Stack growth IA agentique : la nouvelle stack des entreprises B2B

Pendant cinq ans, la « growth stack » d’une PME B2B a eu la même forme : une poignée de SaaS (un CRM, un outil d’emailing, un outil d’enrichissement) reliés entre eux par Zapier, Make ou n8n. Des scénarios visuels, des modules qu’on glisse-dépose, une facture qui grossit avec le volume. Ce modèle a rendu d’immenses services. Il est en train d’être remplacé par une stack growth IA agentique : des agents de code qui construisent eux-mêmes les automatisations, une vraie base de données comme source de vérité et une infrastructure cloud standard que l’entreprise possède.

Chez Stema Partners, nous avons fait cette bascule sur nos propres outils avant de la proposer à nos clients. Cet article décrit la stack que nous utilisons aujourd’hui, couche par couche — Claude Code, Codex, Supabase, Vercel, VPS, Resend, MCP —, ce qu’elle change pour une PME ou une ETI, et les garde-fous sans lesquels elle devient dangereuse.

Qu’est-ce qu’une stack growth IA agentique ?

Une stack growth IA agentique est l’ensemble des outils avec lesquels une entreprise construit et opère sa machine d’acquisition — ciblage, enrichissement, prospection, nurturing, reporting — en confiant la construction et une partie de l’exécution à des agents IA plutôt qu’à des scénarios no-code assemblés à la main. Les agents écrivent le code des automatisations, le testent, le déploient, et certains tournent en continu pour surveiller des signaux et agir.

Trois termes se croisent souvent et méritent d’être distingués :

Terme	Ce qu’il désigne	Exemple
Stack IA	L’infrastructure technique qui fait tourner des modèles (calcul, données, modèles, applications)	GPU, base vectorielle, API de modèle
Stack growth no-code	Des SaaS reliés par une plateforme d’automatisation visuelle	HubSpot + Lemlist + Make
Stack growth IA agentique	Des agents de code qui construisent et opèrent la machine growth sur une infrastructure standard	Claude Code + Supabase + Vercel + VPS + Clay

La différence n’est pas cosmétique. Dans une stack no-code, la logique métier vit dans des scénarios propriétaires, chez l’éditeur de la plateforme. Dans une stack agentique, elle vit dans du code versionné, dans votre dépôt, sur votre base de données.

Pourquoi la stack no-code commence à vieillir

Make et n8n ont démocratisé l’automatisation. Nous les avons utilisés pendant des années, nous les maintenons encore chez des clients, et ils restent des références solides. Mais ce type d’outil commence à vieillir, pour quatre raisons.

1. Le coût suit le volume, pas la valeur. Make facture à la consommation : depuis le 27 août 2025, son unité de facturation est le crédit (qui remplace l’« opération »), et les modules d’IA consomment des crédits en fonction des tokens utilisés. Plus votre machine de prospection tourne, plus la facture monte — précisément au moment où elle devient rentable.

2. Un scénario visuel se teste et se versionne mal. Au-delà de trente ou quarante modules, un scénario devient difficile à relire, à déboguer et à faire évoluer. Pas de tests automatisés, pas de revue de code, pas d’historique lisible des modifications.

3. L’agent écrit la glue plus vite que vous ne la dessinez. C’est le changement de fond. Demander en français à Claude Code « chaque nuit, récupère les nouvelles offres d’emploi de mes comptes cibles, enrichis les décideurs et pousse-les dans HubSpot » produit un script testé plus vite que de dessiner le même flux module par module. Selon l’Anthropic Economic Index (avril 2025), 79 % des conversations sur Claude Code relèvent de l’automatisation — l’IA exécute directement la tâche —, contre 49 % sur Claude.ai.

4. La dépendance. Un scénario Make n’est pas portable. Du code tourne partout.

n8n, il faut le reconnaître, a corrigé une partie de ces défauts : auto-hébergeable sur un VPS, export JSON, nœuds de code, nœuds d’agents IA. L’éditeur berlinois a d’ailleurs levé 180 millions de dollars en octobre 2025, à une valorisation de 2,5 milliards. L’outil n’est pas mort : il se repositionne en orchestrateur d’agents. Mais pour une PME, la question n’est plus « Make ou n8n ? ». C’est « qu’est-ce qui mérite encore un scénario visuel, et qu’est-ce qui doit devenir du code ? ». Nous détaillons cet arbitrage, avec la liste de ce que l’on peut coder directement, dans notre comparatif Make et n8n vs Claude Code et Codex.

