Gérez votre plateforme client depuis Claude Code et Slack
Par Équipe SocialHub.AI
Le déblocage ne se limite pas à un tableau de bord plus rapide. Il s'agit d'un modèle opérationnel différent : un agent contrôlé intégré aux outils d'IA que votre équipe utilise déjà, qui répond et agit en langage clair, sans exportation de données ni perte de contrôle.
Le tableau de bord n'a jamais été le point de blocage
Chaque équipe de rétention a le même rituel en milieu de semaine. Quelqu'un pose une question pointue : « Comment le GMV a-t-il évolué la semaine dernière et pourquoi les rachats sont-ils modérés ? » – et la réponse prend une journée. Non pas parce que les données sont manquantes, mais parce que pour y accéder, il faut un tableau de bord qui n'a pas tout à fait la coupe souhaitée, un ping Slack à l'analyste, une exportation, un pivot et une question de suivi qui relance le cycle. Le signal est là. Le problème réside dans la manière d’agir.
Ces dernières années, nous avons démontré que la fidélisation est un processus itératif : Capture, Décision, Activation, Accumulation. Le maillon manquant pour la plupart des marques est la Décision : l’interface utilisateur qui analyse le profil et détermine la prochaine étape. SoCode illustre cette étape de Décision accessible à l’utilisateur, directement dans l’outil qu’il utilise déjà. Il s’agit de l’intégration de SocialHub pour Claude Code (ainsi que Claude Desktop et Cursor) : une skill téléchargeable, des actions instantanées et un serveur MCP sécurisé. Vous gérez la plateforme et consultez les indicateurs clés de performance en langage naturel, sans quitter votre éditeur. Disponible dès maintenant.
L'objectif n'est pas un graphique plus sophistiqué, mais un modèle opérationnel différent. La solution et l'action s'intègrent au cœur même du travail, en libre-service, avec une gouvernance intégrée : aucune exportation de données, aucun risque de perte de contrôle.
Scénario 1 — Le responsable de la croissance qui a besoin de réponse avant le stand-up
Avant : votre responsable croissance ou analyse demande « le volume brut de marchandises de la semaine dernière par magasin, et pourquoi les remboursements sont-ils en baisse ? » Cela représente deux questions et au moins une prise de décision. Aujourd'hui, cela implique un tableau de bord pour la première partie, une analyse manuelle pour la seconde, et – si l'analyse s'avère intéressante – une demande d'intervention d'un développeur SQL. La réponse honnête arrive après la réunion, là où elle aurait été pertinente.
Ensuite : l’utilisateur saisit une question dans Claude Code. La fonctionnalité d’opérations rapides reconnaît une question Flash, appelle le serveur MCP, et les chiffres de GMV proviennent directement de la couche sémantique certifiée — la même définition de GMV que celle utilisée par vos tableaux de bord, et non une définition number improvisée par le modèle. L’agent effectue ensuite une tâche qu’un tableau de bord statique ne peut pas réaliser : il suit le parcours. Il extrait la tendance des conversions, la segmente et identifie le facteur probable — un stock de coupons épuisé, un niveau dont l’activité a diminué — et affiche son travail en temps réel.
Exemple de question : « Vente brute d'entreprise (VBE) de la semaine dernière par magasin. » « Pourquoi le nombre de coupons échangés est-il en baisse par rapport à la semaine précédente ? » « Affichez-moi le taux d'échange par coupon pour les 14 derniers jours. » Le responsable arrive à la réunion quotidienne avec une réponse structurée et une hypothèse, sans promesse de revenir vers nous.
Scénario 2 — Le responsable marketing qui ne maîtrise pas le SQL et ne devrait pas avoir à le faire
Avant : un responsable marketing soupçonne que l’engagement est en baisse. « Est-ce que le nombre de membres actifs a diminué par rapport au mois dernier et est-ce concentré dans un niveau ? » est une chose tout à fait raisonnable de vouloir savoir. Il s'agit également d'un diagnostic en plusieurs étapes (calculer les membres actifs pour deux fenêtres, répartition par niveau, comparaison) indiquant qu'ils ne peuvent pas se servir eux-mêmes. Cela devient donc une requête, la requête devient une file d'attente, et au moment où l'analyse revient, le moment d'agir est passé.
Après : ils interrogent directement l'agent. « Les membres actifs ont-ils diminué par rapport au mois dernier, par niveau ? » La métrique provient de la couche certifiée avec une définition cohérente de « actif », la comparaison s'étend sur les deux fenêtres et la répartition revient en quelques secondes : Gold stable, Silver soft, les nouveaux membres vont bien. Une suite naturelle : « quels magasins ont été à l'origine de la baisse de Silver ? » - enchaîne dès le premier, car l'agent maintient le thread au lieu de le réinitialiser.
