IA pour les commerciaux : comment l'utiliser concrètement à chaque étape du cycle de vente ?

1. Enrichir et qualifier plus rapidement sa base de prospection

Avant de commencer à contacter des entreprises, encore faut-il savoir lesquelles méritent réellement du temps commercial.

Pour beaucoup de commerciaux, cette première étape implique encore de naviguer entre le site internet d'une entreprise, LinkedIn, Google, différentes bases de données et parfois plusieurs outils internes afin de comprendre à qui ils ont affaire.

L'IA peut considérablement raccourcir ce travail.

Mais l'intérêt n'est pas de lui demander :

« Donne-moi toutes les informations disponibles sur cette entreprise. »

On obtiendra probablement beaucoup d'informations, dont une partie ne servira jamais.

La première question devrait plutôt être : quelles informations permettent réellement de distinguer un bon prospect d'un mauvais dans mon activité ?

Prenons l'exemple d'un éditeur de logiciels dont le prix dépend directement du nombre d'utilisateurs. L'effectif de l'entreprise devient une donnée particulièrement importante. Il peut également être utile de connaître ses implantations, sa croissance récente ou les outils qu'elle utilise déjà.

Pour une autre entreprise, ces informations n'auront presque aucune valeur.

Dans mon activité de recrutement, je peux par exemple demander à l'IA d'identifier les recrutements actuellement ouverts chez une entreprise, les fonctions concernées et les critères qui semblent revenir régulièrement dans ses annonces. Ces informations sont beaucoup plus utiles commercialement que de connaître son année de création ou le nom de tous ses dirigeants.

L'exercice intéressant consiste donc à mettre noir sur blanc les 5, 10 ou 15 informations qui permettent réellement de qualifier un prospect.

On peut ensuite créer dans ChatGPT ou Claude un projet avec des instructions permanentes : voici mon activité, voici mes clients, voici les informations que je souhaite connaître sur chaque entreprise et voici le format dans lequel je veux les récupérer.

Le résultat peut ensuite être copié dans le CRM ou, lorsque les outils utilisés le permettent, intégré plus automatiquement.

L'intérêt est double.

D'abord, le commercial gagne du temps sur une tâche de collecte pour laquelle sa valeur ajoutée est assez faible. Ensuite, les fiches prospects deviennent beaucoup plus homogènes : les mêmes informations sont recherchées selon les mêmes critères.

Mais surtout, l'IA permet de passer de l'enrichissement à la qualification.

La question n'est plus seulement : « Que savons-nous de cette entreprise ? »

Elle devient : « Parmi les entreprises présentes dans ma base, lesquelles présentent aujourd'hui les caractéristiques qui correspondent le mieux à notre cible ? »

C'est une différence importante.

Le but n'est pas de constituer la fiche CRM la plus complète possible. Il est de faire ressortir plus rapidement les opportunités qui méritent réellement du temps commercial.

2. Utiliser l'IA pour personnaliser réellement sa prospection

Cette deuxième utilisation découle directement de la première.

Une IA générative peut écrire un mail de prospection en quelques secondes. Ce n'est plus vraiment impressionnant.

La question est plutôt de savoir ce qu'on lui donne pour l'écrire.

En tant que dirigeant d'une petite structure, je reçois chaque semaine plusieurs dizaines de sollicitations commerciales. Une grande partie reste immédiatement identifiable comme un message standardisé, parfois vaguement personnalisé avec le nom de l'entreprise ou mon prénom.

C'est assez paradoxal alors que nous disposons désormais d'assistants rédactionnels extrêmement performants.

Le problème ne vient généralement pas de la capacité de ChatGPT ou Claude à écrire. Il vient du contexte qu'on leur fournit.

Si l'IA connaît simplement le prénom du prospect, son entreprise et son poste, elle produira généralement une personnalisation superficielle.

