Dans quelle mesure l'IA peut-elle améliorer la productivité d'une personne ?
Récemment, un article sur Anthropic a suscité de nombreux partages sur les réseaux sociaux. L'auteur, Ole Lehmann, a affirmé que l'équipe de marketing de croissance d'Anthropic, une entreprise évaluée à 380 milliards de dollars, n'était composée que d'une seule personne : un spécialiste du marketing sans formation technique, qui a assumé seul la charge des recherches payantes, des réseaux sociaux payants, de l'optimisation des boutiques d'applications, du marketing par e-mail et du référencement (SEO) pendant près de dix mois.
Peu après la publication du post, des commentaires ont mis en doute cette affirmation, mais rapidement, la personne concernée est intervenue pour la confirmer. Ce spécialiste du marketing de croissance, nommé Austin Lau, a répondu qu'au moment de la rédaction de cet article, il était effectivement le seul à faire du marketing de croissance, et qu'il a tenu le coup presque dix mois seul.
Image丨Post concerné (Source : X)
Anthropic a publié fin janvier une étude de cas officielle détaillant le mode de travail d'Austin Lau. À la même période, Anthropic a également publié un livre blanc interne intitulé « Comment l'équipe d'Anthropic utilise Claude Code », couvrant les cas d'usage de dix équipes, allant de l'infrastructure de données aux services juridiques, le marketing de croissance étant l'un d'entre eux.
Le livre blanc indiquait : l'équipe de marketing de croissance, qui se concentre sur des canaux tels que la recherche payante, les réseaux sociaux payants, les boutiques d'applications mobiles, le marketing par e-mail et le SEO, est une « équipe d'une seule personne non technique », s'appuyant sur Claude Code pour automatiser les tâches marketing répétitives et mettre en place des flux de travail automatisés qui, traditionnellement, nécessitaient d'importantes ressources techniques.
(Source : Anthropic)
Austin Lau n'est pas ingénieur. Il a déclaré dans la vidéo de cas officielle d'Anthropic qu'il « n'avait jamais écrit une seule ligne de code » et qu'au début, lorsqu'il a découvert Claude Code, il a même dû chercher sur Google « comment ouvrir le terminal sur Mac ». Lorsque Claude Code a été lancé, sa première réaction a été de ne « absolument pas savoir à qui ce produit était destiné » ; en tant que marketeur, il trouvait son utilité peu évidente.
Le tournant s'est produit lorsqu'un collègue a partagé un guide d'installation de Claude Code pour les employés non techniques dans le Slack de l'entreprise. Austin, par curiosité, l'a installé. Une semaine plus tard, il avait mis en place deux flux de travail automatisés qui ont radicalement changé sa façon de travailler.
Le premier est un plugin Figma. Pour les publicités sur les réseaux sociaux payants et le marketing sur les boutiques d'applications, il doit traiter un grand nombre de ressources visuelles dans Figma. L'ancien processus était le suivant : lorsqu'il fallait créer plusieurs variantes de texte pour un même design, il devait dupliquer manuellement les cadres dans Figma, basculer constamment entre Google Docs et Figma, et copier-coller les titres un par un. S'il y avait 10 variantes de texte à adapter à 5 ratios d'aspect différents, ce travail mécanique pouvait facilement prendre une demi-heure.
Image丨 Austin Lau (Source : Anthropic)
Il a décrit ce point douloureux en langage naturel à Claude Code, lui demandant de l'aider à écrire un plugin Figma. Durant le processus, il a demandé à Claude Code de consulter la documentation de l'API Figma, en faisant des prototypes tout en étudiant. Le premier prototype généré n'était pas parfait, mais il suffisait comme point de départ. Il l'a ensuite ajusté et débogué jusqu'à obtenir un plugin fonctionnel.
