Ouvrez le site de n'importe quel éditeur CRM aujourd'hui. Le mot "IA" apparaît dans les trois premières secondes. Parfois accompagné de "agentique", de "copilote" ou "d'automatisation intelligente".
Derrière ces termes, les réalités techniques sont radicalement différentes. Un CRM qui propose de l'autocomplétion sur les champs de saisie et un CRM dont l'architecture permet à des agents autonomes d'agir sur vos données en temps réel ne sont pas dans la même catégorie. Ils utilisent pourtant le même vocabulaire.
Cet article est un guide d'évaluation pratique pour donner aux DSI et aux directions commerciales les critères concrets pour distinguer ce qui relève du marketing de ce qui relève de la réalité technique.
Pour comprendre ce qui se passe techniquement dans un agent avant d'évaluer un CRM qui propose de l’ai agentic, nous vous invitons à lire notre article comment fonctionne un agent IA ?
Le terme "IA" recouvre aujourd'hui trois réalités très différentes dans le monde des CRM. Les confondre lors d'une évaluation conduit à des déceptions coûteuses après signature.
L'IA assistive : des suggestions, de l'autocomplétion, un scoring statique. Le CRM propose des recommandations et l'humain décide et agit. C'est utile, mais ce n'est pas agentique. Par exemple, le commercial ouvre la fiche d'un prospect dans le CRM. Le système lui suggère automatiquement un objet d'email basé sur le secteur d'activité du contact. Le commercial lit la suggestion, la modifie si besoin, et clique sur envoyer.
L'IA automatisée : des workflows déclenchés par des règles IA, qui automatise des tâches et offre plus d’autonomie aux commerciaux. L’intelligence artificielle est plus avancée mais les règles restent prédéfinies en amont. Par exemple, un chef de secteur peut prendre une photo d'un rayon avec son smartphone et l’IA analyse la présence des produits, le nombre de facings et l'implantation concurrentielle.
L'IA agentique : des agents autonomes avec mémoire, outils et boucle d'action. L'agent comprend un objectif, planifie les étapes pour l'atteindre, appelle les bons outils, s'adapte aux résultats intermédiaires. C'est ce que peu de CRM proposent vraiment aujourd'hui. Un exemple de l’IA agentique appliqué à la GMS, est le compte-rendu de fin de visite. Un chef de secteur termine sa journée avec 8 visites effectuées. Il a dicté ses observations à voix haute en quittant chaque magasin. L'agent prend le relais sans qu'il ait à faire quoi que ce soit : il transcrit les notes vocales, structure les comptes-rendus et met à jour les fiches CRM de chaque point de vente visité. En croisant ces nouvelles données avec l'historique, il détecte qu'un magasin présente une baisse de DN sur deux références stratégiques pour la troisième semaine consécutive. Il génère alors automatiquement une alerte pour le manager avec le contexte complet, et repositionne ce magasin en priorité haute dans la tournée de la semaine suivante.
La question à poser dès le premier échange avec un éditeur : "Votre IA est-elle de niveau 1, 2 ou 3 ?" Si l'interlocuteur ne peut pas répondre clairement, c'est déjà une information.
Un agent IA a besoin d'accéder aux données du CRM et d'y déclencher des actions. Cela passe par des APIs. Si les APIs sont absentes, limitées ou mal documentées, l'intégration agentique sera impossible ou très coûteuse.
Ce qu'il faut vérifier :
Signal d'alerte : un CRM qui ne propose que des exports manuels ou des intégrations via des connecteurs tiers non maintenus n'est pas compatible avec un déploiement agentique sérieux.
Si la donnée n’est pas qualitative et structurée pour un agent IA, alors l’intelligence artificielle risque de mal (ou pas) fonctionné. Un CRM dont le modèle de données est mal structuré, avec des champs libres non normalisés et un taux de complétion faible, produira un agent erratique, quelle que soit la sophistication du modèle sous-jacent.
Ce qu'il faut vérifier :
Signal d'alerte : un CRM qui repose massivement sur des champs texte libres sans structure imposée rendra l'exploitation agentique très difficile. L'agent a besoin de données typées, pas de notes en prose.
