source: Omnibound : GEO Statistics 2026

Le trafic LLM convertit mieux, et c'est logique

Les visiteurs venus des LLM convertiraient à 15,9 % depuis ChatGPT, 10,5 % depuis Perplexity et 5 % depuis Claude, contre 1,76 % pour la recherche organique classique.

Mon avis: Attention au contresens sur ces chiffres. Ce n'est pas que l'IA vend mieux : c'est qu'elle filtre en amont. Quand l'assistant a déjà répondu aux questions de cadrage, la personne qui clique est en fin de parcours, pas en début. Vous ne gagnez pas un meilleur canal, vous perdez tout le haut de funnel et gardez le bas. C'est excellent pour le taux de conversion, redoutable pour le volume. Les équipes qui célèbrent le premier sans regarder le second vont avoir une mauvaise surprise en fin d'année.

Source: Omnibound : GEO Statistics 2026

Le vrai chiffre du GEO : 92 % veulent, 40 % font

92 % des marketeurs déclarent vouloir optimiser pour la recherche IA, mais seulement 40,6 % le font effectivement aujourd'hui.

Mon avis: Cet écart de cinquante points, c'est la fenêtre. Elle ne restera pas ouverte : la même chose s'est produite avec le mobile en 2013 et avec la vidéo en 2017, et dans les deux cas ceux qui ont bougé pendant l'écart ont pris une avance qu'on ne rattrape plus. Le coût d'entrée du GEO aujourd'hui est ridicule comparé à ce qu'il sera quand tout le monde structurera son contenu pour la citation. Si vous devez arbitrer un budget ce trimestre, c'est là.

Source: Omnibound : GEO Statistics 2026

Autonomie gouvernée : le seul modèle qui tient en media buying

Selon les analyses 2026 du secteur, l'écart entre les promesses des éditeurs et les vérifications indépendantes reste large. Les équipes qui réussissent construisent une « autonomie gouvernée » : plafonds de dépense, points de validation et journaux d'audit autour d'une IA capable mais pas encore fiable seule.

Mon avis: C'est exactement le pari qu'on a fait chez Braike, et je le formule sans détour : l'agent possède la tactique, pas la stratégie. Un système qui modifie un compte publicitaire sans validation humaine n'est pas un progrès, c'est un transfert de risque vers l'annonceur. C'est pour ça que Pilot ne touche jamais à un compte sans feu vert explicite et que Sentinel est en lecture seule par construction. Ce n'est pas de la prudence commerciale, c'est la seule architecture qui reste défendable le jour où quelque chose tourne mal.

Source: TensorOps : Agentic AI in Advertising, 2026 Field Guide

150 décisions par jour et par campagne : qui les relit ?

Les campagnes Meta Advantage+ pilotent plus de 12 milliards de dollars de dépense annuelle, avec une IA qui prend plus de 150 décisions d'optimisation par campagne et par jour.

Mon avis: Personne ne relit 150 décisions quotidiennes. C'est le point aveugle du débat actuel : on discute de la qualité des décisions de la machine alors que le vrai problème est qu'elles sont devenues invisibles. Un annonceur qui ne peut pas répondre à « pourquoi mon budget est parti là » n'a pas délégué son media buying, il l'a perdu de vue. L'enjeu des deux prochaines années n'est pas d'avoir une IA qui décide mieux, c'est d'avoir une IA qui rend des comptes.

Source: eMarketer : FAQ on AI media buying

Toutes les régies ont sorti leur MCP. Et maintenant ?

TikTok a lancé son serveur MCP publicitaire en mai 2026, permettant à des agents tiers de planifier et optimiser les campagnes, après Google, Meta et Amazon qui avaient déjà livré des protocoles équivalents.

Mon avis: Le fait que les régies ouvrent elles-mêmes la porte aux agents tiers est le signal le plus sous-estimé de l'année. Elles ne le font pas par générosité : elles le font parce que la couche d'orchestration leur échappe et qu'elles préfèrent en écrire le standard. Pour un annonceur, ça change tout, le multi-plateforme cesse d'être un travail d'intégration pour devenir un choix d'outil. C'est précisément la raison pour laquelle on a construit un hub de connecteurs plutôt qu'une intégration par régie.

