Un directeur commercial veut équiper son équipe avec l’IA. Son attente est légitime : repérer les bons comptes, préparer des approches pertinentes, passer moins de temps à renseigner les outils. Reste à savoir ce qu’il achète vraiment. Une rédaction plus rapide, davantage de rendez-vous, une marge plus haute ? Les études publiées obligent à séparer ces 3 résultats, et cette séparation donne une méthode pour investir sans se raconter d’histoire.
La question nous a été posée par le directeur commercial d’une entreprise industrielle à cycle de vente long, lors d’un échange exploratoire. Nous la reprenons anonymisée ; elle ne décrit pas une mission réalisée par ELMARQ.
Une IA qui fait gagner du temps de préparation ne prouve rien sur les ventes tant que personne n’a mesuré ce que devient ce temps.
Partir de ce qui bloque l’équipe, pas de l’outil
Les commerciaux connaissent leur métier. Préparer un compte leur demande pourtant de retrouver une actualité, de comprendre une organisation, de vérifier un interlocuteur, puis de rapprocher tout cela de l’offre. Après l’appel, il faut consigner l’échange dans le CRM, le logiciel où l’équipe suit ses comptes et ses opportunités, puis préparer la suite. Une partie de ce travail peut être assistée.
Les difficultés peuvent aussi se trouver ailleurs : une offre peu différenciée, des références insuffisantes, un marché trop large, des commerciaux qui ne savent pas dire pourquoi un prospect changerait de fournisseur. Accélérer l’écriture des messages ne règle aucun de ces problèmes ; elle peut même les diffuser plus vite.
La première décision consiste donc à choisir le point précis du parcours commercial que l’on veut améliorer, assez étroit pour être observé : préparer un compte, vérifier un signal, obtenir un échange utile, fiabiliser la transmission entre marketing et vente. « Mettre de l’IA dans la prospection » reste trop vaste pour décider d’un budget.
Ce que les recherches établissent, et ce qu’elles mesurent vraiment
Les études les plus solides sur l’IA au travail ne comptent pas la même chose. L’une compte des problèmes résolus, une autre des heures de courriel, une autre des rendez-vous. Avant de retenir un pourcentage, il faut savoir de quoi il est le pourcentage.
Les 15 % du support client portent sur des problèmes résolus par heure ; les appliquer au chiffre d’affaires d’une équipe de vente n’aurait aucun fondement. Et puisque les débutants y gagnent bien plus que les confirmés, une équipe mixte ne doit pas attendre le même effet de chacun.
Dans l’expérience des 66 entreprises, menée de septembre 2023 à octobre 2024, le gain de 2 heures est mesuré dans la seconde moitié des 6 mois d’essai, et les auteurs écrivent ne disposer d’aucune mesure de productivité ni d’évaluation de performance. Elle est organisée par Microsoft sur son propre outil, et 3 des 4 auteurs appartiennent à Microsoft Research.
Du temps libéré qui n’est réaffecté à rien reste un confort, pas une capacité commerciale.
Côté ventes, l’expérience de commerce en ligne montre surtout un écart. Selon les auteurs, l’effet dépend de ce que l’IA apporte par rapport aux pratiques déjà en place ; autrement dit, l’outil rapporte surtout là où la pratique existante laisse de la marge de progrès. Aucun rendement universel n’en découle, encore moins un coefficient applicable à la vente industrielle.
L’enquête de McKinsey, enfin, a été menée en ligne du 4 mai au 8 juin 2026, avec des réponses pondérées selon le poids de chaque pays dans le PIB mondial ; 36 % des répondants travaillent dans une organisation de plus de 1 milliard de dollars de chiffre d’affaires. Ses 2 pourcentages portent sur des objets différents, le travail de la personne et le résultat de son entreprise : leur écart, quasi inchangé depuis 2025 selon McKinsey, décrit un décalage déclaré, pas un rendement.
L’étude la plus proche de la vente, lue jusqu’au tableau
L’étude de Management Science est la seule de ce corpus à observer des commerciaux. Sebastian Krakowski et ses coauteurs ont suivi 72 commerciaux qui visitent des médecins prescripteurs, dans les filiales danoise, finlandaise, norvégienne et suédoise d’un groupe pharmaceutique. Un système d’aide à la décision, qui classait les clients à viser et proposait des messages, a été introduit au 2e trimestre 2014. Les 12 unités commerciales ont été tirées au sort entre 3 groupes : un groupe témoin resté sur l’ancien outil, un groupe équipé du système avec des règles identiques pour tous, et un groupe équipé du même système avec des règles adaptées au style de travail de chacun, mesuré par un questionnaire. Les règles ajustées étaient au nombre de 4 : la procédure de travail, l’autorité pour s’écarter des recommandations, la formation et les incitations.
