Agent IA pour GA4 : des réponses claires de Google Analytics

Un agent IA pour GA4, c'est un logiciel qui dispose d'un accès à votre propriété Google Analytics, traduit une question formulée en langage courant en métriques, dimensions et plages de dates adaptées, exécute le rapport via la Data API et vous répond en toutes lettres. Vous arrêtez de construire des rapports : vous posez des questions.

L'intérêt saute aux yeux de quiconque a déjà passé vingt minutes à monter une exploration pour obtenir une réponse qu'il aurait pu formuler à voix haute en six secondes. Le risque est tout aussi réel, et beaucoup moins évoqué : un agent qui choisit la mauvaise dimension renvoie une réponse fausse, mais sûre d'elle et bien rédigée, et rien dans le résultat ne la distingue d'une réponse juste.

Voici comment fonctionne concrètement la connexion, quelles questions poser, les erreurs propres à GA4 que commettent les agents, et ce que tout cela coûte.

Qu'est-ce qu'un agent IA pour GA4 ?

Il repose sur trois briques. La connexion : un accès OAuth à votre propriété, en lecture seule. La couche de traduction, qui convertit « comment le mobile a-t-il converti le trimestre dernier ? » en requête Data API avec les noms de métriques, de dimensions et la plage de dates attendus par Google. Et la boucle, qui permet à l'agent d'examiner ce qui revient et de décider s'il lui faut une deuxième requête avant de répondre.

C'est cette troisième brique qui fait la différence entre un agent et une simple barre de requête en langage naturel. Demandez « pourquoi les conversions ont-elles baissé ? » à une barre de requête, et vous obtenez un graphique des conversions. Un agent, lui, récupère les conversions, remarque que la baisse se concentre sur un canal, ventile ce canal par page de destination, repère les deux pages responsables, et répond à la question que vous vous posiez vraiment plutôt qu'à celle que vous avez tapée mot pour mot.

Comment connecter un agent IA à Google Analytics 4

Deux options, et le bon choix dépend de votre profil : marketeur ou développeur.

Option 1 : une connexion OAuth hébergée

La voie du marketeur. Vous autorisez le produit avec votre compte Google, vous choisissez la propriété, et la connexion est stockée côté serveur puis réutilisée à chaque requête. Dans notre propre implémentation, l'agent vérifie dès le premier appel d'outil GA4 qu'une connexion Analytics est active ; s'il n'en trouve pas, il n'échoue pas et ne devine rien : il affiche une invite interactive vous demandant de vous connecter, avec un lien direct vers l'écran des intégrations, puis reprend la conversation là où elle s'était arrêtée. La propriété est celle définie dans les paramètres de votre espace de travail si vous en avez choisi une, sinon la première propriété de la connexion.

La configuration prend quelques minutes et il n'y a rien à installer. La contrepartie : vous utilisez le catalogue d'outils conçu par l'éditeur.

Option 2 : MCP

La voie du développeur. Google publie son propre serveur MCP Google Analytics, qui expose GA4 à n'importe quel client compatible MCP. Il fournit run_report, run_realtime_report, run_funnel_report, get_account_summaries, get_property_details, get_custom_dimensions_and_metrics et list_google_ads_links. L'authentification passe par les Application Default Credentials sur le scope Analytics en lecture seule, ce qui revient en pratique à activer l'Admin API et la Data API dans un projet Google Cloud puis à exécuter gcloud auth application-default login.

Deux mises en garde avant de bâtir dessus. Google qualifie ce serveur d'expérimental. Et MCP donne des outils à votre agent, pas le discernement nécessaire pour choisir lequel appeler : la qualité du raisonnement dépend toujours du modèle et du prompt.

Quelles questions poser à GA4 en langage courant

Celles qui marchent bien ont toutes la même structure : une comparaison, un segment et une plage de dates absolue.

Compare organic search conversions for [date range A] against [date range B],
broken down by landing page. Show the 10 pages with the largest absolute change.
Flag any row where sessions are low enough that the rate change may be noise.

Which acquisition channels improved and which declined over [date range],
measured by conversions rather than sessions? Name the conversion event you used.

Where do users drop off before completing [goal] over [date range]?
Give raw counts alongside percentages.

Is the gap between mobile and desktop conversion rate widening or narrowing
versus the previous equivalent period? Show both periods.

Celles qui marchent mal sont les questions ouvertes. « Comment se porte le site ? » donne un résumé de tout et une conclusion sur rien. Et cela coûte plus cher, car un objectif flou se démultiplie en davantage de requêtes qu'un objectif précis.