Si elle connaît en revanche son activité, son offre, son effectif, ses clients, ses actualités récentes, les problématiques auxquelles votre solution répond et les caractéristiques qui ont conduit à sélectionner précisément cette entreprise, elle dispose de beaucoup plus de matière.

Imaginons un commercial qui vend un logiciel de planification à des entreprises multisites.

Plutôt que :

« Rédige-moi un mail de prospection à destination du directeur des opérations de l'entreprise X. »

il peut lui fournir le contexte suivant :

« Cette entreprise compte 14 établissements. Elle vient d'en ouvrir deux supplémentaires. Notre logiciel permet notamment de centraliser la planification des équipes réparties sur plusieurs sites. Je souhaite contacter son directeur des opérations. Propose-moi une approche courte qui parte de cette situation, sans affirmer que l'entreprise rencontre un problème que nous n'avons pas vérifié. »

Cette dernière précision est importante.

Personnaliser ne signifie pas inventer un problème au prospect.

L'IA peut facilement transformer une information disponible en certitude commerciale : une entreprise recrute, donc elle serait forcément en croissance ; elle ouvre une agence, donc elle rencontrerait nécessairement des difficultés d'organisation ; elle utilise tel logiciel, donc elle en serait insatisfaite.

Le commercial doit rester capable de distinguer un fait, une hypothèse et une interprétation.

L'IA aide alors à produire une approche plus pertinente. Elle ne dispense pas de réfléchir à la raison pour laquelle cette entreprise mérite réellement d'être contactée.

C'est d'ailleurs un des principes au cœur de notre article sur rendre sa prospection plus efficiente : la qualité du ciblage prime sur le volume de contacts.

3. Préparer un rendez-vous commercial et mieux orienter sa découverte

L'utilisation de l'IA devient encore plus intéressante lorsqu'un premier échange a eu lieu et qu'un rendez-vous est programmé.

À ce stade, le commercial dispose généralement de beaucoup plus d'informations : historique des échanges, interlocuteur, origine du contact, éléments de qualification, éventuellement notes prises lors d'un premier appel.

Si l'IA peut accéder à ces informations — directement via les outils de l'entreprise ou simplement parce que le commercial les lui transmet — elle peut préparer en quelques secondes une synthèse de la situation et une trame de rendez-vous.

On peut par exemple lui demander de reprendre les grandes dimensions à explorer :

• situation actuelle et organisation
• besoins exprimés
• enjeux associés
• budget ou logique économique
• échéance
• processus de décision
• personnes impliquées
• solutions ou concurrents éventuellement considérés

Cette trame doit évidemment être adaptée au cycle de vente de l'entreprise. On ne conduit pas de la même manière un rendez-vous pour une prestation à 3 000 euros et une vente complexe impliquant six interlocuteurs sur neuf mois.

L'intérêt de l'IA n'est pas de standardiser tous les rendez-vous.

Il est plutôt de réduire le risque d'arriver insuffisamment préparé et d'aider le commercial à identifier les zones qu'il devra particulièrement approfondir.

Elle peut également mettre en perspective l'activité du prospect et votre propre offre pour faire émerger des hypothèses.

Mais c'est justement là qu'une limite apparaît.

Imaginons qu'un CRM indique qu'un prospect a reçu une proposition six mois auparavant sans donner suite. L'IA peut considérer cette information comme un signal de faible intérêt. Le commercial sait peut-être, lui, que le projet avait simplement été reporté après le départ du directeur concerné et que son nouvel interlocuteur vient précisément de le relancer.

L'information existe dans le CRM ; le contexte relationnel, lui, n'y est pas toujours.

C'est une distinction importante lorsqu'on utilise l'IA dans une démarche commerciale : elle raisonne à partir des informations auxquelles elle a accès.

Une compréhension de l'évolution des cycles de vente aide à calibrer ces préparations selon la complexité réelle de la vente.

Utiliser l'IA pour préparer de meilleures questions

Il existe un autre usage particulièrement intéressant avant le rendez-vous : demander à l'IA de préparer des questions de découverte en tenant compte des forces réelles de votre offre.

