IA : industrialiser le win/loss à l'échelle d'un pipeline entier

Le win/loss artisanal — 10 interviews par mois, taggage manuel, rapport rédigé à la main — peut tenir tant que vous restez sur des volumes modestes. Au-delà, ou pour aller plus profond sans surcoût humain, l'IA devient un multiplicateur. Ce chapitre vous donne la stack de prompts et la séquence opérationnelle pour automatiser ce qui peut l'être, sans déléguer à la machine ce qui doit rester humain.

La frontière humain / IA dans un win/loss

Avant de plonger dans les prompts, il faut tracer la frontière. Quatre tâches doivent rester humaines, quatre peuvent être déléguées à l'IA :

Toute organisation qui veut déléguer la conduite d'interview à un agent IA fait une erreur méthodologique. Toute organisation qui tague encore manuellement 500 verbatims par mois en gaspille la moitié.

Prompt 1 : pré-interview — préparation à partir de l'historique

Avant l'interview, faire générer par l'IA un briefing du deal à partir des artefacts disponibles (emails, transcripts d'appels, notes CRM). Objectif : que l'interviewer entre dans la conversation avec une vision claire de la chronologie objective.

Tu es un analyste sales senior. À partir des artefacts suivants 
[coller : emails, transcripts d'appels, notes CRM, propositions], 
produis un briefing de 1 page pour préparer une interview win/loss.

Le briefing doit contenir :

1. **Chronologie objective** : date par date, les 8 à 12 événements 
   clés du cycle de vente (premier contact, première démo, demande 
   de proposition, etc.)
2. **Acteurs identifiés** : qui était dans la boucle côté prospect, 
   avec leurs rôles et la fréquence d'apparition dans les artefacts
3. **Points de friction visibles** : moments où le ton change, où 
   un délai inhabituel apparaît, où un acteur disparaît
4. **Trois questions chirurgicales à creuser** : à partir des zones 
   d'ombre identifiées, formule trois questions précises à poser 
   en interview qui ne peuvent pas être déduites des artefacts seuls

Ton : factuel, sans interprétation des intentions. Format : markdown 
avec sections claires.

Ce briefing change tout : l'interviewer pose des questions plus précises, le prospect sent que l'interviewer a fait ses devoirs, le taux de matière exploitable monte significativement.

Prompt 2 : transcription enrichie

La transcription brute (Whisper, Otter, Fireflies) est insuffisante. Il faut une transcription enrichie qui :

• Identifie les tours de parole
• Marque les hésitations significatives (silences > 3 secondes)
• Repère les changements de ton (rire, soupir, baisse de voix)
• Annote les esquives détectées

Tu es un assistant de transcription analytique. À partir de 
[transcript brut + audio si disponible], produis une transcription 
enrichie au format suivant :

[PROSPECT — ton normal] : "..."
[PROSPECT — hésitation, silence 5 sec] : "..."  
[INTERVIEWER] : "..."
[PROSPECT — baisse de voix, ton défensif] : "..."

À la fin du document, ajoute une section "Signaux comportementaux 
détectés" listant :
- Les 3 moments où le prospect a marqué la plus longue hésitation
- Les 3 moments où il a changé de ton (vers plus de défense ou 
  vers plus de candeur)
- Les esquives potentielles (généralité, prix, timing, politesse) 
  et la question qui les a déclenchées

Cette transcription enrichie est ensuite la matière première de l'analyse — beaucoup plus riche qu'un script brut.

Prompt 3 : taggage atomique avec taxonomie fermée

Le taggage est l'étape la plus rentable à automatiser. La condition : avoir une taxonomie fermée stable. Sinon l'IA invente des tags incohérents d'un mois sur l'autre et l'agrégation devient impossible.

Tu es un analyste qualitatif. À partir de la transcription 
enrichie suivante [coller], identifie chaque verbatim significatif 
et associe-le aux tags de la taxonomie ci-dessous (entre 1 et 3 
tags par verbatim).

Taxonomie fermée (NE PAS inventer de nouveaux tags) :
- prix
- pricing-model
- tco-long-terme  
- remise-negociee
- demo-technique
- demo-secteur
- reponse-rfp
- delai-reponse
- sponsor-interne
- comite-achat
- roadmap-percue
- integration-stack
- securite-conformite
- reference-sectorielle
- case-study
- commercial-relation
- avant-vente-technique
- onboarding-percu
- support-percu
- concurrence-citation
- timing-marche
- contexte-interne

Format de sortie : tableau markdown avec colonnes 
[Verbatim | Tags | Étape du cycle | Confidence (1-5)]

Le champ "confidence" indique ton niveau de certitude sur 
le taggage : 1 = ambigu, 5 = évident.

Avantage : ce taggage est reproductible, rapide (5 minutes par interview au lieu de 45), et plus cohérent dans le temps que celui d'un humain qui change de jour en jour.

Prompt 4 : clustering cross-deals trimestriel

Une fois les verbatims tagués accumulés sur un trimestre, l'IA produit l'agrégation que personne n'aurait le temps de faire à la main.

