Du lead scoring à l’alignement commercial piloté par l’IA: la prochaine étape pour Account Engagement et Agentforce

La plupart des entreprises multinationales disposent désormais de technologies suffisantes pour suivre leurs prospects, automatiser leurs campagnes et analyser leurs opportunités commerciales. Pourtant, le transfert des leads entre le marketing et les ventes demeure l’une des étapes les plus fragiles du parcours client B2B. Le marketing transmet des leads que le système considère comme prêts à être contactés, tandis que les équipes commerciales portent un jugement différent sur l’intention d’achat, la priorité du compte ou le moment opportun pour intervenir. Le problème réside rarement dans le seul modèle de scoring utilisé. Il apparaît lorsque les définitions commerciales, le contexte client et les responsabilités ne sont pas correctement alignés. Avec Salesforce Marketing Cloud Account Engagement et l’émergence d’Agentforce, les entreprises disposent de nouvelles possibilités pour répondre à cette problématique. Les fonctionnalités existantes de scoring, de grading et de nurturing peuvent être associées à des analyses plus avancées et à des actions automatisées. Toutefois, un agent d’intelligence artificielle ne garantit pas une meilleure qualité des leads, pas plus qu’un score élevé ne traduit automatiquement une véritable intention d’achat. La véritable opportunité stratégique consiste à établir un processus mesurable et maîtrisable, dans lequel le marketing et les ventes interprètent les mêmes signaux commerciaux de manière cohérente.

Pourquoi un score élevé ne représente pas nécessairement une opportunité commerciale

Un prospect peut télécharger plusieurs livres blancs, participer à un webinaire et ouvrir différents e-mails sans avoir de projet d’investissement immédiat. À l’inverse, un autre prospect peut présenter très peu d’interactions avec les campagnes marketing, tout en travaillant pour un compte stratégique au sein duquel une demande de projet est déjà en cours. Les modèles traditionnels de scoring ne permettent d’expliquer ces différences que partiellement, notamment lorsque les informations relatives à l’évolution des comptes ou aux interactions humaines avec les commerciaux restent en dehors de l’environnement d’automatisation marketing. Une entreprise qui s’appuie exclusivement sur l’engagement risque ainsi de confondre intérêt et réelle disposition à acheter. Account Engagement propose depuis longtemps deux perspectives complémentaires. Le scoring reflète l’intérêt et les interactions enregistrées, tandis que le grading évalue dans quelle mesure un prospect correspond au profil recherché. Ces deux approches sont utiles, mais leur pertinence dépend de la configuration, de l’exhaustivité des données et des critères retenus. Un score élevé associé à un profil de compte inadapté nécessite une action différente de celle concernant un prospect stratégiquement pertinent, mais ayant manifesté peu d’activité récente.

L’alignement marketing-ventes commence par des définitions communes

Le marketing ne peut contribuer à un pipeline commercial fiable lorsque les équipes utilisent des définitions différentes pour les prospects, les leads, les Marketing Qualified Leads (MQL), les Sales Accepted Leads et les Sales Qualified Leads. Il en va de même pour le statut des comptes, les rôles au sein des groupes d’achat et les raisons pour lesquelles une opportunité commerciale est renvoyée vers le marketing. Sans définitions cohérentes, le transfert des leads devient une formalité administrative plutôt qu’une véritable évaluation de leur potentiel. À terme, les deux départements perdent confiance dans les mêmes tableaux de bord. La solution repose sur une logique de qualification définie conjointement et directement liée au cycle de vente réel. Elle implique également un accord de niveau de service explicite : dans quel délai les commerciaux doivent-ils évaluer un lead, quel résultat doit être enregistré et à quel moment un contact doit-il réintégrer un programme de nurturing ? La valeur commerciale n’apparaît que lorsque ces règles sont appliquées de manière cohérente et que les résultats font l’objet d’un retour d’information. Une implémentation technique performante soutient ce processus, mais ne remplace pas le partage des responsabilités.

L’alignement entre le marketing et les ventes ne se construit pas lorsque le marketing transmet davantage de leads, mais lorsque les deux départements reconnaissent les mêmes raisons de franchir une nouvelle étape commerciale.

