7 façons d’automatiser votre marketing de contenu avec Agent A
Par Ryan Law
Directeur du marketing de contenu chez Ahrefs
Je dirige l’équipe éditoriale du blog Ahrefs, et chaque semaine on utilise Agent A pour automatiser de plus en plus les tâches répétitives de notre travail.
Rédiger du contenu SEO formulaire, mettre à jour d’anciens articles, rendre compte des performances du blog, réaliser des analyses complexes… tout ça, c’est Agent A qui le fait pour moi.
Voici quelques-uns de nos cas d’usage préférés d’Agent A pour l’automatisation contenu en marketing.
L'automatisation au service du commerce agentique
Agent A est un agent marketing développé par Ahrefs. En clair, c’est un assistant IA avec un accès direct et sans restriction à l’ensemble des données Ahrefs, capable d’exécuter des tâches marketing et SEO de manière autonome, pas seulement de répondre à des questions.
C’est un espace de travail où un agent IA à longue durée de vie construit, exécute et maintient des outils pour vous, sur une infrastructure qu’il contrôle. Ce n’est pas un simple chatbot. C’est plutôt un développeur junior doté d’une solide culture SEO, d’une base de données Postgres, d’un serveur Flask et d’un accès à tous les grands LLMs du moment.
Voici ce qui distingue Agent A de ChatGPT, Claude Code, ou même de l’utilisation de l’Ahrefs API ou du MCP :
- Accès sans restriction aux endpoints Ahrefs
Chaque endpoint (en gros des portes d’entrée vers les données) utilisé pour construire Ahrefs est disponible dans Agent A, y compris de nombreux endpoints inaccessibles via l’API ou le MCP : Keywords Explorer, Site Explorer (101 endpoints à lui seul), Brand Radar, Web Analytics, l’intégration GSC, AI Content Helper, Site Audit, Rank Tracker, Content Explorer, l’analyse par lot…
Vous pouvez même créer et mettre à jour des projets dans Ahrefs juste en discutant avec Agent A. - Une vraie stack technique
Agent A sait précisément comment transformer vos grandes idées en réalité : stocker vos données dans une base de données robuste, créer des interfaces web sur mesure, ou encore planifier des tâches automatiques qui tournent en arrière-plan à heures fixes. Il sait aussi connecter vos outils entre eux pour qu’ils se parlent automatiquement, choisir parmi plus de 300 modèles d’IA selon le besoin, parcourir et analyser des pages web, extraire du texte depuis des PDF ou des images… Si les mots Postgres, Flask, tâches cron ou OCR ne vous disent rien, pas d’inquiétude, Agent A choisit les bons outils sans que vous ayez besoin de le lui demander. Mais si ces applications vous parlent, alors vous savez qu’Agent A va vous faire gagner beaucoup de temps. - Connexions natives à tous vos outils marketing
Vous pouvez utiliser des connecteurs natifs pour Slack, HubSpot, GitHub, Notion, Linear, Mailchimp, Resend, SendGrid, Stripe, Gong, WordPress, Airtable, Reddit, Apify, et même Semrush, au cas où vous souhaiteriez migrer vers Ahrefs 😉 - Bibliothèque de compétences et d’applications expertes
L’équipe Ahrefs (moi y compris mais aussi notre responsable marketing France pour les challenges de votre marché) a contribué à construire les compétences marketing et des applications précréées qui permettent d’automatiser les processus marketing clés exactement comme le ferait un utilisateur Ahrefs expérimenté.
Voici comment on utilise Agent A pour l’automatisation contenu en marketing :
J’ai utilisé Agent A pour construire le Blog Pipeline, un workflow d’écriture assistée en 11 étapes qui automatise la création de contenu SEO. Vous saisissez un mot-clé cible (ou mieux encore, demandez à Agent A d’en trouver un grâce à la compétence intégrée « Analyse d’écart de contenu »), et Agent A enchaîne une par une les 11 étapes pour livrer un brouillon d’article prêt à être publié.
