Produit
Tout ce qu'il faut. Rien de trop.
Six agents IA, trois modes de raisonnement, un score qualité quotidien et une architecture multi-tenant native. Déployé dans votre GCP.
Fondation données
14+ plateformes entrent dans un dataset BigQuery.
Normalisées dans un modèle unique.
Google Ads, Meta, TikTok, DV360, GA4, LinkedIn, CM360, SA360, Retail Media — normalisés dans un modèle canonique avec 10+ dimensions parsées depuis vos noms de campagnes.
raw_*
API mirrors
stg_*
standardized + taxonomy
Relayne_fact_media_daily
Relayne_mmm_input_daily
cfg_* taxonomy rules + dicts
Relayne_taxonomy_issues
Taxonomie pilotée par config
FR_PaidSearch_Generic_Conversion_Google → marché, canal, sous-canal, objectif, plateforme. Parsé par des règles éditables depuis une interface. Quand une campagne ne parse pas, elle est signalée immédiatement.
Une seule table de faits
rln_fact_media_daily — date × plateforme × campagne × pays × device. Toutes les métriques standardisées. Interrogez chaque plateforme en une seule requête.
Inputs MMM-ready
rln_mmm_input_daily trace la méthode d'imputation et le score de confiance par point de données. Votre modèle MMM sait quelles données sont réelles et lesquelles sont estimées.
-- Relayne_fact_media_daily — your single source of truth
SELECT
date,
ds_platform, -- 'google_ads', 'meta', 'tiktok', 'dv360'...
campaign_id,
normalized_channel, -- 'Paid Search', 'Paid Social', 'Display Programmatic'...
normalized_subchannel, -- 'Brand', 'Generic', 'Prospecting', 'Retargeting'...
normalized_funnel_stage, -- 'Awareness', 'Consideration', 'Conversion', 'Retention'
normalized_objective, -- 'Sales', 'Leads', 'Traffic', 'App Installs'...
market, country, device,
impressions, clicks, cost, conversions, revenue,
ctr, cpc, cpa, roas, conversion_rate
FROM `{client}_Relayne.Relayne_fact_media_daily`
WHERE date >= DATE_SUB(CURRENT_DATE(), INTERVAL 30 DAY)
-- All tables partitioned by date. All queries filtered on partition. Always.Le nommage des campagnes est la première source d'erreurs de reporting.
Équipes différentes, conventions différentes. Les agences utilisent un format, l'interne un autre. « Paid Search » ici, « SEM » là.
Relayne utilise un parser positionnel avec des règles éditables, des dictionnaires d'alias et des overrides par entité. Quand une campagne ne matche pas, elle apparaît dans rln_taxonomy_issues avec l'échec exact — quelle position, quelle valeur, ce qui a échoué. Correction en quelques clics.
Intelligence Multi-Agents
Un moteur d'intelligence qui raisonne,
apprend et agit.
Six agents spécialisés orchestrés par Google ADK, alimentés par Gemini 3 Pro/Flash. Planification autonome, exécution multi-étapes, calibration continue à partir de vos corrections.
CPA in France increased 23% WoW (€41.20 → €50.70).
- • Meta Prospecting: CPM +35%, conversion rate -18%. Creative running 21 days — likely fatigue.
- • Paid Search: stable (€28.40, -2% WoW).
- → Refresh Meta creatives (benchmark: rotate every 14 days).
- → Shift €2K from Display (ROAS 1.6) to Search (ROAS 4.2).
-- Step 2: Meta breakdown by subchannel + CPM trend
-- Step 3: Creative age analysis
Six agents spécialisés dans un système coordonné.
Ils collaborent automatiquement — l'orchestrateur décompose votre question et assigne les agents pertinents.
SQL Agent
Generates and runs BigQuery queries with schema grounding.
"Total spend by channel last month?"
Anomaly Agent
Detects statistical anomalies (Z-score, configurable thresholds).
