Leads triés par l’IA : ce qu’il faut mesurer avant de crier victoire

Plus 6 % de conversions par appel sur le tableau de bord, moins 17 % de rendement sur les prospects qui comptent. Les deux chiffres décrivent la même entreprise, les mêmes commerciaux, la même semaine. Ils sortent d’une étude déposée sur arXiv par six chercheurs en économie et en gestion des opérations, qui ont observé ce qui se passe quand un agent vocal IA prend en charge les prospects tièdes et laisse les meilleurs aux humains. C’est le cas d’école de l’IA agentique en entreprise : une machine qui fait le travail ingrat, des humains recentrés sur ce qui rapporte. Le résultat n’est pas celui qu’on affiche en réunion.

La qualification des leads par l’IA, vue du tableau de bord

Le terrain est un courtier d’assurance santé en ligne, en Chine, qui passe de l’ordre de dix mille appels sortants par jour. Quand un visiteur abandonne son achat, le système crée un prospect et le classe selon l’endroit où il s’est arrêté : arrivé à la page de paiement sans payer, c’est un prospect chaud ; parti plus tôt, c’est un prospect froid. Avant l’IA, les deux tombaient dans une file unique, triée par fraîcheur, et chaque commercial recevait le suivant quand il se libérait, sans pouvoir choisir.

Depuis fin août 2024, l’agent vocal reçoit les prospects froids par défaut, et les commerciaux gardent la priorité sur les chauds. Rien d’autre ne change : ni la rémunération, à la commission sur les contrats signés, ni les scripts, ni les objectifs. Les chercheurs comparent plus de 560 000 fiches d’appels sur les soixante jours avant et les soixante jours après la bascule.

Le tableau de bord de la direction raconte une réussite. Les conversions par tranche de cinquante appels humains progressent de 6,3 %. Mais ce ratio monte parce que son dénominateur fond : le nombre d’appels passés par les humains a baissé de 31,8 %, puisque l’IA a absorbé les froids. Sur les prospects chauds, ceux que la machine a précisément réservés aux commerciaux, le taux de conversion passe de 4,4 % à 3,7 %. Par journée, les humains signent une cinquantaine de contrats de moins sur ces prospects, et l’agent vocal en récupère un peu moins de huit sur les froids. Un rapport de sept à un, invisible dans la moyenne.

Les meilleurs prospects arrivent le matin, et c’est là que ça se gâte

Le détail par heure de la journée explique le paradoxe. L’effet du tri se concentre en début de poste : sur les trois premiers appels d’un commercial, la probabilité de tomber sur un prospect chaud augmente de 23,4 points. Elle augmente encore de 15,7 points sur les trois suivants, puis s’estompe, et disparaît en fin de journée, quand la file est épuisée.

Sur les trois premiers appels de la journée, après le tri par l'IA

+23,4 pts

de chances que le prospect soit chaud

−4,5 pts

de conversion sur ces appels

+8,1 pts

de prospects remis dans la file

−13 %

de durée d’appel

C’est exactement là, sur ces premiers appels mieux garnis, que la conversion recule : moins 4,5 points sur les trois premiers, moins 2,5 sur les trois suivants, puis plus rien, et même un léger rebond sur les derniers appels de la journée. Deux comportements accompagnent la baisse. Les commerciaux remettent leurs premiers prospects dans la file commune, pour qu’un collègue les reprenne, 8,1 points plus souvent qu’avant. Et quand ils gardent le prospect, ils raccourcissent l’échange : la durée des trois premiers appels baisse d’environ 13 %.

Ce n’est pas de la paresse, c’est un calcul

L’explication des auteurs tient en une idée empruntée à la théorie de la recherche séquentielle, celle qui décrit comment on cherche un emploi ou un appartement. Quand on s’attend à ce que la prochaine opportunité soit bonne, on accepte moins facilement de s’acharner sur celle qu’on a en main. Un prospect chaud difficile, qui demande vingt minutes d’objections, valait la peine quand le suivant risquait d’être froid. Il vaut moins la peine quand le suivant a toutes les chances d’être chaud aussi. L’objectif de chacun n’a pas changé ; ce qui a changé, c’est ce que chacun attend de l’appel d’après.