App créée avec Agent A par Juliette, avec l’interface en français
Agent A travaille en séquence à travers la recherche de mots-clés, l’analyse de la SERP, un snapshot thématique via AI Content Helper, un plan en points, les mentions produit, la rédaction, le maillage interne et la recherche de citations, la génération d’images et la mise en forme pour la publication. Vous pouvez consulter le résultat à chaque étape et le modifier directement.
Je continue à affiner le workflow pour le blog. Mes derniers ajouts incluent :
- Mode d’édition « vibe » : vous pouvez désormais utiliser une boîte de discussion pour donner au LLM des retours directionnels sur les plans et les brouillons d’articles, et il appliquera vos modifications pour vous. Fini l’édition manuelle ou les copier-coller. Que des vibes !
- Guides de style personnalisés : importez votre propre guide de style et choisissez un profil d’auteur par article, entraîné sur vos propres exemples d’écriture.
- Schémas de flux à votre image : suggérez et générez des schémas de flux dans votre identité visuelle.
Prompt de départ :
« Construis-moi une pipeline d'article long format semi-automatique. L'entrée atomique est un mot-clé cible. Les étapes s'exécutent séquentiellement en tâches de fond que l'interface interroge : (1) recherche de mots-clés via Ahrefs, (2) récupération des concurrents SERP, (3) snapshot thématique AI Content Helper, (4) plan en points avec couverture thématique imposée, (5) placement des données-mentions, (6) brouillon complet, (7) polissage, (8) formatage avec shortcodes WordPress + export .docx. Chaque étape affiche son résultat, dispose d'une zone de texte « éditer » et d'un chat « affiner avec retour » qui relance l'étape avec mes notes. Le guide de style vient d'un profil de voix par auteur. »
Pour aller encore plus loin dans l’automatisation de la création de contenu avec l’IA, regardez cette vidéo : How to automate blog writing with AI from keyword to published. Vous pouvez aussi lire en français notre article sur comment vibecoder quand on est SEO.
Le blog Ahrefs compte plus de 1 000 articles (versions localisées comme en français incluses), et les maintenir tous à jour représente plus qu’un travail à plein temps.
J’ai utilisé Agent A pour construire un processus de mise à jour automatisé :
Partagez une URL publiée, et le pipeline récupère l’article, extrait le contenu de la page, puis exécute quatre étapes de diagnostic en parallèle :
- Guidage : vous définissez le périmètre de la mise à jour ( simple rafraîchissement ou réécriture complète).
- Audit des affirmations : le LLM signale chaque statistique, référence à une étude et assertion datée dans l’article, évalue le niveau d’obsolescence de chacune et, si nécessaire, trouve une URL de remplacement à citer.
- Mentions Ahrefs : vérifie l’article par rapport aux fonctionnalités Ahrefs sorties depuis la publication et suggère où les intégrer.
- Écarts thématiques : relance la SERP par rapport aux pages actuellement bien classées et identifie les sujets qu’elles couvrent et que votre article ne traite pas. C’est important pour vérifier que l’intention de recherche de votre contenu est toujours bon.
Ma fonctionnalité préférée est l’étape 6 Aperçu : une comparaison côte à côte entre votre article actuel et les mises à jour proposées, avec la possibilité d’accepter ou rejeter chaque modification.
Ca évite d’avoir les deux versions côte à côté en cherchant désespéremment ligne par ligne ce que l’IA à modifier. Vous voyez l’original à gauche, la modification proposée à droite, et vous les parcourez une par une. Cette partie rend réellement gérable un sprint mensuel du type « rafraîchir 20 anciens articles ».
