Comment créer votre premier agent IA pour automatiser vos ventes et optimiser votre workflow

Course content

Resources

Avant de passer aux outils, adoptons le bon état d’esprit. Créer un agent IA pour la vente, ce n’est pas courir après la dernière fonctionnalité ou la tendance du moment. Il s’agit de concevoir un système qui fait gagner du temps, génère du revenu et s’intègre sans friction à votre workflow d’automatisation des ventes actuel.

Ce chapitre a été coécrit avec Manthan Patel, co-fondateur d’AcquisitionX, qui a conçu des dizaines de workflows commerciaux no-code pour des clients allant de fondateurs solo à des start-ups en hypercroissance.

Tout ce que vous lirez ici est concret et actionnable : ses outils, sa manière de structurer, de tester et de passer à l’échelle.

Quels sont les prérequis pour créer votre workflow d’automatisation des ventes

Choisir les bons outils pour vos agents IA no-code

Pour Manthan, la création d’un agent IA de vente démarre avec quelques briques essentielles :

Une plateforme d’automatisation no-code (souvent Make.com ou n8n)
Une couche de scraping (Apify)
Un CRM (comme HubSpot)
Un système comme La Growth Machine pour activer le multicanal à grande échelle

Le choix de votre outil d’automatisation doit correspondre à votre modèle commercial.

Par exemple : Si vous avez besoin que votre prospection soit réellement multicanale, pas seulement sur LinkedIn ou par email, une solution comme La Growth Machine sera plus efficace. Plutôt que de combiner 3 outils différents, elle vous permet de coordonner LinkedIn, email et X dans une seule séquence fluide.

Le conseil de Manthan : Vérifiez toujours comment l’outil s’intègre dans votre stack de vente actuelle.

Posez-vous les bonnes questions :

Se connecte-t-il facilement à votre CRM ?
Peut-il être déclenché via Zapier ou Make ?
Respecte-t-il vos règles de sécurité et de conformité ? (Pour les grands comptes, des outils open source ou certifiés SOC 2 sont souvent indispensables.)

En réalité, vous n’avez pas besoin de compétences techniques pour créer un workflow agentique, il faut juste en comprendre la logique.

Manthan Patel – Founder @ Lead Gen Man, Strategic Advisor @ Maildoso and GTM Partner @ Acquisition X

La donnée, c’est la base : les bonnes pratiques pour la garder propre

Définissez vos standards en terme de qualité de données

Créez une checklist ICP (taille d’entreprise, secteur, fonction, etc.).
Fixez des exigences minimales (format d’email, présence de l’URL LinkedIn, etc.).
Établissez des règles pour le rafraîchissement des données (ancienneté maximum acceptable).

Mettez en place des checkpoints de validation humaine

Créez un canal Slack pour les notifications d’approbation des leads.
Mettez en place une revue via Google Sheets avec des colonnes « Approuver/Refuser ».
Utilisez des filtres Gmail pour diriger les demandes de validation vers la bonne personne.

Exemple de workflow : Nouveaux leads → Notification Slack avec infos des leads → Validation humaine → Leads validés envoyés au CRM

Prévoyez la gestion des erreurs dès le départ

Prévoyez un plan B : Si l’URL LinkedIn est manquante, utilisez le site web de l’entreprise.
Configurez un registre des exceptions : Les enrichissements ayant échoué vont dans une feuille dédiée pour un examen manuel.
Ajoutez des règles de délai : Si un appel API échoue, attendre 5 minutes et réessayer deux fois

Assurez-vous simplement que votre agent IA ne casse jamais.

Manthan Patel – Founder @ Lead Gen Man, Strategic Advisor @ Maildoso and GTM Partner @ Acquisition X

Playbook: comment créer votre premier agent de vente intelligent

1. Définir votre objectif business et cartographier la logique du workflow

Commencez par définir un résultat précis : « Je veux scraper 50 leads SaaS qualifiés par jour, les enrichir avec leurs coordonnées, puis les pousser dans HubSpot pour la prospection. »

Cartographiez les étapes :

Input: D’où viennent les données ? (LinkedIn Sales Navigator, Apollo, ajout manuel)
Enrichissement : Quelles infos ajouter ? (email, téléphone, actualités récentes)
Logique : Quelles règles appliquer ? (exclure les concurrents, valider le format email)
Action : Quoi déclencher ? (mise à jour du CRM, notification Slack, lancement séquence email)
Validation : À quel moment intervient la validation humaine ? (avant l’ajout sur le CRM, après l’enrichissement)

Action : dessinez le schéma sur papier. Boîtes pour chaque étape, flèches pour les flux de données. Ce sera votre plan concret pour la suite.

2. Préparer et nettoyer vos données d’entrée

Démarrez petit et propre :

Utilisez 10 leads pour votre premier test.
Vérifiez chaque ligne : email valide, bon nom d’entreprise, correspond à l’ICP (Ideal Customer Profile).
Supprimez les doublons (email comme identifiant unique).
Remplissez les champs manquants si possible.

