Rapport terrain : vendre aux agences

Le marketing SaaS que j’ai connu chez Snipcart a changé pas mal depuis que j’ai quitté la game. Même chose pour la job produit.

Pour comprendre ce qui fonctionne maintenant, j’aime parler à du monde qui ont les mains dedans.

Jaser souvent avec founders & experts me permet de jouer le rôle de barde de la tech au Québec. J’aime ça, raconter les triomphes et tragédies de nos aventuriers. Et y’a comme un archétype alléchant dans "le barde"... mais bon, on s’en reparle, c’est pas à propos de moi cet édito.

La semaine passée, j’ai reconnecté avec mon SaaS builder à quatre noms préféré—Jean-Philippe Fortin-Cantin. JP pour les intimes, chef produit et marketing chez DashThis.

DashThis, c’est un outil qui aide les agences marketing à rassembler leurs données et à produire des rapports pour leurs clients.

JP a passé des années à faire du marketing SaaS et gérer des équipes. Depuis plus d’un an, il se crinque du côté produit. Il connaît autant la job d’attirer les clients que les problèmes qu’ils essaient de régler une fois arrivés.

C’est un gars que je respecte beaucoup, et j’avais hâte de comprendre comment il vivait cette double transition : marketing → produit, mais aussi... SaaS → AI.

Quand une agence prépare son rapport client avec ChatGPT, elle peut passer à côté d’articles qui lui auraient fait découvrir ton SaaS. Pis si l’AI fait déjà une partie de la job de reporting, qu’est-ce que ton produit doit lui apporter pour qu’elle choisisse de l’utiliser?

On a jasé des canaux d’acquisition qui rapportent moins, des expériences en cours et des choix produit qui deviennent possibles avec l’AI. Il reste des inconnues, sure. Mais y’a de l’excitant en masse dans ce brave nouveau monde!

Avant même de chercher un SaaS

JP me racontait qu’avant ChatGPT, des recherches Google comme « SEO report template » étaient une belle porte d’entrée pour DashThis.

Une agence avait un rapport à livrer. Elle cherchait de l’inspiration : quels chiffres montrer, comment les présenter, etc.

En arrivant sur le site bien référencé de DT, elle allumait sur la possibilité de connecter ses sources de données et automatiser une bonne partie de la collecte et de la préparation de ses rapports.

Le contenu lui faisait découvrir une façon moins pénible de faire sa job—via le software.

JP distingue ce parcours-là des recherches comme « agency reporting tool », où la personne sait déjà qu’elle veut un logiciel. Les articles de bonnes pratiques et les exemples de beaux dashboards permettaient de rejoindre les agences avant qu’elles soient rendues à magasiner un outil. AKA pogner ton ICP plus haut dans le funnel de conversion :)

Mais cette porte d’entrée SEO/contenu commençait déjà à rétrécir avant l’explosion du GenAI et ensuite de l’agentic AI.

Il m’a donné l’exemple de Canva, qui se mettait à publier des pages pour les mêmes mots-clés qu’eux. Les gros joueurs avaient les ressources pour produire BEAUCOUP de contenu et prenaient de la place sur Google.

Faque une agence trouvait un beau modèle de rapport sur Canva, le remplissait à la main, pis ça faisait la job. Elle pouvait s’arrêter là sans découvrir qu’elle aurait pu automatiser tout ça via software.

Et du côté de Google, JP voyait aussi les réponses sans clic gruger le top du funnel.

Ici, JP me donnait l’exemple des pages de contenu qui expliquent une métrique marketing. Tu veux savoir c’est quoi un coût par clic (CPC)? Google te donne la réponse drette là, dans la SERP. Tu peux repartir sans avoir visité le site qui aurait auparavant répondu à ta question—et peut-être attiré ton attention sur son produit.

Puis ChatGPT arrive. Là une agence peut aussi chercher de l’aide directement dans un chat, genre demander une structure de rapport ou des exemples de métriques pertinentes. Sans sources de données connectées, ça reste manuel : tes chiffres se mettront pas à jour tout seuls.

