Il y a 30 jours, je me suis fixé un objectif concret : automatiser l’intégralité de mon flux de qualification de leads chez OpenMedias en combinant Make.com et Claude. Pas un POC de labo. Une vraie mise en production, sur de vrais prospects, avec de vrais enjeux commerciaux. Cette vidéo est mon bilan honnête — ce qui a fonctionné, ce qui m’a surpris, et ce que je ne referais pas de la même façon.

Pourquoi ce test, et pourquoi maintenant ?

Ma thèse porte sur l’intégration des agents IA dans le growth marketing pour les startups et scale-ups. Depuis plusieurs mois, je lisais des études, j’analysais des cas théoriques — mais quelque chose manquait : la friction du réel. Chez OpenMedias, nous gérons des cycles de vente B2B avec un volume de leads entrants significatif. La qualification manuelle prend du temps, introduit des biais, et dépend trop des agendas individuels.

L’idée était simple : construire un pipeline Make.com qui capte les leads entrants (formulaires, LinkedIn, cold emails), les envoie à Claude pour une analyse de contexte et une scoring automatique, puis synchronise le résultat dans Salesforce avec un niveau de priorité et un premier draft de message personnalisé. Trente jours, un périmètre délimité, une métrique principale : le temps de first response qualifié.

Les points clés développés dans la vidéo

Voici un résumé textuel des trois grandes leçons abordées dans la vidéo — pour ceux qui préfèrent lire, ou qui veulent retrouver un point précis.

1. Le gain de temps est réel, mais mal réparti

Sur 30 jours, le temps moyen de qualification d’un lead est passé de 18 minutes à 4 minutes. Sur le volume traité, c’est une économie nette de plusieurs heures par semaine. Mais ce gain n’est pas linéaire : il profite massivement aux leads froids et standards, et beaucoup moins aux leads chauds complexes qui nécessitent une lecture fine du contexte. Claude excelle à structurer l’information — pas encore à remplacer l’intuition commerciale sur un dossier stratégique.

2. Make.com + Claude : une stack puissante mais fragile

Le pipeline Make.com fonctionne très bien en régime nominal — les webhooks sont fiables, les appels API vers Claude sont rapides. Là où ça se complique : la robustesse aux cas limites. Un champ manquant dans un formulaire, un format email atypique, une réponse Claude légèrement différente de ce qu’attend le parser — et le scénario échoue silencieusement. J’ai passé presque 30% de mon temps à construire des garde-fous : routes d’erreur, alertes Slack, tests de régression manuels. Ce n’est pas une critique — c’est la réalité de tout système d’automatisation en production.

3. La personnalisation IA reste un art de prompt engineering

La vraie valeur de Claude dans ce pipeline n’est pas dans la génération brute de messages — c’est dans la capacité à contextualiser. En lui fournissant le secteur du prospect, son poste LinkedIn, ses interactions précédentes et les objections typiques de son segment, j’obtenais des drafts exploitables à 70-80% sans retouche majeure. Les 20-30% restants nécessitaient une réécriture — souvent parce que le prompt initial manquait d’ancrage dans notre culture de marque. La leçon : investir dans ses prompts système autant que dans l’architecture technique.

Ce que je retiens — et ce que ça change pour ma thèse

Ce test de 30 jours a confirmé deux hypothèses de ma thèse et en a invalidé une. Confirmé : les agents IA créent bien une discontinuité dans les processus de qualification — le gain de productivité est mesurable et reproductible. Confirmé aussi : la stack Make.com + Claude + Salesforce est accessible à une PME ou une scale-up sans DSI dédiée, à condition d’accepter un temps d’apprentissage réel. Invalidé : je pensais que la personnalisation automatisée atteindrait rapidement un niveau indiscernable du message humain. Ce n’est pas encore le cas — et c’est peut-être une bonne nouvelle pour ceux dont le métier est précisément cette nuance relationnelle.

Pour aller plus loin, je vous invite à lire mon article détaillé sur le CRM augmenté par l’IA : ce que Salesforce, Make.com m’ont appris. Et pour découvrir comment les agents IA transforment plus largement le growth marketing des startups, explorez la catégorie Digital Marketing du blog MBA DMB.

La vidéo complète est disponible sur ma chaîne YouTube — abonnez-vous pour suivre les prochains épisodes de cette série « IA en terrain réel ».

Conclusion — Et maintenant ?

Si tu travailles dans le growth, la vente B2B ou le marketing automation, ce test t’appartient autant qu’à moi. Les outils sont accessibles, les coûts sont contenus, et la courbe d’apprentissage est franchissable en quelques semaines. La vraie question n’est pas « est-ce que ça marche ? » — elle marche. La vraie question est : à quel endroit de ton funnel veux-tu récupérer du temps pour l’investir en intelligence humaine ?

Je prépare un deuxième épisode sur l’intégration d’agents IA dans le nurturing post-qualification — si ce sujet t’intéresse, laisse un commentaire ci-dessous ou connecte-toi sur LinkedIn. Et si tu veux tester cette architecture dans ton contexte, n’hésite pas à me contacter via Be Off Frame.

Note méthodologique : cet article a été rédigé avec l’assistance de l’IA. Découvrez comment dans la note méthodologique IA associée.