C’est le changement tranquille. Le diagnostic est posé alors qu’il est encore important, géré par la personne à qui appartient le résultat, sans transfert. La file d'attente de l'analyste devient plus courte et le gestionnaire cesse d'attendre un chiffre pour décider s'il existe un problème qui mérite d'être étudié.
Scénario 3 — L’ingénieur pour qui l’intégration se résume à une ligne de configuration
Avant : un ingénieur en IA ou en ML souhaitait disposer de son propre assistant ou Cursor pour analyser des indicateurs de performance métier définis. Traditionnellement, cela impliquait de mener un projet : demander l’accès, mettre en place un pipeline, répliquer la logique des indicateurs ailleurs, puis assumer les dérives à mesure que les définitions et les autorisations s’éloignaient de la source de référence.
Après : ils pointent leur client compatible MCP vers le même serveur SocialHub MCP gouverné. L'intégration qui représentait auparavant un quart de la feuille de route devient une ligne de configuration. Leur assistant peut désormais demander le GMV, les membres actifs ou le taux de rachat et obtenir la définition certifiée – celle sur laquelle les finances et le marketing sont déjà d'accord – au lieu d'une copie roulée à la main qui devient silencieusement obsolète.
Et comme il s'agit de MCP, la même interface utilisée par un humain en Claude Code est également utilisée par une machine en Cursor. Un seul contrat, deux utilisateurs. L'ingénieur livre en fonction de métriques professionnelles sans devenir propriétaire permanent d'une réplique de ces métriques.
La gouvernance est au cœur du produit, pas de la clause de non-responsabilité.
L'IA en libre-service sur votre plateforme client n'est pertinente que si vous pouvez lui faire confiance et la contrôler. SoCode est conçue pour que les réponses soient fiables et les actions encadrées. Chaque métrique number provient de la couche sémantique certifiée ; l'IA n'invente pas de chiffres. Lorsqu'elle ne peut pas justifier une number, elle le signale au lieu de deviner, ce qui fait toute la différence entre un outil fiable pour vos réunions de direction et un prototype à vérifier systématiquement.
Les actions sont régies de la même manière. La lecture est autorisée avec le paramètre prédéfini `metrics:read`. Toute écriture nécessite une autorisation d'écriture explicite et passe une vérification côté serveur que le client ne peut contourner. Chaque clé est associée à un locataire ; un agent ne voit donc que les données d'un seul locataire. Chaque appel est audité. Les écritures sont confirmées et non exécutées à l'aveugle. Le journal d'audit permet de toujours répondre à la question : « Qui a modifié quoi et quand ? »
Le processus d'adoption repose sur la confiance. Commencez en lecture seule avec le préréglage metrics:read, laissez l'équipe obtenir des réponses, puis ajoutez des autorisations d'écriture uniquement pour les opérations spécifiques que vous souhaitez activer. Vous développez les capacités de manière délibérée, selon vos conditions, au lieu de confier les rênes à un agent dès le premier jour.
Des réponses aux actions — au cœur du processus
L'interrogation est le point de départ de la plupart des équipes, mais la même surface gouvernée exécute les opérations approuvées : gérer les membres et les niveaux de fidélité, attribuer ou échanger des points, travailler avec des coupons et des pools de coupons, émettre des codes d'ambassadeur. C'est ce qui transforme SoCode d'un simple outil de reporting en un modèle opérationnel. Les « membres actifs abandonnés dans Silver » ne sont plus une recherche que vous dirigez vers quelqu'un d'autre et deviennent une chose sur laquelle vous pouvez agir : diagnostiquer, puis exécuter, puis regarder la lecture suivante vous dire si cela a fonctionné.
Voici le cycle de fidélisation, condensé en une seule conversation : analyser, exécuter, améliorer, en continu. L'agent consulte les indicateurs clés de performance (Décision), exécute une action approuvée et auditée (Activation), et la requête suivante reflète le résultat (Accumulation, puis Capture). La boucle que nous représentons habituellement par quatre cases sur une diapositive devient un dialogue interactif dans votre éditeur, avec un périmètre d'écriture et un journal d'audit garantissant son intégrité.
Nous avons constaté l'importance d'une approche systémique à grande échelle. McDonald's China a augmenté la part des membres dans le volume brut de marchandises de 5 % à 85 % en considérant la fidélisation comme un système plutôt que comme une série de campagnes. Le principe reste le même, simplifié à l'extrême : rendre la meilleure action à entreprendre facile à trouver et sûre.
SoTag — le même agent avec lequel les équipes se coordonnent déjà (en cours)
Claude Code est un espace dédié aux analystes et aux ingénieurs. Ce n'est pas là qu'un responsable marketing, un merchandiser ou un responsable régional passe ses journées. Ces équipes se coordonnent dans Slack — et c'est là qu'intervient SoTag. SoTag est le même agent géré, en cours de développement et à venir, disponible sur le canal où les décisions sont prises.