Prenons un exemple.

Une entreprise de maintenance intervient particulièrement vite grâce à son maillage territorial. Demander simplement :

« Donne-moi 10 questions à poser pendant mon rendez-vous »

produira probablement une liste assez générique.

On peut aller beaucoup plus loin :

« L'un de nos principaux avantages est notre capacité à intervenir rapidement grâce à 25 agences réparties en France. Je rencontre demain une entreprise possédant 40 sites. Quelles questions puis-je poser pour comprendre l'impact actuel des délais d'intervention sur son activité, sans orienter artificiellement ses réponses vers notre solution ? »

La nuance est importante.

On ne demande pas à l'IA de construire des questions destinées à faire dire au prospect ce que l'on souhaite entendre. On lui demande de mieux explorer une dimension sur laquelle notre entreprise est susceptible d'apporter de la valeur.

La qualité du rendez-vous restera ensuite largement liée à la capacité du commercial à écouter, rebondir, approfondir et reformuler.

L'IA prépare le terrain. Elle ne conduit pas la conversation à sa place.

4. S'entraîner avant un rendez-vous et anticiper les objections

C'est probablement l'un des usages les plus simples à mettre en place, et pourtant l'un des plus intéressants.

On peut demander à ChatGPT ou Claude de jouer le rôle du prospect que l'on s'apprête à rencontrer.

Plus le contexte fourni est précis, plus l'exercice devient utile.

On peut lui transmettre la typologie de l'entreprise, le rôle de l'interlocuteur, les informations déjà obtenues, son offre, son positionnement tarifaire, ses principaux concurrents et les objections régulièrement rencontrées.

Puis lui demander d'être volontairement difficile.

Par exemple :

« Tu es le directeur commercial d'une PME de 80 salariés. Tu utilises déjà une solution concurrente depuis trois ans et le changement de logiciel risque de perturber ton équipe. Je vais te présenter notre solution. Challenge mes arguments et ne te laisse pas convaincre facilement. »

Le commercial peut alors tester son argumentation et découvrir des objections auxquelles il n'avait pas nécessairement pensé.

Il peut même aller plus loin après l'exercice :

« Parmi mes réponses, lesquelles t'ont semblé les moins convaincantes ? Pourquoi ? Quelles questions n'ai-je pas suffisamment creusées avant d'argumenter ? »

Évidemment, l'avis de l'IA n'est pas celui du futur prospect. Il ne faut pas confondre simulation et prédiction.

Mais pour préparer un rendez-vous important, avoir un contradicteur disponible pendant quinze minutes est déjà utile.

Et l'exercice peut être répété autant de fois que nécessaire, ce qui le rend également intéressant dans l'accompagnement de commerciaux plus juniors.

5. Analyser ses rendez-vous avec l'IA

L'intérêt ne s'arrête pas à la préparation.

Une fois le rendez-vous terminé, l'IA peut devenir un outil de débrief particulièrement puissant.

Les outils de visioconférence, de téléphonie ou de prise de notes permettent aujourd'hui de conserver la retranscription de nombreux échanges. Des solutions de téléphonie comme Aircall ou Ringover proposent par exemple des fonctions d'enregistrement et d'analyse, tandis que des outils de prise de notes peuvent se connecter à Teams, Google Meet ou Zoom.

À partir de là, le premier usage est évident : produire automatiquement le compte rendu du rendez-vous et alimenter le CRM.

Mais on peut aller beaucoup plus loin.

On peut demander :

Quels besoins ont été explicitement formulés ?

Quels critères de décision ont été évoqués ?

Qu'avons-nous appris sur le processus de décision ?

Quelles objections restent ouvertes ?

Quels engagements ont été pris de part et d'autre ?

Et surtout :

« Quelles informations importantes pour qualifier cette opportunité n'ai-je jamais réussi à obtenir ? »

Cette dernière question me paraît particulièrement intéressante.