Des leads individuels aux groupes d’achat et au contexte des comptes

Dans les processus de vente B2B complexes, une décision d’achat importante est rarement prise de manière autonome par une seule personne. Le directeur financier évalue les conséquences financières, les équipes informatiques et de sécurité examinent les risques techniques, les achats étudient les conditions contractuelles et les responsables opérationnels apprécient la valeur métier. Un contact particulièrement engagé ne permet donc pas, à lui seul, de comprendre l’ensemble d’une opportunité commerciale. À l’inverse, plusieurs signaux d’intensité modérée provenant d’un même compte peuvent révéler collectivement une dynamique d’achat plus significative qu’un score individuel élevé. Pour les entreprises multinationales, la question pertinente évolue : il ne s’agit plus uniquement de savoir qui a cliqué sur une campagne, mais de déterminer quelle organisation pourrait être engagée dans un processus d’achat et quels décideurs y participent. Cela nécessite des relations fiables entre les comptes dans Salesforce CRM, une visibilité sur les rôles connus des contacts et une coordination entre le marketing et les équipes responsables des comptes. Account Engagement peut continuer à prendre en charge le nurturing individuel et les données d’engagement, tandis que le contexte des comptes et des opportunités provient notamment de Sales Cloud et, le cas échéant, de sources de données complémentaires. La compréhension des groupes d’achat résulte d’une combinaison réfléchie de ces informations, et non de l’attribution d’un nouveau score opaque à chaque contact.

Ce qu’apporte réellement Einstein Behavior Scoring

Avec Einstein Behavior Scoring, Salesforce peut analyser les données comportementales et identifier des modèles permettant d’évaluer l’engagement. L’analyse prend notamment en compte la récence et la fréquence des activités. Le score fournit un signal complémentaire aux règles de scoring fixes et configurées manuellement. Cette fonctionnalité n’est pas incluse par défaut dans toutes les éditions d’Account Engagement ; Salesforce précise les conditions relatives aux éditions et à Salesforce CRM dans sa documentation officielle de configuration. Un modèle prédictif ne produit par ailleurs des résultats convaincants que lorsque les données historiques disponibles sont pertinentes et fiables. Pour Behavior Scoring, Salesforce recommande de disposer d’une base exploitable de données historiques d’engagement et de relations avec les opportunités commerciales. Les organisations ne doivent donc pas évaluer ce modèle comme s’il pouvait fournir des analyses parfaites dès le premier jour. Les scores doivent être comparés à l’acceptation réelle des leads par les équipes commerciales, à la progression des opportunités et aux conversions, puis régulièrement examinés afin de détecter les écarts entre les pays, les segments et les produits.

Agentforce: de l’analyse à l’exécution d’actions

L’innovation majeure réside dans le fait que Salesforce n’utilise plus l’intelligence artificielle exclusivement pour l’analyse ou la création de contenus. Agentforce peut exécuter des actions dans l’environnement Salesforce, dans les limites définies par sa configuration. Des actions Agentforce spécifiques sont disponibles pour Account Engagement, permettant à un agent de consulter ou de modifier des fiches de prospects et d’ajouter des contacts à des programmes de nurturing. Salesforce présente ces fonctionnalités dans sa documentation Using Agentforce with Account Engagement. La distinction entre les fonctionnalités disponibles et leur implémentation effective est essentielle. La disponibilité d’une action ne signifie pas que chaque environnement Salesforce dispose immédiatement d’un agent marketing et commercial entièrement autonome. Agentforce doit être configuré, les autorisations et les accès doivent être appropriés, les actions souhaitées doivent être disponibles et leur utilisation peut entraîner des coûts supplémentaires. L’organisation doit également déterminer quelles opérations peuvent être exécutées automatiquement et lesquelles nécessitent une validation humaine préalable.