Deux détails du dispositif rendent ce calcul rationnel. Remettre un prospect dans la file n’est ni pénalisé ni mesuré, alors qu’un refus explicite du client bloque toute relance pendant six mois. Et le prospect remis en file n’est pas perdu pour l’entreprise : repris par un collègue, il finit par signer dans 5,7 % des cas, contre 3 % pour les prospects gardés. Les chercheurs précisent que cet écart tient surtout aux différences entre commerciaux, pas à un tri délibéré à l’intérieur de chaque portefeuille. Ils gardent comme hypothèse, non démontrée, que les prospects faciles sont conservés et les prospects laborieux rendus.

Ce que l’étude établit, en revanche, c’est la proportion. Dans leur modèle, l’amélioration mécanique du tri rapporte 0,6 % de rendement sur les prospects chauds ; la réponse des commerciaux en coûte 17,6 %. Trente fois plus. Les auteurs ne concluent pas qu’il faut rendre de mauvais prospects aux humains, ni débrancher l’IA. Ils concluent qu’un routage automatique est une intervention sur le comportement des équipes, et qu’il doit être mesuré comme tel.

Les trois chiffres qui ne mentent pas

Un outil de qualification des leads, que ce soit un agent vocal, un score sur formulaire ou un tri dans le CRM, se vend sur un indicateur : le taux de conversion des prospects transmis aux commerciaux. L’étude montre qu’il peut monter pendant que la vente recule. Trois relevés le corrigent, et ils existent déjà dans la plupart des outils de téléphonie et des CRM.

Le premier sépare ce que le tri a changé de ce que les commerciaux ont changé. Si la conversion baisse sur les prospects de même catégorie, à heure égale, ce n’est pas la qualité des prospects qui est en cause. Le deuxième mesure ce qui passe entre les mailles : un prospect rendu à la file, réaffecté, repoussé au lendemain. Le troisième regarde l’effort réel : une durée d’appel qui raccourcit sur les meilleurs prospects est le signal le plus précoce, bien avant que le chiffre d’affaires ne bouge.

Ces trois chiffres se lisent avant et après la mise en service, sur au moins un mois de chaque côté, et par position dans la journée. Une moyenne journalière mélange la baisse du matin et le rebond du soir, et ne montre rien.

Le réglage qui ne coûte rien

La bonne nouvelle de l’étude, c’est que le levier n’est pas dans le modèle d’IA. Il est dans le rythme. Les chercheurs ont simulé une distribution des prospects chauds étalée sur la journée, au lieu de les concentrer sur les premiers appels, à qualité de file égale : leur modèle prévoit environ 13,5 % de conversions par appel en plus. Étaler la sortie des bons prospects, garder quelques prospects ordinaires dans le flux des humains, compter les remises en file dans l’évaluation : trois réglages de routage, aucun n’exige de toucher à l’IA.

Une réserve s’impose : une entreprise, un pays, un secteur à forte rémunération variable. Le mécanisme suppose que les commerciaux puisent dans une file commune, qu’ils peuvent rendre un prospect sans frais et qu’ils en attendent d’autres dans la journée. Beaucoup d’équipes de vente fonctionnent ainsi, pas toutes.

Le fil à tirer rejoint ce que nous écrivions sur les tâches que l’on confie à un agent : on ne délègue pas un bloc, on délègue des étapes, et chaque étape retirée change celles qui restent. Trier les prospects est l’étape la plus facile à automatiser d’un CRM équipé d’agents IA. C’est aussi celle qui modifie le plus directement ce que vos commerciaux attendent de leur prochain appel, et personne ne mesure ce qu’ils attendent. On peut en revanche mesurer ce qu’ils font.