Prompt de départ :
« Construis-moi un workflow de mise à jour d'articles de blog. Entrée : une URL publiée. Récupère l'article. Exécute cinq étapes de diagnostic : (1) Guidage — je définis le périmètre (rafraîchissement léger vs. réécriture complète) ; (2) Audit des affirmations — le LLM extrait chaque stat, référence à une étude et assertion datée et évalue chacune pour son obsolescence avec une suggestion de remplacement ; (3) Mentions Ahrefs — vérification croisée avec les fonctionnalités Ahrefs sorties depuis la publication et suggestion d'emplacements ; (4) Écarts thématiques — relancer la SERP, faire remonter les sujets couverts par les pages actuellement bien classées que le mien ne couvre pas ; (5) Pages faisant autorité — trouver des sources linkables publiées depuis mon article. Étape finale : diff côte à côte entre l'article actuel et les mises à jour proposées, avec acceptation/rejet par modification. Exporter la version acceptée en markdown et shortcodes WordPress. »
Chaque mois, je partage un rapport de performance assez détaillé pour le blog Ahrefs. Il combine de nombreuses sources de données, inclut de nombreuses visualisations et offre une couche d’analyse experte (en théorie).
Ce rapport prenait auparavant une journée entière à créer. Désormais, Agent A le génère pour moi, automatiquement, le 2e jour de chaque mois (pour laisser le temps aux données GSC de finir de se collecter).
(Ce sont uniquement des données fictives — on le voit bien au fait qu’elles augmentent mois après mois…)
Il agrège Google Search Console, Ahrefs Web Analytics et le graphique du tableau de bord GSC en une seule vue avec des tuiles de KPIs, un graphique de tendance sur 12 mois, des répartitions par sous-dossier, des tableaux de gagnants et perdants, des alertes d’anomalies quotidiennes et des listes paginées complètes de tous les articles SEO et non-SEO.
J’ai également inclus un champ « vue d’ensemble mensuelle » modifiable. L’IA n’écrit pas l’analyse : ça, c’est mon rôle. En revanche, elle analyse les performances du mois et suggère 6 à 10 points candidats que je peux passer en revue et sélectionner pour enrichir ma synthèse, s’ils viennent étayer mon analyse.
Prompt de départ :
« Construis-moi un rapport mensuel de performance du blog. Récupère GSC + Ahrefs Web Analytics pour le mois en cours. Affiche des tuiles de KPIs, un graphique de tendance sur 12 mois avec un marqueur de migration, une répartition par sous-dossier, des tableaux gagnants/perdants (paginés, 25/page), des alertes d'anomalies quotidiennes et des tableaux paginés complets de chaque article. En haut, une « vue d'ensemble mensuelle » en markdown éditable avec sauvegarde automatique. À côté, un panneau IA qui prend mes KPIs en cache + une zone de texte « contexte secteur » que je remplis avec des nouvelles d'updates algorithmiques et produit 6 à 10 points candidats que je peux copier. Ajouter un bouton « publier sur site public » qui génère un snapshot en lecture seule. »
J’ai toujours été intéressé par l’autorité thématique : l’idée que Google récompense les sites qui couvrent leur domaine d’expertise de manière exhaustive. On a un blog vaste et tentaculaire, et je voulais voir comment nos articles « hors-sujet » se comportaient par rapport à nos articles de cœur de métier.
Agent A a donc réalisé l’analyse pour moi. C’est un peu technique, mais je voulais être transparent sur ma méthode : Le Blog Semantic Audit a cartographié chaque URL de notre blog dans un espace vectoriel, calculé un centroïde de site et regroupé les pages selon leur distance cosinus en catégories : cœur / proche / médian / lointain.
Ensuite, il a enrichi chaque page avec les données de trafic Ahrefs, de sorte que chaque catégorie affiche le trafic organique moyen, les domaines référents, l’URL Rating et la couverture de mots-clés. Il a même regroupé les articles connexes pour mettre en évidence des clusters thématiques naturels.
Le résultat répond à une question que j’ai toujours voulu trancher : « Mes articles hors-sujet sous-performent-ils par rapport à mes articles de cœur de métier, et dans quelle mesure ? » Sur notre blog, la réponse est oui : les pages de cœur obtiennent environ 2 fois plus de trafic que les pages lointaines.
