L'IA comme catalyseur de l'hygiène : scorer, prédire et nettoyer en quelques minutes par compte

Tenir une discipline d'hygiène manuelle sur 40 deals demande des heures chaque semaine. L'IA change cette équation. Ce chapitre présente les sept usages opérationnels de l'IA pour automatiser le scoring de chaque deal, détecter les zombies avant qu'ils ne pourrissent le pipeline, générer les conversations de disqualification respectueuses, et prédire les slip risks avant qu'ils ne ruinent le forecast.

Pourquoi l'IA bat le commercial sur le scoring de pipeline

Le commercial est cognitivement biaisé sur ses propres deals (chapitre 2). L'IA, elle, ne porte aucune affection particulière à un deal. Bien promptée, elle vous force à considérer systématiquement :

• Les signaux comportementaux objectifs sur les 30 derniers jours
• Les exit criteria du stage actuel et leur réelle satisfaction
• Le ratio time-in-stage par rapport à votre moyenne historique
• Les patterns silencieux (absences de signal entrant, glissements de date promise)
• La cohérence des éléments du deal (BANT, MEDDIC, ou votre framework maison)

L'IA ne décide pas à votre place. Elle vous oppose une lecture froide des faits, que votre cerveau biaisé ne ferait pas tout seul.

À retenir : l'IA n'invente pas la santé de votre pipeline. Elle vous oblige à voir ce que vos biais cachent.

Usage 1 — Le scoring automatique d'un deal en 30 secondes

À partir des données CRM d'un deal, l'IA peut produire un score objectif sur les 7 critères vus au chapitre 4 et signaler les manques.

Prompt opérationnel :

Tu es un expert en sales operations B2B. À partir des informations
suivantes sur ce deal, score-le sur 7 critères (0 ou 1 par critère) :

Compte : [nom]
Stage actuel : [stage]
Date de création : [date] (soit [X] jours dans le pipeline)
Time-in-stage actuel : [X jours] vs moyenne historique [Y jours]
Personnes parlées : [liste avec fonction]
Pain identifié : [description]
Budget : [état actuel]
Timing : [événement déclencheur connu ou non]
Décideur : [nom et accessibilité]
Champion : [nom et engagement constaté]
Critères de décision verbalisés : [oui/non + détails]
Compétition identifiée : [oui/non + détails]
Derniers signaux entrants du prospect (30j) : [liste]

Score chaque critère 0 ou 1 :
1. Pain identifié et chiffré
2. Budget existant ou en cours d'allocation
3. Timing défini avec événement déclencheur
4. Décideur identifié et accessible
5. Champion engagé
6. Critères de décision verbalisés
7. Compétition connue

Donne :
- Le score total /7
- Les critères manquants
- Une recommandation : maintenir au stage actuel / régresser le stage / disqualifier / action de qualification spécifique à mener
- Une justification factuelle de la recommandation

Sortie type : un mini-brief de 10 lignes par deal. Sur un pipeline de 40 opportunités, comptez 20 minutes pour scorer tout le pipeline une fois par semaine.

Usage 2 — La détection précoce des zombies

L'IA peut analyser un pipeline complet (export CSV du CRM) et identifier les deals qui montrent les signes précoces de zombification, avant même la règle des 90 jours.

Prompt opérationnel :

Voici un export de mon pipeline avec pour chaque deal :
- Nom du compte
- Stage actuel
- Time-in-stage actuel
- Time-in-stage moyen historique pour ce stage
- Date du dernier signal entrant du prospect
- Nombre de signaux entrants sur 30j

[export collé]

Identifie :
1. Les deals avec ratio TIS > 1.5x ET signaux entrants < 3 sur 30j (zombies probables)
2. Les deals avec ratio TIS > 1.5x ET signaux entrants >= 3 (deals lents mais vivants)
3. Les deals avec ratio TIS normal MAIS aucun signal entrant depuis 21 jours (zombies en formation)
4. Pour chaque groupe, classe par criticité décroissante

Sortie : tableau structuré avec recommandation d'action par deal (disqualification, séquence de réveil, ou interrogation manager).

Effet : vous remontez les zombies en formation 30 à 60 jours avant qu'ils ne deviennent des cas désespérés.

Usage 3 — La génération de conversations de disqualification

Disqualifier proprement demande de la finesse rédactionnelle. L'IA peut produire un brouillon adapté à chaque contexte, que vous ajusterez à votre style.

Prompt opérationnel :

Je dois disqualifier ce deal proprement et respectueusement :

Prospect : [Prénom, fonction, entreprise]
Historique de la relation : [résumé en 3 lignes]
Dernier signal entrant : [date]
Pourquoi je disqualifie : [raison réelle : timing pas mûr / mauvais fit / aucune réponse / autre]
Ton souhaité : [direct mais bienveillant / formel / chaleureux]

Génère :
1. Un email de disqualification respectueux, qui n'accable pas le prospect
2. Une variante téléphonique pour conversation directe
3. Une formulation de relance possible si le prospect revient dans 6 mois

Évite :
- Le ton victimaire (« vous ne répondez plus »)
- La culpabilisation (« j'ai passé du temps sur vous »)
- Le faux respect (« je comprends totalement »)
- La fausse urgence (« si je ne signe pas cette semaine »)

Garde-fou : relisez toujours. L'IA peut produire un ton qui ressemble à du SaaS américain traduit. Adaptez aux normes culturelles de votre marché.

