La « génération de leads par IA » est vendue comme un moyen d'en produire davantage. Il est bien plus juste de la comprendre comme un moyen d'en perdre moins parmi ceux que vous avez déjà, et cette distinction détermine si ces outils vous aident ou abîment votre réputation.
L'arithmétique qui dérange
La plupart des entreprises affiliées n'ont pas un problème de volume de leads. Elles ont un problème de suivi, qui ressemble à un problème de volume vu de l'intérieur.
Faites le calcul sur votre propre pipeline. Comptez les leads sans aucun contact, et les leads non touchés depuis une quinzaine de jours. Dans la plupart des pipelines, ces deux groupes réunis dépassent en nombre les leads réellement travaillés. Chacun a été payé, en argent ou en effort, et se dégrade selon une courbe que les études sur le temps de réponse décrivent clairement.
Ajouter des contacts issus de l'IA à cela ne résout rien. Cela ne fait qu'allonger une file déjà non traitée.
L'application la plus utile de l'IA ici est donc peu glamour : s'assurer que les leads que vous avez déjà reçoivent une réponse rapide, pertinente et à consonance humaine. C'est un problème de rédaction et de priorisation, et les modèles excellent dans les deux.
Ce que l'IA fait vraiment bien ici
Rédiger le premier message avec un contexte réel. À partir de l'origine du lead, de ce qu'il a demandé et de ce que vous dites habituellement, un modèle produit un brouillon correct en quelques secondes. Sur une semaine, cela représente des heures récupérées.
Résumer un lead. Chaque note, e-mail et réponse de formulaire pour une personne, condensés dans les trois éléments dont vous avez besoin avant un appel.
Repérer le schéma que vous ne voyez pas. Sur des centaines de leads, quelles questions reviennent, quelles sources deviennent silencieuses au même stade, quelle objection persiste. C'est une capacité réellement nouvelle, plutôt qu'une version plus rapide de ce que vous faisiez déjà.
Rédiger à l'échelle d'une campagne. Le texte d'une landing page, un mois de légendes, les variantes d'un test. Ce sont tous des premiers jets, mais un mois de premiers jets constitue une vraie avance.
Ce qu'elle fait mal, et où cela devient dangereux
Fabriquer des contacts. Les outils qui extraient ou déduisent des coordonnées et envoient des e-mails en masse produisent des contacts, pas des leads. Les taux de réponse sont à la hauteur de ce à quoi on s'attend, et le coût ne se limite pas à l'effort gaspillé : la réputation d'envoi est longue à construire et rapide à perdre.
Envoyer sans relecture. L'échec type n'est pas une mauvaise formulation. C'est un message qui contredit une conversation réelle, parce que le modèle n'en avait pas connaissance. C'est celui qui coûte une affaire que vous aviez déjà en poche.
Juger l'intention à partir de signaux ténus. Le scoring fonctionne à grande échelle. À l'échelle d'un affilié, vous en savez plus que le modèle sur qui est réellement intéressé.
La conformité ne bouge pas
Cela mérite d'être dit clairement, car les documents marketing sur l'IA restent souvent discrets là-dessus. Utiliser un modèle pour rédiger le message ne change rien aux règles qui encadrent son envoi. Les exigences du CAN-SPAM de la FTC concernant des en-têtes exacts, une adresse physique et un désabonnement fonctionnel s'appliquent à l'identique. Là où des régimes de consentement comme le RGPD s'appliquent, une liste générée par un modèle ne constitue pas une base légale.
« C'est l'IA qui les a trouvés » n'est un argument de défense que personne n'a jamais fait valoir avec succès.
Une organisation qui mérite d'être copiée
- Les leads arrivent étiquetés selon leur source, dans un pipeline unique.
- Dès qu'un lead arrive, un accusé de réception part, pour que personne ne reste sans nouvelles.
- Un modèle rédige le vrai message de suivi en utilisant le contexte réel du lead : source, ce qu'il a demandé, à quel stade il se trouve.
- Vous relisez et envoyez. Deux minutes, pas vingt.
- Tout ce qui ressemble à un signal réel, une réponse ou une prise de rendez-vous, sort le lead de l'automatisation et l'inscrit sur votre liste du jour.
- Une fois par semaine, un résumé de l'ensemble du pipeline : ce qui revient, ce qui a stagné.
Chaque étape ici démultiplie les leads que vous avez déjà. Rien ne dépend de la fabrication d'inconnus, ce qui est précisément la partie de la « génération de leads par IA » dont il faut se méfier.
Le problème de priorisation, qui est le vrai sujet
La plupart des marketeurs affiliés n'ont pas besoin d'aide pour trouver des personnes à contacter. Ils ont besoin d'aide pour décider lesquelles, parmi les quatre-vingt-dix déjà présentes dans le pipeline, contacter aujourd'hui, et dans quel ordre.
C'est un très bon usage d'un modèle, à une condition : il doit s'expliquer. « Contactez ces six-là en premier » ne sert à rien. « Ces six-là parce qu'ils ont cliqué sur le lien tarifaire la semaine dernière et que personne ne leur a répondu » est exploitable, et c'est aussi vérifiable, ce qui compte car vous ne lui feriez pas confiance autrement.