Tu es un consultant senior en revenue intelligence. À partir des 
verbatims tagués des 30 dernières interviews win/loss ci-dessous 
[coller le corpus tagué], produis une analyse de patterns au 
format suivant :

1. **Top 5 tags les plus fréquents** dans les losses (avec %)
2. **Top 5 tags les plus fréquents** dans les wins (avec %)
3. **Tags asymétriques** : ceux qui apparaissent surtout dans 
   les losses (ou surtout dans les wins) — ce sont les signaux 
   différenciants
4. **3 clusters d'insights** : regroupements thématiques de 
   plusieurs tags qui forment un pattern (ex : pricing-model + 
   tco-long-terme + remise-negociee → "perception de rigidité 
   pricing")
5. **3 hypothèses testables** : pour chaque cluster, formule une 
   hypothèse opérationnelle au format "Si on modifie [X], alors 
   le taux de [Y] devrait évoluer de [Z]"
6. **Verbatims marquants** : 3 citations brutes qui illustrent 
   les patterns dominants, avec contexte minimal

Important : si un pattern apparaît dans moins de 20 % des 
interviews, ne le retiens pas — c'est du bruit.

Ce prompt produit en 10 minutes ce qui prendrait 2 jours à un analyste. Le rôle de l'humain : valider, contextualiser, arbitrer ce qui mérite d'être priorisé.

Prompt 5 : détection des esquives en temps réel (post-interview)

Pour les interviewers en formation, un prompt utile : faire détecter par l'IA les esquives qui ont été acceptées sans creuser, pour s'améliorer entre deux interviews.

Tu es un coach senior en méthodologie d'interview qualitative. 
À partir de la transcription suivante [coller], identifie :

1. Les **6 esquives type** présentes (généralité, prix, timing, 
   décision collective, politesse, nostalgie)
2. Pour chaque esquive : la question posée par l'interviewer, 
   la réponse esquivée, et la **question de relance qui aurait 
   dû être posée** (formulation précise)
3. Une note globale /10 de "profondeur d'extraction" sur cette 
   interview, avec 3 axes d'amélioration concrets pour la 
   prochaine interview de cet interviewer

Ton : direct, bienveillant, sans complaisance. L'objectif est 
de faire progresser l'interviewer.

Ce prompt utilisé après chaque interview pendant les 10 premières interviews d'un nouvel interviewer fait monter sa qualité d'extraction de manière mesurable.

Prompt 6 : préparation du rapport trimestriel (premier jet)

Le rapport trimestriel reste à finaliser à la main, mais 80 % du premier jet peut être généré.

Tu es un consultant senior. À partir de [coller : l'analyse 
de clustering du trimestre, les actions du trimestre précédent 
avec leur statut, les métriques commerciales du trimestre], 
produis un premier jet de rapport win/loss trimestriel au 
format suivant :

1. **Synthèse exécutive** (1 page max) :
   - 3 patterns dominants du trimestre
   - 3 actions prioritaires recommandées avec propriétaire, 
     deadline, métrique
   - Variation des principaux indicateurs depuis le trimestre 
     précédent

2. **État des actions du trimestre précédent** : statut, 
   métrique, leçons apprises

3. **Détail des 3 patterns** : pour chacun, contexte, fréquence, 
   verbatims illustratifs, hypothèse de cause

4. **Méthodologie** : volume d'interviews, segments couverts, 
   limites de l'échantillon

Ton : analytique, sans jargon, structuré pour une lecture 
en 15 minutes par un VP ou un CEO.

L'humain prend ce premier jet, ajoute la contextualisation stratégique, supprime ce qui n'a pas de sens, et signe.

La sécurité et la confidentialité : trois règles non négociables

L'IA en win/loss touche à des données sensibles (transcripts de prospects, données commerciales internes). Trois règles :

• Anonymisation systématique : remplacer les noms de personnes et d'entreprises par des pseudos avant de soumettre à un modèle externe
• Modèle hébergé ou enterprise tier : pour les transcripts complets, utiliser un déploiement où les données n'entrent pas dans l'entraînement (Azure OpenAI Enterprise, Anthropic via Claude pour Enterprise, modèle interne fine-tuné)
• Consentement explicite du prospect : informer en début d'interview que la conversation sera transcrite et analysée, et obtenir un consentement enregistré

Une fuite d'un transcript de win/loss peut détruire la confiance d'un prospect et tuer un programme.

L'erreur fatale à éviter : automatiser l'extraction de l'insight final

L'IA est excellente pour transcrire, taguer, clusteriser, rédiger un premier jet. Elle est mauvaise pour distinguer ce qui mérite d'être priorisé au regard du contexte stratégique de l'entreprise.

Un insight qui apparaît dans 30 % des interviews peut être prioritaire ou non-prioritaire selon : la roadmap produit, la position concurrentielle, les contraintes de capacité d'exécution, le moment du cycle de vie de l'offre. Aucun modèle ne sait ça mieux que vos VP.

À retenir : laissez l'IA produire la matière agrégée, gardez le jugement final humain. C'est exactement à l'inverse que la plupart des organisations déploient l'IA — et c'est pour ça qu'elles n'en tirent pas d'effet stratégique.