Source: TensorOps : Agentic AI in Advertising, 2026 Field Guide

MCP a gagné : 41 % des organisations en production

41 % des organisations logicielles interrogées ont des serveurs MCP en production limitée ou large. Gartner projette que 75 % des éditeurs de passerelles API auront des fonctionnalités MCP fin 2026, et Anthropic, OpenAI, Google et Microsoft ont tous intégré MCP nativement.

Mon avis: Quand les quatre acteurs qui se battent sur tout adoptent le même protocole, le débat est clos. Je le dis aux équipes techniques que je croise : arrêtez d'évaluer MCP, commencez à l'implémenter. Le coût de ne pas le faire n'est pas technique, il est stratégique : chaque intégration propriétaire que vous écrivez aujourd'hui est une dette que vous rembourserez en 2027. La bonne question n'est plus « quel protocole » mais « quels outils j'expose, et avec quels garde-fous ».

Source: Digital Applied : MCP Adoption Statistics 2026

MCP passe en stateless : le moment où ça devient sérieux

La spécification MCP du 28 juillet 2026 fait évoluer le protocole vers une architecture stateless, rendant l'infrastructure d'agents cacheable, routable et scalable comme le reste du web.

Mon avis: C'est le changement le plus structurant de l'année et il est passé presque inaperçu parce qu'il n'a rien de spectaculaire. Le stateless, c'est ce qui a permis au web de tenir à l'échelle planétaire ; l'appliquer aux agents, c'est admettre qu'on quitte le prototype pour la production. Concrètement, ça veut dire que les architectures d'agents vont pouvoir se déployer derrière des CDN et des load balancers standards. Ceux qui ont construit sur des sessions persistantes vont devoir réécrire.

Source: Model Context Protocol : Spécification 2026-07-28

AI Act : l'article 50 est entré en vigueur, et presque personne n'est prêt

Depuis le 2 août 2026, l'AI Act est pleinement applicable. L'article 50 impose que les chatbots et agents conversationnels signalent clairement à l'utilisateur qu'il échange avec une IA, et que les contenus générés ou fortement modifiés par IA soient identifiables.

Mon avis: J'ai vu beaucoup d'équipes traiter l'AI Act comme un sujet juridique à régler plus tard. C'est une erreur de casting : la transparence et la traçabilité sont des contraintes d'architecture, pas des mentions légales. On ne rajoute pas un journal d'audit après coup sur un système qui n'a pas été pensé pour en produire. Ceux qui ont conçu leurs agents avec validation humaine et historique complet dès le départ découvrent qu'ils sont conformes sans effort. Les autres vont réécrire.

Source: IT for Business : AI Act, ce qui change au 2 août 2026

Systèmes à haut risque : le sursis de décembre est un piège

Les systèmes déjà commercialisés avant le 2 août 2026 bénéficient d'un délai de transition jusqu'au 2 décembre 2026 pour se mettre en conformité (gouvernance, qualité des données, traçabilité, supervision humaine, documentation).

Mon avis: Quatre mois pour reconstruire la traçabilité d'un système qui n'en produisait pas, ce n'est pas un délai, c'est une illusion de délai. Je conseille exactement l'inverse de l'attentisme : servez-vous de l'échéance comme d'un audit gratuit de votre chaîne de décision. Dans neuf cas sur dix, l'entreprise découvre en cartographiant qu'elle ne sait pas dire qui a validé quoi, ni sur quelles données. Ce constat vaut bien plus que la conformité elle-même.

Source: Direction générale des Entreprises : Règlement européen sur l'IA

L'auditabilité va devenir un argument de vente avant d'être une obligation

La mise en conformité d'un système à haut risque suppose de travailler la gouvernance, la qualité des données, la traçabilité, la supervision humaine et la documentation, soit exactement les propriétés qu'une boîte noire ne peut pas fournir.

