Scoring des leads par IA : données, tests et contrôle humain

Un score de lead aide à organiser le suivi commercial. Il ne prouve pas qu’une personne achètera. Avant d’utiliser l’IA, définissez ce que vous cherchez à prévoir : qualification, rendez-vous ou vente dans une période donnée. Comparez ensuite le modèle à une règle simple que votre équipe comprend.

1. Distinguer adéquation et intérêt

L’adéquation concerne le profil : besoin, secteur, offre pertinente et capacité à travailler ensemble. L’intérêt concerne des signaux observés : demande explicite, consultation ou réponse. Une visite répétée n’est pas une intention d’achat confirmée ; un bon profil peut aussi ne montrer aucun signal numérique.

Documentez les critères et leurs limites avec les commerciaux. Évitez d’écarter automatiquement une demande parce qu’elle ne ressemble pas aux clients historiques. Vérifiez ce que les données représentent et les personnes qu’elles couvrent mal.

2. Préparer un historique utilisable

Corrigez les doublons, les statuts incomplets et les dates. Définissez une période d’observation et le résultat cible. Une vente tardive peut être classée à tort comme un échec si la fenêtre est trop courte. Les prérequis varient selon le logiciel et le modèle ; vérifiez les versions et la documentation du fournisseur.

La fuite d’information (ou fuite temporelle) se produit lorsque le modèle reçoit une information indisponible au moment de la décision. N’utilisez pas, par exemple, le statut final d’une vente pour prédire son issue avant le contact. Testez sur une période ultérieure à celle utilisée pour construire le modèle et examinez les changements dans le marché.

3. Évaluer les erreurs utiles au métier

Choisissez un seuil compatible avec la capacité de suivi. Pour une cible de vente, un faux positif est un prospect classé prioritaire qui n’achète pas dans la période définie ; un faux négatif est une vente que le score n’avait pas priorisée. Ces définitions changent lorsque la cible est un rendez-vous ou une qualification.

Examinez la précision des priorités, les occasions manquées et les différences entre segments. Comparez avec la règle simple et le travail sans score. Un indicateur global peut masquer des erreurs pour une langue ou une nouvelle offre. Consignez les limites avant de décider du déploiement.

4. Définir les actions dans le CRM

Un score peut préparer une tâche ou suggérer une priorité. Indiquez qui la prend en charge, sous quel délai et comment corriger un statut. Prévoyez le cas des données absentes, d’un calcul en retard et d’une synchronisation qui échoue. Les équipes doivent pouvoir vérifier et contester une recommandation.

Ne placez pas automatiquement tout prospect dans une séquence d’email. Vérifiez les règles de contact, les préférences et les oppositions. Un faible score n’autorise pas une conservation indéfinie des données. Définissez une durée et une procédure de suppression adaptées.

5. Encadrer les données personnelles

Le PFPDT rappelle que la LPD s’applique aux données personnelles traitées par l’IA. Vérifiez les finalités, les informations fournies aux personnes, les accès, les contrats, la conservation et les transferts. La présence d’un humain ne suffit pas à garantir la conformité.

Une analyse d’impact est requise lorsque le traitement peut entraîner un risque élevé selon les conditions de la LPD. Évaluez également si des règles relatives aux décisions individuelles automatisées ou d’autres marchés s’appliquent à votre usage. Ne confondez pas toute recommandation commerciale avec une décision soumise aux mêmes obligations.

6. Organiser le pilote et le suivi 2027

Exemple fictif : une PME teste un score en observation, sans modifier l’attribution des demandes. Chaque semaine, l’équipe compare les priorités proposées aux qualifications constatées et note les erreurs. Elle contrôle aussi les demandes en français et en anglais. Ce test peut conduire à modifier les critères ou à abandonner le modèle ; il ne promet pas de ventes supplémentaires.

Pour 2027, attribuez un propriétaire au modèle et fixez les revues, les seuils d’arrêt et la procédure de retour à une règle simple. Reliez le suivi à des résultats définis plutôt qu’au nombre de scores calculés.

Complétez cette préparation avec notre guide des chatbots pour les demandes commerciales.