Selon Thomas Denizot, co-fondateur de Stema Partners : « Make reste une très bonne porte d’entrée, et on continue de l’utiliser. Mais on ne construit plus le cœur d’une machine growth dessus. Quand un agent peut écrire, tester et déployer un workflow en une après-midi, dessiner quarante modules n’a plus beaucoup de sens. »

Les 6 couches de la stack growth IA agentique

Nous structurons la stack en six couches. Chacune a un rôle précis et des outils de référence ; l’ordre compte, car chaque couche s’appuie sur la précédente.

Couche	Rôle	Outils de référence	Ce qu’elle remplace
1. Construire	Écrire, tester et maintenir les automatisations	Claude Code, Codex	Le glisser-déposer de modules
2. Raisonner et connecter	Analyser, rédiger, décider ; se brancher aux outils	Claude, GPT, Mistral, MCP	Les modules « IA » et les connecteurs propriétaires
3. Stocker	Source de vérité des comptes, contacts et signaux	Supabase (Postgres)	Google Sheets, data stores no-code
4. Déployer et exécuter	Héberger interfaces, API, tâches planifiées et agents 24 h/24	Vercel, VPS européen	L’exécution chez l’éditeur no-code
5. Communiquer	Emails transactionnels d’un côté, séquences de prospection de l’autre	Resend ; Lemlist, La Growth Machine	Les envois bricolés depuis une boîte mail
6. Alimenter le pipe	Ciblage, enrichissement, signaux, CRM	Clay, Sales Navigator, Dropcontact, HubSpot, Pipedrive	Rien : cette couche reste

1. Construire : Claude Code et Codex

Claude Code (Anthropic) et Codex (OpenAI) sont des agents de développement : on leur décrit un besoin en langage naturel, ils lisent le projet, écrivent le code, exécutent les tests et corrigent jusqu’à ce que ça fonctionne. Ce sont eux qui remplacent l’éditeur visuel de Make : au lieu d’assembler des modules, on spécifie le résultat attendu et on relit ce que l’agent produit.

Les deux outils se valent sur l’essentiel ; le choix dépend surtout de l’écosystème de l’entreprise (abonnement Claude ou ChatGPT existant, habitudes de l’équipe). Nous utilisons Claude Code au quotidien — ce site en est la preuve : nous l’avons migré de Webflow vers un site codé avec Claude Code — et Codex selon les projets. Pour un panorama des usages métier, voir notre guide Claude Code en entreprise.

Le point clé : ces agents ne remplacent pas le jugement, ils remplacent la saisie. Quelqu’un doit savoir ce qu’il faut construire, relire ce qui est produit et décider de ce qui part en production.

2. Raisonner et connecter : les modèles et le protocole MCP

Les modèles de langage (Claude, GPT, Mistral) sont le moteur de décision de la stack : ils qualifient un compte, rédigent une approche personnalisée, résument un appel, classent une réponse. Ils sont appelés par API depuis le code, et non plus depuis un module « IA » de plateforme no-code — ce qui permet de choisir le modèle tâche par tâche et de maîtriser le coût.

Pour se brancher aux outils de l’entreprise, la stack s’appuie sur le Model Context Protocol (MCP), le standard ouvert qui permet à un agent IA de lire et d’agir dans un CRM, une messagerie ou un ERP. Lancé par Anthropic fin 2024, MCP a été confié en décembre 2025 à l’Agentic AI Foundation, une fondation hébergée par la Linux Foundation et cofondée par Anthropic, OpenAI et Block. Concrètement, c’est ce qui permet à un agent de consulter HubSpot ou Notion sans connecteur maison. Pour un tour d’horizon, lire notre guide des agents IA pour PME et ETI.