Pourquoi le SDR Agent nécessite une évaluation distincte

Salesforce décrit également un agent Agentforce Sales Development Representative capable de répondre aux questions sur les produits, de traiter les objections et de contribuer à la planification de rendez-vous. Ces fonctionnalités vont au-delà des actions spécifiques d’Account Engagement consacrées à la gestion des prospects. Il serait donc incorrect d’affirmer que chaque client Account Engagement dispose automatiquement d’un SDR piloté par l’IA pleinement opérationnel simplement en activant Agentforce. La configuration du produit, les licences, les canaux de communication et les intégrations nécessaires doivent être vérifiés séparément. Pour la direction commerciale, l’enjeu principal consiste à déterminer à quel moment une interaction automatisée crée réellement de la valeur. Une demande entrante reçue en dehors des heures de bureau peut bénéficier d’une réponse rapide et pertinente, à condition que l’agent ait accès à des connaissances produits approuvées. En revanche, pour un compte stratégique engagé dans des négociations contractuelles, une prise de contact non sollicitée par une IA pourrait nuire à la relation commerciale. La répartition optimale des tâches entre l’intelligence artificielle et les commerciaux doit donc reposer sur la valeur du client, le contexte de l’interaction et le niveau de risque, plutôt que sur l’ambition d’automatiser toutes les conversations.

Concevoir un processus avec des points de décision humaine clairement définis

Avant qu’un agent d’intelligence artificielle contacte un prospect, l’entreprise doit déterminer quelles données sont disponibles, quel objectif est poursuivi et quelles exceptions s’appliquent. Ces règles doivent notamment couvrir les opportunités actives, les relations existantes avec les comptes, les désinscriptions, les sujets sensibles et les contacts déjà suivis par un responsable commercial. Sans ces garde-fous, l’automatisation peut entrer en conflit avec des accords commerciaux existants. La véritable question n’est pas de savoir si l’agent est techniquement capable d’exécuter une tâche, mais si l’organisation peut lui déléguer cette responsabilité de manière appropriée. Pour une première implémentation contrôlée, je recommande d’intégrer explicitement quatre règles de décision au modèle opérationnel. Elles doivent être définies conjointement par les opérations marketing, la direction commerciale, les équipes informatiques et les responsables de la protection des données:

• Éligibilité: n’autoriser que les contacts présentant une qualité de données suffisante, un contexte approprié et des droits de communication vérifiables.
• Autorisation: accorder à l’agent uniquement l’accès aux données et aux actions nécessaires à l’exécution de la tâche concernée.
• Escalade: transférer rapidement les questions complexes, les comptes stratégiques et les réponses incertaines à un collaborateur humain.
• Contrôle: enregistrer les actions importantes et les exceptions, puis mesurer dans quelle mesure les résultats correspondent aux objectifs commerciaux convenus.

La mise en œuvre pratique peut varier selon les marchés. Un secteur fortement réglementé exigera des contrôles plus stricts qu’une demande d’information relativement simple. Les variantes linguistiques internationales, les processus de vente locaux et les différents modèles de distribution influencent également les interactions susceptibles d’être automatisées. Une gouvernance centrale doit reconnaître ces différences tout en évitant que chaque région développe un processus d’intelligence artificielle entièrement indépendant.

Quels indicateurs le CMO, le CRO et le CFO doivent-ils suivre ensemble?

Un pipeline commercial s’appuyant sur l’intelligence artificielle peut facilement produire des indicateurs d’activité impressionnants. Cependant, le nombre de questions traitées, d’interactions automatisées ou de rendez-vous planifiés ne suffit pas à démontrer la valeur commerciale créée. Le véritable résultat à mesurer est la capacité à développer des opportunités qualifiées plus rapidement, avec davantage de cohérence et à un coût acceptable. Cela nécessite un modèle de mesure qui commence par la qualité et aboutit à des résultats commerciaux concrets.

Les indicateurs suivants constituent un point de départ commun pour le marketing, les ventes et la finance. Ils ne remplacent pas une analyse financière, mais évitent qu’un projet pilote soit évalué uniquement sur le volume d’automatisation. Il est essentiel de définir à l’avance, pour chaque KPI, des critères de mesure cohérents, une valeur de référence et un responsable clairement identifié.

