Aller au contenu
Agence Intelligence Artificielle

IA et CRM : qualifier automatiquement ses leads

Publié le 13 novembre 2026 · Rédaction

Une IA branchée sur le CRM qualifie les leads en trois temps : elle lit les demandes et complète les fiches, calcule un score à partir du profil et du comportement, puis déclenche la bonne suite (appel d'un commercial, relance, mise en attente). HubSpot propose un score calculé par l'IA en Marketing Hub Enterprise, Pipedrive des scores à règles et un serveur MCP pour ChatGPT ou Claude. Le RGPD impose d'informer les prospects et de respecter leur opposition au profilage.

Le principe du scoring : classer les leads avant de les appeler

Qualifier un lead revient à répondre à deux questions : cette personne ou cette entreprise correspond-elle à ce que vous vendez, et est-elle prête à acheter maintenant ? La première porte sur le profil (secteur, taille, fonction, zone, outil déjà utilisé). La seconde porte sur le comportement (pages consultées, demande de devis, réponse à un e-mail, échéance annoncée). Un score combine les deux en un nombre ou en une catégorie, pour que l’équipe commerciale appelle d’abord les bons contacts et laisse les autres dans un parcours de relance.

Il existe trois façons de construire ce score, et elles se combinent souvent. La plus ancienne est le score à règles : vous attribuez des points à chaque critère (par exemple, des points en plus pour une fonction de décideur ou une demande de devis, des points en moins pour une adresse de messagerie personnelle) et vous fixez un seuil au-delà duquel le lead passe aux commerciaux. Le score prédictif, ensuite, est calculé par un modèle statistique qui apprend sur vos affaires passées quels profils et quels comportements ont mené à une vente. Il demande un historique suffisant de ventes gagnées et perdues, correctement renseignées dans le CRM. Enfin, les modèles de langage ajoutent une capacité nouvelle : lire du texte libre. Le message laissé dans un formulaire, la réponse à un e-mail, la transcription d’un appel ou la page « à propos » d’un site d’entreprise deviennent des signaux exploitables.

Concrètement, un modèle de langage peut lire « nous cherchons un prestataire pour remplacer notre logiciel de planning avant la rentrée, budget validé par la direction » et en tirer des champs structurés : besoin identifié, échéance proche, budget validé, décideur impliqué. Ce sont ces champs, et non une impression générale, qui alimentent le score. La règle à retenir : le modèle extrait et propose, le calcul du score reste explicite et vérifiable. Un commercial doit pouvoir comprendre pourquoi un lead est mieux noté qu’un autre.

Ce qu’un score ne doit pas faire

Un score sert à ordonner le travail, pas à écarter définitivement des personnes sans regard humain. Gardez une file de contrôle pour les leads mal notés mais qui insistent, et vérifiez régulièrement un échantillon : un critère mal pondéré peut faire disparaître une catégorie entière de clients rentables. Méfiez-vous aussi des critères qui n’ont pas de lien avec l’achat, ou qui reposent sur des données sensibles : ils n’apportent rien et créent un risque juridique.

Enrichir les fiches à partir de sources publiques ou de vos bases

Un lead arrive souvent incomplet : un prénom, une adresse e-mail professionnelle, parfois un nom d’entreprise. L’enrichissement consiste à compléter la fiche avant qu’un commercial ne s’en occupe. Il s’appuie sur trois familles de sources, qui n’ont pas le même statut.

Vos propres bases viennent en premier, et ce sont les plus fiables : historique des échanges, achats passés, tickets de support, factures, données de votre site. Rapprocher un nouveau lead d’un client existant, d’une ancienne opportunité ou d’un compte déjà suivi par un collègue évite des appels maladroits et des doublons. Viennent ensuite les sources publiques sur les entreprises : la base Sirene des entreprises et de leurs établissements, publiée en données ouvertes, donne l’activité déclarée, la tranche d’effectif, l’adresse du siège et les établissements ; le site de l’entreprise donne son offre et ses actualités. Un modèle de langage est utile ici pour résumer le site d’un prospect en deux lignes et en déduire un secteur ou un cas d’usage probable, à condition que la fiche indique d’où vient chaque information. Enfin, les fournisseurs de données (bases de contacts, outils d’enrichissement intégrés aux CRM) ajoutent des coordonnées et des fonctions, avec des règles de licence et de conformité à examiner une par une.