Quelles métriques GA4 automatiser

Automatisez les métriques dont chaque variation exige une explication, et gardez les autres pour quand vous en avez besoin.

Métrique	Pourquoi l'automatiser	Point de vigilance
Conversions par canal	Le chiffre qui compte vraiment pour l'entreprise	Quel événement de conversion est configuré comme principal
Taux de conversion par page de destination	Distingue les problèmes de page des problèmes de trafic	De petits dénominateurs qui produisent des pourcentages spectaculaires
Taux d'engagement par source	Repère les variations de qualité avant que les conversions ne bougent	Une définition différente du taux de rebond d'Universal Analytics
Revenus par canal	Relie le travail au chiffre d'affaires	Le modèle d'attribution utilisé
Sessions par appareil et par pays	Explique les changements de composition derrière une variation de taux	La cardinalité qui regroupe des lignes dans (other)

Les erreurs d'analyse des agents IA sur les données GA4

C'est la section à lire deux fois. Chacune des erreurs ci-dessous produit un résultat qui a l'air parfaitement normal.

Confondre clics et sessions. Search Console compte les clics sur un résultat de recherche ; GA4 compte les sessions une fois la page chargée. Les deux ne correspondront jamais, et un agent qui les compare sans le signaler va « découvrir » un écart qui n'est qu'une question de définition.

Mélanger métriques au niveau utilisateur et au niveau session. Diviser une métrique de portée utilisateur par une métrique de portée session donne un chiffre qui ne veut rien dire. Il sera pourtant joliment affiché avec deux décimales.

Ignorer (not set) et (other). Les dimensions à forte cardinalité sont regroupées dans une ligne (other), et le trafic non attribué atterrit dans (not set). Un agent qui additionne les lignes visibles et annonce un total exclut discrètement les deux.

Lire des variations en pourcentage sur de minuscules dénominateurs. Passer de deux à trois conversions, c'est une hausse de 50 %, et c'est aussi insignifiant. Demandez toujours à l'agent d'afficher les valeurs brutes à côté des taux.

L'ambiguïté sur l'événement de conversion. La plupart des propriétés ont plusieurs événements clés configurés. Si le prompt n'en nomme aucun, l'agent choisit, et son choix peut changer d'une exécution à l'autre.

Les plages de dates relatives. « Le mois dernier » ne se résout pas de la même façon selon le fuseau horaire de la propriété et le moment où la requête a été lancée. Utilisez des dates absolues pour tout ce qui doit déboucher sur une action.

La parade tient en quelques lignes à ajouter à tout prompt où les chiffres comptent :

Every figure must come from the connected property.
Where a figure is unavailable, write "not available" - never estimate.
State the metric, dimension and date range you used for each number.

La dernière consigne est la plus importante. Elle oblige l'agent à montrer sa requête, ce qui transforme une affirmation que vous devez croire sur parole en affirmation que vous pouvez vérifier en trente secondes.

Les limites de l'API GA4 avec lesquelles un agent doit composer

Ce n'est pas un détail technique. Ces limites déterminent quelles questions peuvent tout simplement obtenir une réponse.

D'après la documentation sur les quotas de la Data API, une propriété standard dispose de 200 000 jetons principaux par propriété et par jour, 40 000 par heure, 14 000 par projet, par propriété et par heure, et de 10 requêtes principales simultanées. Les propriétés Analytics 360 ont droit à 2 000 000 par jour et à 50 requêtes simultanées. Point essentiel : c'est la complexité de la requête qui détermine sa consommation de jetons. Plus de dimensions, des plages plus longues et une cardinalité plus élevée consomment toutes davantage de quota. Ajouter returnPropertyQuota à une requête affiche la consommation en temps réel.

Conséquence pratique : un agent laissé libre d'explorer une grosse propriété peut épuiser le quota d'une journée en un après-midi, et tous les rapports en aval échouent jusqu'à la réinitialisation. Des prompts qui ciblent un jeu de dimensions restreint et une plage précise ne sont pas seulement plus clairs : ils coûtent moins cher, dans une monnaie que vous ne pouvez pas racheter.

Ce qu'un agent ne peut pas tirer de GA4

Certaines questions n'ont pas de réponse dans votre propriété, et la différence entre un bon et un mauvais agent, c'est qu'il le dise.

