Bot de qualification de leads IA sans code : Le guide complet

La plupart des CRM proposent un système de scoring de leads. La plupart de ces systèmes ne servent à rien.

Ils fonctionnent sur des règles : si l'entreprise compte plus de 100 collaborateurs, ajouter 10 points. Si l'intitulé de poste contient "Directeur," ajouter 5 points. Si le prospect a visité la page tarifs, ajouter 15 points. La logique est déterministe, rigide, et construite sur des hypothèses qui deviennent obsolètes dès que votre profil client idéal évolue.

Le résultat : un score de lead qui ne dit presque rien à votre équipe commerciale. Un nombre généré par de l'arithmétique, pas par du jugement.

La qualification de leads par IA fonctionne différemment. Au lieu de règles à points, elle lit le contexte complet du prospect entrant — son message, son intitulé de poste, son entreprise, son problème déclaré, son site web et tout autre signal disponible — et produit une évaluation nuancée. Le type d'évaluation qu'un commercial senior ferait en 30 secondes, appliqué à chaque lead, instantanément, 24h/24 et 7j/7.

Ce playbook vous montre comment construire ce système sans écrire une seule ligne de code. Il s'applique directement aux entreprises de Casablanca, du Maroc et de l'ensemble de l'Afrique du Nord.

Ce que signifie vraiment la qualification de leads par IA

La qualification de leads par IA n'est pas une boîte noire magique. C'est un prompt structuré envoyé à un modèle de langage (GPT-4 dans ce cas) qui contient les données du lead et une question précise : d'après ces informations, ce lead est-il un très bon fit, un fit potentiel, ou non-aligné — et pourquoi ?

Le modèle lit le contexte du lead — exactement comme le ferait un humain — et retourne une réponse structurée : une classification (Chaud, Tiède, Froid), un score de confiance, une justification en une phrase, et une action recommandée.

Cette réponse est ensuite parsée et utilisée pour :

Mettre à jour un champ CRM avec le niveau de qualification
Router le lead vers le bon commercial ou la bonne file d'attente
Envoyer une alerte sur Slack ou WhatsApp pour les leads chauds
Déclencher la bonne séquence email selon le niveau

Le processus complet prend moins de 10 secondes, de la soumission du formulaire à la mise à jour du CRM.

La valeur n'est pas seulement la vitesse. C'est la cohérence. La qualification humaine varie selon le commercial, l'heure de la journée, la charge de travail du moment. L'IA applique les mêmes critères à chaque fois, avec la même attention — qu'il soit 9h le lundi ou 23h le vendredi.

L'architecture du bot

Le système comprend trois couches : les données d'entrée, la classification par IA, et la couche de routage en sortie.

Les données d'entrée

Plus les données d'entrée sont riches, plus la classification est précise. Au minimum, il vous faut :

Données du formulaire : Nom complet, email, nom de l'entreprise, intitulé de poste, et un champ texte libre "Quel est votre besoin ?" ou "Décrivez votre problème." Ce dernier champ est le plus précieux — c'est là que les prospects révèlent leur vrai besoin dans leurs propres mots.
Signaux sur la taille de l'entreprise : Si votre formulaire demande la taille de l'entreprise ou le chiffre d'affaires, incluez-le. Sinon, vous pouvez enrichir cette information après la soumission via le domaine de l'entreprise.
Intitulé de poste : L'intitulé seul porte un signal fort. Un "Directeur des Opérations" et un "Stagiaire" soumettant le même formulaire représentent des opportunités très différentes.
Source : D'où vient le lead ? Recherche organique, publicité LinkedIn, recommandation ? La source influence l'intention.

Enrichissement optionnel mais très utile (ajouté automatiquement avant l'appel IA) :

Données LinkedIn de l'entreprise via une API d'enrichissement
Meta description du site web de l'entreprise (un simple appel HTTP vers leur URL)
Historique de poste LinkedIn si l'email est lié à un compte LinkedIn

En contexte marocain, il est courant que les leads proviennent de WhatsApp ou de formulaires de contact minimalistes. Si vous opérez sur ces canaux, structurez un formulaire de qualification court (4 à 5 champs maximum) pour maximiser le taux de complétion tout en captant les données essentielles.