3. Stocker : Supabase comme source de vérité

Supabase est une plateforme de base de données construite sur PostgreSQL, qui ajoute l’authentification, le stockage de fichiers, des API générées automatiquement et l’extension pgvector pour la recherche sémantique. Dans une stack growth agentique, c’est la mémoire de la machine : comptes cibles, contacts, signaux d’achat, historique des interactions, scores.

C’est la couche la plus sous-estimée. Une machine de prospection qui stocke ses données dans un Google Sheet ou dans les data stores d’une plateforme no-code ne peut ni dédupliquer proprement, ni historiser, ni alimenter un tableau de bord fiable. Avec une vraie base, chaque agent lit et écrit au même endroit, et la donnée appartient à l’entreprise. Le marché a pris la mesure du sujet : Supabase a levé 500 millions de dollars en juin 2026, à une valorisation de 10,5 milliards, en se positionnant explicitement comme l’infrastructure des applications agentiques.

Deux règles non négociables : héberger le projet dans une région européenne, et activer les règles d’accès (Row Level Security) sur chaque table. Leur oubli est l’erreur de sécurité la plus fréquente des applications générées par IA.

4. Déployer et exécuter : Vercel pour l’interface, un VPS pour les agents

Vercel est une plateforme d’hébergement qui déploie automatiquement sites, dashboards et API à chaque modification du code, avec des fonctions serverless et des tâches planifiées. C’est l’endroit naturel pour le tableau de bord commercial, les formulaires, les webhooks qui reçoivent les événements du CRM et les petites tâches récurrentes.

Une partie du travail agentique ne tient pas dans une fonction serverless de quelques secondes : un agent qui collecte des données pendant vingt minutes, une file d’attente d’enrichissement, une surveillance de signaux en continu. Pour cela, nous utilisons un VPS (serveur privé virtuel) chez un hébergeur européen — OVHcloud, Scaleway ou Hetzner : un serveur loué quelques dizaines d’euros par mois, sur lequel les agents tournent 24 h/24. C’est aussi là qu’on auto-héberge n8n quand un client y tient. Pour les enjeux de localisation des données, notre guide de l’hébergement souverain en France et en UE fait le tour des options.

5. Communiquer : Resend pour le transactionnel, un outil dédié pour la prospection

Resend est une API d’envoi d’emails transactionnels conçue pour les développeurs : on envoie un email depuis le code, sur un domaine authentifié, en quelques lignes. Dans la stack, Resend envoie tout ce que la machine doit communiquer : alertes internes quand un compte chaud se manifeste, accusés de réception, rapports hebdomadaires, notifications aux commerciaux. Le formulaire de contact de ce site, par exemple, passe par Resend.

Une précision qui évite de griller un domaine : Resend n’est pas un outil de prospection. Sa politique d’utilisation interdit explicitement la prospection à froid, les listes achetées et les contacts scrapés. Les séquences de prospection passent par des outils conçus pour cela — Lemlist ou La Growth Machine —, sur des domaines d’envoi dédiés et chauffés. Mélanger les deux, c’est mettre en danger la délivrabilité de vos emails clients.

6. Alimenter le pipe : signal, enrichissement et CRM

Cette couche ne disparaît pas, elle se branche différemment. LinkedIn Sales Navigator pour le ciblage, Clay pour l’enrichissement et l’orchestration des données GTM, Dropcontact pour les emails et la conformité RGPD, et le CRM (HubSpot, Pipedrive, Salesforce) comme poste de travail des commerciaux. La différence : au lieu d’être reliés par des scénarios, ces outils sont appelés par API depuis le code, et leurs données remontent dans Supabase.

À quoi ressemble une machine growth agentique, concrètement

Prenons un cas typique chez un client B2B : repérer les entreprises cibles qui recrutent un profil révélateur d’un besoin (par exemple un responsable achats), et déclencher une approche le jour même.

1. Chaque nuit, un agent hébergé sur le VPS collecte les nouvelles offres d’emploi des comptes de la liste cible.
2. Il enrichit les décideurs concernés via Clay et Dropcontact, et écrit le tout dans Supabase.
3. Un appel à Claude qualifie le signal (pertinent ou non, niveau d’urgence) et propose un angle d’approche personnalisé.
4. Les comptes qualifiés sont poussés dans le CRM et inscrits dans une séquence Lemlist.
5. Resend envoie au commercial concerné une alerte avec le contexte et l’angle proposé.
6. Un tableau de bord sur Vercel suit le volume de signaux, les taux de réponse et les rendez-vous générés.