Si vous scrappez des données :

Lancez Apify sur une seule page de résultats LinkedIn.
Exportez vers Google Sheets.
Ajoutez les colonnes : validation_status, enrichment_status, human_review_needed.

Action : créez un modèle de données avec champs obligatoires : first_name, last_name, email, company, linkedin_url, validation_status.

3. Définir votre data trigger

Choisissez votre type de déclencheur :

Option A : planifié (recommandé pour débuter)

Lancer n8n chaque matin à 8 h.
Traiter 10 à 20 leads max par session.
Plus facile à suivre et à déboguer.

Option B : temps réel

Déclenchement lors de l’ajout d’une nouvelle ligne dans Google Sheets.
Utilise un webhook depuis l’outil de scraping.
Plus complexe mais traitement plus rapide.

Action : commencez en planifiant. Lancez une fois par jour à un horaire où vous pouvez surveiller.

4. Ajouter votre premier agent

Dans n8n, ajoutez votre premier agent. Un agent fonctionne grâce à 3 composants :

Nœud LLM (OpenAI GPT-4 ou Claude)
Stockage mémoire (Google Sheets ou Make.com Data Store)
Outil de recherche web (Perplexity ou SerpAPI)

5. Ajouter un nœud LLM (Large Language Model)

Choisissez le bon LLM :

OpenAI GPT-4 : idéal pour rédiger des emails personnalisés.
Claude : mieux pour l’analyse de données et la logique.
Perplexity: excellent pour la recherche.

Configurez votre prompt :

« Tu es un assistant de recherche commerciale.

Input: nom d’entreprise et URL LinkedIn
Task: rédigez une accroche personnalisée en 2 phrases pour un email à froid
Output format: JSON avec champs “opener” et “reasoning”
Context: prospection B2B SaaS auprès de décideurs »

Action : testez sur 3 entreprises avant connexion au workflow complet.

6. Ajoutez le nœud mémoire

Configuration simple de la mémoire :

Utilisez Google Sheets comme stockage de mémoire.
Créez les colonnes : lead_id, conversation_context, last_interaction, next_action.
Mettez à jour après chaque interaction de l’agent.

Mémoire avancée (optionnel) :

Connectez Supabase pour des requêtes plus rapides.
Stockez l’historique de conversation et les résultats de recherche.
Activez le report de contexte entre les exécutions du workflow.

Action : Commencez avec Google Sheets, évoluez vers une base dédiée uniquement lorsque vous traitez plus de 100 leads par jour.

7. Activer la recherche web

Configurer le nœud de recherche web :

Ajoutez Perplexity ou SerpAPI à Make.com.
Récupérez la clé API.
Créez un template de requête : « Trouver les dernières actualités et profil LinkedIn de [nom de l’entreprise] ».

Exemples de requêtes :

« Quels sont les principaux défis de [nom de l’entreprise] en 2024 ? »
« Trouver les derniers posts LinkedIn de [nom du contact] sur [sujet]. »
« Obtenir les derniers lancements produits ou levées de fonds de [nom de l’entreprise]. »

Action : testez les requêtes manuellement pour vérifier leur pertinence.

Comment tester votre workflow agentique de vente

Avant de partir en production, testez tout. Des outils comme Make.com et n8n offrent un mode chat intégré qui permet de simuler des entrées et d’observer comment votre agent IA réagit.

Donnez-lui de mauvaises données et identifiez ce qui casse. Ajoutez ensuite des boucles ou des conditions d’erreur pour le rendre plus résilient. C’est là que la partie « agent » prend vraiment vie : Ce n’est pas seulement de l’automatisation, c’est de l’adaptation.

Les KPIs à suivre pour vos agents IA

Votre agent IA n’est pas une version test longue durée, les résultats doivent arriver vite. Pour cela, surveiller ces KPIs essentiels :

Taux de traitement des leads : nombre de leads traités/heure
Précision des données : % de leads enrichis correctement
Taux de réponse : emails envoyés vs réponses reçues (à suivre après 2 semaines)
Temps gagné : heures manuelles vs traitement automatisé

Mise en place du suivi :

Créez un dashboard Google Sheets.
La première semaine, mettez à jour les métriques quotidiennement.
Fixez des objectifs : 90 % de précision des données, 2x plus rapide que le process manuel.

À retenir

Créer un agent IA de vente nécessite de la logique, pas de compétences en programmation.

Toujours tester avec 10 leads avant de passer à l’échelle.

Suivre les KPIs dès le premier jour : taux de traitement, précision, taux de réponse, temps gagné.

Avec un agent IA, les résultats se comptent en jours, pas en mois et c’est ce qui fera la différence avec vos concurrents.

Dans le prochain module, nous vous présenterons 3 modèles de workflows que vous pourrez copier et personnaliser pour votre entreprise en moins de 2 heures.