Délivrabilité lemlist avec Claude : diagnostic et volumes
Plafonds lemlist, nombre de boîtes à prévoir, règles de Gmail et prompt de diagnostic : Claude lit votre infrastructure d’envoi sans rien modifier.
Quels agents IA déployer dans une équipe commerciale ? 10 cas d'usage concrets, avec pour chacun le bon niveau d'automatisation.
Un agent IA commercial ne sert pas à « faire de l'IA » dans une équipe. Il sert à prendre en charge un workflow.
Préparer un rendez-vous. Mettre à jour le CRM après un appel. Détecter un deal qui décroche. Qualifier un inbound. Préparer une proposition.
Ce sont ces tâches qu'il faut regarder avant de choisir une technologie.
Après +550 machines commerciales déployées, PulpMeUp a identifié 10 workflows dans lesquels un agent IA peut réellement avoir du sens.
Et dans plusieurs cas, un agent n'est même pas nécessaire : une automatisation bien conçue fera mieux, plus simplement.
Dans les projets déployés, trois questions reviennent systématiquement : cette tâche nécessite-t-elle vraiment de l'IA ? Quelles données l'agent doit-il pouvoir consulter ? Jusqu'où peut-il agir sans validation humaine ?
C'est à partir de ces trois questions que les 10 cas d'usage suivants ont été sélectionnés.
À retenir : le bon point de départ n'est pas « Quel agent IA pouvons-nous installer ? », mais « Quelle tâche commerciale récurrente pouvons-nous faire prendre en charge par une machine ? »
Un agent IA commercial est un système d'intelligence artificielle capable d'utiliser des données et des outils pour accomplir une tâche commerciale selon un objectif et des règles définis.
Contrairement à un simple assistant IA, il ne se limite pas à produire une réponse à une demande humaine. Il peut observer une situation, analyser son contexte, décider d'une action autorisée et l'exécuter dans les outils de l'entreprise.
Par exemple, un agent peut détecter qu'une opportunité n'a reçu aucune activité depuis 14 jours, consulter son historique dans le CRM, identifier le dernier échange avec le prospect, préparer une relance contextualisée et créer une tâche pour le commercial.
Un agent IA n'est donc pas simplement une automatisation avec du ChatGPT dedans.
La différence tient notamment à sa capacité à raisonner sur un contexte et à choisir les actions à effectuer dans un workflow défini.
Ce guide se concentre sur des cas d'usage précis. Pour un panorama plus large des agences françaises de création d'Agents Sales IA, un comparatif dédié détaille les acteurs du marché.
Les cas d'usage les plus intéressants se situent souvent autour d'un même problème : les commerciaux doivent gérer de nombreuses tâches nécessaires à la vente, mais qui ne consistent pas directement à vendre.
Les 10 principaux cas d'usage sont : compte-rendu de rendez-vous, préparation de rendez-vous, détection des risques pipeline, coaching commercial, rédaction de propositions, veille des signaux d'affaires, qualification inbound, recherche de comptes, suivi commercial et intelligence commerciale.
Avant de détailler chacun, voici une vue d'ensemble de ce qui relève réellement d'un agent, d'une automatisation, ou des deux selon le contexte.
Voici les 10 agents à regarder en priorité.
Transformer automatiquement un rendez-vous commercial en informations exploitables dans le CRM.
Après un rendez-vous, l'agent peut :
Transcription du rendez-vous, fiche entreprise, contact, opportunité, historique CRM, étapes du cycle de vente, éventuellement emails précédents.
L'agent peut par exemple renseigner les informations du deal, créer une tâche de suivi, associer une prochaine action à une date, générer un compte-rendu, préparer un email de suivi.
Le compte-rendu n'est pas seulement une tâche administrative.
C'est aussi le moment où une partie de l'information commerciale doit passer du rendez-vous vers le CRM.
Si cette étape est mal faite, le CRM perd rapidement sa valeur.
Lorsque le workflow nécessite d'interpréter le contenu du rendez-vous et de déclencher plusieurs actions différentes.
