15 Agents d'IA en marketing: outils & exemples
Les recherches montrent que 50 % des organisations qui utilisent l'IA générative prévoient de lancer des programmes pilotes d'IA agentique.1 Les agents d'IA en marketing introduisent des systèmes capables de raisonner, de prendre des décisions et d'agir avec une supervision humaine minimale. Ces agents intelligents analysent les données clients, génèrent des informations exploitables et coordonnent les campagnes sur plusieurs plateformes en temps réel.
Nous avons évalué les 15 principaux agents d'IA en marketing en fonction de leurs stratégies marketing, de leur personnalisation et de leurs capacités de prise de décision.
Les 15 meilleurs outils d'agents d'IA en marketing
Fournisseur | Prix de départ/mois | Essai gratuit/Abonnement | Catégorie |
|---|---|---|---|
$67 | ✅ | Natifs IA | |
Adobe AEP | N/D | Essai gratuit limité | Entreprise |
AIRA (Kentico) | Personnalisé | N/D | Natifs IA |
Goodie IA | Personnalisé | ✅ | Natifs IA |
Google Marketing Advisor | Gratuit avec publicités au paiement par clic | ✅ | Entreprise |
HubSpot Breeze | $42 | ✅ | Marché intermédiaire |
Klaviyo Marketing Agent | $45 | ✅ | Marché intermédiaire |
Landbase | Personnalisé | N/D | Natifs IA |
Lyzr IA | $99/mois ($1 999 pour Skott) | ✅ | Natifs IA |
Make IA Agents | $9 | ✅ | Natifs IA |
Remarque : Le tableau est trié par ordre alphabétique, à l'exception de notre sponsor, qui est répertorié en tête avec ses liens.
Fonctionnalités clés des agents d'IA en marketing
Exécution et optimisation autonomes
Une capacité essentielle de tout agent d'IA est la capacité d'exécuter et d'optimiser des actions sans intervention humaine directe. Ces systèmes ne recommandent pas les étapes suivantes ; ils peuvent lancer indépendamment des campagnes publicitaires, programmer des e-mails ou ajuster les enchères en fonction de données en temps réel.
Cette forme d'autonomie permet aux équipes marketing de répondre rapidement aux changements de comportement de l'audience, réduisant ainsi le besoin d'intervention manuelle et améliorant la précision opérationnelle.
Par exemple, les agents d'IA de Creatio peuvent orchestrer de manière autonome des campagnes marketing sur plusieurs canaux tels que l'e-mail, le SMS et la publicité numérique, tout en mesurant en continu les performances et en optimisant les résultats en temps réel.
Réactivité en temps réel et événementielle
Les agents d'IA fonctionnent en continu, en observant les indicateurs d'engagement, les résultats de campagne et l'activité des utilisateurs. Lorsqu'ils détectent des signaux importants, comme une augmentation soudaine des visites sur un site Web ou une baisse des taux de réponse, ils agissent instantanément. Ils peuvent envoyer un message ciblé, réallouer des budgets ou modifier des éléments créatifs.
La réactivité en temps réel garantit que les actions marketing restent opportunes et pertinentes, reflétant la nature fluide de l'engagement numérique et maintenant l'alignement avec l'intention du client à chaque instant.
Personnalisation et adaptation dynamique du contenu
Les agents d'IA utilisent les données clients et des indices contextuels pour adapter les messages, les offres et les formats créatifs sur plusieurs canaux. Ils adaptent leur sortie au comportement de l'utilisateur, à ses préférences et à son étape dans le parcours client.
Cette personnalisation dynamique s'étend au ton, au rythme et même à la sélection du canal, permettant à l'agent de déterminer quelle approche (e-mail, publication sur les médias sociaux ou message de chat) aura l'impact le plus substantiel. Le résultat est une communication qui semble plus personnelle, améliore l'engagement et soutient une fidélité client durable.
Figure 1 : Exemple de personnalisation de la prospection LinkedIn par Landbase.2
Intégration de données
Une fonction critique des agents autonomes est leur capacité à intégrer plusieurs systèmes de données, y compris les systèmes CRM, les plateformes d'analyse, les outils de gestion de contenu et les réseaux publicitaires. Cette intégration produit une vue unifiée des performances des campagnes et des interactions avec les clients.