La couche de classification GPT-4

La classification se fait via un unique appel API à OpenAI. Vous envoyez un prompt structuré contenant les données du lead et recevez une réponse JSON structurée.

L'ingénierie du prompt est déterminante. Un prompt vague produit des résultats vagues. Le template de prompt dans la section suivante montre exactement comment le structurer.

Le modèle retourne :

{
  "tier": "Chaud",
  "confidence": 0.91,
  "rationale": "Décideur dans une entreprise correspondant au profil client idéal. A décrit un problème opérationnel actif que nous résolvons directement. A demandé une démo, pas seulement des informations.",
  "recommended_action": "Attribuer à un commercial senior. Appeler dans l'heure."
}

La couche de routage

Une fois la réponse de classification parsée, l'automatisation route le lead :

Lead Chaud : Mettre à jour le contact CRM avec tier = Chaud, attribuer au commercial senior, envoyer une alerte immédiate sur Slack ou WhatsApp avec le résumé du lead et la justification de la classification, inscrire dans une séquence email à fort engagement.
Lead Tiède : Mettre à jour le CRM avec tier = Tiède, attribuer à la file standard, inscrire dans une séquence de nurturing, créer une tâche de suivi pour le jour 2.
Lead Froid : Mettre à jour le CRM avec tier = Froid, aucune action humaine immédiate requise, inscrire dans une séquence de contenu à faible fréquence, file de revue manuelle hebdomadaire.

Construction dans Make — Étape par étape

Tout ce système se construit dans Make sans aucun code. Voici la séquence de modules exacte :

Étape 1 : Déclencheur Webhook. Créez un module Custom Webhook dans Make. Cela vous donne une URL. Collez-la dans votre outil de formulaire (Typeform, Tally, HubSpot Forms ou un formulaire personnalisé) comme destination webhook. Chaque soumission déclenche ce webhook.

Étape 2 : Enrichissement optionnel. Ajoutez un module HTTP qui appelle une API d'enrichissement (Clearbit, Hunter ou Apollo) avec l'email ou le domaine de l'entreprise du lead. Mappez les champs retournés (taille d'entreprise, secteur, URL LinkedIn) dans des variables pour l'étape suivante.

Étape 3 : Construction du prompt IA. Ajoutez un module Set Variable pour construire votre chaîne de prompt. Insérez les données du lead dynamiquement en utilisant le mappage de variables de Make. (Voir le template de prompt ci-dessous.)

Étape 4 : Appel à OpenAI. Ajoutez un module HTTP pointant vers https://api.openai.com/v1/chat/completions. Définissez la méthode POST, ajoutez votre clé API dans l'en-tête Authorization, et passez le prompt dans le corps de la requête. Définissez model sur gpt-4o et response_format sur json_object pour garantir une sortie structurée.

Étape 5 : Parser la réponse. Ajoutez un module JSON Parse pour extraire tier, confidence, rationale et recommended_action de la réponse API.

Étape 6 : Mettre à jour le CRM. Ajoutez un module HubSpot ou Pipedrive. Utilisez "Mettre à jour le contact" ou "Créer le deal." Mappez le tier parsé vers une propriété CRM personnalisée. Mappez la justification vers un champ de note.

Étape 7 : Router et notifier. Ajoutez un module Router avec des branches pour Chaud, Tiède et Froid. Dans la branche Chaud : ajoutez un module Slack pour poster un message, ajoutez une étape d'attribution CRM, et déclenchez une séquence email. Dans les branches Tiède et Froid : définissez les tâches et séquences appropriées.

Temps de construction total : 3 à 4 heures pour une première implémentation. Moins d'une heure pour quelqu'un à l'aise avec Make.