Parce qu'un commercial peut sortir d'un rendez-vous avec le sentiment d'avoir eu un excellent échange et découvrir, en relisant froidement sa transcription, qu'il ne connaît toujours ni l'échéance, ni le décideur réel, ni les conséquences concrètes du problème évoqué.

L'IA peut également servir de support au management.

Un manager qui accompagne plusieurs commerciaux ne peut pas assister à tous leurs rendez-vous. Une retranscription permet de revenir sur des éléments beaucoup plus factuels : telle question n'a jamais été posée, tel sujet a été abordé puis abandonné, le commercial a beaucoup parlé pendant telle partie de l'échange, telle objection a entraîné une réponse immédiate sans chercher à comprendre ce qui la motivait.

Cela ne signifie pas qu'une IA sait déterminer objectivement si un rendez-vous était « bon » ou « mauvais ».

Le contexte reste essentiel.

Mais elle peut fournir une matière factuelle pour débriefer, là où les retours reposent parfois uniquement sur les impressions du commercial et de son manager.

L'objectif doit évidemment être clair, particulièrement lorsque des conversations sont enregistrées et utilisées dans un cadre managérial. L'outil doit servir à progresser, pas devenir un dispositif de surveillance permanente.

Pour les managers qui souhaitent faire progresser leur équipe commerciale dans la durée, l'analyse des retranscriptions peut nourrir un travail de développement plus structuré.

6. Préparer et personnaliser une proposition commerciale

La création d'une proposition commerciale constitue un autre cas d'usage très concret.

Imaginons qu'à l'issue du rendez-vous, vous disposiez déjà :

• de sa retranscription
• d'une synthèse structurée
• des besoins identifiés
• des interlocuteurs concernés
• des prochaines étapes convenues
• de votre offre et de vos tarifs

Une grande partie de la matière nécessaire à la proposition existe donc déjà.

On peut créer dans ChatGPT ou Claude un projet contenant un modèle de proposition vierge, les règles graphiques à respecter, la présentation de l'entreprise, les différentes offres, les contraintes de mise en page et l'arborescence souhaitée.

Par exemple :

présentation de l'entreprise → compréhension du besoin → solution proposée → modalités d'accompagnement → budget → rétroplanning → prochaines étapes.

La première mise en place demande évidemment du travail. Il faut fournir les bons documents, expliquer ce qui peut être modifié ou non, définir le ton et contrôler plusieurs productions avant d'obtenir quelque chose de réellement exploitable.

Mais si un commercial produit plusieurs propositions chaque semaine, le temps investi peut rapidement être amorti.

Et l'intérêt n'est pas seulement d'aller plus vite.

L'IA permet également d'adapter certaines parties de la proposition à l'interlocuteur.

Prenons une entreprise qui vend une solution de gestion de flotte automobile.

La présentation adressée au DAF peut davantage mettre en avant le coût total, la visibilité budgétaire et les économies potentielles.

Pour un responsable des opérations, la même solution peut être présentée davantage sous l'angle de la disponibilité des véhicules, du suivi et de la simplicité opérationnelle.

Le produit n'a pas changé. Les informations ne sont pas inventées. La hiérarchie de l'information s'adapte simplement aux préoccupations de celui qui va lire la proposition.

C'est beaucoup plus intéressant que de demander à l'IA de « faire une belle présentation commerciale ».

Elle utilise les informations recueillies pendant la vente pour produire un document davantage aligné avec ce que le prospect a réellement exprimé.

7. Améliorer ses relances et son suivi commercial

Une fois la proposition envoyée commence parfois la partie la moins structurée du cycle de vente : le suivi.

Beaucoup de relances ressemblent encore à :

« Je reviens vers vous concernant la proposition envoyée la semaine dernière. Avez-vous eu le temps d'en prendre connaissance ? »

L'IA peut évidemment rédiger une version plus élégante de cette phrase.