Avec l'accès à des données consolidées, les agents d'IA peuvent prendre des décisions cohérentes et informées plutôt que d'agir sur des entrées fragmentées. Cette perspective réduit la redondance et garantit que toutes les actions sont alignées sur les objectifs marketing partagés.
Figure 2 : Exemple de l'agent AEO Goodie qui convertit les informations de recherche IA en actions améliorant la visibilité sur les plateformes LLM.3
Logique de décision, raisonnement et planification
Contrairement aux scripts d'automatisation simples, les agents d'IA appliquent une logique de décision et un raisonnement pour concevoir des plans en plusieurs étapes. Ils combinent des modèles d'apprentissage automatique avec des heuristiques basées sur des règles pour équilibrer portée, coût et calendrier.
Par exemple, un agent peut décider de réduire les dépenses publicitaires sur les canaux sous-performants tout en réaffectant les ressources à ceux dont les rendements prévus sont plus élevés. Cette capacité transforme les agents d'IA d'outils réactifs en systèmes stratégiques qui planifient, évaluent et exécutent avec prévoyance.
Expérimentation et boucle d'apprentissage
Les agents d'IA sont capables d'expérimentation continue. Ils testent plusieurs versions de contenu créatif, d'audiences et de moments de diffusion, en comparant les performances entre les variations pour identifier ce qui fonctionne le mieux. Ces informations alimentent une boucle d'apprentissage où les agents affinent leurs modèles et mettent à jour automatiquement leurs stratégies.
Le système devient plus efficace pour prédire les résultats, ce qui permet aux équipes marketing d'effectuer des ajustements basés sur les données en toute confiance et de maintenir leur élan sur des marchés en évolution rapide.
Explicabilité, transparence et garde-fous
La confiance dans les systèmes d'IA dépend de leur capacité à expliquer leurs décisions et à rester dans des limites définies. Les agents d'IA modernes peuvent montrer quels indicateurs ou entrées ont conduit à une action particulière et peuvent être programmés pour se conformer à des contraintes telles que les limites de dépenses, la voix de la marque et les normes juridiques. Les garde-fous intégrés garantissent que même les systèmes hautement autonomes agissent dans des limites acceptables.
Cette transparence permet aux examinateurs humains de comprendre les décisions et de maintenir la responsabilité tout au long des processus automatisés.
Évolutivité et orchestration multicanal
Les agents d'IA gèrent des activités sur le courrier électronique, le chat, la recherche, les publicités payantes et les plateformes de gestion des médias sociaux, en coordonnant des campagnes qui couvrent divers écosystèmes. Ils peuvent traiter simultanément un volume élevé de tâches marketing, garantissant une messagerie cohérente sur plusieurs canaux.
Cette évolutivité élimine la fragmentation qui découle souvent de l'utilisation d'outils distincts, créant une orchestration unifiée des campagnes qui soutient une exécution marketing large et synchronisée.
Retour d'information et adaptation
Le retour d'information continu est crucial pour le fonctionnement des agents d'IA. Ils collectent des données de performance, mesurent les résultats et analysent les réactions du public pour affiner leur comportement.
Lorsqu'une approche devient moins efficace, l'agent s'ajuste automatiquement, en modifiant la messagerie, le ciblage ou le calendrier. Ce mécanisme d'auto-correction permet aux systèmes d'IA de rester alignés sur les dynamiques actuelles du marché et les attentes des clients, empêchant la stagnation et maintenant un cycle d'amélioration continue.
Supervision humaine et approbation
Bien que les agents d'IA puissent agir de manière autonome, la supervision humaine reste essentielle pour maintenir l'équilibre et le contrôle. Certaines décisions, comme les allocations budgétaires majeures ou les communications sensibles, peuvent être acheminées pour examen humain avant exécution. Cette couche d'approbation facultative garantit que l'expertise humaine reste partie intégrante de la gouvernance et que les agents fonctionnent avec responsabilité tout en atteignant des niveaux élevés d'autonomie.
Contraintes et garde-fous de conformité
Une automatisation marketing fiable nécessite un respect strict des limites organisationnelles et légales. Les agents d'IA appliquent des contraintes liées au budget, à l'adéquation du contenu, à l'utilisation des données et aux exigences de conformité. Ces garde-fous intégrés préviennent des erreurs telles que les dépassements de budget ou les messages non conformes et aident à maintenir la cohérence avec les directives de la marque et les réglementations du secteur. En intégrant la conformité dans l'exécution, les organisations réduisent les risques tout en conservant leur agilité.