Ce que mesure le tableau 5 de l’article est précis. Sur les rendez-vous, l’indicateur principal, le groupe aux règles adaptées gagne 0,84 rendez-vous par jour par rapport au groupe témoin, soit plus de 40 % pour un commercial moyen, et le groupe aux règles standard en perd 0,46, soit environ 20 %. Les 2 écarts sont nettement significatifs. Sur les unités vendues, l’indicateur secondaire, le groupe standard recule d’environ 20 %, de façon significative. Le groupe adapté progresse d’environ 16 %, mais cette hausse n’est pas statistiquement significative dans l’analyse principale. Elle ne le devient, selon le texte, que dans des analyses complémentaires : au niveau des unités plutôt que des personnes, ou avec un décalage d’1 an.
Les auteurs posent eux-mêmes 2 limites. Leur étude manque de puissance statistique : avec 12 unités, elle n’avait que 37 % et 61 % de chances de détecter les effets cherchés. Ils mettent en garde contre une interprétation causale. Le système étudié, enfin, date de 2014 et précède l’IA générative.
Le communiqué de la Stockholm School of Economics du 26 juin 2025 annonce 40 % de rendez-vous en plus et 16 % de ventes en plus avec la version adaptée. Ces chiffres figurent bien dans l’article, mais le communiqué ne dit pas que la hausse des ventes n’est pas significative dans l’analyse principale. Le résumé des auteurs, qui parle d’une amélioration significative de la « performance commerciale », ne contredit pas le tableau : dans l’étude, cette performance se mesure d’abord en rendez-vous.
Notre lecture tient en 2 points. L’effet le plus solide est négatif : le même outil, implanté avec des règles qui ne conviennent pas aux personnes, fait reculer les rendez-vous et les ventes. Et, selon les observations et les entretiens rapportés par les auteurs, la procédure de travail pèse le plus : l’essentiel du recul du groupe standard vient des commerciaux qui ont besoin de structure, à qui l’on a confié un outil puissant avec une procédure laissée libre.
Le déploiement compte autant que l’outil
Pour un directeur commercial, l’implication est concrète : un abonnement et une formation aux requêtes ne font pas un déploiement. Il faut décider qui vérifie les informations, qui valide les approches, ce que l’équipe a le droit de refuser et comment les erreurs remontent. Un commercial expérimenté doit pouvoir écarter une suggestion sans justifier chaque écart. Un nouvel arrivant doit comprendre pourquoi une approche tient, au lieu d’apprendre à recopier un texte. Le manager regarde la qualité des décisions autant que la fréquence d’usage.
L’IA rend aussi visibles des désaccords anciens. Marketing et vente ne définissent pas toujours un bon prospect de la même manière ; ce désaccord se tranche avant d’être inscrit dans un score automatique, sinon le score le fige.
Ce que les preuves ne permettent pas de promettre
Aucune des études retenues ne mesure l’effet de l’IA générative sur la prospection B2B d’une PME ou d’une ETI industrielle française. Aucune ne permet de chiffrer un gain de marge. Aucune ne montre qu’un agent autonome sait conduire seul une négociation industrielle, ses engagements et ses exceptions. La seule qui observe des commerciaux ne démontre pas, dans son analyse principale, une hausse des ventes. Et nous ne disposons d’aucun cas client ELMARQ mesuré sur ce sujet : la grille, le pilote et le calcul qui suivent sont une méthode, pas des résultats observés.
La conclusion raisonnable n’est pas d’attendre une preuve universelle. Elle est de tester une amélioration locale, sans lui attribuer trop tôt un résultat économique.
Où l’assistance devient utile dans le parcours commercial
Dans la vente industrielle, le meilleur résultat d’une préparation peut être un compte écarté tôt. Un prospect qui ne satisfait pas une exigence technique, une zone de service ou une capacité de livraison n’a pas vocation à entrer dans une séquence de relances plus insistante.
À l’inverse, un signal, c’est-à-dire un fait public qui laisse penser qu’un compte bouge (un investissement, un recrutement, un appel d’offres), n’établit pas une intention d’achat. L’annonce d’un investissement justifie une question ; elle ne prouve ni un budget pour votre solution, ni l’ouverture d’une consultation, ni une insatisfaction envers le fournisseur en place. La personnalisation utile respecte cette frontière : elle explique pourquoi l’échange pourrait avoir du sens, sans prétendre connaître le problème du destinataire.