Tout ce qui dépasse votre durée de conservation, dans une exploration. La documentation de Google sur la conservation des données fixe la conservation des données au niveau utilisateur et événement à 2 ou 14 mois sur les propriétés standards, 14 mois étant le maximum sauf sur 360. Les données Google Signals sont plafonnées à 26 mois, quel que soit le paramètre. La nuance qui compte : la conservation concerne les explorations et les rapports sur l'entonnoir, pas les rapports agrégés standards. Un agent peut donc légitimement répondre à une question de tendance par canal sur une longue période, tout en étant incapable de répondre à une question sur les parcours utilisateurs sur la même période. S'il ne fait pas la différence, il produira quand même quelque chose.

Tout ce qui est soumis à un seuil. Quand le nombre d'utilisateurs est assez faible pour qu'on puisse en déduire des individus, GA4 masque les lignes. Un agent qui additionne ce qu'il voit et présente un total sous-estime le chiffre sans le savoir.

Tout ce qui concerne les personnes qui n'ont pas donné leur consentement. Selon votre configuration du consentement, une partie des comportements est modélisée ou absente. Ce manque n'apparaît pas comme une erreur ; il apparaît sous forme de chiffres plus petits.

Posez directement la question à votre agent : « quelle part de cette analyse est affectée par les limites de conservation, les seuils ou les lacunes de consentement ? » Un agent qui y répond honnêtement mérite d'être gardé.

Est-ce sûr de donner accès à Google Analytics à un agent IA ?

L'accès à GA4 fait partie des intégrations les plus sûres que vous puissiez accorder, pour trois raisons structurelles : le scope est en lecture seule, donc rien ne peut être modifié ; l'accès peut être révoqué à tout moment depuis votre compte Google ; et le pire scénario est une mauvaise conclusion, que vous pouvez vérifier vous-même dans la propriété.

Deux points méritent tout de même votre attention. D'abord, selon votre configuration, les données GA4 peuvent contenir des données personnelles : sachez où l'éditeur de votre agent traite et stocke les résultats des requêtes. Ensuite, si le même agent peut aussi récupérer n'importe quelle page web, il peut introduire un texte écrit par un tiers dans le même contexte que vos instructions : c'est le problème de l'injection de prompt. Notre runtime le gère en classant chaque outil en lecture, génération ou écriture, en isolant le contenu récupéré comme non fiable, et en refusant les outils d'écriture pendant tout le reste du tour où du contenu non fiable est arrivé. Les requêtes GA4 sont classées en lecture : elles ne sont donc pas concernées, dans un cas comme dans l'autre.

Combien coûte une requête d'agent sur GA4

Deux composantes. Les appels d'outils : dans notre catalogue, une requête GA4 coûte 50 crédits par appel, et une vraie investigation en enchaîne plusieurs, car l'agent récupère, examine, puis récupère à nouveau. Les jetons du modèle : facturés 300 crédits par million sur l'ensemble des appels au modèle d'un même tour, ils augmentent avec la quantité de données qui entre dans le contexte. C'est pourquoi une requête qui renvoie 50 lignes coûte nettement moins cher à analyser qu'une requête qui en renvoie 5 000.

La règle qui en découle est la même que pour les quotas : la précision coûte moins cher que l'étendue. « Comment se porte le site ? » est la question la plus chère que vous puissiez poser, en crédits comme en quota, et c'est celle qui donne la réponse la moins exploitable.

Un agent peut-il remplacer Looker Studio ?

Non, et ce n'est pas une question de capacités mais de reproductibilité. Un tableau de bord affiche les mêmes métriques avec la même mise en page à chaque fois, et c'est exactement ce qu'il faut pour le suivi et pour tout ce qu'un client consulte à intervalles réguliers. Un agent, lui, peut emprunter un chemin différent pour la même question d'un jour à l'autre.

Le partage des rôles qui fonctionne : les tableaux de bord répondent au quoi, les agents au pourquoi. Vous gardez le tableau de bord pour la vue permanente, et vous interrogez l'agent quand le tableau de bord affiche quelque chose que vous ne savez pas expliquer. Pour les livrables récurrents, voyez notre article sur le reporting GA4 automatisé, où la stabilité compte plus que la flexibilité.

Par où commencer

Connectez une propriété en lecture seule et posez à l'agent une question à laquelle vous avez déjà répondu à la main ce trimestre. Comparez. Demandez-lui ensuite d'indiquer la métrique, la dimension et la plage de dates derrière chaque chiffre, et vérifiez-en un dans l'interface de GA4. Deux essais de ce genre vous en apprendront plus sur la fiabilité de l'outil que n'importe quelle plaquette commerciale.

Autopilot met en œuvre le flux OAuth, l'invite de connexion et la boucle de requêtes décrits ci-dessus sur votre propre propriété.