Capacités multimodales
Les agents d'IA peuvent interpréter et générer du texte, des images, de l'audio et de la vidéo. Par exemple, un agent peut générer une variante de publicité vidéo à l'aide de saisies textuelles ou optimiser une image en fonction des analyses d'engagement. Ces agents d'IA apportent de la flexibilité à la création de contenu, permettant aux marques de communiquer efficacement sur une gamme de formats médias.
Confidentialité, gouvernance des données et conformité
Le traitement éthique et légal des données est fondamental pour tout marketing basé sur l'IA. Les agents d'IA sont conçus pour se conformer aux réglementations sur la vie privée telles que le RGPD et le CCPA, gérer le consentement et anonymiser les données sensibles des clients.
Une gouvernance solide des données garantit une utilisation responsable des informations et renforce la confiance des consommateurs. En donnant la priorité à la conformité, les équipes marketing protègent leurs opérations et maintiennent leur crédibilité tout en exploitant toute la puissance de l'automatisation intelligente.
Cas d'utilisation des agents d'IA en marketing
Marketing de contenu et SEO
Les agents de contenu et de SEO automatisent les tâches de recherche, de création et d'optimisation qui soutiennent une publication régulière et une meilleure visibilité dans les moteurs de recherche. Ces agents identifient les mots-clés pertinents, rédigent des articles, affinent la copie et surveillent les indicateurs de performance qui influencent le classement dans les recherches.
Les fonctionnalités clés incluent :
- Sélection de mots-clés avec une intention de recherche claire et un potentiel de trafic mesurable.
- Production de plans et de brouillons alignés sur les critères éditoriaux.
- Optimisation des éléments on-page tels que les titres, les métadonnées et le maillage interne.
- Suivi des pages concurrentes, de l'évolution du classement et des problèmes techniques.
Exemple concret : SteelSeries en partenariat avec Goodie
SteelSeries s'est associée à Goodie pour renforcer sa présence dans la recherche basée sur l'IA, car de plus en plus de joueurs s'appuient sur des plateformes telles que ChatGPT, Gemini et Perplexity lorsqu'ils recherchent des produits.
La marque a reçu des mentions incohérentes dans les réponses générées par l'IA et des références obsolètes à d'anciens modèles. Dans le même temps, les concurrents apparaissaient plus fréquemment pour des requêtes à forte intention telles que « meilleur casque de jeu » ou « meilleur clavier de jeu ».
Grâce aux outils de surveillance et d'optimisation de Goodie, SteelSeries a identifié des sites d'avis influents et des sources communautaires, mis à jour les informations sur les produits sur des pages externes, corrigé les problèmes de sentiment, amélioré les données structurées et les signaux techniques sur son propre site, et affiné les pages produits clés.4
Engagement conversationnel
Les agents d'IA marketing sont de plus en plus déployés en tant qu'agents virtuels capables de gérer des conversations en direct via le chat, les applications de messagerie ou les assistants vocaux.
En utilisant des instructions en langage naturel, ces agents répondent aux demandes des clients, guident la sélection de produits et initient même des achats au nom des clients. Ils aident à maintenir un engagement client continu sans nécessiter de personnel humain 24 heures sur 24, améliorant ainsi la disponibilité et la cohérence du service.
Exemple concret : IBM WatsonX Assistant
L'assistant WatsonX d'IBM prend en charge les opérations de marketing et de vente grâce à l'IA conversationnelle. La plateforme interprète le langage naturel et fournit aux clients des réponses directes ou des actions sur le Web, par e-mail, messagerie sociale et SMS.
Il offre un environnement low-code pour créer des flux conversationnels, examiner les données d'interaction et mettre à jour des informations telles que les prix ou les détails des produits.5
Publicité et performance
Les agents d'IA publicitaires et de performance gèrent les opérations de campagne en cours en ajustant les paramètres, en testant les créations et en répartissant les budgets en fonction de résultats mesurables. Ces agents analysent les signaux de performance en temps réel et apportent des modifications ciblées pour optimiser les dépenses publicitaires.