Assistant, automatisation, agent : 3 décisions différentes
Un assistant produit une proposition quand on la lui demande. Un processus automatisé enchaîne des étapes définies à l’avance : récupérer une information, préparer une synthèse, demander une validation. Un agent choisit lui-même des actions et des outils pour atteindre un objectif ; ce dernier niveau exige de borner ses permissions, ses coûts et les décisions qu’il ne prend jamais seul.
Les connexions au CRM existent déjà dans les logiciels du marché. Microsoft documente depuis le 1er mai 2025 la possibilité, depuis le récapitulatif d’une réunion Teams, de modifier le résumé généré avant de l’enregistrer dans Dynamics 365 ou Salesforce. Sa documentation Dynamics 365 Sales, mise à jour le 1er octobre 2026, décrit aussi des synthèses de comptes et des recherches sur les prospects avec leurs références, lorsque les fonctions concernées sont activées par l’administrateur. Ce sont des capacités décrites par le fournisseur, lues dans sa documentation le 20 octobre 2026 et non testées dans l’environnement du lecteur. Elles ne démontrent aucun retour sur investissement.
Pour un premier arbitrage, 3 questions suffisent. L’outil déjà payé couvre-t-il le besoin ? Une connexion limitée règle-t-elle le problème ? Existe-t-il une contrainte métier assez spécifique pour justifier un développement, dont le coût inclut aussi la maintenance, les contrôles et les changements de modèles ?
Notre recommandation pour un premier pilote : une validation humaine avant toute prise de contact et toute modification sensible du CRM. C’est un choix de maîtrise du projet ; ce n’est pas une obligation juridique générale attachée à chaque usage de l’IA.
Dans les cycles longs, protéger le jugement commercial
Une vente complexe mobilise plusieurs fonctions et plusieurs calendriers. Le prescripteur technique peut être convaincu quand les achats attendent un renouvellement de contrat. Un contact peut être intéressé sans être autorisé à transmettre un cahier des charges. Un appel d’offres peut rendre certaines prises de contact inappropriées. L’équipe suit alors des étapes intermédiaires : besoin confirmé, périmètre technique compris, processus d’achat identifié, prochaine action acceptée. Elles renseignent davantage qu’un nombre de messages ou un score d’intérêt opaque.
Lorsqu’un dossier industriel est soumis à des exigences de confidentialité ou de sécurité, il faut vérifier les engagements du dossier concerné : clauses de confidentialité, exigences contractuelles, règles éventuelles de sécurité. Les documents d’un client ne se copient pas dans un service externe au seul motif que la réponse s’écrirait plus vite.
L’avantage recherché est souvent la préparation : arriver à l’échange avec les bonnes questions, garder trace des engagements pris, transmettre un dossier fiable à la personne qui poursuivra la vente. Il devient un avantage concurrentiel lorsqu’il est difficile à copier : connaissance métier, preuves autorisées, historique tenu, discipline d’équipe. Disposer du même modèle que ses concurrents n’en procure aucun.
Qui décide quoi : un pilote qui peut conduire à arrêter
À la sortie, 3 cas. Si l’équipe va plus vite mais passe son temps à corriger, il faut ajuster. Si la préparation est meilleure et que les commerciaux s’en servent, le suivi continue. Si les informations sources ne permettent pas un résultat fiable, on arrête ou on change d’usage.
Avec peu de comptes, les écarts de conversion resteront incertains : il faut présenter les effectifs et les taux ensemble. L’étude pharmaceutique en donne la mesure : avec 72 commerciaux suivis pendant plus de 5 ans, ses auteurs jugent encore leur effet sur les ventes fragile. Une progression observée pendant les 6 semaines d’essai ne prouve donc pas que l’IA a provoqué les ventes.
Le calcul qui évite de compter 2 fois le même gain
L’exemple montre un point que l’on manque souvent : même valorisées à 9 000 €, les heures libérées ne couvrent pas les 13 800 € décaissés. Le projet ne se justifie que par des contrats additionnels ou des dépenses réellement supprimées. Sans l’un ni l’autre, il apporte du confort ou une meilleure préparation, et il faut le présenter comme tel. Et si les heures libérées produisent effectivement des contrats, additionner leur valeur conventionnelle à la marge de ces mêmes contrats reviendrait à compter le gain 2 fois.
Un pilote d’IA commerciale se juge sur des contrats réellement additionnels et sur leur marge, jamais sur la valeur théorique des heures gagnées.
