Deux ans après l’arrivée massive de l’IA générative dans le quotidien commercial, on peut commencer à trier. Certains usages sont devenus du standard tacite, un commercial qui n’utilise pas l’IA sur ces cas-là perd du temps. D’autres relèvent du gadget marketé, qui dégrade la relation client sans rien améliorer du cycle. Voici la grille que j’utilise, use case par use case.
La règle d’arbitrage : où l’IA augmente vs où elle remplace
Une seule question départage ce qui marche de ce qui ne marche pas. L’IA augmente-t-elle un travail de réflexion que le commercial fait déjà, ou prétend-elle le remplacer ?
Quand elle augmente, synthèse plus rapide, brief plus complet, reformulation plus claire, elle libère du temps pour la partie irremplaçable du métier : l’écoute, la lecture des signaux, la construction de la relation. Quand elle remplace, cold emails générés à volume, scoring automatique sans qualification humaine, démos par chatbot, elle économise du temps sur la mauvaise étape : celle où la qualité de l’humain fait la différence entre signer et ne pas signer.
Usage 1 : mise en forme de mails et synthèses, validé
C’est le cas d’usage le plus rentable, et le moins glamour. Après un rendez-vous, dicter ses notes brutes à un modèle qui produit un compte rendu propre, structuré par engagements, prochaines actions et signaux d’achat, gain net de 20 à 30 minutes par RDV. Multiplié par 10 RDV par semaine, on récupère une demi-journée.
Idem pour les mails de relance : un prompt bien calibré transforme trois lignes de notes en un mail tenu, qui reprend le langage du client et liste les prochaines étapes. Le travail du commercial reste de valider chaque sortie, le modèle hallucine parfois un engagement qui n’a pas été pris, ce qui détruit la confiance si on l’envoie en l’état.
Usage 2 : brief avant rendez-vous, validé sous condition
Demander à un modèle de synthétiser ce qu’on sait d’une entreprise (site, communiqués, LinkedIn du contact) avant un premier RDV gagne 15 à 20 minutes. À condition de ne pas confondre brief et hypothèse de besoin. Le modèle donne du contexte, il ne déduit pas le besoin réel, c’est le RDV qui le révèle, en posant les bonnes questions au bon décideur.
L’erreur classique : arriver en RDV avec une hypothèse de besoin générée par l’IA et la pousser comme un fait. Le prospect le sent immédiatement. Le brief sert à poser de meilleures questions de découverte, pas à raccourcir la découverte.
Usage 3 : analyse de transcription d’appels, validé
Un appel d’1 heure produit 8 000 mots de transcription. Un modèle bien instruit en extrait en 30 secondes : les objections soulevées, les signaux d’achat, les engagements pris, les prochaines actions, le ton général. Ce qui prend 25 minutes à un commercial après chaque appel.
Pour le pilotage d’équipe, l’analyse systématique des appels révèle des patterns invisibles à l’œil nu, vocabulaire récurrent des bons closers, objections qui prédisent un closing, durée de découverte qui corrèle avec le taux de transformation. C’est la frontière entre l’IA d’aide individuelle et l’IA de pilotage commercial.
Usage 4 : prospection à volume, gadget
Générer 500 cold emails personnalisés en une heure. L’argument commercial des outils de prospection à froid automatisée. Sur le terrain, le résultat est l’inverse de la promesse : le taux de réponse s’effondre parce que les prospects identifient immédiatement le pattern.
Le problème n’est pas l’IA, c’est l’idée que la prospection se résume à du volume. Un cold email qui fonctionne demande 5 à 10 minutes de recherche manuelle sur le prospect, un angle réel, une signature humaine reconnaissable. L’IA peut aider à formuler plus clairement un angle qu’on a trouvé. Elle ne peut pas trouver l’angle à votre place.
Usage 5 : scoring automatique des leads, partiellement validé
Le scoring par IA marche quand l’historique de données est suffisant (généralement >2 ans de pipeline propre) et qu’il sert à trier, pas à décider. Concrètement : prioriser les 20 % de leads les plus prometteurs dans la file de traitement de l’équipe de prospection. Pas remplacer la qualification humaine.
Le piège fréquent : confondre score élevé et lead chaud. Un score IA reflète ce qui ressemble aux dossiers signés du passé, pas ce qui va signer maintenant. Sur un nouveau segment, un nouveau produit, ou un cycle économique changeant, le modèle se trompe systématiquement. Et personne ne vérifie.
Usage 6 : démos par chatbot, gadget
Faire qualifier les visiteurs d’un site par un chatbot IA qui dialogue à la place du commercial. La promesse : qualifier 24/7 sans humain. La réalité : les prospects sérieux détectent immédiatement qu’ils parlent à une machine et ferment l’onglet. Les prospects qui acceptent de jouer le jeu ne sont jamais les acheteurs.
Un chatbot peut prendre un rendez-vous efficacement (calendrier, créneaux, données minimales). Il ne peut pas qualifier, la qualification demande de lire entre les lignes, de relancer sur un demi-aveu, de sentir la maturité du dossier. Aucune de ces compétences n’est dans l’état de l’art 2026.
Ce qui change dans la posture du commercial
L’IA générative ne transforme pas le métier. Elle déplace le temps libre dans le métier. Là où on passait 30 % du temps en post-RDV (notes, mails, synthèses), on passe désormais 15 %. Les 15 % récupérés doivent aller dans la partie irremplaçable, préparation des RDV difficiles, écoute des appels critiques, suivi humain des sponsors clés.
Le commercial qui en 2026 ne fait pas ce déplacement utilise mal l’IA. Il continue à passer son temps au mauvais endroit, juste plus vite.
Pour la méthode de construction d’un ICP basé data, voir Construire un ICP avec la data. Pour les configurations CRM qui rendent l’IA réellement utile, voir CRM avancé : ce que 90 % des configurations ratent. Pour le pilotage data au-delà du CRM, voir Power BI pour le commercial : 3 dashboards qui changent vraiment la vie.