Les actions clés incluent :
- Modification des enchères, des budgets et des emplacements en fonction des données de coût et de conversion
- Coordination des campagnes sur Google, Meta, LinkedIn et d'autres plateformes
- Exécution de tests contrôlés pour identifier les variations créatives efficaces
- Réaffectation des dépenses vers les canaux ou segments offrant un retour sur investissement publicitaire plus substantiel
Exemple concret : Klaviyo IA Marketing Agent (K:IA)
L'agent marketing IA de Klaviyo (K:IA) planifie, crée et lance des campagnes d'e-mailing et de SMS en fonction du site Web de la marque, des données clients et des signaux de performance.
L'agent génère du contenu conforme à la marque, crée des flux automatisés, et recommande et exécute en continu de nouvelles campagnes pour améliorer l'engagement et les revenus.
Figure 3 : Exemple de série de bienvenue de l'agent marketing IA de Klaviyo.6
Hyperpersonnalisation
Les agents autonomes utilisent les données comportementales et contextuelles des clients pour créer des messages, des recommandations et des expériences personnalisés. Les agents apprenants identifient les préférences et ajustent dynamiquement les campagnes. Plusieurs agents collaborent pour aligner le contenu entre les régions et les langues, garantissant qu'une marque conserve son ton tout en répondant aux intérêts locaux. Cela favorise des relations plus solides et une fidélité client grâce à une personnalisation précise.
Exemple concret : Fujitsu avec Azure IA Agent Service
Fujitsu exploite le service Azure IA Agent pour améliorer les opérations de vente en automatisant la création de propositions. Le système interprète les entrées de l'utilisateur, recueille des informations provenant de multiples sources internes et produit des propositions précises et à jour. Il sert également d'outil de récupération des connaissances qui aide les employés à accéder aux détails des produits et à l'expertise organisationnelle.7
Automatisation des flux de travail internes
Au sein des organisations, les assistants IA coordonnent la création de contenu, gèrent les approbations et compilent des rapports. En automatisant les tâches répétitives, ils améliorent l'efficacité opérationnelle, permettant aux équipes de se concentrer sur la planification et l'innovation à forte valeur ajoutée. Ces agents connectent des outils tels que les CRM, les e-mails et les plateformes d'analyse, construisant une infrastructure marketing plus intégrée.
Exemple concret : EY avec Adobe
Les équipes marketing et communication d'EY perdaient du temps en raison de révisions de conformité de marque incohérentes. En collaboration avec Adobe, EY a créé SCORE-IA, un système agentique intégré à Adobe Workfront qui évalue automatiquement les assets marketing par rapport aux normes de marque et réglementaires avant publication.
L'agent signale les risques de conformité, propose des actions correctives et se met à jour en temps réel lorsque les exigences réglementaires changent. Les examinateurs humains traitent les cas nécessitant un jugement.
En conséquence, les délais de cycle de révision ont été réduits de plus de moitié, accélérant le lancement des campagnes et améliorant la cohérence au sein de l'équipe.8
Exemple concret : Kentico AIRA Agentic Marketing Suite
La suite marketing agentique AIRA de Kentico est un assistant basé sur l'IA intégré à la plateforme Xperience by Kentico qui gère les flux de travail marketing internes.
Il utilise des agents spécialisés pour générer des briefs, auditer le contenu, fournir des informations d'optimisation et soutenir les tâches de planification et de gouvernance tout au long du cycle de vie de la campagne. En automatisant les étapes opérationnelles répétitives et en centralisant l'exécution dans un seul système, AIRA améliore l'efficacité des équipes et réduit les frais de coordination manuelle.9
Pourquoi les agents d'IA sont importants en marketing
Le paysage marketing est en constante évolution, sous l'impulsion des attentes changeantes des consommateurs et de canaux de plus en plus fragmentés. Les systèmes manuels et les flux de travail spécifiquement humains peinent à traiter l'information assez rapidement. Les agents d'IA fonctionnent en continu et peuvent répondre aux tendances émergentes ou aux données de performance. Leur importance croissante découle de trois contributions principales :
Efficacité opérationnelle
- Les agents d'IA automatisent les tâches marketing répétitives et à faible valeur ajoutée, telles que les rapports et les ajustements de campagne.
- Cela réduit les erreurs humaines et libère les employés pour qu'ils se concentrent sur des initiatives stratégiques nécessitant une expertise et une créativité humaines.
