Contexte : pourquoi ce sujet m’appartient

Je travaille chez OpenMedias, régie publicitaire digitale, et j’ai fondé en parallèle Be Off Frame, une agence digitale. Deux structures, deux réalités business très différentes, mais un point commun : la gestion de la relation client est au cœur de tout. Prospection, suivi des deals, relances, scoring des leads — autant de tâches chronophages qui, pendant longtemps, m’ont semblé irréductibles à l’automatisation.

C’est en intégrant Salesforce dans les process d’OpenMedias, puis en connectant Make.com pour orchestrer les flux entre les outils, que j’ai commencé à entrevoir ce que les chercheurs en management appellent le « CRM augmenté ». Pas un remplacement du commercial humain, mais une amplification de sa capacité d’action. Et quand j’ai commencé à injecter des modèles de langage — notamment Claude — dans ces flux, quelque chose s’est fondamentalement transformé dans ma façon de concevoir le growth.

C’est cet axe que j’ai choisi d’explorer dans ma thèse de MBA DMB : comment les agents IA s’intègrent-ils dans le growth marketing des startups et scale-ups ? Et la réponse la plus honnête que j’aie trouvée jusqu’ici, c’est que tout commence par le CRM.

Problématique : le CRM, angle mort de la révolution IA

On parle beaucoup des agents IA qui génèrent du contenu, créent des visuels ou analysent des données. On parle moins du fait que 80 % de la valeur d’un CRM est détruite par une mauvaise hygiène des données et des process manuels répétitifs. C’est un constat que j’ai fait empiriquement : des commerciaux qui saisissent leurs notes à la main, des leads qui tombent dans les limbes faute de relance automatisée, des opportunités perdues non pas par manque de talent, mais par manque de signal au bon moment.

La question que pose ma thèse est donc la suivante : à quel point les agents IA peuvent-ils combler ce « last mile » du CRM — cette zone grise entre la donnée brute et la décision commerciale — sans sacrifier la relation humaine qui fait la différence en B2B ?

C’est une question à la fois technique (quels outils, quelle architecture ?) et stratégique (quand laisser l’IA décider, quand reprendre la main ?) qui touche directement aux enjeux que je vis au quotidien chez OpenMedias et Be Off Frame.

Analyse : trois apprentissages du terrain

1. L'IA comme couche d'intelligence sur Salesforce

En connectant Claude à Salesforce via Make.com, j’ai pu automatiser la qualification des leads entrants : le modèle analyse le profil LinkedIn, le secteur, la taille d’entreprise et le comportement sur le site pour générer un score et une fiche de contexte avant chaque premier appel commercial. Le résultat ? Un taux de conversion premier contact amélioré, parce que le commercial entre en réunion avec une hypothèse argumentée plutôt qu’une fiche vide. Mais attention : l’IA se trompe sur les signaux culturels et les relations implicites — le jugement humain reste indispensable sur ce point.

2. Make.com comme chef d'orchestre des agents

Make.com n’est pas un simple outil d’automatisation — c’est l’infrastructure qui permet de composer des flux entre des agents spécialisés. Dans notre stack chez Be Off Frame, un scénario Make typique enchaîne : réception d’un formulaire de contact → enrichissement via une API externe → analyse sémantique du besoin exprimé par Claude → création d’une opportunité Salesforce avec les champs pré-remplis → envoi d’un email personnalisé → notification Slack au commercial responsable. Ce qui prenait 15-20 minutes de travail manuel prend désormais 30 secondes. La personnalisation n’a pas disparu — elle s’est déplacée vers des niveaux de complexité plus élevés.

3. Le nurturing IA : séquences adaptatives vs scripts fixes

L’une des limitations les plus frustrantes du CRM traditionnel, c’est le nurturing par séquence fixe : email J+1, email J+3, appel J+7 — quelles que soient les actions du lead entre-temps. En intégrant un agent IA dans la boucle, j’ai pu créer des « séquences adaptatives » : le prochain point de contact est déterminé par le comportement réel du lead (ouverture d’email, visite d’une page spécifique, téléchargement d’un document) et non par un calendrier prédéfini. C’est le passage du nurturing chronologique au nurturing comportemental — une différence fondamentale pour les cycles de vente B2B longs.

Limites et points de vigilance

Je serais malhonnête si je ne mentionnais pas les frictions que j’ai rencontrées. La première, c’est la qualité des données d’entrée : un agent IA ne peut pas compenser des données CRM mal structurées, des contacts dupliqués ou des champs vides. Garbage in, garbage out — cette règle s’applique avec encore plus de force quand on automatise à grande échelle.

La deuxième limite est éthique et relationnelle. En B2B, notamment dans les secteurs où les cycles de vente sont longs et la relation de confiance primordiale (comme la régie publicitaire), il y a un risque réel de sur-automatisation perçue. J’ai reçu des retours de prospects qui avaient détecté qu’ils étaient dans une séquence automatisée — et leur réaction était systématiquement négative, même si la qualité du contenu était bonne. La transparence sur l’usage de l’IA dans la relation commerciale est un sujet que ma thèse devra adresser frontalement.

Troisième point de vigilance : la dépendance aux APIs. Un stack Salesforce + Make.com + Claude est puissant mais fragile. Un changement de tarification, une mise à jour d’API, une limite de débit — et c’est tout un flux commercial qui s’interrompt. La résilience architecturale n’est pas optionnelle quand on industrialise ces processus.

Enfin, il faut mentionner la question du RGPD. Faire traiter des données prospects par un modèle de langage externe soulève des questions de localisation des données et de consentement qui ne sont pas encore tranchées. C’est un angle que j’explore dans ma thèse, notamment à travers le prisme des recommandations de la CNIL. Pour aller plus loin, je renvoie vers les travaux du MIT sur les risques de l’IA dans les systèmes CRM.

Conclusion : ma prise de position

Le CRM augmenté par l’IA n’est pas une tendance — c’est déjà une réalité opérationnelle pour les startups et scale-ups qui ont la maturité data suffisante pour en tirer parti. Ce que j’ai appris en le déployant chez OpenMedias et Be Off Frame, c’est que l’IA ne remplace pas le commercial : elle supprime les tâches qui l’empêchaient d’être un vrai commercial.

Mais je veux aller plus loin dans ma thèse : je pense que la prochaine frontière n’est pas l’automatisation du CRM, c’est l’autonomisation des agents — des systèmes capables non seulement d’exécuter des séquences, mais de décider quelle séquence lancer, d’ajuster leur comportement en fonction des résultats, et de reporter à l’humain uniquement les cas où son intervention crée de la valeur différentielle.

C’est une vision qui soulève autant de questions éthiques que d’opportunités business. Et c’est exactement pour ça que ce sujet mérite une thèse.

Pour comprendre comment cet article a été rédigé avec l’assistance de l’IA, consultez la Note méthodologique IA associée.

En lien avec ma thèse MBA DMB sur l’intégration des agents IA dans le growth marketing. Voir aussi : VivaTech 2026 : Photoroom révolutionne l’e-commerce IA.