Si le besoin se limite à « à la fin du rendez-vous, créer une tâche de suivi », une automatisation suffit.
Préparer le commercial avant un rendez-vous en rassemblant les informations utiles au même endroit.
Avant la réunion, l'agent peut analyser l'historique CRM, les échanges précédents, les anciennes opportunités, les contacts associés, les informations disponibles sur l'entreprise, les actualités récentes, les interactions commerciales passées.
Il peut ensuite produire un brief commercial contextualisé.
Entreprise : XXX. Opportunité : 45 000 €. Dernier échange : il y a 8 jours. Besoin identifié : XXX. Objection précédente : XXX. Décideur identifié : XXX. Point à clarifier : XXX. Prochaine étape recommandée : XXX.
Le commercial n'a plus besoin de reconstituer manuellement l'historique avant chaque rendez-vous.
L'agent transforme plusieurs sources d'information en contexte directement exploitable.
Lorsque la préparation nécessite de croiser plusieurs sources et de déterminer quelles informations sont réellement pertinentes pour le rendez-vous.
Si le besoin se limite à afficher systématiquement certains champs CRM avant une réunion.
Identifier les opportunités qui présentent un risque de blocage ou d'oubli, sans prendre en charge l'action de suivi elle-même.
Les deals sans activité récente, les propositions envoyées sans réponse, les opportunités bloquées dans une étape, les échéances dépassées, les prospects sans prochaine action, les opportunités dont le comportement ne correspond plus au scénario prévu.
Pour chaque opportunité détectée, il peut analyser l'historique, identifier la nature du risque, et prioriser les dossiers selon leur urgence, avant de transmettre le signal au commercial.
Le commercial ne découvre pas son pipeline uniquement lorsqu'il ouvre son CRM. Il reçoit une information exploitable : « 3 opportunités présentent un risque de blocage aujourd'hui. »
Lorsque l'identification des deals prioritaires nécessite d'interpréter plusieurs signaux.
Si la règle est simplement « si aucune activité depuis 14 jours, créer une tâche », une automatisation reste plus simple, plus prévisible et plus facile à maintenir.
Analyser les interactions commerciales pour fournir un retour exploitable au commercial ou au manager.
Appels, rendez-vous, emails, objections, questions posées, argumentaire, structure des échanges, qualité des prochaines étapes.
Les objections récurrentes, les questions laissées sans réponse, les moments où le commercial aurait pu approfondir, les engagements pris, les écarts par rapport au process commercial, les axes de progression.
Après plusieurs rendez-vous, l'agent peut détecter qu'une objection revient régulièrement : « le prospect considère le délai de déploiement comme trop long. » Le manager peut alors travailler ce point avec l'équipe.
Le compte-rendu répond à « que s'est-il passé ? ». Le coaching cherche plutôt à répondre à « qu'est-ce que le commercial peut améliorer ? »
Lorsque l'analyse nécessite de comparer le contenu des échanges avec des règles, méthodes ou objectifs commerciaux.
L'agent doit renforcer le travail du manager, pas prétendre le remplacer.
Le feedback final et les décisions managériales restent humains.
Préparer une première version d'une proposition commerciale à partir du contexte du deal.
CRM, compte-rendu de rendez-vous, besoins exprimés, emails, offres existantes, propositions précédentes, documentation produit, éléments tarifaires autorisés.
Structure de proposition, reformulation du besoin, présentation de la solution, synthèse des enjeux, prochaines étapes, éléments de personnalisation.
Prix, remise exceptionnelle, engagement contractuel, promesse commerciale, conditions particulières. Ces éléments doivent rester soumis à validation humaine.
Lorsque la proposition nécessite de récupérer des informations depuis plusieurs sources et de les adapter au contexte du deal.
Si toutes les propositions suivent exactement le même modèle avec uniquement quelques champs variables.
Détecter des événements pouvant créer une opportunité commerciale.
Un signal peut être par exemple un recrutement important, une levée de fonds, un changement de direction, le lancement d'une activité, l'ouverture d'un nouveau marché, une acquisition, un changement d'organisation, une évolution stratégique visible publiquement.