Prompt de départ :
« Réalise un audit sémantique de mon blog. Récupère chaque URL depuis le sitemap, récupère le contenu, embarque chaque page (moyenne des embeddings de passages) en utilisant un modèle d'embedding 3072-d. Calcule le centroïde du site et regroupe les pages par distance cosinus (cœur/proche/médian/lointain en utilisant moyenne ± 1/2σ — pas les quartiles). Enrichis chaque URL avec l'analyse par lot Ahrefs (trafic_org, refdomains, UR, mots-clés). Lance k-means avec scan de silhouette (k=2..12) pour trouver les clusters thématiques naturels. Résultat : histogramme des catégories, moyennes Ahrefs par catégorie, résumés de clusters avec exemples d'URL, et un verdict sur la cohérence ou la dispersion du blog. »
Je passe beaucoup de temps à parcourir les blogs de mes concurrents pour trouver de l’inspiration. Quand j’ai demandé à Agent A de m’aider, il a construit un outil appelé Competitor Feed.
Competitor Feed surveille une liste de sitemaps de blogs concurrents et fait remonter chaque jour les nouveaux articles. Chaque article est sauvegardé avec un titre, une date de publication, un extrait du premier paragraphe et un résumé en une ligne généré par le LLM. Je trie ensuite chaque élément comme « à garder / à ignorer / à rejeter » : les bonnes idées sont sauvegardées dans mon backlog d’idées de contenu.
Quand vous sauvegardez un article, l’application lance un workflow Keywords Explorer contre le titre : il extrait un sujet principal de 2 à 3 mots, récupère des suggestions de mots-clés, les classe par volume et intention, et rattache les résultats à la ligne sauvegardée.
Ainsi, la « veille concurrentielle » n’est plus un simple flux passif et devient une pipeline actif de mots-clés : chaque article concurrent intéressant produit une liste de mots-clés que vous pourriez cibler sur le même sujet.
Prompt de départ :
« Construis-moi un outil de veille sur les blogs concurrents. Je configure une liste d'URLs de sitemaps de blogs concurrents. Un job quotidien compare chaque sitemap, récupère les nouvelles URLs et, pour chaque nouvel article, affiche le titre, la date de publication, l'extrait du premier paragraphe et un résumé en une ligne du LLM sur l'angle. États de tri : nouveau / sauvegardé / rejeté. Quand je sauvegarde un article, lance un pipeline Keywords Explorer Ahrefs contre le titre : extrait un sujet principal de 2 à 3 mots, récupère des suggestions de mots-clés, les classe par volume et intention, rattache les résultats à la ligne sauvegardée. Le résultat est une liste de mots-clés inspirés par les concurrents, pas une file de lecture passive. »
Louise a construit le LinkedIn Scrapbook, son propre fichier de swipe personnel pour l’inspiration contenu. Vous installez une extension Chrome. Pendant que vous naviguez sur LinkedIn, un clic sur n’importe quel post le sauvegarde, avec le texte complet, l’auteur, les métriques d’engagement et les médias, dans votre scrapbook.
Le Scrapbook devient très intéressant quand vous avez sauvegardé du contenu, grâce à tous les outils supplémentaires que Louise a ajoutés, comme :
- Mots-clés tendance : révèle les mots-clés qui montent en popularité dans les posts que vous avez sauvegardés, pour repérer les thèmes vers lesquels votre réseau gravite avant qu’ils n’apparaissent dans la presse SEO.
- Écart de contenu : compare les sujets dans vos posts sauvegardés avec ceux que vous avez publiés, dans le but de faire remonter « les choses que vous consommez mais n’avez pas encore écrites ».
- Chercheur d’exemples : quand vous rédigez un article et avez besoin d’un exemple pertinent, vous pouvez utiliser la recherche sémantique dans le scrapbook pour retrouver du contenu pertinent.
- Interroger vos scraps : interrogez votre base de données de snippets sauvegardés (avec des questions comme « quels scraps mentionnent les AI Overviews ? »).