Amélioration de la prise de décision
- En analysant les données clients historiques et en temps réel, les agents d'IA analysent ce qui motive les conversions, la fidélité et l'engagement.
- Ils transforment les informations brutes en informations exploitables qui permettent aux marketeurs d'affiner leurs objectifs marketing et d'optimiser les performances.
Personnalisation évolutive
- Les agents autonomes offrent des expériences cohérentes sur plusieurs canaux, y compris l'e-mail, les sites Web et les plateformes de messagerie.
- Ils utilisent les interactions passées et des modèles prédictifs pour anticiper les besoins des clients, améliorant ainsi l'expérience client et renforçant la fidélité client.
Ces capacités font des agents d'IA un élément central des opérations commerciales modernes, offrant un niveau d'adaptabilité que l'automatisation statique ne peut atteindre.
Gouvernance et utilisation responsable
Bien que les agents autonomes apportent de nombreux avantages, ils introduisent également des défis de gouvernance. Leur capacité à agir de manière autonome rend la supervision humaine essentielle. Les organisations responsables mettent en place des garde-fous clairs :
- Établir la transparence sur la manière dont les agents utilisent et stockent les données.
- Définir des règles d'escalade lorsque l'intervention humaine est nécessaire.
- Auditer régulièrement les solutions d'IA pour garantir l'équité et la fiabilité.
Certaines entreprises utilisent des cadres de gouvernance dédiés qui surveillent les décisions des agents, suivent la traçabilité des données et évaluent les biais. Un déploiement éthique garantit que les agents d'IA autonomes servent les objectifs de l'organisation sans compromettre la vie privée ou la confiance.
Ajouter comme source préféréeMise en œuvre des agents d'IA dans les opérations commerciales
Le déploiement efficace des agents d'IA nécessite une planification stratégique et une approche d'intégration structurée. Une feuille de route pratique comprend :
- Définir les objectifs : Déterminer les résultats que les agents doivent atteindre, comme l'amélioration de l'engagement ou l'augmentation des taux de conversion.
- Cartographier le parcours client : Identifier les points de contact clés où les agents peuvent améliorer l'expérience client.
- Sélectionner les types d'agents d'IA appropriés : Choisir des agents basés sur l'utilité pour les tâches d'optimisation ou des agents apprenants pour la prise de décision adaptative.
- Intégrer les outils : Connecter les agents aux systèmes CRM, aux plateformes d'analyse et aux systèmes de gestion de contenu pour garantir l'accès à des données riches en contexte.
- Établir des critères d'évaluation : Suivre les performances à l'aide d'indicateurs de performance clés pertinents et affiner le comportement des agents en fonction des résultats.
Appliqués de cette manière structurée, les agents assistent les équipes plutôt que de les remplacer. Ils deviennent des contributeurs intégrés aux opérations commerciales, améliorant la coordination et la continuité entre les départements.
Conclusion
Les agents d'IA en marketing représentent plus qu'une mise à niveau technique. Ils représentent un changement dans la manière dont les équipes marketing interprètent les données, gèrent les décisions et créent de la valeur. En combinant l'intelligence artificielle avec la perspicacité humaine, les organisations peuvent atteindre une plus grande précision, un engagement client plus fort et une meilleure réactivité au changement.
À mesure que les systèmes autonomes mûrissent, les marketeurs les plus efficaces seront ceux qui combinent l'expertise humaine et l'intelligence émotionnelle avec la puissance analytique des agents d'IA. Ensemble, ils formeront des écosystèmes marketing adaptatifs capables d'agir de manière autonome, de générer des informations exploitables et d'aligner chaque objectif marketing sur des résultats mesurables.
FAQ
Un agent d'IA est un programme logiciel autonome qui perçoit son environnement, prend des décisions éclairées et agit pour atteindre des objectifs définis. En marketing, les agents aident les équipes en effectuant des tâches telles que la gestion des publicités numériques, la personnalisation du contenu et la gestion des interactions avec les clients.
Ces agents s'appuient sur plusieurs couches de systèmes d'IA :
1. L'apprentissage automatique et les grands modèles de langage leur permettent de traiter les données clients, de prédire et d'améliorer les résultats.