Usage 4 — La prédiction du slip rate (risque de glissement)

Sur les deals en stage avancé, l'IA peut estimer la probabilité qu'un deal glisse hors du trimestre en analysant les signaux historiques.

Prompt opérationnel :

Voici un deal en stage avancé que je forecaste signer ce trimestre :

[infos deal]

Signaux récents :
- Date promise de signature : [date]
- Dernière modification de la date promise : [oui/non + nombre de fois]
- Verbal commitment : [oui/non, date]
- Étapes restantes côté prospect : [liste]
- Signaux entrants 30j : [liste]
- Stakeholders alignés : [liste]

Estime la probabilité de slip (glissement hors du trimestre) selon
4 facteurs :
1. Glissements antérieurs de date (signal fort de slip)
2. Étapes restantes côté prospect non maîtrisées par vous
3. Absence de verbal commitment formel
4. Stakeholders manquants à l'alignement

Donne :
- Probabilité de slip estimée (basse/moyenne/haute) avec justification
- Les 3 actions concrètes à mener cette semaine pour réduire le risque
- Le red flag absolu qui ferait basculer le deal hors du trimestre

Effet : la conversation de revue change. Au lieu de défendre que « ça va signer », le commercial discute des actions précises pour réduire le slip.

Usage 5 — Le résumé d'un compte avant chaque revue 1-on-1

Avant un 1-on-1 manager / commercial, l'IA prépare un brief de 2 pages sur l'état du pipeline du commercial, avec les sujets à aborder en priorité.

Prompt opérationnel :

Voici l'export du pipeline de [Prénom], 30 deals.

[données]

Prépare un brief de 1-on-1 structuré :
1. Synthèse santé du pipeline (1 paragraphe avec KPIs clés)
2. Top 3 drapeaux rouges à traiter (TIS > 1.5x ou signaux faibles)
3. Top 3 deals en stage avancé qui doivent signer ce mois
4. Top 3 deals à disqualifier ou statuer cette semaine
5. Une question coaching à poser pour faire progresser ce commercial sur sa discipline

Format : court, factuel, actionnable. Pas de blabla managérial.

Effet : le manager arrive en 1-on-1 préparé, le commercial sent qu'on regarde sérieusement son travail, la conversation devient productive en 5 minutes au lieu de 30.

Usage 6 — La détection des incohérences déclaratives

Un commercial qui dit « ça va signer ce mois » alors que le deal a glissé 3 fois est dans un biais d'optimisme. L'IA peut détecter cette incohérence en croisant déclarations et historique.

Prompt opérationnel :

Voici les déclarations successives sur ce deal au cours des 6 derniers
mois :

[historique des updates CRM ou commentaires en 1-on-1]

Identifie :
1. Les promesses du prospect qui n'ont pas été tenues (avec dates)
2. Les changements de date de signature et leur fréquence
3. Les arguments commerciaux qui se répètent (« plus que [X étape] »)
4. Le pattern global : ce deal montre-t-il les signes d'un zombie en formation ?

Conclusion attendue : probabilité réelle de signature ce trimestre, sur
base des patterns observés, pas des espoirs déclarés.

Garde-fou : à utiliser avec tact en 1-on-1. C'est un miroir, pas une condamnation. Le commercial doit pouvoir l'utiliser pour lui-même, pas être pris en faute publiquement.

Usage 7 — La cartographie automatique du compte

Beaucoup de deals stagnent parce que le commercial ne parle qu'à une personne. L'IA peut, à partir d'un nom d'entreprise et de quelques recherches LinkedIn, suggérer les personnes manquantes à votre cartographie.

Prompt opérationnel :

Compte : [nom de l'entreprise]
Taille : [employés]
Solution proposée : [résumé]
Personnes parlées : [liste avec fonction]

Suggère :
1. Les 3 à 5 personnes-clés probables (par fonction) à qui je ne parle
   pas et qui vont influencer la décision
2. Pour chacune : son angle probable d'intérêt et son angle probable
   d'objection
3. Une approche de prise de contact respectueuse pour chacune (LinkedIn
   ou via le contact actuel)

Effet : ouverture du deal à de nouveaux stakeholders, multithreading, signaux entrants en hausse. C'est l'une des actions de réveil les plus puissantes sur un deal lent.

Les trois règles d'éthique pour utiliser l'IA sur le pipeline

L'IA bien utilisée accélère votre hygiène. Mal utilisée, elle peut générer des comportements problématiques. Trois règles à respecter :

1. L'IA conseille, vous décidez : ne jamais disqualifier un deal automatiquement sur un score IA. Le score est un signal, pas une sentence
2. Pas de manipulation rédactionnelle : utilisez l'IA pour gagner du temps sur les formulations, pas pour fabriquer de fausses urgences ou des messages culpabilisants
3. Transparence interne : si vous utilisez de l'IA pour scorer ou prédire, dites-le à votre équipe et à votre manager. La discipline est collective, pas une boîte noire individuelle

Ces trois règles ne sont pas optionnelles. Une équipe qui les viole produira un pipeline qui paraît propre mais qui repose sur des décisions injustes — et ce pipeline finira par éclater.

Prochaine étape : assembler tout le contenu en un plan opérationnel — le framework 30 jours qui transforme un pipeline pollué en pipeline hygiéné, semaine par semaine, action par action.