(Source : Anthropic)
Le plugin fonctionne ainsi : en sélectionnant un cadre d'image statique, le plugin identifie automatiquement les composants tels que le titre, le bouton d'appel à l'action, le bloc de code, etc., puis génère en lot des cadres Figma indépendants à partir d'une liste de textes préparée, chaque variante correspondant à un nouveau texte. Un traitement par lot génère jusqu'à 100 variantes de publicités à la fois, chaque lot prenant environ une demi-seconde. Une opération manuelle qui prenait 30 minutes auparavant est maintenant réduite à 30 secondes.
Le deuxième flux de travail concerne la génération de textes publicitaires pour Google Ads. Les publicités responsives de recherche Google Ads ont des limites strictes de caractères pour les titres et descriptions : 30 caractères maximum pour le titre, 90 pour la description. Auparavant, il devait rédiger des brouillons dans Google Sheets, vérifier manuellement le nombre de caractères, puis copier le contenu ligne par ligne dans l'interface Google Ads.
Austin a créé une commande slash personnalisée « /rsa » dans Claude Code. Une fois déclenchée, Claude Code demande de saisir les données de campagne, les textes publicitaires existants et les mots-clés, puis croise ces informations avec les « Compétences de l'Agent » qu'il a préalablement définies, incluant l'identité de marque d'Anthropic, les normes de précision produit et les meilleures pratiques pour les RSA Google Ads.
Le système utilise deux sous-agents (sub-agents) aux rôles bien définis : l'un spécialisé dans l'écriture des titres, l'autre dans les descriptions, chacun travaillant dans ses propres contraintes de caractères, ce qui donne une qualité de sortie supérieure à celle obtenue en confiant les deux tâches à une seule invite.
Finalement, Claude Code regroupe 15 titres et 4 descriptions dans un fichier CSV可以直接上传到 Google Ads 的 CSV 文件。Austin 强调,生成的文案只是起点,他会逐条评估:价值主张是否到位?语气对不对?和竞争对手有没有区分度?但起码枯燥的初稿生成和格式化工作被彻底自动化了。
Ces deux flux de travail offrent déjà des gains d'efficacité impressionnants, mais le système d'Austin va plus loin. Il a également construit un serveur MCP (Model Context Protocol) connecté à la Meta Ads API.
Grâce à cette intégration, il peut interroger directement dans l'application de bureau Claude les performances des publicités, les données de dépenses et l'efficacité de chaque annonce, sans avoir à ouvrir le tableau de bord Meta Ads. Des questions comme « Quelles publicités ont eu le taux de conversion le plus élevé cette semaine » ou « Où ai-je gaspillé mon budget » peuvent être posées directement à Claude, qui fournit des réponses avec des données en temps réel.
Plus crucial encore est la boucle fermée. Austin a mis en place un système de mémoire qui enregistre les hypothèses et les résultats expérimentaux de chaque cycle publicitaire. Lorsqu'il commence une nouvelle génération de variantes, Claude extrait automatiquement les données de tous les tests précédents – quels textes ont bien performé, lesquels non – afin que la génération suivante soit basée sur l'historique des expérimentations. Ce système devient un peu plus intelligent après chaque cycle. Ce suivi systématique d'expériences sur des centaines de publicités nécessiterait traditionnellement un analyste de données à temps plein.
D'après le livre blanc d'Anthropic, les résultats de ce mode de travail sont : la création de textes publicitaires est passée de 2 heures à 15 minutes, la production créative a été multipliée par 10, et le nombre de variantes publicitaires qu'il a testées seul couvre des canaux et des volumes qui dépassent ceux de la plupart des équipes marketing de taille normale.