Les données publiques ne sont pas des données libres de toute condition
Pour la prospection par courriel auprès de professionnels, la CNIL rappelle, dans sa fiche du 10 juin 2026, que la sollicitation peut reposer sur l’intérêt légitime, c’est-à-dire sans consentement préalable, lorsqu’elle est en rapport avec la profession de la personne. La personne doit être informée et pouvoir s’opposer simplement ; chaque message identifie l’émetteur et permet de refuser les envois suivants. Quand les données sont acquises auprès de tiers, il faut s’assurer que la personne a été informée de cet usage et peut s’y opposer : acheter une liste ne dispense pas de cette vérification. Les adresses génériques d’une entreprise, du type contact@, ne sont pas soumises à ces règles.
Le 16 octobre 2026, la CNIL a précisé le cadre de la reconstitution d’adresses professionnelles à partir d’informations en ligne. L’intérêt légitime n’y est possible que sous conditions, et la CNIL écrit que la règle n’est « ni automatique ni systématique » ; elle demande de tenir compte de la visibilité des données, des attentes des personnes et des garanties. L’accessibilité des données sur Internet « ne dispense pas » de respecter les règles. Nous avons détaillé ce que cette fiche change pour la prospection BtoB : un outil qui « devine » des adresses ne fournit aucune base légale avec ses résultats. Et un fichier de prospection vaut ce que valent ses preuves de collecte, comme le montrent les décisions récentes des autorités sur les fichiers clients cédés.
Les principes de finalité, de minimisation, de conservation limitée et de sécurité s’appliquent à toutes les données personnelles mobilisées par l’outil. Le cadre dépend du canal et du pays : les règles du courriel professionnel ne valent ni pour les particuliers, ni pour le téléphone, ni pour les autres marchés.
À ces obligations s’ajoutent nos recommandations opérationnelles : conserver la source et la date de chaque fait ; séparer les informations confirmées des hypothèses ; limiter les permissions ; tracer les validations ; prévoir la correction et le retour arrière. Avant de connecter un CRM, lire les conditions du fournisseur sur la conservation, les transferts, les sous-traitants et la réutilisation des contenus. Et ne jamais donner à un agent un accès général pour éviter de définir son besoin réel.
Ce que nous surveillerons
Le premier test est public, sous condition. Si McKinsey publie en 2027 une nouvelle édition qui pose une question comparable, une part d’entreprises déclarant un effet sur leur résultat d’exploitation encore proche de 37 % confirmerait le décalage décrit ici ; une hausse nette le contredirait. Si la question change, la comparaison ne vaudra pas. Le second test est privé : dans toute entreprise qui lance un pilote, le seuil de contrats réellement additionnels fixé avant l’essai sera atteint ou ne le sera pas, et cela se lira dans les comptes à maturité du cycle.
Avant de choisir un logiciel, il faut savoir quel problème commercial il doit résoudre, avec quelles données, et quel résultat justifierait de continuer.
Ce qu’un dirigeant peut décider maintenant
Il n’est pas nécessaire d’équiper toute l’équipe ni d’automatiser tout le parcours. Il faut un problème coûteux, une source de données exploitable, un résultat observable, et une personne chargée de vérifier que l’amélioration existe. Si l’offre est floue, travailler d’abord le positionnement et les preuves. Si les comptes sont mal choisis, reprendre les critères. Si la préparation absorbe l’effort commercial, tester l’assistance. Si le suivi se perd entre plusieurs outils, traiter la continuité du parcours.
Pour ELMARQ, le sujet relie 3 décisions : ce que l’entreprise promet, la manière dont ses équipes le portent, et la mesure de ce qui se passe réellement sur le terrain. Un échange avec Marc Lugand-Sacy et Bénédicte Dubois peut partir de votre situation : quels comptes vous cherchez à gagner, où l’équipe perd du temps, quelles données sont disponibles et quel résultat justifierait un premier essai. Son objet est de préciser le problème et les conditions d’un pilote, sans présumer d’un gain ni d’un besoin d’automatiser.
Analyse co-écrite par Marc Lugand-Sacy et Bénédicte Dubois. Recherche arrêtée au 20 octobre 2026 : revue ciblée, non systématique, de publications académiques (Quarterly Journal of Economics, Management Science, prépublications arXiv), d’une enquête déclarative (McKinsey), de la documentation d’un fournisseur (Microsoft) et de fiches de la CNIL. L’étude de Management Science a été lue en texte intégral, dans sa version en accès libre ; ses annexes en ligne ne l’ont pas été. Les fonctions logicielles sont vérifiées dans la documentation, pas par un essai. La grille, le protocole et le calcul sont une méthode, jamais des résultats observés chez un client.