En pratique, cela prend la forme d'un court résumé quotidien plutôt que d'un score. Ce qui a changé depuis hier, qui a agi, qui est devenu silencieux à un stade où le silence signifie généralement un abandon. Cela se lit en trente secondes et remplace les dix minutes de défilement que la plupart des gens font à la place.
Du volume sans dégâts
Si vous devez envoyer en volume, trois éléments vous protègent, et aucun ne dépend du modèle.
Envoyez à des personnes qui l'ont demandé. Ce n'est pas qu'une question de conformité, c'est la différence entre une réputation d'expéditeur qui s'améliore et une qui se dégrade. Chaque rebond et chaque plainte issus d'une liste que vous avez constituée vous coûte de la délivrabilité sur la liste que vous avez méritée.
Montez en puissance progressivement et restez régulier. Un volume soudain depuis un domaine sans historique est le signal de spam le plus fort qui soit. La croissance de l'envoi doit paraître graduelle.
Surveillez les réponses, pas les ouvertures. Le suivi des ouvertures est peu fiable depuis que les clients de messagerie préchargent les images. Les réponses sont la mesure qui n'a pas été dégradée par les fonctionnalités de confidentialité, et c'est aussi celle qui corrèle réellement avec le chiffre d'affaires.
Un exemple concret
Prenez un pipeline de quatre cents leads, dont soixante n'ont jamais été contactés, et cent vingt n'ont pas bougé depuis une quinzaine de jours.
L'argument de la « génération de leads par IA » consiste à en ajouter à cela. L'arithmétique dit le contraire : cent quatre-vingts leads sont déjà là, payés, dans un état où un message compétent aurait encore de l'effet.
Travaillez-les plutôt. Un modèle rédige chaque premier message à partir du contexte réel du lead, vous relisez un lot de vingt en environ une demi-heure, et le nombre de leads non touchés tombe à zéro en une semaine. Le résumé quotidien maintient ensuite ce résultat.
Rien de tout cela ne nécessite de trouver une seule nouvelle personne, et pour la plupart des entreprises, cela génère plus de chiffre d'affaires qu'un mois de trafic nouveau, parce que ces leads ont déjà manifesté un intérêt. Le nouveau trafic, lui, ne l'a pas fait.
Ce qu'il faut mesurer
Deux chiffres, relevés avant et après.
Le taux de contact. La part des leads qui reçoivent un vrai premier message dans les vingt-quatre heures. Si un outil ne fait pas bouger ce chiffre, il n'aide pas à la génération de leads, quelle que soit l'étiquette qu'on lui colle.
Le taux de réponse au premier contact. C'est là que se voit la qualité de la rédaction. Si les réponses chutent après l'introduction de la rédaction par IA, le modèle manque de contexte et produit des messages génériques, ce qui est un problème réparable et non une raison d'abandonner l'approche.
Les deux sont simples à compter et n'apparaissent sur aucun tableau de bord fournisseur, ce qui est une raison de plus de les compter vous-même.
Ce que vous devez continuer à faire vous-même
Deux choses vous appartiennent, quelle que soit la qualité des outils.
L'offre. Ce que vous mettez devant les gens, et pourquoi cela mérite leur attention. Aucun modèle ne connaît votre marché assez bien pour en décider, et il produira volontiers une réponse assurée qui n'est qu'un mélange de celles de tout le monde.
La réponse qui compte. Quand un lead revient avec une vraie question ou une vraie objection, c'est le moment où l'affaire se gagne ou se perd. La rédiger avec un modèle produit quelque chose de raisonnable et générique, ce qui est exactement le mauvais registre pour le seul message où être précis est tout l'enjeu.
Tout ce qui se situe de part et d'autre de ces deux points — l'accusé de réception, le suivi que personne n'avait le temps de faire, le résumé de ce qui a changé — est un terrain légitime pour l'IA, et le libérer est précisément ce qui vous donne l'attention nécessaire pour bien faire ces deux choses.
Common questions
L'IA peut-elle générer des leads toute seule ?
Elle peut générer des contacts. Que ce soient de vrais leads dépend de si quelqu'un voulait entendre parler de vous, et aucun modèle ne change cela. L'IA est bien plus utile appliquée aux leads que vous avez déjà qu'à la recherche de nouveaux inconnus.
Quel est le meilleur usage de l'IA en génération de leads ?
Rédiger la relance, résumer ce qu'un lead vous a dit, et repérer des tendances parmi des leads que vous n'avez pas le temps de lire. Ces trois usages multiplient la valeur des leads existants plutôt que d'en fabriquer de nouveaux.
Les messages rédigés par l'IA fonctionnent-ils encore ?
Relus et modifiés, oui. Envoyés sans relecture en masse, ils performent comme n'importe quel envoi de masse, c'est-à-dire mal, et cela met en péril votre réputation d'envoi au passage.
La génération de leads par IA est-elle conforme à la réglementation ?
Le modèle ne change pas les règles. Les exigences de consentement du RGPD, et les exigences d'en-tête, d'étiquetage et de désabonnement du CAN-SPAM, s'appliquent exactement comme si vous aviez tapé le message vous-même.