Tout ce code est écrit avec Claude Code, versionné dans le dépôt du client, et ne consomme aucun crédit à l’exécution : le coût reste celui de l’infrastructure et des appels aux modèles. C’est ce que nous déployons dans notre service IA Growth Ops, dans la continuité de notre guide de l’automatisation de la prospection B2B.

Nous appliquons la même logique à nos propres outils. Notre veille concurrentielle repose sur une tâche planifiée toutes les quinze minutes, qui interroge un flux de mentions web, stocke les événements et alerte notre équipe sur Slack quand notre marque ou un concurrent est cité. Aucun scénario no-code : quelques fichiers de code, déployés sur Vercel.

Ce que ça change pour une PME ou une ETI B2B

Le premier changement est économique : une stack agentique transforme une facture variable, indexée sur le volume d’opérations, en un coût d’infrastructure largement fixe. Base de données, hébergement et VPS se comptent en dizaines ou en centaines d’euros par mois ; ce qui coûte, c’est le temps de conception et de pilotage, pas chaque exécution.

Critère	Stack no-code (Make, n8n cloud, Zapier)	Stack growth IA agentique
Construction	Glisser-déposer de modules	Spécification en langage naturel, code produit par un agent
Coût à l’échelle	Augmente avec chaque opération	Infrastructure quasi fixe
Tests et versioning	Limités	Tests automatisés, historique git, revue
Données	Dispersées dans les outils	Centralisées dans une base (Supabase)
Portabilité	Scénarios propriétaires	Code standard, déployable ailleurs
Compétence requise	Faible à l’entrée	Pilotage technique, au moins au démarrage

Le deuxième changement est organisationnel. Une nouvelle fonction apparaît dans les équipes commerciales : le GTM engineer, profil hybride entre growth, data et développement, qui conçoit les machines d’acquisition et pilote les agents qui les construisent. Une PME n’a pas toujours besoin de le recruter : elle peut s’appuyer sur un partenaire le temps de monter la machine, puis faire monter en compétence un profil interne.

Le troisième changement, enfin, c’est la propriété. Le code, les données et la logique métier appartiennent à l’entreprise. Si un outil augmente ses prix, on le remplace ; si le prestataire s’en va, la machine continue de tourner.

Les limites et les garde-fous

Une stack agentique mal encadrée produit vite du code fragile, des failles de sécurité et des projets abandonnés. Les chiffres invitent à la lucidité :

• Selon le rapport GenAI Code Security de Veracode (juillet 2025), le code généré par IA introduisait une faille de sécurité dans 45 % des tâches testées.
• Selon Gartner (juin 2025), plus de 40 % des projets d’IA agentique seront abandonnés d’ici fin 2027, faute de valeur business claire, à cause de coûts croissants ou de contrôles de risque insuffisants.
• Selon McKinsey (The State of AI, novembre 2025), 62 % des organisations expérimentent déjà les agents IA, mais seulement 23 % les déploient à l’échelle dans au moins une fonction.

Les garde-fous que nous appliquons systématiquement :

• Un humain responsable de chaque mise en production, qui relit ce que l’agent a écrit.
• Des tests automatisés sur les traitements critiques : déduplication, scoring, envois.
• Des secrets protégés : clés d’API en variables d’environnement, jamais dans le code.
• Une base verrouillée : règles d’accès activées sur chaque table Supabase.
• Un hébergement européen et une base légale RGPD documentée pour chaque traitement de données de prospection.
• De l’observabilité : journaux, alertes en cas d’échec, suivi des exécutions.
• Un cadrage par la valeur : on automatise un processus dont on connaît le coût actuel, pas une idée.

Make, n8n ou stack agentique : comment choisir ?

La réponse honnête : les trois, chacun à sa place.