Prompt de départ :
« Construis-moi une application de fichier de swipe LinkedIn avec une extension Chrome. L'extension ajoute un bouton « Sauvegarder dans le Scrapbook » à chaque post LinkedIn ; un clic capture le texte du post, l'auteur, les métriques d'engagement et les URLs des médias et les envoie à mon application Console. L'application Console stocke les posts dans Postgres avec recherche plein texte. Construis trois outils sur ce corpus : (1) Mots-clés Tendance — extrait des topics seeds des posts sauvegardés, fait remonter les sujets en hausse sur une fenêtre glissante ; (2) Écart de Contenu — compare les sujets des posts sauvegardés avec les sujets de mes articles de blog publiés, affiche ce que je consomme mais n'ai pas écrit ; (3) Chercheur d'Exemples — recherche sémantique dans le scrapbook avec liens directs vers LinkedIn. Ajouter aussi une extension de web-clipper générique pour les URLs non-LinkedIn. »
Le maillage interne est une de ces corvées SEO qui « devrait » être faite à chaque publication et qui ne l’est presque jamais.
J’ai donc demandé à Agent A de construire l’Internal Linker. Donnez-lui un nouvel article (soit un lien publié, soit un brouillon en markdown collé pour les articles non publiés) et il trouve les articles existants les plus pertinents qui devraient lui envoyer un lien.
En coulisses, il embarque l’article d’entrée avec Gemini et le compare par cosinus à tous les autres articles de notre sitemap. Les meilleurs candidats sont ensuite re-scorés avec une pondération spéciale basée sur le trafic, pour prioriser les liens depuis les articles disposant de beaucoup de trafic organique existant.
Il exclut aussi automatiquement tout article qui vous linkait déjà, parsé depuis le corps markdown de chaque candidat, pour éviter de regarder des recommandations déjà utilisées.
Pour chaque article recommandé, l’outil identifie également le paragraphe le plus sémantiquement aligné avec votre nouvel article. Ensuite, Claude Sonnet 4.6 rédige une ancre naturelle de 2 à 6 mots et réécrit la phrase de ce paragraphe pour l’inclure, prête à coller directement dans l’article existant.
Prompt de départ :
« Construis-moi un outil de maillage interne. Entrée : soit une URL de blog publiée, soit un brouillon en markdown collé pour les articles non publiés. Embarque l’article d’entrée avec Gemini et compare-le par cosinus à mes vecteurs de posts de blog pré-cachés. Re-score les meilleurs candidats avec pondération d’autorité : 0,7 × similarité + 0,3 × log(trafic_org) — favorise les hôtes à fort trafic où un lien fait réellement bouger les classements. Auto-exclure tout hôte qui me linke déjà (parser le corps markdown de chaque candidat). Pour chaque hôte retenu, identifie le paragraphe le plus sémantiquement aligné avec l’article d’entrée — c’est là qu’ira le lien. Demande à Claude de rédiger une ancre naturelle de 2 à 6 mots et de réécrire une phrase du paragraphe hôte pour l’inclure. Contexte par recommandation : sim de page, sim de passage, trafic_org / UR / refdomains de l’hôte, le paragraphe hôte et une justification en une ligne. Cache les vecteurs de passage par hôte pour que les recherches répétées soient instantanées. Lance les recherches en asynchrone avec statut en temps réel ; persiste chaque recherche dans l’historique. »
Si vous êtes client Ahrefs, vous pouvez essayer Agent A gratuitement pendant un mois.
Testez quelques-uns de ces prompts pour vous inspirer, construisez des applications, générez des rapports, et voyez à quel point Agent A peut prendre en charge les parties les plus fastidieuses de votre travail.
Ryan Law est le directeur du marketing de contenu chez Ahrefs. Il a 13 ans d’expérience en tant que rédacteur, stratège de contenu, chef d’équipe, vice-président, directeur marketing et fondateur d’agence. Il a aidé des dizaines d’entreprises à améliorer leur marketing de contenu et leur SEO, notamment Google, Zapier, GoDaddy, Clearbit et Algolia. Il est aussi romancier et le créateur de deux cours sur le marketing de contenu.