- Alors que la plupart des équipes marketing en restent à l’usage d’un outil unique centré sur ChatGPT, SafetyCulture a déployé des agents IA sur l’ensemble du GTM et obtenu une meilleure qualité des leads, davantage d’opportunités et une adoption accrue des fonctionnalités
- Dans un contexte d’explosion des inscriptions gratuites à l’échelle mondiale, l’entreprise a résolu les problèmes d’enrichissement des informations de lead et de priorisation en construisant un workflow d’enrichissement de leads parallèle fondé sur l’IA, atteignant un niveau de complétude des données proche de 100 %
- L’IA a aussi été configurée pour réaliser un outbound personnalisé (BDR automatisé), en combinant les données de plusieurs systèmes comme Salesforce, HubSpot et ZoomInfo afin de générer des messages personnalisés et d’augmenter fortement la prise de rendez-vous et la création d’opportunités
- L’entreprise a créé un moteur de cycle de vie IA qui combine les schémas d’usage client, le secteur d’activité et les comportements de clients similaires pour générer des recommandations de fonctionnalités personnalisées et plus de 2 500 variantes de messages, ce qui a fait progresser l’adoption des fonctionnalités
- En créant une couche applicative personnalisée basée sur l’IA qui unifie plusieurs systèmes GTM, les équipes sales et marketing peuvent voir sur un seul écran toutes les informations et la « prochaine action », ce qui a augmenté de plus de 25 % la conversion lead → opportunité
- Les agents IA sont passés d’un mode d’exécution automatique initial à un modèle hybride avec copilote, et chaque nouveau workflow démarre en mode copilote avant d’augmenter progressivement son niveau d’automatisation
Agent IA 1 : enrichissement de leads basé sur l’IA
- Les clients de SafetyCulture proviennent du monde entier, dans des secteurs comme la fabrication, le retail, le transport, la construction ou l’exploitation minière, qui ne correspondent pas aux acheteurs technologiques traditionnels
- L’usage d’une seule plateforme d’enrichissement de leads entraînait soit un manque de données, soit des données vite obsolètes
- L’entreprise a donc construit un système d’enrichissement de leads par IA indépendant de la plateforme, interrogeant 5 fournisseurs de données en parallèle (une structure proche de Clay, mais développée en interne)
- Le workflow suit une approche en cascade, appelant les fournisseurs de manière séquentielle, sélectionnant pour chaque attribut la valeur la plus fiable, puis un agent distinct vérifie les faits à partir d’informations publiques comme les sites web et LinkedIn
- Pour les leads américains, le système interroge l’API OSHA afin de trouver les infractions récentes et d’obtenir un contexte sur les risques en milieu de travail, puis envoie un résumé dans Slack avec les informations du lead
- Résultat : le taux d’enrichissement est devenu proche de 100 %, et les équipes GTM comme l’AI BDR peuvent identifier beaucoup plus vite les « bons clients » et réagir immédiatement
- La qualité des données est la base de tous les workflows IA, et une personnalisation précise devient possible quand plusieurs sources de données sont recoupées
Agent IA 2 : AI Auto BDR
- Avec 500 000 inscriptions annuelles d’équipes gratuites, le volume dépassait ce que l’équipe commerciale pouvait absorber, et il devenait difficile de classer les clients à fort potentiel (high-fit)
- Auparavant, les commerciaux examinaient et recherchaient les leads un par un pour rédiger des messages personnalisés, mais ce processus était lent et faisait baisser le taux de réponse
- L’entreprise a mis en place un BDR entrant IA capable de gérer l’outreach personnalisé, les réponses fondées sur une base de connaissances et la prise de rendez-vous
- En combinant les données de Salesforce, HubSpot, ZoomInfo et Redshift, le système analyse la situation du lead, son intention et son historique d’usage, sélectionne deux cas clients pertinents, génère un e-mail personnalisé puis l’inscrit automatiquement dans une séquence Gong Engage
- Au final, le taux de prise de rendez-vous a triplé et les opportunités commerciales ont doublé ; pour réduire les coûts, les appels IA sont appliqués en priorité aux leads les plus prometteurs