Domaine de mesure	Indicateur	Question pour la direction
Qualification	Proportion de leads acceptés par les équipes commerciales, ventilée par source et par segment.	Les équipes responsables des comptes reçoivent-elles des opportunités plus pertinentes?
Rapidité	Délai entre un signal d’achat pertinent, le premier suivi et l’acceptation par les ventes.	Les délais de réaction commerciale sont-ils réellement réduits?
Pipeline commercial	Création d’opportunités, progression entre les étapes de vente et valeur du pipeline par cohorte.	Un meilleur suivi entraîne-t-il des progrès commerciaux mesurables?
Qualité et risques	Transferts incorrects, escalades, réclamations et anomalies liées aux consentements.	L’automatisation reste-t-elle maîtrisable et centrée sur le client?
Valeur économique	Coûts opérationnels totaux comparés aux revenus commerciaux supplémentaires.	L’investissement est-il financièrement justifié?

L’évaluation financière doit tenir compte des licences, des coûts d’utilisation, des intégrations, de la gestion des processus et du temps consacré par les collaborateurs au traitement des exceptions. Un simple calcul du coût par rendez-vous ne fournit pas une analyse fiable de l’investissement si ces rendez-vous ne débouchent pas sur des opportunités qualifiées. L’attribution demeure également limitée lorsque les cycles de vente sont longs et impliquent de nombreuses parties prenantes. Une analyse par cohortes sur une période adaptée est donc plus instructive qu’un rapport de campagne isolé.

Pourquoi la qualité des données détermine les limites de l’IA

Agentforce ne peut agir de manière pertinente qu’à partir des données et des instructions auxquelles il est autorisé à accéder. Lorsque les enregistrements CRM sont obsolètes, que les contacts sont associés aux mauvais comptes ou que les statuts du cycle de vie se contredisent, ces défauts deviennent partie intégrante du processus automatisé. L’intelligence artificielle peut même accélérer la manifestation de ces erreurs. La qualité des données ne constitue donc pas une simple opération de nettoyage préalable, mais une responsabilité permanente de gestion commerciale. Les organisations internationales sont particulièrement exposées aux risques liés au fait qu’une même entreprise peut apparaître sous plusieurs noms, filiales ou entités régionales. Un agent évaluant un prospect de manière isolée peut ignorer une relation commerciale existante avec une autre Business Unit. À l’inverse, un profil de compte centralisé peut regrouper involontairement des données provenant de différents pays sans que toutes les utilisations envisagées soient justifiées. La fiabilité des relations entre les identités, les autorisations d’accès et les définitions des champs détermine donc directement quelles applications d’intelligence artificielle peuvent être déployées de manière responsable.

La conformité internationale fait partie de l’expérience commerciale

Dans les communications pilotées par l’intelligence artificielle, l’attention se porte souvent sur ce que l’agent est capable de dire. Pour une multinationale, il est tout aussi important de déterminer à quel moment l’entreprise peut contacter un prospect et quelles données personnelles elle est autorisée à traiter à cette fin. Les consentements, les bases juridiques, les préférences de communication, les oppositions enregistrées et les réglementations nationales applicables doivent être évalués avant toute activation. Même lorsqu’un message est rédigé ou envoyé par un agent d’intelligence artificielle, l’entreprise demeure responsable du traitement des données personnelles et de ses communications commerciales. Le Règlement général sur la protection des données (RGPD) constitue un cadre essentiel pour les traitements réalisés en Europe, mais les applications internationales nécessitent une analyse complémentaire des législations locales et des exigences propres à chaque canal. Une fonctionnalité SMS ou WhatsApp autorisée sur un marché peut nécessiter un enregistrement supplémentaire ou une procédure de consentement différente sur un autre. Les équipes marketing et commerciales doivent également communiquer clairement lorsqu’une interaction est automatisée, lorsque la législation l’exige ou lorsque cette transparence est appropriée pour préserver une relation client responsable. Le principe fondamental reste que la transparence et la maîtrise des communications priment sur la maximisation de l’automatisation.

Une action commerciale autonome ne crée de valeur que lorsque l’entreprise peut expliquer non seulement ce qui s’est produit, mais aussi pourquoi cette action était justifiée à ce moment précis.