La frontière juridique passe entre les données sur l’entreprise et les données sur les personnes. Le nom, la fonction ou l’adresse e-mail d’un interlocuteur restent des données personnelles, même quand on les trouve en ligne. La CNIL l’a rappelé en décembre 2024 en infligeant une amende de 240 000 € à la société KASPR, qui collectait les coordonnées de personnes ayant pourtant limité leur visibilité sur LinkedIn ; la sanction visait aussi une durée de conservation relancée à chaque mise à jour et une information des personnes jugée tardive. Avant d’activer un outil d’enrichissement, vérifiez donc d’où viennent ses données et s’il respecte les choix de visibilité des personnes. Prévoyez aussi de les informer : quand les données n’ont pas été collectées auprès d’elles, le RGPD impose de le faire dans un délai d’un mois au plus, et au plus tard au premier contact si elles servent à les contacter, en indiquant la source.

Relances et tunnel de vente automatisés

Une fois le lead noté, l’automatisation décide de ce qui se passe ensuite. Les leads chauds sont attribués à un commercial, avec une tâche datée et un résumé de ce que l’on sait déjà. Les leads tièdes entrent dans une séquence de relances : un e-mail qui répond à leur question, un contenu utile quelques jours plus tard, une proposition de rendez-vous. Les leads froids rejoignent une liste de suivi plus lente. Chaque réponse ou action fait évoluer le score et peut faire changer le lead de file.

Les modèles de langage apportent ici deux choses. Ils rédigent un premier jet de message personnalisé à partir de la fiche et de la demande d’origine, que le commercial relit et envoie, ou qui part automatiquement pour les messages les plus simples. Et ils lisent les réponses : « pas avant mars », « envoyez-moi une documentation », « nous avons déjà choisi » ou « retirez-moi de votre liste » déclenchent des suites différentes. La dernière doit stopper toute relance immédiatement et être enregistrée comme opposition.

La rapidité de la première réponse compte. Une étude publiée en 2011 par la Harvard Business Review, sur 1,25 million de leads reçus par 42 entreprises américaines, a montré que celles qui tentaient de joindre le prospect dans l’heure avaient près de sept fois plus de chances de le qualifier, c’est-à-dire d’avoir une vraie conversation avec un décideur, que celles qui attendaient ne serait-ce qu’une heure de plus. Les mêmes auteurs avaient mesuré, dans un audit séparé de 2 241 entreprises, que 37 % seulement répondaient dans l’heure. L’étude est ancienne et porte sur le marché américain, mais elle explique pourquoi l’automatisation commence presque toujours par l’accusé de réception et l’attribution immédiate des leads les mieux notés. Un agent vocal peut d’ailleurs rappeler le prospect dans les minutes qui suivent sa demande : notre guide sur l’agent vocal IA pour les appels sortants en détaille les règles.

Ce qui fait échouer ces dispositifs est connu : des séquences trop longues, des messages qui sonnent faux, des relances envoyées à quelqu’un qui a déjà répondu à un collègue, des leads qui changent de propriétaire sans que personne ne le sache. Fixez un nombre maximal de relances, une règle d’arrêt dès qu’il y a une réponse humaine, et une revue mensuelle des messages envoyés.

Les outils : HubSpot, Pipedrive et la connexion aux modèles de langage

HubSpot et Pipedrive n’offrent pas les mêmes fonctions, ni aux mêmes formules. Le tableau reprend ce que publient leurs pages d’aide, consultées le 13 novembre 2026.

Fonction HubSpot Pipedrive
Score des leads Outil de notation (engagement, adéquation au profil ou les deux) dans Marketing Hub et Sales Hub, formules Professional et Enterprise Scores à règles, sur les affaires seulement, formules Premium et au-dessus
Score calculé par l’IA Score construit par l’IA en Marketing Hub Enterprise, à partir d’au moins 50 contacts dont 25 convertis et 25 non convertis ; probabilité de devenir client sous 90 jours en formules Enterprise Pas de notation des leads par IA dans l’aide ; le résumé d’e-mails par IA (bêta, Premium et au-dessus) donne une note de maturité d’achat de 1 à 10
Enrichissement des fiches Enrichissement des contacts et des entreprises à partir du nom, de l’e-mail professionnel ou du domaine, dès les formules Starter, sans consommer de crédits Enrichissement des organisations en Premium et Ultimate, des contacts en Ultimate, limité aux champs vides
Capture des leads Non comparé ici Module LeadBooster (chatbot, chat en direct, formulaires, prospection), inclus à partir de Premium, en option sur Lite et Growth
Connexion à ChatGPT ou Claude Connecteur pour Claude en lecture depuis juillet 2025, écriture en bêta publique depuis novembre 2025 (contacts, affaires, notes, tâches) Serveur MCP natif depuis le 30 juin 2026, compatible ChatGPT et Claude, sur toutes les formules ; application ChatGPT en synchronisation à sens unique

Ce tableau montre une différence de logique. HubSpot propose un score calculé par son propre modèle, à condition d’avoir l’historique et la formule nécessaires. Pipedrive mise sur des règles explicites et sur l’ouverture de ses données aux assistants IA, ce qui laisse à votre prestataire le soin de construire la partie qui lit les messages et propose un score. Dans les deux cas, le travail le plus utile est souvent fait hors du CRM, par une automatisation qui reçoit chaque nouveau lead, demande à un modèle de langage d’extraire les champs utiles du message, calcule le score selon vos règles et écrit le résultat dans la fiche. Les outils d’automatisation comme n8n, Make ou Zapier se prêtent bien à ce rôle ; notre comparatif Make ou Zapier aide à choisir, et notre page sur les prestataires n8n présente ceux qui les déploient.