Dans ce livre blanc, le marketing de croissance n'est qu'un des dix cas présentés. L'équipe d'infrastructure de données utilise Claude Code pour déboguer les pannes de clusters Kubernetes, résolvant en quelques minutes des problèmes qui nécessitaient auparavant de contacter un expert réseau ; des membres de l'équipe de inférence (reasoning) sans formation en apprentissage automatique l'utilisent pour comprendre les fonctions et configurations des modèles, réduisant le temps de consultation de la documentation d'une heure à 10-20 minutes ; l'équipe de conception produit modifie directement le code front-end avec Claude Code, et les ingénieurs ont constaté que les designers effectuaient des « modifications importantes de gestion d'état que vous ne verriez normalement pas des designers faire » ; l'équipe juridique a créé en une heure une application d'assistance à la prédiction de texte pour un membre de leur famille ayant des troubles du langage, sans aucune expérience préalable en programmation.
Les modes d'utilisation diffèrent entre les postes techniques et non techniques, mais la conclusion est la même : Claude Code est en train d'estomper la frontière entre « peut faire » et « ne peut pas faire », une frontière qui était auparavant presque entièrement déterminée par les compétences techniques.
Austin Lau lui-même résume ainsi son expérience dans l'étude de cas : « La distance entre 'J'aimerais que cette chose existe' et 'Je peux la construire de mes propres mains' est bien plus courte que ce que la plupart des gens pensent. »
Bien sûr, il convient d'ajouter que le marketing de croissance (growth marketing) n'est pas équivalent à l'ensemble de la stratégie de commercialisation (GTM - go-to-market). Anthropic dispose d'équipes complètes dédiées à la marque, au marketing produit et à la communication. Austin Lau était responsable de la ligne du marketing de performance, c'est-à-dire les canaux quantifiables comme la publicité payante, l'optimisation des boutiques d'applications, le SEO, etc.
En février dernier, Anthropic a diffusé une publicité télévisée pendant le Super Bowl, ce qui n'est clairement pas quelque chose qu'une personne seule pourrait gérer. Les textes et actifs de marque sur lesquels reposent ses flux de travail ont initialement été produits en collaboration par les équipes de marketing produit et de rédaction, Claude générant ensuite des variantes et des tests à grande échelle sur cette base.
Austin Lau a récemment ajouté quelques précisions sur LinkedIn. Il a indiqué que l'article largement partagé décrivait son expérience au deuxième trimestre 2025 en tant que seul spécialiste du marketing de croissance, il y a presque 8 mois de cela. L'équipe s'est depuis agrandie, bien que sa taille reste beaucoup plus petite qu'on ne le pense généralement, pour reprendre ses termes, « notre puissance dépasse largement notre nombre ».
Malgré tout, le signal est suffisamment fort. Une entreprise valorisée à 380 milliards de dollars après financement, avec un chiffre d'affaires annualisé de 14 milliards de dollars, a confié pendant sa phase de croissance la plus rapide, pendant dix mois, la gestion de ses canaux de croissance centraux à un seul marketeur ne sachant pas coder, avec des résultats plutôt bons. Cela devrait suffire à prouver que le multiplicateur de capacité que l'IA offre aux travailleurs du savoir est probablement bien plus important que ce que supposent actuellement nos structures organisationnelles et nos habitudes de recrutement.
Cependant, on ignore encore dans quelle mesure ce modèle est reproductible. Le marketing de croissance est hautement axé sur les données, les processus, et compatible avec les API, ce qui le rend naturellement propice à l'automatisation. Dans des domaines nécessitant plus de jugement interpersonnel ou d'intuition créative, la situation pourrait être très différente.
Le livre blanc d'Anthropic conclut le chapitre sur le marketing de croissance par trois recommandations : identifier les flux de travail répétitifs disposant d'une interface API pour les automatiser ; décomposer les processus complexes en plusieurs sous-agents spécialisés, plutôt que d'essayer de tout faire avec une seule invite ; et, avant de se lancer dans l'écriture de code, réfléchir pleinement à la conception globale du flux de travail sur Claude. Ces trois conseils indiquent essentiellement que le goulot d'étranglement de l'efficacité réside souvent non pas dans les capacités techniques, mais dans la volonté de prendre le temps de décomposer clairement son propre flux de travail, puis de confier à la machine les parties qui peuvent être prises en charge par elle.