Mon avis: Ma conviction, et elle est encore minoritaire : dans dix-huit mois, les annonceurs choisiront leur prestataire sur sa capacité à expliquer ses décisions, pas seulement sur sa performance déclarée. Parce que la performance déclarée par la plateforme qui vend l'espace n'est pas une preuve, c'est un argumentaire. L'auditabilité, elle, se vérifie. On a construit toute notre suite autour de cette hypothèse, si je me trompe, on aura juste fait des outils inutilement transparents.

Source: Pôle d'excellence cyber, AI Act, obligations août 2026

Cloud souverain : 180 M€ ne suffiront pas, et ce n'est pas grave

En avril 2026, la Commission européenne a sélectionné quatre acteurs européens, dont OVHcloud et Scaleway, pour un marché-cadre de 180 millions d'euros de cloud souverain.

Mon avis: Comparé aux dizaines de milliards investis annuellement par les hyperscalers, 180 millions ne changent pas le rapport de force. Mais je pense qu'on se trompe de bataille en raisonnant en capacité : la souveraineté qui compte pour une entreprise européenne n'est pas d'avoir son propre AWS, c'est de pouvoir changer de fournisseur sans réécrire son produit. La vraie souveraineté est une propriété d'architecture : portabilité, standards ouverts, données réversibles. Pas une adresse d'hébergement.

Source: Stratégies : Les alternatives européennes aux géants du numérique

Mistral lève 830 M$ pour son datacenter : l'infrastructure avant le modèle

Mistral a levé 830 millions de dollars pour son premier centre de données français, tandis que Mistral Large affiche encore des performances en retrait face aux meilleurs modèles américains.

Mon avis: Investir dans l'infrastructure plutôt que courir après le benchmark, c'est le bon ordre des priorités et ça mérite d'être dit. Un modèle légèrement moins performant qu'on peut héberger, auditer et garder disponible bat un modèle excellent dont on dépend sans recours. Dans nos architectures, on route selon la tâche : les modèles américains là où l'écart de raisonnement se paie vraiment, les modèles européens partout où il ne se voit pas. Ce n'est ni du patriotisme ni de la naïveté, c'est de la gestion de risque.

Source: JustAI : IA souveraine en France : la réalité derrière le récit

L'Europe choisit Domyn plutôt que Mistral : le signal derrière la surprise

Le 19 juin 2026, la Commission a désigné le consortium EUROPA, piloté par la start-up italienne Domyn et le Fraunhofer, vainqueur du Frontier AI Grand Challenge pour construire un modèle open source de plus de 400 milliards de paramètres dans les 24 langues de l'Union.

Mon avis: Le choix a surpris parce que tout le monde attendait le champion français. Je le lis autrement : l'Union a financé de l'open source multilingue plutôt qu'un champion national, et c'est cohérent avec ce dont les entreprises ont réellement besoin. Un modèle ouvert qu'on peut auditer et déployer chez soi crée plus de souveraineté qu'un modèle fermé européen. La nationalité du fournisseur compte moins que la nature de la licence.

Source: Tech Insider : Mistral, Domyn et le Frontier AI Grand Challenge

Le vrai verrou du cloud n'est plus le prix, c'est l'intégration IA

Migrer une stack d'AWS vers OVH est devenu extrêmement complexe : l'intégration de l'IA dans AWS a atteint un niveau où les développeurs demandent directement à l'IA de configurer l'ensemble du setup, ce qu'OVH ne propose pas encore.

Mon avis: C'est le mécanisme de dépendance le plus efficace jamais construit, et il ne coûte rien à celui qui l'installe. Le verrouillage ne passe plus par les tarifs de sortie mais par le confort : quand l'assistant du fournisseur écrit votre infrastructure, votre infrastructure devient illisible pour vous. Ma règle chez Braike : tout ce qui est généré par une IA doit rester lisible et reproductible par un humain, sinon on ne le met pas en production. C'est contraignant, et c'est ce qui garde la porte de sortie ouverte.

Source: JustAI : IA souveraine en France : la réalité derrière le récit

Une partie de ce qu'une agence facture est automatisable. Maintenant.

Google AI Max, Meta Advantage+ et une vague d'agents autonomes pilotent désormais ciblage, enchères, création et rythme de dépense avec de moins en moins d'intervention humaine.