Il ne se contente pas de collecter des informations. Il peut surveiller des sources, identifier les changements pertinents, associer le signal à une entreprise, vérifier si elle appartient au marché cible, enrichir le contexte, transmettre le signal au commercial, suggérer une action.
Une entreprise de l'ICP recrute soudainement plusieurs commerciaux. L'événement peut devenir un signal commercial. L'agent peut alors faire remonter : « signal détecté, forte accélération du recrutement commercial. » Le commercial décide ensuite s'il existe réellement une opportunité.
Lorsque la surveillance porte sur plusieurs sources et nécessite une qualification du signal.
Pour un signal simple et structuré déjà disponible dans une source fiable.
Qualifier les demandes entrantes avant qu'elles arrivent dans le pipeline commercial.
Analyser le formulaire, récupérer des informations sur l'entreprise, poser des questions complémentaires, identifier le besoin, qualifier le prospect, enrichir la fiche CRM, attribuer un niveau de priorité, router le lead vers la bonne équipe, proposer un rendez-vous lorsque les critères sont réunis.
Un prospect remplit un formulaire avec : « nous sommes 40 personnes et cherchons à structurer notre prospection. » L'agent peut vérifier les informations disponibles, poser les questions manquantes et compléter le CRM avant qu'un commercial ne prenne le relais.
Le commercial reçoit un lead avec du contexte, plutôt qu'une simple notification : « nouveau formulaire reçu. »
Lorsque la qualification nécessite une conversation ou une analyse contextualisée.
Pour une qualification strictement déterminée par des critères simples, par exemple 50 employés, secteur X, pays Y, alors assigner à l'équipe commerciale.
Transformer une liste de comptes cibles en comptes commerciaux contextualisés et exploitables.
Rechercher des entreprises correspondant à l'ICP, analyser leur contexte, identifier certains signaux, enrichir les comptes, rechercher les interlocuteurs pertinents, structurer les informations.
Le sujet n'est pas de créer un « commercial autonome » qui envoie des milliers de messages sans supervision, une promesse que l'on retrouve dans une partie du discours autour de la prospection automatisée par IA.
La valeur se situe davantage dans la capacité à transformer une cible large en comptes contextualisés et exploitables, ce qui rejoint la logique développée dans VictorIA.
Lorsque la recherche implique plusieurs étapes, sources et critères de sélection.
Lorsque les règles de sélection sont simples et déterministes.
S'assurer que les actions de suivi ne dépendent pas uniquement de la mémoire du commercial.
Un rendez-vous terminé sans suivi, une proposition envoyée sans réponse, un engagement arrivé à échéance, un prospect qui n'a pas répondu, une prochaine étape non planifiée.
Il peut ensuite préparer un email, proposer une relance, créer une tâche, mettre à jour le CRM, signaler le dossier au commercial.
Les deux sujets sont proches mais ne répondent pas exactement à la même question. La détection des risques pipeline identifie une situation qui mérite attention ; l'exécution du suivi commercial transforme cette situation identifiée en action concrète.
Cette distinction reste importante lorsqu'on construit l'architecture du workflow : le premier agent signale, le second agit.
Si le scénario est parfaitement connu, par exemple proposition envoyée, attendre 5 jours, envoyer le template de relance, l'automatisation reste souvent suffisante.
Donner aux commerciaux et aux managers une vision contextualisée des comptes et des opportunités qui méritent leur attention.
Là où la détection des risques pipeline se concentre sur les deals individuels et l'exécution du suivi sur l'action à mener, l'intelligence commerciale porte sur une vision d'ensemble du portefeuille de comptes.
C'est le cas d'usage le plus transversal de cette liste.
CRM, historique des interactions, emails, rendez-vous, opportunités, actualités, signaux externes, données comptes, activité commerciale.
L'agent peut alors identifier les comptes qui évoluent, les opportunités à risque, les deals qui stagnent, les comptes à potentiel, les changements importants, les opportunités de cross-sell ou d'expansion.