Un projet pilote pertinent commence par un cas d’usage mesurable

La meilleure première étape ne consiste pas à déployer un agent chargé de gérer l’ensemble du pipeline commercial international. Il convient de commencer par une situation clairement délimitée dans laquelle le problème est identifiable, par exemple des leads entrants qui restent sans réponse en dehors des heures de bureau ou des prospects qui ne sont pas recontactés suffisamment rapidement après un webinaire. Il faut s’assurer que l’audience cible, le produit concerné, les données disponibles et le commercial responsable sont connus à l’avance. Cette approche permet de comparer les performances avec le processus existant sans perturber l’ensemble des opérations. Un projet pilote bien conçu comprend un groupe témoin ou un groupe de comparaison, des critères d’acceptation précis et une échéance d’évaluation convenue. Il convient d’examiner non seulement le nombre d’interactions, mais également la qualité des réponses, la satisfaction des équipes commerciales et la progression vers des opportunités concrètes. Les collaborateurs doivent examiner les exceptions et documenter les instructions ou les sources de données qui influencent les résultats. Si le pilote n’apporte aucune amélioration démontrable, son adaptation ou son arrêt fait également partie d’une gestion professionnelle du programme.

Le modèle opérationnel détermine en définitive le rendement

Les innovations technologiques liées à Account Engagement et Agentforce sont importantes, mais leurs conséquences organisationnelles dépassent largement l’ajout d’une nouvelle fonctionnalité dans Salesforce Setup. Les opérations marketing doivent gérer les définitions des processus, les équipes commerciales doivent fournir des retours sur la qualité des leads et l’informatique doit garantir les accès, les intégrations et la supervision. Les spécialistes de la protection des données et de la sécurité doivent pouvoir évaluer les informations et les actions mises à disposition. La direction financière doit ensuite déterminer si les résultats obtenus sont proportionnés aux coûts totaux. Cela ne nécessite pas un cycle permanent de réunions, mais une répartition claire des pouvoirs de décision. Qui est autorisé à modifier un seuil de qualification ? Qui approuve les nouvelles actions des agents et qui peut les désactiver lorsque la qualité diminue ? Qui décide qu’un compte doit être exclu du suivi automatisé ? Tant que ces responsabilités restent imprécises, le problème se déplace des transferts humains vers une ambiguïté techniquement automatisée. Pour le CMO et le CRO, il s’agit d’une responsabilité commune de direction. Ils doivent parvenir à un accord sur la signification des signaux commerciaux et traduire ces décisions en processus exécutables aussi bien par les collaborateurs que par les systèmes. Un niveau d’automatisation plus élevé ne constitue pas une fin en soi. L’objectif est de construire un parcours plus fiable, du premier signe d’intérêt jusqu’à l’opportunité commerciale qualifiée, avec moins d’actions inutiles et de meilleures décisions.

Passer d’un volume de leads plus important à de meilleures décisions commerciales

La prochaine étape du développement d’Account Engagement ne consiste pas à remplacer le scoring ou Engagement Studio par un agent d’intelligence artificielle. La valeur apparaît lorsque l’automatisation existante, le contexte CRM, les analyses prédictives et les actions Agentforce soigneusement sélectionnées se renforcent mutuellement. Le marketing peut alors transmettre des signaux plus pertinents, les équipes commerciales peuvent identifier plus rapidement les opportunités qui méritent réellement un suivi et la contribution commerciale devient plus facilement mesurable. La plateforme soutient un processus commun plutôt que deux départements fonctionnant indépendamment l’un de l’autre. Pour les multinationales, cela signifie que les investissements dans l’intelligence artificielle doivent commencer par la qualité des données, des définitions communes et un problème métier concret. Viennent ensuite un projet pilote clairement délimité, des résultats vérifiables et, seulement après, une automatisation à plus grande échelle. Une organisation qui respecte cette progression conserve la maîtrise de ses relations clients, de ses risques et de ses ressources tout en explorant de nouvelles possibilités. Elle construit ainsi un avantage concurrentiel plus durable que la simple promesse d’un collaborateur commercial numérique capable d’alimenter automatiquement l’ensemble du pipeline. CloudEngagePro aborde donc Account Engagement et Agentforce sous l’angle de la logique commerciale, de la configuration fonctionnelle et de l’exécution mesurable. La question pertinente pour la direction générale n’est pas de savoir combien de tâches peuvent être confiées à l’intelligence artificielle, mais quelles décisions deviennent réellement meilleures grâce à son utilisation. Lorsque le marketing et les ventes répondent ensemble à cette question, l’IA cesse d’être une expérimentation isolée dans Salesforce pour devenir une extension responsable du système commercial existant.