Le prompt qui fait fonctionner le système

La qualité de la classification IA repose entièrement sur le prompt. Voici un template prêt pour la production que vous pouvez utiliser directement :

Vous êtes un expert en qualification commerciale. Évaluez le lead entrant suivant en fonction de notre Profil Client Idéal (ICP) et classifiez-le.

NOTRE ICP :
- Taille d'entreprise : 10 à 200 collaborateurs
- Intitulés décideurs : Fondateur, PDG, DG, Directeur des Opérations, Directeur Commercial, VP Ventes
- Problème opérationnel ou commercial actif (pas seulement en phase d'exploration)
- Signal budgétaire : mentionne une équipe, un projet ou un contexte de croissance

DONNÉES DU LEAD :
Nom : {{name}}
Email : {{email}}
Intitulé de poste : {{job_title}}
Entreprise : {{company}}
Taille d'entreprise : {{company_size}}
Message / Problème : {{message}}
Source : {{source}}
Site web : {{company_website_meta}}

TÂCHE DE CLASSIFICATION :
Retournez un objet JSON avec ces champs exacts :
- "tier" : l'un des suivants "Chaud", "Tiède" ou "Froid"
- "confidence" : un décimal entre 0.0 et 1.0
- "rationale" : une phrase expliquant la classification
- "recommended_action" : une phrase recommandant la prochaine étape commerciale

Retournez uniquement du JSON valide. Aucun autre texte.

Adaptez la section ICP à votre profil client réel. Plus votre description de l'ICP est spécifique, plus la classification sera précise. Si vous travaillez principalement avec des entreprises marocaines ou nord-africaines, vous pouvez ajouter dans l'ICP des signaux de contexte régional — langue de communication, secteur cible (import/export, BTP, services, etc.).

Résultats : Ce qu'il faut mesurer après le déploiement

Déployez le bot et faites-le tourner 30 jours avant de tirer des conclusions. Suivez ces métriques :

Taux de précision de la classification. Demandez à votre meilleur commercial de revoir manuellement 20 leads par semaine et comparez sa classification à celle du bot. Visez 80%+ d'accord. Si c'est inférieur, affinez la section ICP du prompt.

Temps de réponse aux leads chauds. Il devrait chuter de votre moyenne actuelle à moins de 5 minutes, puisque les leads chauds déclenchent une alerte Slack ou WhatsApp immédiate. Mesurez l'avant/après.

Taux de conversion lead-à-réunion par tier. Après 90 jours, comparez les taux de conversion pour les leads Chauds, Tièdes et Froids. Si le bot classe correctement, les leads Chauds devraient se convertir à un taux 3 à 5 fois supérieur aux leads Froids.

Temps économisé par semaine. Calculez le temps que votre équipe passait auparavant à trier les leads manuellement. C'est typiquement 30 à 90 minutes par jour pour une équipe traitant 30+ leads par semaine.

Revenu récupéré. Mesurez si les leads précédemment manqués (faute de réponse rapide) sont désormais contactés dans les 5 minutes. Des études montrent que ce seul changement peut améliorer la conversion de 100 à 400%.

Pour les entreprises à Casablanca ou ailleurs au Maroc, un bénéfice supplémentaire du bot est sa disponibilité en dehors des heures de bureau. Un lead soumis le vendredi à 19h00 reçoit une classification et une réponse automatisée dans les 30 secondes — plutôt que d'attendre le lundi matin.

Prêt à faire construire ce système pour votre équipe ?

Ce système n'est pas un template universel. La définition de l'ICP, la stack d'enrichissement, l'intégration CRM et la logique de routage doivent toutes être calibrées à votre activité spécifique.

Je construis ces systèmes pour des équipes commerciales en croissance — cadrés, implémentés et testés — pour que vous obteniez un bot de qualification fonctionnel plutôt qu'un scénario Make à moitié terminé.

Réservez un appel gratuit et je vous dirai exactement comment le bot serait configuré pour votre pipeline et quels résultats sont réalistes pour votre volume.

Réserver un appel avec Mehdi Yatrib sur yatrib.me/automations