Au lieu de demander au commercial de parcourir 80 comptes, l'agent peut produire une synthèse : « 5 comptes ont changé de situation cette semaine. 2 opportunités présentent un risque de blocage. 3 comptes pourraient justifier une nouvelle approche. »
Le commercial reste décisionnaire. L'agent réduit surtout le travail de surveillance et d'analyse.
C'est probablement la question la plus importante avant de déployer un agent IA commercial, parce qu'un agent n'est pas automatiquement supérieur à une automatisation.
Le déclencheur est parfaitement connu, la condition est déterministe, l'action est toujours la même, aucune interprétation du contexte n'est nécessaire.
Exemple : deal gagné, créer une tâche onboarding, notifier l'équipe. Pas besoin d'agent.
Le contexte doit être analysé, plusieurs sources doivent être croisées, plusieurs actions sont possibles, la situation varie d'un dossier à l'autre, une décision intermédiaire doit être prise selon des règles définies.
Exemple : analyser les opportunités sans activité récente, identifier celles qui présentent un risque réel, consulter leur historique et préparer une action adaptée. Ici, un agent peut avoir du sens.
Si le workflow peut s'écrire sous la forme « si X, alors Y », mieux vaut commencer par une automatisation, éventuellement avec l'aide d'une agence spécialisée en automatisation commerciale. Si le système doit comprendre le contexte pour déterminer quoi faire ensuite, un agent IA peut être pertinent.
Le point de départ n'est pas la technologie, mais le travail commercial.
Une tâche fréquente, chronophage, suffisamment structurée, réalisée par plusieurs personnes, dont le résultat est relativement prévisible.
Décrire précisément : déclencheur, données, analyse, décision, action, validation.
Cela permet rapidement de voir si le besoin porte sur une automatisation, un assistant IA, un agent IA, ou simplement un meilleur process.
Un agent ne peut pas travailler correctement sur un contexte auquel il n'a pas accès.
Identifier notamment : CRM, emails, calendrier, outils de prospection, données comptes, appels, documents commerciaux.
Éviter de commencer par « fais tout automatiquement ». Définir précisément les actions autorisées.
Par exemple, autorisé : créer une tâche, compléter certains champs CRM, préparer un email, signaler une opportunité.
Validation humaine : envoyer un email sensible, modifier une étape importante du deal, changer une donnée stratégique, proposer une remise, prendre un engagement commercial.
Le temps économisé est une métrique intéressante, mais ce n'est pas la seule.
Selon le workflow, mesurer aussi : taux de complétion CRM, délai de suivi, nombre d'opportunités sans prochaine action, taux de relance, délai de qualification, conversion, vitesse du pipeline, qualité des données.
Toutes les tâches ne nécessitent pas de l'IA agentique. Parfois, le meilleur système est une règle d'automatisation de trois lignes.
Un LLM qui rédige un email à la demande est un assistant. Cela ne signifie pas qu'il est capable de gérer seul un workflow commercial.
Un agent ne corrige pas automatiquement un process commercial mal conçu. Il risque au contraire d'en accélérer les défauts.
Mieux vaut commencer par des actions réversibles et contrôlables, par exemple analyser, proposer, faire valider, exécuter. Puis augmenter progressivement l'autonomie lorsque le workflow est fiable.
Un agent qui travaille avec des données incomplètes risque de produire des analyses moins fiables. La qualité des données reste donc un prérequis, tout comme l'adoption réelle du CRM par les équipes commerciales.
Un commercial qui gagne 30 minutes mais oublie toujours de relancer ses opportunités n'a pas forcément amélioré son efficacité commerciale. Le bon indicateur dépend du workflow.
Un déploiement peut être structuré en cinq étapes.
Éviter de chercher à transformer toute l'équipe commerciale en une semaine. Choisir un workflow suffisamment fréquent et suffisamment coûteux pour justifier le projet.
Exemple : « après chaque rendez-vous, le CRM doit être correctement renseigné et la prochaine action identifiée. »
C'est beaucoup plus exploitable que « utiliser l'IA pour les commerciaux ».
