Support de cours — séance 1 (23 septembre 2026). Les premières slides du cours sont disponibles en version web : Du marketing BtoA aux agents IA — support de la séance 1.
M1 MIRC — Marketing alimentaire (2026-2027). Cette étude de cas sert de fil rouge au module : vous êtes une équipe de consultants marketing & IA missionnée par Garonne Food & Institutions (GFI), entreprise fictive de restauration collective, pour concevoir, automatiser et tester trois agents IA utiles avec n8n. Le cas est entièrement fictif ; toutes les données nécessaires sont fournies ci-dessous. Aucune donnée réelle ne doit y être ajoutée.
Téléchargements
Le pack contient l’énoncé, le DCE, le classeur de données, les mêmes données en 19 fichiers CSV (UTF-8, séparateur virgule, dates ISO) et le kit n8n (docker-compose, prompts de départ, schémas JSON, README). Les trois documents principaux sont aussi téléchargeables séparément :
- Énoncé du cas — Cas GFI « Cap Marché 2027 » (Word)
- DCE fictif Val d’Aurine — règlement de consultation, CCTP et annexes (Word, 10 pages)
- Classeur de données GFI — 23 onglets (Excel)
Le contexte : GFI en bref
- 34 sites en Occitanie : 16 écoles, 2 collèges, 8 restaurants d’entreprise ou administratifs, 8 établissements médico-sociaux — environ 8 200 déjeuners par jour.
- Deux cuisines centrales, douze tournées de livraison, 138 salariés, environ 10,2 M€ de chiffre d’affaires.
- 21 marchés publics et 13 contrats privés : un marketing à la fois BtoA (commande publique) et BtoB, avec des parties prenantes aux attentes différentes (acheteur, prescripteurs, usagers, familles).
- Une consultation stratégique à préparer : la Communauté d’agglomération Val d’Aurine (six groupes scolaires, 2 450 déjeuners par jour, remise des offres le 8 janvier 2027). GFI n’est pas le titulaire actuel.
- Des faiblesses connues : relation usagers peu industrialisée (253 messages en sept semaines, six canaux, environ 15 % sans réponse à J+10), achats durables sous les seuils EGAlim, preuves fournisseurs incomplètes, méthodes de pesée du gaspillage non harmonisées.
La mission : trois agents complémentaires
Agent 1 — Tender Radar (lecture BtoA)
Il lit le DCE Val d’Aurine (règlement de consultation, 34 clauses de CCTP, calendrier) et le profil de GFI (capacités, preuves documentaires, achats, menu proposé). Il extrait critères, attentes et preuves à fournir, rapproche les exigences des capacités de GFI, signale informations manquantes, contradictions et ambiguïtés, et prépare les questions à poser à l’acheteur. Il ne rend jamais de décision go/no-go et ne « valide » jamais une conformité.
Agent 2 — Voice Router (voix des usagers)
Il classe les messages de parents, directions, salariés, soignants et clients institutionnels selon une taxonomie de onze catégories, évalue leur sensibilité, détecte les instructions hostiles, prépare un brouillon de réponse conforme à la charte de ton et escalade les cas sensibles vers un humain. Il n’envoie jamais de réponse automatiquement.
Agent 3 — Offer Lab (offre & gaspillage)
Il croise pesées de restes, fréquentation, référentiel des plats, satisfaction et commentaires terrain. Il nettoie d’abord les données (unités, doublons, valeurs manquantes, identifiants), produit ensuite des constats, puis des hypothèses, puis des tests marketing mesurables. Il ne modifie jamais un menu ou une portion et ne transforme jamais une corrélation en causalité.
Le DCE Val d’Aurine
Le dossier de consultation fictif reproduit la logique d’un règlement de consultation (objet, volumes, calendrier, pièces, critères pondérés : valeur technique 45 %, prix 30 %, transition alimentaire 15 %, performance contractuelle 10 %) et d’un CCTP (34 clauses réparties en douze chapitres : mode de production, approvisionnements EGAlim, menus et nutrition, PAI et allergènes, hygiène, personnel, gaspillage, relation usagers, reporting, pénalités). Cinq annexes complètent le dossier : liste des sites, calendrier, cadre de réponse du mémoire technique, modèle de tableau de bord et rappel des fréquences nutritionnelles. Il ne constitue pas un document juridique réel. Certaines incohérences et informations manquantes sont volontaires : un agent utile les signale et pose des questions, il ne tranche pas.