Situation	Notre recommandation
Relier deux SaaS sur un flux simple et peu volumineux	Make ou Zapier : rapide et suffisant
Besoin d’auto-héberger, équipe à l’aise avec la technique	n8n sur un VPS
Workflow critique, volume élevé, IA à chaque étape	Code piloté par agent (Claude Code ou Codex) + Supabase
Interface, dashboard ou application pour les équipes	Code déployé sur Vercel (application métier sur mesure)
Agent qui doit tourner en continu	Code sur un VPS

Le bon réflexe : garder le no-code pour ce qui est simple et périphérique, et basculer en code tout ce qui touche au cœur de la machine de revenus. Si vous vous demandez jusqu’où des non-développeurs peuvent aller seuls, notre article sur le vibe coding en entreprise trace la frontière entre prototype et production.

Par où commencer

Inutile de tout reconstruire. La bascule se fait workflow par workflow :

1. Cartographier les automatisations existantes et leur coût réel : crédits, temps de maintenance, incidents.
2. Choisir un workflow critique — souvent le routage et l’enrichissement des leads — et le reconstruire en code, avec une base Supabase dédiée.
3. Le faire tourner en parallèle de l’ancien scénario pendant deux à quatre semaines, puis basculer.
4. Étendre au rythme des résultats, en commençant par ce qui coûte le plus en crédits ou en incidents.

Cette démarche reprend les étapes de la Méthode Stema : diagnostic, priorisation, pilote, déploiement, puis passage à l’échelle. Si vous voulez d’abord savoir où l’IA créera le plus de valeur chez vous, le diagnostic IA pose la feuille de route avant d’écrire la moindre ligne de code.

FAQ

Qu’est-ce qu’une stack IA ?

Une stack IA est l’ensemble des briques techniques qui permettent de construire et de faire fonctionner des applications d’intelligence artificielle : modèles, données, infrastructure d’exécution et outils de développement. Pour une entreprise B2B, la question pratique n’est pas l’infrastructure des modèles, gérée par les fournisseurs, mais la stack applicative : avec quels outils construire et opérer ses automatisations. C’est ce que nous appelons la stack growth IA agentique.

Make et n8n sont-ils dépassés ?

Non, mais leur rôle se réduit. Make et n8n restent efficaces pour relier deux logiciels sur un flux simple, et n8n se repositionne comme orchestrateur d’agents. En revanche, pour les workflows critiques, volumineux ou riches en IA, le code produit par un agent comme Claude Code est plus économique à l’échelle, testable et portable. Nous gardons les deux outils comme références et nous les maintenons chez nos clients.

Faut-il savoir coder pour utiliser Claude Code ou Codex ?

Pas pour s’en servir, mais oui pour mettre en production sans risque. Un profil non technique peut faire produire un prototype à Claude Code en quelques heures. Pour qu’il tourne de façon fiable — sécurité, tests, gestion des données personnelles —, il faut quelqu’un capable de relire le code et de prendre les décisions d’architecture. C’est là qu’un accompagnement fait gagner des mois.

Combien coûte une stack growth IA agentique ?

L’infrastructure elle-même coûte peu : la plupart des briques (Supabase, Vercel, Resend) proposent une offre gratuite puis des abonnements de quelques dizaines d’euros par mois, et un VPS européen se loue à partir de quelques euros mensuels. S’y ajoutent l’abonnement à l’agent de code et la consommation d’API des modèles. Le vrai poste de coût est la conception et le pilotage de la machine : c’est ce que couvre notre service IA Growth Ops, à partir de 3 000 € HT par mois.

Peut-on utiliser Resend pour la prospection par email ?

Non. La politique d’utilisation de Resend interdit la prospection à froid, les listes achetées et les contacts scrapés : le service est réservé aux emails attendus par leur destinataire (notifications, confirmations, alertes, newsletters avec consentement). Les séquences de prospection B2B doivent passer par des outils dédiés comme Lemlist ou La Growth Machine, sur des domaines d’envoi séparés de votre domaine principal.

Qu’est-ce qu’un GTM engineer ?

Un GTM engineer (go-to-market engineer) est un profil qui conçoit et construit les systèmes d’acquisition d’une entreprise : ciblage, enrichissement, séquences, scoring, routage des leads. À mi-chemin entre growth, data et développement, il s’appuie sur des agents de code pour produire ce qui demandait auparavant une équipe technique. C’est le métier au cœur de la stack growth IA agentique.