Mon avis: C'est inconfortable à dire quand on vend des prestations, alors disons-le clairement : le setup de campagne, le reporting et une bonne part de l'optimisation courante ne valent plus ce qu'on les facturait. Nier ça, c'est vendre du temps qui va disparaître. Ce qui reste, et qui prend de la valeur, c'est l'arbitrage, la lecture business, la capacité à dire non à la plateforme. On a construit Braike sur cette bascule : outiller pour libérer du temps de conseil, pas pour facturer plus longtemps l'exécution.

Source: TensorOps : Agentic AI in Advertising, 2026 Field Guide

Construire des outils pour que le client puisse se passer de nous

Le modèle d'agence traditionnel repose sur une dépendance durable du client. Les protocoles ouverts des régies et les outils agentiques rendent techniquement possible l'internalisation du pilotage média.

Mon avis: On a pris le pari inverse du modèle classique, et je l'assume : nos outils sont faits pour que l'annonceur puisse un jour se passer de son agence, Braike compris. C'est absurde sur le papier. Dans les faits, un client qui reste parce qu'il choisit de rester vaut mieux qu'un client qui reste parce qu'il ne peut pas partir, il paie pour de l'expertise, pas pour un verrou. Et l'expertise, elle, ne s'automatise pas.

Source: CB News : Faire-part de naissance : Braike

Consultant augmenté plutôt qu'agent autonome : pourquoi on a tranché

La tendance du secteur en 2026 va vers des agents pilotant seuls les campagnes, tandis que les analyses indépendantes recommandent des garde-fous : plafonds, validations, journaux d'audit.

Mon avis: Le tout-automatique est séduisant en démo et fragile en production, pour une raison simple : un agent optimise ce qu'on lui donne à mesurer, jamais ce qu'on a oublié de lui dire. Le contexte concurrentiel, la contrainte de marge, le lancement produit du mois prochain, rien de tout ça n'est dans le compte publicitaire. C'est pour ça qu'on mise sur le consultant épaulé par une cohorte d'agents plutôt que sur l'agent seul : la machine exécute, l'humain arbitre.

Source: TensorOps : Agentic AI in Advertising, 2026 Field Guide

Un modèle ne crée pas de valeur seul

Chaque nouvelle génération de modèles améliore le raisonnement et la fiabilité sur des tâches longues. Les modèles frontière de 2026 sont natifs MCP chez Anthropic, OpenAI, Google et Microsoft.

Mon avis: La course aux modèles fascine et détourne l'attention du seul endroit où se joue la valeur : ce qui entoure le modèle. Les données auxquelles il accède, les outils qu'il pilote, la mémoire qu'il conserve, les automatisations qu'il déclenche, l'expérience construite autour. J'ai vu des équipes brancher le meilleur modèle du marché sur rien du tout et s'étonner du résultat. Changer de modèle prend une journée ; construire le contexte autour prend un an. Investissez là où c'est long.

Source: Model Context Protocol : Feuille de route 2026

Avant de déployer un agent : plafonds, validations, journaux

Les déploiements d'agents publicitaires réussis en 2026 partagent trois caractéristiques : plafonds de dépense stricts, points de validation explicites et journaux d'audit complets, déployés par phases plutôt qu'en une fois.

Mon avis: Si je ne devais donner qu'un conseil aux équipes qui se lancent : construisez les garde-fous avant l'agent, jamais après. C'est contre-intuitif parce que les garde-fous ne font pas de démo impressionnante, et c'est précisément pour ça qu'on les repousse. Un agent sans plafond de dépense n'est pas un agent en test, c'est un incident en attente. On a écrit les limites de Sentinel avant d'écrire sa logique de détection, l'ordre n'était pas un hasard.

Source: Superscale : Automate Meta ads with AI agents, playbook 2026

Catalogue d'outils

Modèles & APIs IA

Agents, RAG & orchestration

Data engineering & entrepôts

Cloud, infra & déploiement

Développement & langages

Publicité & plateformes média

SEO, GEO & intelligence marché

Automatisation, CRM & productivité

MLOps, qualité & sécurité

Créatif & production de contenu