Imaginez : dans le canal #retention, quelqu’un saisit : « @SocialHub membres actifs par niveau par rapport au mois dernier », et la réponse automatique s’affiche directement dans la discussion, chiffres certifiés inclus, visible par tous les participants. Ou encore, avec le bon périmètre d'action : « @SocialHub, ajoutez 500 codes à la réserve de coupons d'été » — confirmé, exécuté et audité devant l'équipe, avec la même protection côté serveur et le même périmètre d'accès que l'éditeur. SoTag est en cours de développement ; nous le signalons afin que vous puissiez vous organiser en conséquence.
L'enjeu principal réside dans la portée. Un agent contrôlé dans l'éditeur permet d'accéder aux ressources techniques. Ce même agent dans Slack permet à tous les autres utilisateurs — responsables des campagnes, des magasins et du calendrier — d'y accéder sans avoir à apprendre un nouvel outil ni à soumettre de demande. Le processus est plus rapide lorsque toute l'équipe peut intervenir.
Commencez par la lecture seule, puis élargissez progressivement le champ d'action.
L'argument en faveur de SoCode n'est pas que les tableaux de bord sont mauvais en soi. C'est que leur modèle opérationnel est lent, et la solution consiste à intégrer les réponses et actions contrôlées aux outils d'IA que votre équipe utilise déjà, sans exporter de données ni perdre le contrôle. Des indicateurs certifiés garantissent la fiabilité des réponses ; les périmètres, les protections côté serveur, l'isolation des locataires et les journaux d'audit sécurisent les actions.
La méthode d'adoption la plus simple et la moins risquée est celle qui a été conçue : installez la compétence flash-operations, connectez le serveur MCP géré avec un préréglage metrics:read et laissez votre équipe poser de vraies questions pendant une semaine. N'ajoutez les autorisations d'écriture que lorsque vous aurez déterminé les opérations pertinentes à activer. Vous pouvez en savoir plus sur /resources/socode et voir comment cela s'inscrit dans le contexte plus large sur /platform/ai-frontier.
Si vous souhaitez voir vos données GMV, vos membres actifs et vos échanges expliquées clairement — et une feuille de route pour SoTag dans Slack — réservez une démonstration. Sinon, passez directement à SoCode : en lecture seule, contrôlé et accessible depuis l’éditeur que vous avez déjà ouvert.
Pour aller plus loin
Continuez à explorer les pages les plus pertinentes.
SaaS pour l'IA : Quand l'utilisateur principal de votre logiciel est un agent, et non une personne
« SaaS pour l’IA » est une affirmation architecturale précise, et non un slogan. Lorsqu’un agent est le consommateur principal, le produit devient un outil de gouvernance : qui peut agir, pour le compte de qui et à quel coût.
En savoir plus ArticleMCP n'est pas un connecteur, mais votre interface de gouvernance pour l'ère des agents
La plupart des articles présentent le protocole MCP (Model Context Protocol) comme une simple infrastructure. Une vision plus pertinente pour les entreprises : MCP est le point unique et auditable où sont définies l’identité, l’autorisation, la journalisation et le contrôle des coûts liés à l’utilisation des outils d’IA.
En savoir plus ArticleUn pipeline n'est pas une boucle : pourquoi seul « l'accumulation » constitue un composé de rétention
La plupart des solutions marketing fonctionnent selon un modèle unidirectionnel, qu'elles appellent boucle. La différence réside dans un seul nœud : la réécriture. C'est ce qui distingue une solution facilement imitable d'un avantage concurrentiel inestimable.
En savoir plus ArticleUn vocabulaire, deux publics : pourquoi votre IA et vos tableaux de bord doivent partager une couche sémantique
Les outils sont les verbes utilisés par un agent. La couche sémantique est le vocabulaire partagé qui garantit l'exactitude de ces verbes. Créez-la une seule fois, mettez-la à disposition des utilisateurs et des agents, et un number aura toujours la même signification, quel que soit l'interlocuteur.
En savoir plus ArticleUne identité, mille conversations : la voix de marque à l'ère de l'hyper-personnalisation
La personnalisation sans cohérence de marque est une nuisance. Une identité fixe sans personnalisation est une diffusion insignifiante. La frontière englobe les deux simultanément.
En savoir plus ArticleL'héritage du marketing technologique nord-américain de l'ère du courriel — et pourquoi l'ère des agents impose une fusion
Deux traditions technologiques dans le secteur du commerce de détail se sont développées en résolvant des problèmes différents aux antipodes. Chacune est véritablement excellente. L'agent autonome est la première solution qui nécessite la combinaison des deux.
En savoir plusEn savoir plus ?
Planifiez une conversation avec nos experts en fidélisation.