Quand vous recevez cinq demandes par semaine, vous les lisez toutes. À cinquante, vous en traitez les plus récentes et vous laissez les autres refroidir. La qualification automatisée sert à ce que l'ordre de traitement ne dépende plus de l'heure d'arrivée.
Définition
La qualification de leads automatisée consiste à analyser les demandes entrantes pour estimer lesquelles correspondent le mieux à votre offre, et dans quel ordre les traiter.
Techniquement, c'est une tâche de classement : le modèle lit le message et le contexte disponible, puis attribue une catégorie ou une note selon des critères que vous avez définis.
Le point décisif est que ces critères doivent venir de vous, pas du modèle. « Qualifie ce lead » donne des résultats inutilisables. « Ce lead correspond-il à une entreprise de moins de vingt personnes, dans ces trois secteurs, avec un besoin sous trois mois » donne un classement exploitable.
Ce qu'on peut demander à un modèle
| Fiable | Peu fiable |
|---|---|
| Repérer le secteur d'activité | Estimer un budget non mentionné |
| Détecter une urgence exprimée | Deviner une intention d'achat |
| Identifier le besoin décrit | Prédire une probabilité de signature |
| Écarter les demandes hors sujet | Noter la qualité d'un prospect |
| Résumer en trois lignes | Décider seul de ne pas répondre |
La colonne de gauche repose sur ce qui est écrit dans le message. La colonne de droite demande de deviner ce qui n'y est pas, et c'est exactement là qu'un modèle produit des réponses plausibles et fausses.
Comment procéder
Écrivez vos critères en français d'abord. Si vous ne savez pas dire ce qui fait un bon prospect, aucun système ne le saura à votre place.
Faites trier, ne faites pas éliminer. Un système qui range en trois piles est utile. Un système qui supprime des demandes vous fera perdre des clients sans que vous le sachiez jamais.
Demandez la justification. Un classement accompagné de sa raison en une phrase se vérifie en trois secondes et rend les erreurs visibles immédiatement.
Testez sur l'historique. Rejouez le système sur les demandes des six derniers mois et comparez à ce qui a réellement signé. C'est le seul moyen honnête de savoir s'il trie bien.
Surveillez les biais. Un modèle a tendance à sous-évaluer les messages mal rédigés, qui ne sont pas les moins sérieux. Voir Biais algorithmique.
Si votre système attribue une note à des personnes physiques ou décide seul d'écarter une demande, vous entrez sur un terrain encadré. Le tri assisté ne pose pas de problème, la décision automatisée qui affecte quelqu'un en pose un.
Questions fréquentes
Faut-il une note ou des catégories ?
Des catégories, presque toujours. Une note sur cent donne une fausse impression de précision, alors que trois piles reflètent honnêtement ce que le système est capable de distinguer.
Peut-on enrichir automatiquement avant de trier ?
Oui, et cela améliore nettement le tri : consulter le site de l'entreprise donne bien plus de contexte que le formulaire seul. Attention simplement au temps et au coût que cet enrichissement ajoute à chaque demande.
Que faire des demandes classées en bas ?
Une réponse, toujours, même standard. Une demande mal classée qui reste sans réponse est un client perdu, et vous n'aurez jamais le retour d'information qui vous aurait permis de corriger.
Comment monter ce tri concrètement ?
En branchant le formulaire sur un Workflow qui enrichit, classe et notifie, avec la justification affichée. Notre formation n8n construit cette chaîne complète, test sur historique compris.