"Anything unusual this week?"
Taxonomy Agent
Diagnoses parsing failures and coverage gaps.
"Why are 12 campaigns unmapped?"
Comparison Agent
WoW/MoM/YoY across channels, markets, campaigns.
"Meta vs Google Ads this month"
Forecast Agent
End-of-month projections and budget pacing.
"Will we hit our conversion target?"
Help Agent
Contextual help (FR/EN) on Relayne features and media concepts.
"What does normalized_funnel_stage mean?"
Trois stratégies de raisonnement autonome.
Déclencheur: Simple question ("Total spend last week?")
One query → direct answer. 1-3s.
Déclencheur: Complex question ("Why did CPA spike?")
2-5 queries, cross-referenced, synthesized. 3-8s.
Déclencheur: Open-ended ("What's wrong with my campaigns?")
Full diagnostic: anomalies, taxonomy, trends, report. 4-10s.
Le copilote s'appuie sur une base de connaissances média.
- • 50+ définitions de métriques avec benchmarks (ROAS, CPA, CTR, VTR, fréquence, viewabilité…)
- • Benchmarks sectoriels par canal (Search CTR : 3-5%, Social : 1-2%, Display : 0,1-0,3%)
- • 10+ patterns d'analyse (mix canal, fatigue créa, suivi budget, investigation anomalie…)
- • Contexte sectoriel (Luxe, Retail, CPG) avec benchmarks adaptés
- • 30+ requêtes SQL pré-optimisées pour les analyses courantes
Un ROAS Social à 0,2 en last-click ? Le copilote sait que c'est un biais d'attribution et suggère de regarder le post-view ou la contribution MMM.
| Capability | Relayne | SQL chatbot | Google CA |
|---|---|---|---|
| SQL generation | |||
| Schema grounding | |||
| Multi-step reasoning | 3 modes | — | — |
| Media benchmarks | 50+ metrics | — | — |
| Recommendations | Actionable | — | — |
| Sector context | — | — | |
| Multi-tenant scoping | Native | — | — |
| Anomaly detection | Proactive | — | — |
| Autonomous planning | — | — | |
| Contextual RAG | — | — | |
| Learning from corrections | — | — | |
| Gemini 3 Pro/Flash | Native | — |
Même copilote. Réponses différentes selon le rôle.
Marie (France)
brand_manager · geo: FR
"What's my CPA?"
Pierre (Global)
global_admin · geo: all
"What's my CPA?"
Le copilote hérite du rôle, de l'organisation et du périmètre géographique depuis la couche auth. C'est de l'architecture, pas du prompt engineering.
Architecture d'Intelligence
Pas un chatbot.
Un système qui raisonne.
Relayne intègre un moteur d'intelligence agentic complet — orchestration multi-agents, modèles fondation Gemini 3, RAG contextuel et apprentissage continu. Chaque composant est conçu pour que le système s'améliore à chaque utilisation.
Orchestration Multi-Agents (Google ADK)
Six agents spécialisés coordonnés par un orchestrateur. Il décompose les questions complexes en sous-tâches, assigne les agents pertinents, et synthétise les résultats. Pas de prompt unique — un véritable pipeline de raisonnement.
Fondation Gemini 3 Pro/Flash
Modèles fondation Google de dernière génération avec function calling natif, schema grounding et option de résidence EU. Latence faible pour le mode Quick, raisonnement profond pour le mode Exploration.
RAG Contextuel
Avant de raisonner, l'agent retrouve votre schéma BigQuery, vos règles taxonomiques, vos dictionnaires et votre framework de mesure. Pas de connaissances génériques — du grounding sur vos données réelles.
Architecture Multi-Prompt Adaptative
L'orchestrateur sélectionne automatiquement la stratégie de raisonnement (Quick, Deep, Exploration) en analysant la complexité de votre question. Pas de choix à faire — le système s'adapte.