Les connecteurs vers ChatGPT et Claude servent surtout aux commerciaux : ils permettent de poser une question en langage courant (« quels prospects de la région lyonnaise n’ont pas été relancés depuis un mois ? ») ou de préparer un rendez-vous à partir de l’historique. Ils ne remplacent pas un score défini et contrôlé par l’entreprise.

Mise en place et cadrage RGPD

Les étapes d’un projet

Le projet commence par un état des lieux du CRM. On regarde comment les leads arrivent (formulaires, salons, appels, achats de fichiers, partenaires), quels champs sont réellement remplis, comment sont marquées les affaires gagnées et perdues et combien de doublons existent. Cette étape décide de tout le reste : un CRM mal renseigné ne produit pas un bon score, quel que soit l’outil.

Viennent ensuite la définition du profil de client idéal avec l’équipe commerciale, l’écriture des premières règles de score, puis les connexions : formulaires vers le CRM, enrichissement, lecture des messages par un modèle de langage, séquences de relance. On fait tourner le dispositif en parallèle pendant quelques semaines, sans changer la façon de travailler des commerciaux, pour comparer le score aux décisions qu’ils auraient prises. Puis on bascule, file par file, en gardant un contrôle humain sur les leads les mieux notés. La durée dépend surtout de l’état de vos données et du nombre de sources à brancher, beaucoup moins de l’outil choisi.

Le cadrage RGPD

La prospection des professionnels par e-mail ne demande pas toujours de consentement préalable. Pour la CNIL, trois conditions doivent être réunies : le message est en lien avec l’activité professionnelle de la personne, celle-ci a été informée de l’origine de ses données et du but du message, et elle peut s’opposer simplement à de nouveaux envois. Vers des particuliers, la règle est le consentement préalable, avec une exception pour les clients existants et des produits ou services similaires.

Le score lui-même est un profilage au sens du RGPD. L’article 21 donne à chacun le droit de s’opposer à tout moment à la prospection, y compris au profilage lié à cette prospection, et cette opposition s’impose sans discussion : la fiche doit alors sortir des scores et des séquences. L’article 22 encadre les décisions fondées exclusivement sur un traitement automatisé qui produisent des effets juridiques ou des effets significatifs similaires. Classer des prospects pour organiser les appels n’a en principe pas cette portée, mais un refus automatique sans regard humain mérite d’être examiné avec votre délégué à la protection des données. Côté AI Act, l’annexe III classe à haut risque la notation de crédit des personnes physiques ; la notation de prospects professionnels n’y est pas citée.

En pratique, le dossier tient en quelques pièces : une fiche au registre des traitements qui décrit le score, ses critères et ses sources ; une mention d’information dans vos formulaires et vos messages ; des contrats de sous-traitance avec le CRM, l’outil d’enrichissement et le fournisseur du modèle de langage, au titre de l’article 28 ; une durée de conservation pour les leads qui ne deviennent pas clients ; une procédure qui propage une opposition dans tous les outils. Excluez des critères toute donnée sensible et tout ce qui n’a pas de lien avec l’achat.

Ce qu’il faut prévoir comme budget

Trois postes s’additionnent. Les licences d’abord : Pipedrive affiche au 13 novembre 2026 des formules de 14 à 79 € par utilisateur et par mois hors taxes en facturation annuelle, et son module LeadBooster à partir de 32,50 € ; chez HubSpot, le score calculé par l’IA demande la formule Enterprise de Marketing Hub. La consommation des modèles de langage ensuite, quand une automatisation lit les messages ou rédige les relances : elle se calcule à partir du nombre de leads traités et des tarifs par million de jetons publiés par les fournisseurs, selon la méthode décrite dans notre guide pour intégrer ChatGPT ou Claude dans un logiciel métier.

La mise en place enfin : audit du CRM, nettoyage des données, règles de score, connexions, essais en parallèle. Les repères publics portent sur l’ensemble des projets d’IA : sur les 205 projets IA chiffrés par La Fabrique du Net au relevé d’octobre 2026, la médiane est de 10 000 €, et la moitié des budgets se situe entre 5 000 et 25 000 €. Notre page sur le budget d’un agent IA détaille les postes d’un devis, celle sur l’agent IA connecté au CRM les droits à accorder, et notre comparatif des agences IA à Paris présente des prestataires capables de mener ce type de projet.