2. Le traitement du langage naturel leur permet de comprendre les demandes des clients et de répondre naturellement.
3. L'IA générative leur permet de créer des messages personnalisés, des publications sociales et des assets de campagne.
Différents types d'agents d'IA existent selon leur objectif. Les agents réactifs réagissent instantanément aux entrées, les agents basés sur des objectifs poursuivent des résultats alignés sur les priorités commerciales, et les agents apprenants adaptent leur comportement à l'aide de retours d'information. Les agents basés sur l'utilité et les agents collaboratifs travaillent sur plusieurs systèmes pour optimiser les décisions dans des environnements complexes.
Les versions les plus avancées agissent au sein de systèmes multi-agents, où plusieurs agents d'IA partagent le contexte, se répartissent les tâches et achèvent des projets collectivement. Ces cadres coordonnés aident les organisations à gérer plus efficacement les campagnes marketing entre les départements et les canaux.
À mesure que les modèles d'IA et l'infrastructure informatique progressent, les capacités des agents d'IA s'étendront. La prochaine génération d'agents d'IA avancés combinera la compréhension du texte, de l'image et de la voix, offrant une compréhension plus profonde de l'intention du client et du ton émotionnel.
Les organisations déploieront plusieurs agents d'IA qui coopèrent via des systèmes multi-agents, partageant données et contexte entre les départements. Cette collaboration permettra au marketing, aux ventes et au service client de fonctionner comme un réseau unifié de systèmes autonomes.
Le rôle du marketeur évoluera de l'exécution de tâches vers la réflexion stratégique : guider, auditer et aligner les systèmes d'IA sur les normes de la marque et les normes éthiques. Les humains se concentreront sur la créativité, l'empathie et le jugement contextuel tandis que les machines géreront l'exécution et le suivi des performances.
Le parcours client évolue à mesure que les consommateurs s'appuient de plus en plus sur les outils d'IA pour rechercher, comparer et effectuer des achats. Les acheteurs utilisent de plus en plus des requêtes de recherche basées sur l'IA pour recueillir des informations à jour, recevant souvent des recommandations résumées directement des grands modèles de langage.
Ce changement crée ce que les analystes appellent une expérience « zéro clic ». De nombreuses décisions se prennent désormais au sein des plateformes alimentées par l'IA plutôt que sur les sites Web des marques. Par conséquent, les équipes marketing doivent s'assurer que leur contenu est à la fois attrayant pour les personnes et accessible et compréhensible pour les agents intelligents qui l'évaluent et le résument.
Pour s'adapter, les marketeurs redéfinissent leurs indicateurs clés de performance. Au lieu de mesurer le succès uniquement par les pages vues ou les clics, ils évaluent désormais la visibilité dans les réponses générées par l'IA, le trafic de référencement IA et la représentation de la marque dans les résumés générés par machine.
Ce changement souligne l'importance pour les marketeurs d'interagir avec les clients, ainsi qu'avec les systèmes autonomes qui influencent les décisions des clients.
Citer cette recherche
Choisissez le format qui correspond à votre lieu de publication. Coller la version avec lien dans votre CMS préserve le lien retour.
@misc{ermut2026,
author = {Ermut, Sıla},
title = {{15 Agents d'IA en marketing: outils & exemples}},
year = {2026},
month = jun,
howpublished = {\url{https://aimultiple.com/ai-agents-in-marketing}},
note = {AIMultiple. Consulté le 15 Juin 2026}
}Résultats et horodatages de 30 points de données. Téléchargez les données utilisées dans cet article sous forme de fichier ZIP contenant 2 fichiers CSV.
Liens de référence
Elle a précédemment travaillé comme recruteuse dans des cabinets de gestion de projet et de conseil. Sıla est titulaire d’un master en psychologie sociale et d’une licence en relations internationales.
À lire ensuite
Meilleurs fournisseurs LLM API à tarif fixe
Systèmes SCADA: Comparaison des 10 principaux logiciels SCADA
Meilleurs proxies vidéo: résultats du benchmark
Création d'agents IA personnels + 18 plateformes et outils d'agent
Top 8 des logiciels d'observabilité avec tarification incluant Solarwinds
Top 30+ outils d'automatisation DevOps par métriques de POC
Soyez le premier à commenter
Votre adresse courriel ne sera pas publiée. Tous les champs sont obligatoires. Les commentaires sont laissés dans leur langue d'origine.