Calibration Auto-Améliorante
Chaque correction de taxonomie, chaque override d'entité, chaque ajustement de dictionnaire enrichit la base de connaissance. Les benchmarks s'affinent avec l'usage. Le système apprend de vos patterns.
Un système qui s'améliore avec l'usage
Quand vous corrigez une campagne non parsée, quand vous ajoutez un alias de dictionnaire, quand vous ajustez un benchmark sectoriel — ces corrections alimentent directement la base de connaissance du copilote. Plus vous utilisez Relayne, plus il devient pertinent pour votre contexte métier spécifique.
Qualité des données
Un chiffre. Pas un ressenti.
Score quotidien 0-100.
8 composantes pondérées. La taxonomie pèse 35% car le nommage est la première source d'erreurs. Quand un seuil est franchi, l'alerte part immédiatement.
12 problèmes de taxonomie — 3 nouvelles campagnes DE non parsées
Complétude : données Meta Ads manquantes pour le 04/03/2025
Seuil ML : Score ≥ 70 requis. Actuel : 92
Seuil alerte : Score < 85 déclenche une notification. Actuel : 92
Dashboard
DQ < 85Seuil alerte : Score < 85 déclenche une notification. Actuel : 92
ML Training
DQ < 70Seuil ML : Score ≥ 70 requis. Actuel : 92
Alert
Configurable12 problèmes de taxonomie — 3 nouvelles campagnes DE non parsées
Intégration Dataplex
Catalogue, lignage et profilage via Google Dataplex. Chaque table enregistrée, chaque transformation traçable, profilage quotidien.
Extensions Intelligence
De « qu'est-ce qui s'est passé » à « voilà quoi faire et pourquoi. »
Modulaire. Chaque extension se branche sur les mêmes données et le copilote. Un flag Terraform et c'est actif.
Marketing Mix Modeling
ActifQuels canaux génèrent vraiment des conversions ? Courbes de saturation, contribution incrémentale et scénarios what-if. Le copilote répond directement à la question « Où investir mes prochains euros ? » Quand les priors sont fragiles, il conçoit des tests d'incrémentalité et guide la calibration.
Requis : 6+ mois d'historique, 50K€+/mois de dépenses, 3+ canaux.
ml_mmm_predictions · ml_saturation_curves · ml_channel_contribution
Agent Proactif
ActifL'agent scanne vos données quotidiennement, détecte les anomalies, identifie les causes et rédige les actions. Vous recevez un résumé chaque matin. Les alertes critiques partent immédiatement.
Détection : Isolation Forest, Z-score, règles métier. Streaming GA4 (15-30 min).
ml_agent_insights · ml_agent_summaries_daily · ml_agent_alerts_history
Optimiseur RL Budget
RoadmapRecommandations d'allocation budget optimisées par reinforcement learning. Testez des scénarios what-if, comparez des allocations ou activez le mode automatique avec garde-fous (max ±30%, kill switch, rollback auto). Mode simulation par défaut.
Requis : MMM actif. Aligné EU AI Act : champ reasoning obligatoire, logs d'audit complets.
ml_rl_recommendations · ml_rl_scenarios · ml_rl_actions_taken
Activation progressive
Mois 1-3
Observation MMM
prédictions uniquement
Mois 4-6
Agent Proactif
+ calibration des seuils
Mois 7-12
RL simulation
+ validation manuelle
Année 2+
RL mode auto
si validé
Chaque extension = un flag Terraform. enable_ml_foundation = true.
Intégrations
Si votre équipe achète de la pub dessus, on l'ingère.
Social
Retail
BI & Output
Direct access
Sources Google : Data Transfer Service natif (géré par Terraform). Non-Google : Airbyte embarqué (géré via UI). Nouveau connecteur = configuration, pas du code.
Envie de voir Relayne sur vos données ?
Démo de 30 minutes sur un dataset BigQuery live.