Les données
Le classeur reproduit les extractions d’un système d’information d’entreprise, période du 1er septembre au 16 octobre 2026. Commencez par les onglets Lisez_moi et Dictionnaire_Donnees. Comme dans une vraie entreprise, les données ne sont pas parfaites : méthodes de mesure hétérogènes, valeurs manquantes, erreurs de saisie, doublons, identifiants mal orthographiés. Les repérer et les traiter fait partie du travail des agents et de vos tests.
| Famille | Onglets | Agents |
|---|---|---|
| Marché & commande | Pipeline_Consultations (14 opportunités), AO_VdA_RC (20 rubriques), AO_VdA_CCTP (34 clauses), AO_VdA_Menu_propose, Capacites_GFI (16), Preuves_Documentaires (30), Fournisseurs_Achats (40 fournisseurs, calcul EGAlim) | Agent 1 |
| Voix des usagers | Messages (253 verbatims datés, six canaux), Incidents_Qualite (32), Enquetes_Satisfaction (28), Taxonomie_Messages, Regles_Sensibilite, Charte_ton | Agent 2 |
| Usage & consommation | Sites (34), Frequentation (1 156 jours-sites), Menus (40 plats), Cycle_Menus (8 semaines), Restes (486 pesées sur 24 sites), Reporting_Mensuel | Agent 3 |
| Repères | Lisez_moi, Dictionnaire_Donnees, Profil_GFI, Tests_etudiants (matrice de 18 tests à compléter) | Tous |
Clés de jointure : Site_ID, Menu_ID, Msg_ID, Clause_ID, CAP-xx / DOC-xx.
Outils et contraintes techniques
- n8n est l’outil d’orchestration imposé : installation locale recommandée (Docker Desktop,
docker compose up -davec le fichier fourni), VPS accepté si le groupe le maîtrise déjà. Aucun avantage de note pour un VPS. - Le fournisseur de LLM est libre, sous réserve de respecter les règles de l’établissement et de ne jamais utiliser de données personnelles réelles.
- Les sorties nécessaires au routage sont structurées (JSON) et contrôlées dans le workflow : parser, validation de schéma, valeurs autorisées. Trois schémas de départ sont fournis dans le kit.
- Les règles critiques sont portées par le workflow (branches IF/Switch, validation humaine, journalisation), pas seulement par le prompt.
- Les clés API et secrets ne doivent jamais apparaître dans les exports, captures ou fichiers remis.
Livrables et évaluation
- Un schéma global du système (une page) incluant les sources de données utilisées.
- Les trois workflows n8n fonctionnels (ou un orchestrateur et trois sous-workflows), leurs exports JSON et un README de reproduction.
- Les prompts système finaux et les schémas de sortie.
- Un tableau de 18 tests minimum (six par agent) : attendu, observé, statut, correction, retest.
- Une charte d’usage : limites, données, escalades, validation humaine.
- Une démonstration orale d’environ dix minutes lors de l’examen du 16 décembre 2026.
Notation sur 20, en cinq dimensions de 4 points : diagnostic marketing et BtoA • architecture n8n et intégration • prompts, données et sorties • tests et garde-fous • démonstration et maîtrise. La qualité technique ne compense pas une absence de valeur marketing, et inversement.
Calendrier
| Séance | Contenu | Production attendue |
|---|---|---|
| 23 septembre (3 h) | Marketing BtoA et restauration collective, lancement du cas | Agent Charter + carte des parties prenantes + lecture rapide du DCE |
| 14 octobre (3 h) | Concevoir un agent et l’automatiser avec n8n — Agent 1 | Agent 1 exécutable sur trois clauses + une contradiction détectée |
| 4 novembre matin (3 h) | Voix des usagers, classification et escalade — Agent 2 | Classification des messages + revue des cas critiques |
| 4 novembre après-midi (4 h) | Offre et gaspillage, intégration des trois agents — Agent 3 | Prototype complet + 18 tests + logs + répétition |
| 16 décembre (2 h) | Examen | Démonstration de groupe et soutenance |
Règles du cours
Données simulées ou anonymisées uniquement. Aucun envoi automatique à un usager. Aucune décision nutritionnelle, médicale ou juridique par un agent. Aucune conformité « validée » par le modèle. Les agents préparent, classent, suggèrent : la décision finale reste humaine.
Cas entièrement fictif conçu pour l’enseignement (ISTHIA, Université Toulouse – Jean Jaurès). Toute ressemblance avec une entreprise, une collectivité ou une personne existante serait fortuite. Il prolonge l’étude de cas Agents IA en restauration collective publiée sur ce site.
