Du marketing BtoA
aux agents IA
Concevoir, automatiser et tester des agents utiles en restauration collective avec n8n
ISTHIA • 2026–2027Denis Bories — support de la séance 1 (23 septembre 2026)
1Observer
Appels d’offres • réclamations • données de consommation
2Comprendre
LLM + règles + sorties structurées
3Agir avec contrôle
Workflow n8n • validation humaine • journalisation
Le module en un coup d’œil
Démonstration du prototype de groupe + soutenance courte
13 h d’enseignement + 2 h d’examen = 15 h
Un cours de marketing… qui produit un prototype
Le programme du M1 MIRC prévoit 15 h de « Marketing alimentaire » : concepts fondamentaux du marketing, spécificités alimentaires et compréhension du consommateur-mangeur.
AComprendre
Marché, parties prenantes, décideurs, usagers, besoins et comportements.
BChoisir
Cibles, proposition de valeur, preuves, critères de décision.
CConcevoir
Un dispositif marketing assisté par trois agents IA.
DÉvaluer
Tests, robustesse, utilité, risques et gouvernance.
Fil rouge : passer d’une vision « IA = outil » à une vision « IA = système marketing instrumenté et contrôlé ».
Programme MIRC 2025, UE 702, p. 3
Architecture pédagogique : 4 sprints + 1 soutenance
Chaque séance doit laisser une trace exploitable dans le prototype final.
Marketing BtoA & restauration collective
23 septembre • 3 h • Comprendre le système d’acteurs avant de parler d’IA
Le « client » n’est presque jamais une seule personne
Au centre : l’offre de restauration. Autour d’elle, quatre parties prenantes aux attentes différentes.
Acheteur public
Ville / hôpital / université
Prescripteurs
Nutrition • achats • direction
Usagers
Élèves • salariés • résidents
Entourage
Parents • familles • représentants
Le marketing doit satisfaire un système de parties prenantes aux attentes parfois contradictoires.
BtoC, BtoB, BtoA : même logique de valeur, contraintes différentes
| BtoC — consommateur individuel | BtoB — organisation privée | BtoA / B2G — administration, acheteur public | |
|---|---|---|---|
| Décision | rapide / individuelle | collégiale | formalisée, tracée |
| Critères | préférence / prix | ROI / risque / relation | besoin public / critères annoncés |
| Relation | marque–client | compte clé | procédure + exécution du contrat |
| Preuves | expérience | cas / références | conformité + preuves + traçabilité |
BtoA est ici utilisé comme une grille marketing : l’acte d’achat relève de la commande publique lorsque l’acheteur est soumis à ce cadre.
Service-Public Entreprendre, « Qu’est-ce qu’un marché public ? », 2026
Le marketing BtoA doit composer avec trois principes non négociables
1Liberté d’accès
Le besoin et l’information doivent être suffisamment accessibles pour permettre aux opérateurs économiques de candidater.
2Égalité de traitement
Les candidats doivent recevoir un niveau d’information équivalent et être évalués selon les mêmes règles.
3Transparence
Critères annoncés, procédure traçable, pièces conservées : la preuve est une composante du marketing BtoA.
Conséquence pédagogique : l’agent IA ne « décide » jamais à la place de l’acheteur ou du responsable. Il extrait, structure, alerte et prépare des éléments vérifiables.
Service-Public Entreprendre, 2026
Le parcours BtoA : le marketing commence avant l’appel d’offres
Les trois agents du projet couvrent surtout les étapes 2 à 5.
Quatre familles de données pour piloter l’offre
1Marché & commande
Appels d’offres, CCTP, critères, clauses, questions/réponses.
2Voix des usagers
Réclamations, verbatims, enquêtes, avis, demandes.
3Usage & consommation
Convives, ventes, restes, fréquentation, choix de plats.
4Contraintes
EGAlim, allergènes, nutrition, budget, capacités de production.
Un agent utile ne remplace pas ces données : il les rend plus rapidement lisibles et actionnables.
Règle du cours : données simulées ou anonymisées uniquement.
Un chatbot répond. Un agent s’insère dans un processus.
GIA générative
- Entrée : un prompt
- Traitement : génération
- Sortie : texte / image / code
Risque : réponse brillante mais déconnectée du processus métier.
WWorkflow automatisé
- Entrée : événement
- Traitement : règles + services
- Sortie : action prévisible
Force : répétabilité, mais peu d’interprétation.
AAgent IA
- Entrée : événement + contexte
- Traitement : modèle + règles + outils
- Sortie : résultat structuré + escalade
Exigence : évaluation et contrôle humain.
Notre objectif : combiner le raisonnement du modèle avec la discipline du workflow.
MarketeurExpert : IA descriptive, générative et agentique
Quand ne faut-il pas construire un agent IA ?
Mauvais candidat
- La règle est déterministe et stable
- Le coût d’une erreur est trop élevé
- Les données disponibles sont insuffisantes
- Une simple formule / requête suffit
Bon candidat
- Interprétation de texte nécessaire
- Volume répétitif et chronophage
- Résultat peut être vérifié humainement
- Le système peut apprendre via les tests
Principe directeur : Human in the Loop
Interdictions du projet
- Aucun envoi automatique à un usager
- Aucune décision nutritionnelle ou médicale
- Aucune conformité « validée » par le modèle
- Aucune donnée personnelle réelle
Principe
Les agents préparent, classent, suggèrent. La décision finale reste humaine.