Questions fréquentes

Quelles données faut-il pour qualifier automatiquement des leads ?

Il faut d'abord un historique d'affaires gagnées et perdues, avec des étapes de vente renseignées de la même façon par toute l'équipe : c'est lui qui permet de savoir quels profils achètent. S'y ajoutent les champs de profil (secteur, taille, fonction, zone), les signaux de comportement (pages vues, demandes de devis, réponses aux e-mails) et le texte libre des demandes, qu'un modèle de langage sait transformer en champs structurés. Pour le score calculé par l'IA de HubSpot, il faut au moins 50 contacts, dont 25 convertis et 25 non convertis. La qualité compte plus que le volume : un CRM plein de doublons et d'étapes mal tenues donnera un score trompeur. Aucune donnée sensible n'a sa place dans les critères.

Combien de temps faut-il pour le mettre en place ?

La durée dépend surtout de l'état de votre CRM et du nombre de sources de leads à brancher, beaucoup moins de l'outil. Le projet suit toujours le même ordre : audit et nettoyage des données, définition du profil de client idéal avec les commerciaux, premières règles de score, connexions (formulaires, enrichissement, lecture des messages, relances), puis quelques semaines de fonctionnement en parallèle pour comparer le score aux choix des commerciaux avant de basculer. Le nettoyage du CRM est souvent l'étape la plus longue.

Peut-on enrichir les fiches avec des données trouvées sur LinkedIn ?

Avec beaucoup de prudence. Une donnée personnelle trouvée en ligne reste une donnée personnelle : il faut une base légale, informer la personne en citant la source, et respecter ses choix de visibilité. La CNIL a sanctionné la société KASPR de 240 000 € en décembre 2024 pour avoir collecté les coordonnées de personnes qui avaient limité leur visibilité sur LinkedIn. Elle rappelle aussi de vérifier les conditions d'utilisation des sites, dont certaines interdisent l'aspiration. Les données sur l'entreprise (activité, effectif, établissements) issues de la base Sirene posent beaucoup moins de difficultés.

Le modèle de langage peut-il décider seul de relancer ou d'écarter un prospect ?

Il peut proposer, mais les règles doivent rester écrites et vérifiables. Le bon schéma : le modèle extrait des informations du message et suggère une catégorie, le score est calculé selon vos critères, et l'automatisation applique des règles fixes (relance, attribution, mise en attente). Une réponse du type « retirez-moi de votre liste » doit stopper toute relance et être enregistrée comme opposition. Gardez une file de contrôle humaine pour les leads écartés : un critère mal réglé peut faire disparaître des clients rentables.

Sources

  1. HubSpot, aide : présentation de l'outil de notation des leads (mise à jour du 3 novembre 2026)
  2. HubSpot, aide : construire des scores avec l'IA
  3. HubSpot, aide : probabilité de conclure et notation prédictive (mise à jour du 9 novembre 2026)
  4. HubSpot, aide : enrichissement des données (mise à jour du 10 juillet 2026)
  5. HubSpot, journal des nouveautés développeurs : connecteur HubSpot pour Claude
  6. HubSpot, journal des nouveautés développeurs : écriture dans le CRM depuis Claude
  7. Pipedrive, aide : Pipedrive AI (mise à jour du 3 septembre 2026)
  8. Pipedrive, aide : scores
  9. Pipedrive, aide : module LeadBooster
  10. Pipedrive, aide : fonctions par formule
  11. Pipedrive, tarifs (consultés le 13 novembre 2026)
  12. Pipedrive, lancement d'un serveur MCP natif (30 juin 2026)
  13. Pipedrive, aide : application ChatGPT
  14. Harvard Business Review, « The Short Life of Online Sales Leads » (Oldroyd, McElheran, Elkington, mars 2011)
  15. CNIL, communications par voie électronique aux prospects et clients : quelles règles respecter ? (10 juin 2026)
  16. CNIL, aspiration de données : sanction de 240 000 euros à l'encontre de la société KASPR (19 décembre 2024)
  17. CNIL, la réutilisation des données publiquement accessibles en ligne à des fins de démarchage commercial
  18. Règlement (UE) 2016/679 (RGPD), art. 14, 21 et 22
  19. Règlement (UE) 2016/679 (RGPD), art. 28 et 30
  20. AI Act Service Desk (Commission européenne), annexe III
  21. data.gouv.fr, base Sirene des entreprises et de leurs établissements
  22. La Fabrique du Net, page des agences d'intelligence artificielle (relevé d'octobre 2026)

Un projet en tête ? Décrivez-le

Votre demande