Lorsque des entreprises choisissent un framework de qualification (ça peut être banque ou médic), elles construisent ensuite l’onglet CRM des propriétés qui sont associées. Mais si vous regardez votre CRM, vous allez voir que la plupart des propriétés ne sont pas remplies correctement. La solution : une etraction automatique ave cun Agent IA. En plus ça rendra vos commerciaux plus efficaces.
Les champs vides coûtent cher
Vous avez lu le rapport State of Sales de Salesforce ? Si vous vivez dans une grotte (c’est un rapport qui a buzzé de partout) : les commerciaux passent environ 28 % de leur temps à vendre. Dis autrement, 70% à faire de l’administratif.
Chaque champ de qualification ajouté au CRM aggrave ce ratio ou reste vide. De toute façon les deux sont mauvais : dans le premier cas vous payez, dans le second vos prévisions ne sont pas fiables. Rien de plus insupprotables que des rapports à côté de la plaque.
L’archi
Appel (Meet, Teams, téléphone)
→ Enregistrement + transcription (Fireflies, Modjo, Claap, tl;dv, Gong)
→ Webhook « transcription prête » vers n8n
→ Récupération du deal HubSpot associé (par participants ou par calendrier)
→ Extraction LLM (prompt structuré, JSON)
→ Fusion avec les valeurs existantes (ne pas écraser sans raison)
→ Écriture dans HubSpot + note de synthèse sur le deal
→ Notification au commercial : « voici ce que j'ai compris, corrigez si besoin »Aujourd’hui outils de transcription ont presque tous leur résumé IA. Il est utile mais souvent mal foutu donc inutilisable (et pas paramétrable, ça ne le comprendrait jamais)
Le prompt pour extraire les données.
Ne vous cassez pas trop la tête, le prompt engieering n’est plus trop important avec les derniers modèles de LLM Trois exigences quand même : un cadre , un format JSON strict, et une obligation de citer.
Analyses cette transcription de RDV commercial.
Extrais les éléments MEDDIC ci-dessous. Pour chaque élément :
- "valeur" : ce que tu as compris, en une ou deux phrases
- "citation" : le passage exact de la transcription qui le justifie
- "confiance" : 0.0 à 1.0
- Si l'élément n'a pas été abordé, mets "valeur": null et "confiance": 0.
Réponds uniquement avec ce JSON :
{
"metrics": {...}, "economic_buyer": {...}, "decision_criteria": {...},
"decision_process": {...}, "pain": {...}, "champion": {...},
"prochaines_etapes": [{"action": "...", "responsable": "...", "date": "AAAA-MM-JJ" ou null}],
"objections": ["..."],
"resume_3_lignes": "..."
}
Ne déduis rien qui ne soit pas dit. Une absence d'information est
une information.
Contexte : deal "{{ nom_deal }}", étape "{{ etape }}", entreprise
"{{ entreprise }}", participants : {{ participants }}.
Transcription : <<<{{ transcription }}>>>La citation obligatoire est un des meilleur garde-fou que je connaisse contre un modèle qui « complète » ce qu’il n’a pas entendu. Elle permet aussi au commercial de vérifier en cinq secondes.
Modèle : un modèle de milieu de gamme (Claude Sonnet 5 par exemple) donne d’excellents résultats sur une transcription de 45 minutes. Les modèles les plus petits confondent parfois le champion et l’economic buyer sur les appels à plusieurs participants, donc hyper chiant à gérer derrière. Vous pouvez aussi tester vos modèles sont d’anciens transcript où les données ont été extraites manuellement pour voir quel modèle fonctionne bien pour vous.
Les règles de fusion dans votre CRM
C’est la partie que tout le monde sous-estime. Imaginez par exemple un deal qui a plusieurs appels. Le troisième appel ne doit pas effacer ce que le premier avait établi, mais il doit pouvoir le corriger. C’est une partie plus complexe a géré qu’il n’y parait car ça demande un arbitrage.
Certaines de mes règles :
- Si le champ est vide dans le CRM, écrire la valeur extraite dès que la confiance atteint 0,7.
- Si le champ est rempli mais que la valeur extraite diffère avec une confiance d’au moins 0,8, écrire la nouvelle valeur et conserver l’ancienne dans l’historique de la propriété (HubSpot le fait nativement), avec une note « mis à jour depuis l’appel du [date] ».
- Si le champ a été rempli par un humain il y a moins de 7 jours, ne pas écraser et proposer la valeur dans la notification.
- Si la confiance est inférieure à 0,7, mentionner « non abordé » dans la synthèse.
Et une propriété calculée score_qualification (0 à 6 pour MEDDIC, un point par critère renseigné avec confiance ≥ 0,7) qui devient une colonne essentielle de votre revue de pipe.
Quel notif envoyer au commercial (pour éviter qu’il ne vous déteste)
message Slack :
📞 Appel avec Acme (Renouvellement 2027) analysé
Pain : temps de traitement des factures ×3 depuis la fusion (conf. 0,9)
Economic buyer : Sophie Martin, DAF (conf. 0,85), nouveau
Champion : Marc Durand, contrôleur de gestion, soutien moyen
Décision : comité fin octobre, critères = intégration Sage, délai
Non abordé : metrics chiffrées
Prochaines étapes : envoyer le cas client industrie (vous, 12/09)
[Valider tout] [Corriger] [Ouvrir le deal]Il valide ou corrige en un clic. Le taux de correction que j’observe après le premier mois est inférieur à 10 %. Et surtout : les champs sont remplis, sur 100 % des deals avec un appel enregistré. Vous pouvez entrainer votre agent IA sur les corrections manuelle, ça permet d’améliorer votre système de la manière la plus robuste !
Le pipeline
Avant : « Tu le sens comment ? ». Après : un tableau trié par score_qualification, avec pour chaque deal les critères manquants.
La revue ne porte plus sur un ressenti, mais sur du concret.
C’est aussi ce qui rend possible l’analyse automatique des raisons de perte : quand un deal est perdu, vous savez quels critères n’ont jamais été validés !
Maintenant les conseils chiants : attention au Consentement à l’enregistrement. En France, informer les participants au début de l’appel est obligatoire. Les outils de transcription affichent en général un message ; dites-le aussi à voix haute. Attention aussi aux Données personnelles dans les transcriptions. Choisissez un outil et un fournisseur de modèle avec hébergement UE si votre politique l’exige (pour info Modjo et Claap sont français je n’ai pas d’affiliation avec eux :))
Bon allé un petit résumé
| Composant | Recommandation |
|---|---|
| Cadre | par exemple MEDDIC pour les cycles complexes, BANT pour les cycles courts |
| Transcription | Fireflies, Modjo, Claap, tl;dv, Gong ; webhook vers n8n |
| Extraction | LLM de milieu de gamme, JSON strict, citation obligatoire |
| Fusion CRM | Règles de confiance, historique conservé, humain prioritaire 7 j |
| Validation | Notification Slack, un clic pour valider ou corriger |
| Résultat | score_qualification, revue de pipeline sur des faits |
Vous voulez que je mette ça en place chez vous ? Ca demainde une petite semaine et c’est que du bonheur :)