Adapté de l’étude de cas MarketeurExpert
Cas fil rouge : GFI — « Cap Marché 2027 »
Vous êtes une équipe de consultants marketing & IA missionnée par Garonne Food & Institutions (GFI), société fictive de restauration collective en Occitanie.
SSites
34 sites : 16 écoles, 2 collèges, 8 restaurants d’entreprise / administratifs, 8 EHPAD et foyers — ≈ 8 200 repas / jour (cas fictif)
TTensions
Consultation Val d’Aurine à préparer • 253 messages en 7 semaines, 6 canaux • 486 pesées, 3 méthodes différentes • preuves EGAlim incomplètes
OObjectif
Créer 3 agents no-code utiles, démontrables, sûrs et reliés au processus marketing.
nOutil
n8n, local ou VPS, + un LLM
Votre prototype doit prouver une valeur marketing, pas seulement « faire fonctionner de l’IA ».
Les 3 agents à construire
1Agent 1 — Tender Radar
Lecture BtoA. Lire le DCE Val d’Aurine (RC, 34 clauses CCTP) et le profil GFI (capacités, preuves, achats, menu proposé). Extraire : critères, attentes, preuves, écarts, contradictions, informations manquantes, questions.
Jamais de « go/no-go » automatique ni de validation juridique.
2Agent 2 — Voice Router
Voix des usagers. Qualifier 253 messages : catégorie (11), sensibilité, thème marketing, injection. Générer un brouillon neutre sans envoi et déclencher une alerte humaine sur les cas sensibles.
3Agent 3 — Offer Lab
Offre & gaspillage. Nettoyer puis croiser 486 pesées, fréquentation, plats et commentaires. Identifier plats et sites à problème, formuler des hypothèses, proposer des tests non prescriptifs.
Le cas GFI est autonome : toutes les données nécessaires sont fournies (classeur Excel, DCE fictif, CSV, kit n8n).
Cas GFI — inspiré de l’étude de cas Agents IA, MarketeurExpert
Ce qui vous est fourni… et ce que vous devez construire
Fourni
- DCE fictif Val d’Aurine : RC, 34 clauses CCTP, annexes (Word)
- Classeur Excel GFI : 23 onglets, ≈ 2 500 lignes
- 19 exports CSV prêts pour n8n
- Kit n8n : docker-compose, prompts, schémas JSON
- Taxonomie, règles de sensibilité, charte de ton
- Matrice de 18 tests à compléter
À construire
- 3 workflows n8n (ou 1 orchestrateur + 3 sous-workflows)
- Prompts système et schémas de sortie finaux
- Nettoyage et normalisation des données
- Garde-fous : IF / Switch, validation humaine, logs
- 18 tests documentés avec corrections
- Démo de 10 minutes + charte d’usage
Un petit système d’information : 23 onglets, 4 familles
1Marché & commande
Pipeline_Consultations • AO_VdA_RC • AO_VdA_CCTP • AO_VdA_Menu_propose • Capacites_GFI • Preuves_Documentaires • Fournisseurs_Achats
2Voix des usagers
Messages (253) • Incidents_Qualite • Enquetes_Satisfaction • Taxonomie_Messages • Regles_Sensibilite • Charte_ton
3Usage & consommation
Sites (34) • Frequentation (1 156) • Menus (40) • Cycle_Menus • Restes (486) • Reporting_Mensuel
4Repères
Lisez_moi • Dictionnaire_Donnees • Profil_GFI • Tests_etudiants • + DCE Word, CSV, kit n8n
Clés de jointure : Site_ID • Menu_ID • Msg_ID • Clause_ID • CAP-xx / DOC-xx
Données volontairement imparfaites : doublons, unités, valeurs manquantes, identifiants — comme dans une vraie entreprise.
Organisation des groupes : chacun a une responsabilité visible
PProduct owner
Maintient le besoin métier, la proposition de valeur et les critères de réussite.
WWorkflow designer
Construit n8n, gère les entrées/sorties et l’orchestration.
DPrompt & data lead
Conçoit prompts, schémas JSON, données de test et formats stables.
QQA / risk lead
Écrit les cas limites, teste les erreurs, vérifie les garde-fous et la traçabilité.
Groupes de 3 à 5 : un étudiant peut tenir deux rôles, mais aucun rôle ne doit être absent.
Chaque étudiant doit être capable d’expliquer le fonctionnement complet du prototype à l’oral.
Atelier 1 — Cadrer avant de construire
Livrable fin de séance : 1 page « Agent Charter » par groupe + carte des parties prenantes + lecture rapide du DCE et du Lisez_moi.
Version web du support de la séance 1 du module Marketing alimentaire (M1 MIRC, ISTHIA — Université Toulouse – Jean Jaurès, 2026-2027). Le cas, les données et le DCE sont disponibles sur la page Étude de cas – GFI « Cap Marché 2027 ».