- L’AI BDR n’a pas pour but de remplacer les commerciaux, mais de préchauffer les leads afin que les AE puissent se concentrer rapidement sur les deals
- Le support multilingue est particulièrement efficace en Europe et en Amérique latine
Agent IA 3 : personnalisation du cycle de vie par IA
- Les clients utilisent SafetyCulture pour des raisons très variées — audits, check-lists, inspections, réglementations de sécurité, etc. — si bien qu’un message unique ne pouvait pas satisfaire tout le monde
- Pour y répondre, l’entreprise a construit un moteur de recommandation basé sur l’IA qui suggère des fonctionnalités associées à partir du comportement de clients similaires
- Dans Databricks, elle a utilisé le RAG et des workflows d’agents pour analyser en profondeur les données d’usage produit et générer automatiquement plus de 300 cas d’usage clés
- En fonction du cas d’usage, le système associe à chaque client un ensemble de fonctionnalités pertinentes, génère avec l’IA plus de 2 500 versions de copy, puis les stocke dans Redshift et Braze pour les utiliser dans des messages personnalisés
- Grâce à cela, le taux d’adoption des nouvelles fonctionnalités a augmenté de 10 %, entraînant un usage plus approfondi du produit et une meilleure rétention
- Les appels IA en temps réel provoquant parfois de la latence, le système est exécuté périodiquement puis mis en cache pour que la plateforme marketing puisse s’y référer immédiatement
- Des modèles plus petits se sont souvent révélés plus pratiques que les grands LLM en matière d’équilibre entre vitesse et coût
Agent IA 4 : couche applicative IA personnalisée pour le marketing et les ventes
- Chaque système GTM disposait de ses propres fonctions IA, mais elles n’étaient pas conçues pour le produit SafetyCulture, et les équipes sales et marketing devaient passer d’un outil à l’autre pour recouper les informations
- L’entreprise a utilisé Retool pour construire une couche applicative centrée sur l’IA permettant de voir sur un seul écran toutes les informations client, ainsi que la “prochaine action”
- Deux écrans sont proposés : une console lead et un visualiseur d’entreprise
- Cette couche rassemble en un seul endroit les données lead/client, les informations d’enrichissement IA, les historiques d’appels Gong, les données d’usage Amplitude, les prévisions de churn et le routage des leads
- En analysant les historiques d’appels Gong, elle produit automatiquement des résumés SPICED et les enregistre dans Salesforce, ce qui automatise le handoff BDR → AE
- Les AE peuvent aussi utiliser la fonction « poser n’importe quelle question sur le compte » pour vérifier instantanément l’usage, le nombre d’équipes payantes ou l’approche d’outreach recommandée
- Le taux de conversion lead → opportunité commerciale a augmenté de plus de 25 %, et grâce à l’automatisation, les BDR gagnent environ 30 minutes par opportunité
- Plus de 80 % de l’équipe utilise activement cette couche applicative, et les gains de productivité se traduisent par des réponses plus rapides et un meilleur engagement client
- L’IA n’a pas besoin d’être en pilote automatique pour avoir de la valeur : une forme copilote peut déjà être extrêmement puissante
Enseignements d’une organisation GTM orientée IA
- SafetyCulture commence par identifier, le long du parcours client, où l’IA est la plus efficace parmi l’identification, la personnalisation, la prédiction, le conseil et l’automatisation
- Au départ centrée sur l’automatisation, l’entreprise adopte désormais un modèle mixte combinant copilote et automatisation, et tous les nouveaux workflows démarrent en mode copilote
- Les points les plus difficiles ont été l’accès aux données, la sécurité, le maintien du ton de la marque, ainsi que les problèmes d’hallucination des premières IA
- Comme de nombreux clients dépendent de SafetyCulture sur le terrain, la fiabilité et la cohérence sont essentielles
- L’entreprise souligne que les résultats ne viennent pas du simple déploiement de ChatGPT dans les équipes, mais du fait de repérer où l’IA peut s’insérer dans les workflows réels
Aucun commentaire pour le moment.