Identifier les outils dans lesquels l'information existe déjà. Le CRM doit notamment rester au cœur du système lorsque les actions concernent le pipeline commercial, une logique d'architecture au cœur du Sales Ops.
Préciser ce qu'il peut lire, ce qu'il peut modifier, ce qu'il peut créer, ce qu'il peut envoyer, ce qui nécessite une validation humaine.
Commencer avec un périmètre limité. Observer les erreurs. Ajuster les règles. Puis élargir progressivement le périmètre.
Un agent IA n'a pas nécessairement besoin de devenir un nouvel outil dans la stack.
Dans beaucoup de cas, il reste plus pertinent de l'intégrer aux outils que les commerciaux utilisent déjà.
Le CRM peut rester le point central : CRM, données, agent IA, analyse, action, CRM.
Cela permet notamment d'éviter de créer un nouveau silo de données ou une interface supplémentaire que les commerciaux devront apprendre à utiliser.
Chez PulpMeUp, c'est précisément cette logique qui est privilégiée : déployer les agents dans les outils et les workflows existants, plutôt que d'ajouter une couche technologique supplémentaire sans revoir le process.
Le but n'est pas d'ajouter une IA de plus à la stack. Le but est de retirer une tâche récurrente du workflow commercial.
Cette question compte davantage que celle de la technologie utilisée.
Le niveau d'autonomie à accorder dépend directement du risque associé à chaque action, pas d'une préférence générale pour plus ou moins d'automatisation.
Actions réversibles, comme préparer un brouillon ou signaler une opportunité, peuvent généralement être exécutées sans validation préalable.
Actions engageant une donnée sensible ou une décision commerciale (remise, engagement contractuel, promesse client) doivent rester soumises à une validation humaine, quel que soit le niveau de maturité du système.
Envoi de messages externes mérite une vigilance particulière : un message mal calibré part immédiatement chez un prospect ou un client, sans possibilité de correction après coup.
La bonne pratique reste de commencer par un périmètre restreint et des actions contrôlables, puis d'élargir progressivement à mesure que le système prouve sa fiabilité sur des cas réels.
Les agents IA commerciaux ne doivent pas être considérés comme une nouvelle catégorie d'outils à empiler dans une stack.
Leur intérêt apparaît lorsqu'ils permettent de prendre en charge un workflow commercial suffisamment complexe pour dépasser une simple automatisation, tout en restant suffisamment encadré pour que l'entreprise garde le contrôle.
Les 10 cas d'usage présentés ici couvrent différentes étapes du cycle commercial : préparer un rendez-vous, exploiter son compte-rendu, détecter les risques pipeline, améliorer les pratiques commerciales, préparer une proposition, détecter des signaux, qualifier les demandes entrantes, rechercher des comptes, exécuter le suivi commercial, analyser l'intelligence commerciale.
Il n'est toutefois pas nécessaire de déployer les dix.
Un agent IA n'est pas un objectif. C'est une architecture de travail.
Si une tâche peut être supprimée par une automatisation simple, mieux vaut l'automatiser. Si elle nécessite de comprendre du contexte, de croiser plusieurs sources et d'adapter l'action, un agent peut prendre le relais. Et si elle nécessite du jugement commercial, la décision doit rester humaine.
C'est cette frontière qu'il faut définir avant de déployer quoi que ce soit.
Chez PulpMeUp, le point de départ n'est donc jamais de chercher quel agent installer, mais d'identifier le travail commercial qui mérite réellement d'être pris en charge.
Des conseils concrets, des méthodes éprouvées et des agents IA pour faire performer vos équipes commerciales.

Plafonds lemlist, nombre de boîtes à prévoir, règles de Gmail et prompt de diagnostic : Claude lit votre infrastructure d’envoi sans rien modifier.

Une grille écrite, un prompt à copier, un test sur 20 prospects et le calcul des crédits lemlist économisés pour qualifier une liste avec Claude.

Comment connecter le MCP lemlist à Claude, quelles actions autoriser, ce que coûtent les crédits et comment démarrer en lecture seule.