Chapitre 08

Cas d'Usage PME

Des exemples concrets d'implémentation d'agents IA dans des PME françaises. Qualification, relances, enrichissement et scoring avec ROI mesurable.

Cas 1 : Qualification automatique des leads

Le problème
Une agence web reçoit 50 demandes de devis par mois via son formulaire. Le dirigeant passe 10h/mois à trier les demandes sérieuses des curieux, souvent avec 48h de délai.

La solution

Un agent IA analyse chaque nouvelle demande en temps réel :

  • Déclencheur : Nouveau lead dans Pipedrive (via webhook formulaire)
  • L'agent analyse le message, le site web du prospect, son profil LinkedIn
  • Il attribue un score (0-100) et une catégorie (hot/warm/cold)
  • Les leads « hot » déclenchent une notification Slack immédiate
  • Un email personnalisé est envoyé automatiquement selon le score

Résultats

  • Temps de qualification : de 48h à < 5 minutes
  • Temps gagné : 8h/mois
  • Taux de conversion leads hot : +35%

Stack utilisée

Make.com + Claude API + Pipedrive + Slack

Coût mensuel : ~80€

Cas 2 : Relances intelligentes

Le problème
Un éditeur de logiciel a 200 deals en cours. Les commerciaux oublient de relancer, ou envoient des relances génériques qui n'obtiennent pas de réponse.

La solution

Un agent IA analyse quotidiennement les deals sans activité :

  • Déclencheur : Scheduled chaque matin à 7h
  • L'agent identifie les deals sans activité depuis > 7 jours
  • Pour chaque deal, il analyse l'historique des échanges et le contexte
  • Il génère une relance personnalisée avec un angle spécifique
  • Il crée une tâche pour le commercial avec le draft de relance

Exemple de relance générée

« Bonjour Marie, suite à notre échange sur la migration de votre ERP, j'ai pensé à vous en voyant que [Concurrent] venait d'annoncer une hausse de 15% de ses tarifs. C'est peut-être le bon moment pour réévaluer les options ? Je peux vous faire une simulation comparative si utile. »

Résultats

  • Taux de réponse aux relances : de 12% à 28%
  • Deals récupérés : 3-4/mois
  • Temps commercial économisé : 5h/semaine

Stack utilisée

Make.com + Claude API + Pipedrive

Coût mensuel : ~120€

Cas 3 : Enrichissement de données

Le problème
Un cabinet de conseil a une base de 5000 contacts mais manque d'informations clés : secteur précis, taille d'entreprise, technologies utilisées. Les commerciaux perdent du temps à rechercher ces infos manuellement.

La solution

Un agent d'enrichissement complète automatiquement les fiches :

  • Déclencheur : Nouveau contact créé OU batch hebdomadaire sur contacts incomplets
  • L'agent interroge Clay (waterfall enrichment) pour les données structurées
  • Il utilise Claude pour extraire des insights du site web et LinkedIn
  • Il identifie les technologies utilisées (via BuiltWith ou données Clay)
  • Il met à jour les champs custom dans Pipedrive

Données enrichies

  • Secteur d'activité (NAF précis)
  • Effectif et chiffre d'affaires
  • Technologies utilisées (CRM, ERP, stack marketing)
  • Actualités récentes (levée de fonds, recrutement, expansion)
  • Score d'adéquation ICP

Résultats

  • Taux de complétion des fiches : de 30% à 85%
  • Temps de recherche commercial : -70%
  • Pertinence des approches : +40%

Stack utilisée

Make.com + Clay API + Claude API + Pipedrive

Coût mensuel : ~300€ (Clay + API)

Cas 4 : Scoring prédictif

Le problème
Une entreprise SaaS génère 300 leads/mois. L'équipe de 3 commerciaux ne peut pas tous les traiter avec la même attention. Ils passent à côté d'opportunités car ils traitent les leads par ordre d'arrivée.

La solution

Un agent de scoring analyse et priorise les leads :

  • Déclencheur : Nouveau lead ou mise à jour de données
  • L'agent analyse les critères ICP : secteur, taille, poste du contact
  • Il intègre les signaux comportementaux : pages visitées, emails ouverts
  • Il compare avec les deals gagnés passés pour identifier les patterns
  • Il attribue un score de 0 à 100 et une priorité (P1/P2/P3)
  • Les P1 sont automatiquement assignés au commercial le plus performant sur ce segment

Critères de scoring

Critère Poids Exemple
Secteur d'activité 25% SaaS B2B = +25pts
Taille entreprise 20% 50-200 employés = +20pts
Poste du contact 20% CEO/CTO = +20pts
Comportement 20% Page pricing visitée = +15pts
Source 15% Referral = +15pts

Résultats

  • Focus sur les leads à fort potentiel : +50% de temps sur les P1
  • Taux de conversion global : +25%
  • Cycle de vente moyen : -15%

Cas 5 : Support client niveau 1

Le problème
Un éditeur de logiciel reçoit 100 tickets support/mois. 60% sont des questions récurrentes auxquelles la documentation répond. L'équipe de 2 personnes est débordée.

La solution

Un agent IA traite les tickets de niveau 1 :

  • Déclencheur : Nouveau ticket dans le système (Zendesk, Freshdesk, email)
  • L'agent analyse la demande et la catégorise
  • Il recherche dans la base de connaissances (RAG) les articles pertinents
  • Pour les questions simples : il génère une réponse et l'envoie (avec flag « IA »)
  • Pour les questions complexes : il prépare un résumé et assigne à un humain
  • Il détecte les clients frustrés pour escalade prioritaire

Types de tickets traités automatiquement

  • « Comment exporter mes données ? »
  • « Où trouver ma facture ? »
  • « Comment ajouter un utilisateur ? »
  • « Le bouton X ne fonctionne pas » (réponse : clear cache + documentation)

Résultats

  • Tickets résolus automatiquement : 45%
  • Temps de première réponse : de 4h à < 5 minutes
  • Satisfaction client : stable (pas de dégradation)
  • Temps équipe économisé : 15h/semaine

Stack utilisée

Make.com + Claude API + Pinecone (RAG) + Zendesk

Coût mensuel : ~200€

Vous voulez implémenter un de ces cas d'usage ?
Réservez un audit gratuit pour identifier le cas d'usage le plus pertinent pour votre entreprise et obtenir une feuille de route personnalisée.
📚 Guides pour implémenter ces cas
← Intégrations Make Chapitre suivant : ROI et limites →