Mais pour l’agence qui cherchait juste un exemple, ça peut suffire pour avancer...

En réponse, Google ajoute ensuite une autre couche : les AI Overviews commencent à se déployer en 2024, avec des réponses générées directement dans les résultats de recherche.

Où trouver du nouveau revenu?

Pour un SaaS product-led (qui compte beaucoup sur le marketing et le self-serve), remplacer du trafic organique par une grosse équipe de vente peut être difficile à justifier.

Salaires, déplacements, conférences, plusieurs démos pour closer : tout ça doit se rentabiliser avec le revenu qu’un client peut rapporter. Ça limite le coût d’acquisition (CAC) que tu peux absorber.

Quand le trafic organique commence à manquer, le premier réflexe de DashThis est d’investir davantage en paid. Ils étaient déjà pas pire bons pantoute en ads. JP me racontait que même ce canal-là était devenu difficile à rentabiliser. On voyait aussi plus de compétition pour les mêmes clics payants. Y’étaient pas les seuls à avoir eu ce réflexe!

Ajoute à ça une attribution maintenant plus compliquée : consentement aux cookies, suivi incomplet, plateformes qui tirent chacune la couverture de leur bord. Selon JP, les données permettent encore de lire des tendances. Mais rattacher précisément le ROI à la bonne campagne devient plus difficile.

Ils ont aussi testé l’outbound, avec des milliers de courriels envoyés. Un des problèmes qu’il soulevait : le timing.

Tu peux rejoindre une agence qui comprend la valeur de ton produit, qui trouve la démo intéressante, mais qui n’est pas en train de chercher un nouvel outil de reporting.

Y’ont fini par délaisser cette approche, faute d’un rendement assez intéressant dans leur cas. Si tu veux mon avis, on a déjà assez d’uber-spammers dans nos inboxes, anyway.

Aujourd’hui, leurs efforts portent entre autres sur :

• SEO et AEO (Answer Engine Optimization, aussi appelé GEO pour Generative Engine Optimization). Ils continuent d’investir dans leur contenu, en cherchant aussi à se faire recommander par les moteurs AI. Ils travaillent notamment leur présence dans des comparatifs et d’autres contenus externes sur les outils de reporting. Ils misent sur ces mentions pour renforcer leur découvrabilité.

• Reddit. JP en parlait aussi dans une logique d’AEO : il avait remarqué que ChatGPT renvoyait vers des threads Reddit pendant un bout. L’équipe surveillait les discussions pertinentes et cherchait à y faire une place à DashThis. Il dit avoir vu des résultats.

• Affiliation et références. Des créateurs qui parlent d’analytique ou de reporting, mais aussi des agences qui recommandent DashThis à d’autres agences. La relation et la confiance existantes peuvent aider à faire découvrir+adopter le produit.

Sa gang a également vu du trafic arriver de YouTube, qui est un moteur de recherche et un réseau social en soi. Mais soutenir une production vidéo adaptée à leur niche demandait une capacité qu’ils n’ont pas réussi à maintenir pour l’instant. Un canal peut montrer du potentiel et rester difficile à opérer avec tes ressources, tes contraintes.

Au moment de notre discussion, il cherchait encore à comprendre quels paris de growth allaient redonner assez de rendement. Ça expérimente, avec des résultats inégaux selon les canaux.

Et pendant que l’équipe travaille à attirer de nouvelles agences, elle revoit aussi l’onboarding et le taux de conversion. Quand le trafic devient plus difficile à acquérir, mieux convertir celui qui arrive mérite de l’attention +++

Ce qui nous amène donc au produit, et au travail que l’agence—leur ICP—veut réellement accomplir avec.

Du chat aux agents

Côté produit, la première vague d’impact AI se voyait dans les habitudes des clients : ils exportaient leur rapport en PDF, le faisaient analyser dans ChatGPT, puis recopiaient l’analyse dans leur dashboard ou dans un courriel au client.