Un agent ne travaille pas dans le CRM seul. Il doit pouvoir déclencher des actions dans d'autres outils : messagerie, calendrier, ERP, outils de signature électronique, plateformes marketing. La capacité d'orchestration détermine l'étendue réelle de ce que l'agent peut faire.
Ce qu'il faut vérifier :
Signal d'alerte : un écosystème fermé, sans APIs ouvertes ni connecteurs tiers, limite l'agent à agir uniquement dans le CRM. C'est souvent insuffisant pour couvrir les workflows commerciaux réels.
Un agent qui agit sans laisser de traces est un agent impossible à superviser, à corriger et à justifier réglementairement. C’est un des risques majeurs de l’utilisation de l’IA agentique. La traçabilité n'est pas une option mais un prérequis.
Ce qu'il faut vérifier :
Signal d'alerte : si l'éditeur ne peut pas montrer concrètement comment distinguer une action humaine d'une action agent dans les logs, la traçabilité est insuffisante pour un déploiement sérieux.
Un agent mal configuré du point de vue des permissions peut accéder à des données auxquelles il ne devrait pas toucher, ou déclencher des actions dans des périmètres non prévus. Le principe du moindre privilège s'applique ici avec une rigueur particulière.
Ce qu'il faut vérifier :
Voici six questions à poser à votre éditeur de CRM :
Certains comportements lors d'une démonstration sont révélateurs. En voici cinq à surveiller.
L'éditeur parle d'"IA" sans jamais distinguer assistif, automatisé et agentique. C'est normal, jusqu'à un certain point. Le terme "IA" est utilisé de façon générique dans le monde du CRM pour désigner des réalités très différentes. Rentrer dans le détail technique à chaque occasion alourdirait la conversation commerciale, mais quand vous posez la question directement, la réponse doit être claire.
Challengez votre éditeur : de quelle IA s'agit-il exactement ? Est-ce de la suggestion, de l'automatisation par règles, ou un vrai agent autonome qui raisonne ? Comment cela fonctionne-t-il concrètement sur un cas d'usage précis ?
Un éditeur qui maîtrise son sujet répond sans hésiter. Un éditeur qui reste flou, qui généralise, ou qui redirige vers la démonstration sans répondre à la question : c'est qu'il n'a pas de réponse claire à donner, ou qu'il préfère que vous ne la posiez pas.
La démonstration montre uniquement des suggestions statiques, jamais un agent en action. Demander à voir l’IA qu’on vous vend, en action.
Aucune réponse claire sur la traçabilité des actions IA. "On peut voir ce que l'IA a fait dans l'historique" n'est pas une réponse suffisante. La traçabilité agentique exige des logs structurés, séparés des actions humaines, avec le raisonnement intermédiaire accessible.
La roadmap IA est entièrement dépendante d'un partenaire tiers non intégré. Un CRM dont l'IA agentique repose sur une intégration externe non maintenue par l'éditeur lui-même est un risque de continuité de service.
Absence de documentation technique sur les APIs disponibles. Si l'éditeur ne peut pas vous pointer vers une documentation API publique et à jour lors du premier appel, c'est que l'ouverture de l'architecture n'est pas une priorité.
Choisir un CRM compatible IA agentique, ce n'est pas choisir celui qui utilise le plus le mot "IA" dans ses supports commerciaux.
C'est choisir une architecture ouverte, des données structurées et de qualité, une capacité d'orchestration réelle, une traçabilité complète et une gouvernance des permissions sérieuse. L'IA agentique vient ensuite, construite sur ces fondations.
Le bon moment pour évaluer ces critères : avant de signer, pas après avoir déployé. Un CRM mal choisi au regard de ces critères ne deviendra pas compatible IA agentique avec du temps. Il restera un frein.
La question finale à se poser avant toute décision : "Dans deux ans, quand mes concurrents auront des agents commerciaux autonomes, est-ce que ce CRM me permettra d'en avoir aussi ?"