Mais ce n'est pas là que son apport est le plus intéressant.

Si elle dispose de l'historique du compte, elle peut aider le commercial à se demander pourquoi il relance maintenant et quelle information pourrait justifier cette prise de contact.

• Le prospect avait-il annoncé un comité de direction à une date précise ?
• Devait-il échanger avec son DAF ?
• Une information manquait-elle à la proposition ?
• Une objection était-elle encore en suspens ?
• Un autre interlocuteur devait-il être intégré à la réflexion ?
• Une échéance opérationnelle approche-t-elle ?

On peut alors demander à l'IA de reprendre l'historique de l'opportunité et d'identifier les engagements pris, les prochaines étapes annoncées et les sujets encore ouverts.

La relance devient beaucoup plus pertinente parce qu'elle s'inscrit dans la continuité réelle de la discussion.

Même logique lorsque plusieurs dizaines d'opportunités coexistent dans le CRM.

L'IA peut aider à identifier les dossiers pour lesquels une action était prévue mais n'a jamais été réalisée, ceux dont l'échéance approche ou ceux qui stagnent depuis anormalement longtemps.

Encore une fois, elle n'a pas à décider seule qu'une opportunité doit être abandonnée ou qu'une autre sera signée.

Elle peut en revanche faire ressortir l'information que le commercial aurait dû aller chercher manuellement dans plusieurs fiches CRM et l'aider à prioriser son attention.

L'IA peut prendre en charge davantage de tâches. Pas la responsabilité de la vente.

Tous ces exemples ont finalement un point commun.

L'intelligence artificielle est particulièrement efficace lorsqu'il faut chercher, synthétiser, structurer, comparer, reformuler ou exploiter une grande quantité d'informations.

Ce sont précisément des tâches qui occupent une part importante du quotidien d'un commercial sans toujours nécessiter toute son expertise.

Collecter manuellement pendant vingt minutes des informations disponibles publiquement sur un prospect apporte peu de valeur.

Remettre au propre un compte rendu de rendez-vous non plus.

Reprendre une présentation existante pour modifier quinze slides avant chaque proposition commerciale n'est probablement pas l'endroit où l'on attend le plus un commercial expérimenté.

Si l'IA permet de réduire le temps consacré à ces tâches, elle peut libérer davantage de temps pour ce qui reste beaucoup plus difficile à automatiser : comprendre réellement une situation, créer une relation, poser la bonne question au bon moment, percevoir une hésitation, challenger un besoin, arbitrer entre plusieurs informations contradictoires ou décider de la meilleure manière de faire avancer une vente.

C'est aussi pour cette raison qu'il faut éviter un raccourci assez tentant : considérer que l'IA permettra automatiquement à tous les commerciaux de mieux vendre.

Elle permettra probablement à beaucoup d'entre eux de travailler plus vite.

Ce n'est pas exactement la même chose.

Un mauvais mail de prospection produit en trente secondes reste un mauvais mail. Une proposition commerciale générée automatiquement à partir d'une découverte superficielle restera superficielle. Et une analyse extrêmement détaillée d'un CRM mal renseigné ne rendra pas les données plus fiables.

La qualité de ce que produit l'IA dépend largement du contexte qu'on lui fournit, des instructions qu'on lui donne et du regard que l'on porte ensuite sur sa réponse.

C'est probablement là que se situe l'évolution la plus intéressante du métier.

La valeur du commercial ne disparaît pas à mesure que l'IA devient plus performante. Elle se déplace progressivement des tâches d'exécution vers celles qui nécessitent du discernement, de la compréhension et du jugement commercial.

L'enjeu n'est donc pas de chercher à automatiser l'ensemble du cycle de vente.

Il est beaucoup plus pragmatique :

identifier, à chaque étape, ce que l'IA peut faire plus vite ou mieux que nous, pour consacrer davantage de temps aux moments où la valeur du commercial reste réellement déterminante.