La première réponse de DashThis, ça a été AI Insights : ramener cette analyse dans le produit pour leur éviter les allers-retours.

Depuis l’été 2026, les agents changent encore la donne. JP m’a raconté comment la montée de Claude Code et les expérimentations à l’interne avaient amené l’équipe à prioriser un serveur MCP. Les agences peuvent connecter leurs outils AI aux données de DashThis. Un client s’est même vibe codé son propre portail client par-dessus.

Reste que les usages agentiques concernent encore une minorité de leurs clients (pour l’instant). Dans le même ICP, tu as aussi des agences qui veulent sortir leur rapport sans se mettre à bagosser des connexions.

↑ on retrouve le diffusion gap dont je parlais dans mes éditos MRR 1/2 et 2/2, puis dans SaaS sous pression.

Ça pose des vrais challenges produit : combien investir pour les usages émergents pendant que tu continues de servir les autres? Ça va où dans le UI? Dans quel pricing tier?

Chez DashThis, le MCP avait très peu de demandes explicites. Mais JP y voit entre autres un pari de rétention : quand une agence passe de 20 à 100 clients et revoit ses processus autour de l’AI, il veut que DashThis puisse continuer à suivre.

Faque tu bâtis quoi pour la suite?

Ces adaptations ouvrent une autre question : qu’est-ce qui va continuer de justifier de payer DashThis à mesure que les modèles et les plateformes AI avancent?

Mon premier réflexe, dans notre call, c’était d’imaginer DashThis comme un data layer pour les agents. Toutes les sources marketing connectées, les API à jour, les permissions gérées, les données disponibles quand tu en as besoin. Une plomberie robuste sur laquelle l’agence peut se fier pour travailler dans Claude ou ChatGPT.

Direct après, j’ai joué l’avocat du diable : si les OpenAI et Anthropic de ce monde finissent par offrir des connexions natives à toutes les grosses plateformes marketing, quelle place y reste pour DashThis dans ce scénario?

JP a reconnu la menace. Il m’a rappelé que maintenir des intégrations fiables devient compliqué quand t’en as un sh*tload. Quand une agence rencontre son client le premier du mois, les données doivent être prêtes. Elle peut pas passer sa matinée à réparer une connexion.

Il doutait quand même que cette robustesse suffise à justifier la place de DashThis à long terme. L’équipe explore donc plus le travail qui entoure les chiffres et le rapport : préparer une rencontre, expliquer les résultats, garder les décisions et suivre les engagements pris avec le client.

Pour illustrer cette piste, il a imaginé le suivi d’une décision super simple : travailler sur la homepage d’un client. Le mois suivant, tu veux pouvoir retrouver cette décision et regarder les résultats pertinents. Qu’est-ce qui a été fait? Qu’est-ce que ça a donné? Qu’est-ce qu’on décide pour la suite?

Les chiffres prennent de la valeur quand tu les jumelles à l’historique du travail et des décisions.

Il m’a aussi décrit une hypothétique timeline marketing accessible aux humains et aux agents. Un endroit qui garde le fil entre les campagnes lancées, les résultats obtenus et ce qui mérite de l’attention au prochain échange avec le client.

Je lui ai dit que ça me faisait penser à un genre de system of action ou Agency OS pour accompagner toute la relation entre l’agence et son client, du début du mandat au renouvellement.

JP était déjà ben allumé là-dessus. Ça rejoignait justement des avenues qu’ils exploraient.

L’AI pourrait suivre les résultats au quotidien, signaler les tendances qui changent, retrouver les engagements pris et préparer les analyses ou les suivis. De quoi permettre à l’agence de réagir avant le prochain rapport mensuel.

L’expert de l’agence connaît le client, comprend sa business, vérifie ce que les données racontent et décide quoi recommander. Il peut l’appeler avec un problème repéré, une occasion à saisir ou un ajustement à proposer. La relation de confiance continue de se bâtir entre humains. L’AI, elle, se claquerait la poutine pour que l’expert puisse offrir un accompagnement plus minutieux, plus proactif.

Aussi, l’ICP lui-même continue d’évoluer. JP voit des agences ajouter de l’accompagnement AI à leurs services : documenter une brand voice, configurer des outils, aider leurs clients à changer leurs façons de travailler...

Pas le temps de niaiser sur Internet, comme on dit. Qui on? Je le sais pas buddy, j’avais pas de meilleure ligne pour finir.

On se reparle dans un an

À la fin du call, je lui ai proposé qu’on se rassoie dans un an. Pour voir quels paris marketing et produit auront payé, lesquels ils auront abandonnés et ce qu’ils auront découvert en chemin.

Gros shoutout à JP pour son temps et son partage! Trop le fun d’avoir des témoignages live des tranchées à partager avec tout le monde 🙇‍♂️

Joyeuse construction, comme on d—ah f*ck it I’m out.

—

Quelque chose à ajouter? Good. Laisse un commentaire ou réponds à ce courriel direct.

Cheers,

Frank 💜

Dernier événement de l’année, c’est now or never.

Le 4 novembre au Monastère, on a un gros programme :

Trois startups qui pitchent, un live pod avec Fred Bastien et un cocktail réseautage présenté par Quebec Tech.

Les billets early bird sont tous partis. Le prochain événement SaaSpasse, c’est en 2027. Manque pas ta chance d’entendre parler de fusées dans une église!

Un portable contre Gurobi 💻

Dans une usine, un horaire de cours ou une tournée de livraison, la planification se fait encore souvent à la main, dans un chiffrier.

Chez Baseline, ils bâtissent des solveurs : des programmes d'AI qui montent le plan à ta place. Leur pari, c'est qu'un solveur taillé sur mesure pour ton problème bat les gros moteurs génériques du marché.

Donc, ils l'ont testé. Ils ont pris trois benchmarks publics et ils ont fait tourner leur solveur une minute, sur un portable de gamme intermédiaire, contre Hexaly, CP Optimizer pis Gurobi. Ils avaient environ la moitié de la puissance de calcul. Sur les gros problèmes, Baseline trouve souvent de meilleures solutions que tout ce qui a été publié.

Pis c'est pas juste en labo. Chez un client du niveau collégial, monter la grille horaire prenait environ 520 heures par année. Le moteur de Baseline la calcule maintenant en moins de deux minutes. Sur un site minier, leur moteur d'optimisation a aidé à retirer une soixantaine de véhicules d'une flotte de plus de 400.

Un premier projet AI en 4 à 8 semaines ⏱️

Beaucoup de projets AI en entreprise restent coincés entre la démo pis le déploiement.

Pascal Hamel, VP intelligence artificielle chez Mirego, a une approche simple pour en sortir : choisir un premier cas d'usage qu'on peut livrer en 4 à 8 semaines. Pas une grosse transformation.

Même logique pour les modèles. Un petit modèle rapide quand ça suffit, le gros seulement quand il le faut. Pas un détail : au début de 2026, la facture de tokens de Mirego montait de 25 à 30 % par mois.

C'est ce que son équipe met en marché avec Forra, une plateforme d'AI d'abord bâtie pour Premier Tech, qui se branche sur les outils internes pis laisse l'entreprise décider qui a accès à quoi.

Rejoins les SaaSpals 👇

Merci tellement à tous nos SaaSpals. Votre support nous motive BIG TIME.

Partenaires certifiés SaaSpasse 💜

HUGE merci à tous nos partenaires certifiés pour cette année :

• Le Chiffre 🧾

• Leviat 👨‍⚖️

• Baseline 🤖

• Unicorne 🌩️

• Finalta Capital 💰

Podcast

Voici le dernier épisode du pod :

→ Ep.191 - Des drones dans le Bootstrap Club (construction, AI & données terrain)

Pas encore abonné au pod? Let’s go :

• Spotify

• Apple Podcasts

• YouTube

Okay bobye!