Quelles questions les managers ont vraiment besoin
Ce que je ferais si un manager demandait : « Laisse l’IA décider si un lead est bon. » Je ne donnerais pas au modèle un bouton « décider du sort du lead » : le modèle extrait des faits, et le score final est calculé par une règle simple.
L’erreur que j’éliminerais d’abord : Si la réponse ne change rien, ce n’est pas de la donnée — c’est un interrogatoire. Le client quitte le chat, et l’équipe se retrouve avec un autre tableau que personne n’ouvre.
Que préparer et quel résultat attendre
- Résultat : Le lead obtient un status clair, le manager voit pourquoi il est priorisé, et le client ne répète pas les mêmes informations d’un canal à l’autre.
- Construisez un tableau de routage : type de demande, questions obligatoires, priorité, qui la reçoit, et ce qui compte comme cas difficile.
- Gardez les données source et les droits d’accès séparés du résultat pour auditer ce que la qualification des leads entrants a réellement fait.
- Testez des réponses courtes, incomplètes et contradictoires. Le bot doit poser une question suivante ou passer le dialogue à un humain — pas inventer des données.
Configurer la qualification sans interrogatoire invasif
- Ne garder que les questions qui changent la route
Listez 3–5 questions et à côté de chacune notez quelle action elle déclenche. Si la réponse ne change rien, retirez la question.
Проверьте: Un manager peut expliquer pourquoi chaque question existe.
Если не сработало: Gardez besoin et contact ; demandez le reste après le passage à un humain.
- Rendre le branchement explicite
Dans le workflow ajoutez Router/Branch : prêt pour devis, besoin de clarification, urgent vers humain, pas un fit. Ne demandez pas à l’IA d’inventer une nouvelle route.
Проверьте: Chaque status a une prochaine étape et un responsable.
Если не сработало: D’abord figez la liste des status autorisés dans un tableau.
- Interdire les suppositions
Dans l’instruction écrivez : « Si la valeur n’est pas déclarée explicitement, renvoie null et pose une question courte. » Gardez la réponse originale du client à côté du champ extrait.
Проверьте: Un champ vide reste null au lieu d’être rempli par une supposition.
Если не сработало: Envoyez la fiche en revue manuelle quand les réponses se contredisent.
- Remettre le résultat au manager
Dans la notification montrez status, réponses, champs inconnus, un lien vers le dialogue et le prochain contact recommandé. N’envoyez pas de prix au client sans confirmation humaine.
Проверьте: Le manager connaît la prochaine action en 30 secondes.
Если не сработало: Faites de la réponse IA un brouillon et ajoutez un bouton approve.
Écrire d’abord quatre routes
Dans le tableau créez status : ready_for_quote, needs_info, human_now et not_a_fit. À côté de chacun mettez la prochaine action et le responsable. Exemple : budget non déclaré → needs_info ; plainte ou question juridique → human_now ; demande qui matche région et délai → ready_for_quote.
Demandez au bot d’extraire uniquement ce qui a été dit explicitement. Si quelqu’un a écrit « à peu près comme le concurrent », ce n’est pas un budget. Renvoyez null et une question courte — pas une supposition.
- Montrez au client un bouton « Appeler un humain » à chaque étape.
- Ne mettez pas de haute priorité à cause des points d’exclamation ou d’un ton agressif.
Script de dialogue minimal
Premier message : « Je peux aider à router votre demande. De quoi avez-vous besoin ? » Deuxième — seulement après la réponse : « Pour quand ? » Troisième : « Quel est le meilleur moyen de vous joindre ? » Demandez le budget seulement si le produit ou la route en dépend.
Écrivez question_count, status, missing_fields et transcript_url dans la fiche CRM. Cela montre où les gens abandonnent pour couper le superflu au lieu de réécrire le prompt à l’aveugle.
Séparer fit et intent
Dans n8n la chaîne ressemble à : `Webhook → Normalize → OpenAI Extract Evidence → Structured Output Parser → Code → IF → Switch → CRM Update`. Le modèle renvoie seulement des faits et de courtes citations. `Code` calcule `fit_score`, `intent_score`, `data_completeness` et `total_score` avec des poids publiés.
Exemple : fit 0–40, intent 0–40, completeness 0–20. Stockez `score_version` pour que les changements de formule ne réécrivent pas l’historique des anciens leads.
total_score = fit_score + intent_score + data_completeness
if total_score >= 70: status = 'sales_queue'
elif total_score >= 45: status = 'manual_review'
else: status = 'nurture'JSON avec preuves uniquement
En sortie structurée exigez `industry_match`, `use_case_match`, `timeline`, `budget_signal`, `evidence` et `missing_fields`. Si le budget n’a pas été déclaré, il doit être `null`. N’utilisez pas le `confidence` du modèle comme substitut de faits : une réponse confiante ne devient pas vraie.
{
"timeline": "ce mois-ci",
"budget_signal": null,
"evidence": ["Lancement d’ici fin de mois"],
"missing_fields": ["budget_range"]
}Quand poser une question vs passer à un humain
| Critère | Question | Bon signe |
|---|---|---|
| Entrée | Qu’est-ce qui entre exactement dans la qualification des leads entrants ? | Construisez un tableau de routage : type de demande, questions obligatoires, priorité, qui la reçoit, et ce qui compte comme cas difficile. |
| Action | Que le système a-t-il le droit de faire seul ? | Uniquement des actions pré-listées, sans accès à tout le compte |
| Vérification | Comment savoir que le résultat est acceptable ? | Testez des réponses courtes, incomplètes et contradictoires. Le bot doit poser une question suivante ou passer le dialogue à un humain — pas inventer des données. |
| Échec | Où va un cas peu clair ? | Sauvegardez le dialogue et mettez needs_human ; arrêtez de poser des questions si le client demande clairement une personne. |
Ce qui doit changer après la mise en place
Le lead obtient un status clair, le manager voit pourquoi il est priorisé, et le client ne répète pas les mêmes informations d’un canal à l’autre.
Pourquoi la qualification IA fait fuir les clients
Poser dix questions avant la première réponse utile.
Assigner une haute priorité sur les mots émotionnels du client.
Traiter l’absence de budget comme un mauvais lead.
Ne pas donner au client un bouton clair « appeler un humain ».
Quand un simple script de questions ne suffit plus
Vous avez besoin d’une configuration dédiée si la qualification couvre des produits, régions, règles de prix différents ou des transferts de données personnelles entre canaux.
Que vérifier avant de lancer le bot
Pour qui est cette approche de qualification des leads entrants ?
Une bonne qualification IA n’interroge pas le client. Elle pose quelques questions qui changent vraiment la route : besoin, délai, fourchette de budget et mode de contact préféré.
Par où commencer si tout est encore manuel ?
Construisez un tableau de routage : type de demande, questions obligatoires, priorité, qui la reçoit, et ce qui compte comme cas difficile.
Comment vérifier que le setup ne vous nuira pas ?
Testez des réponses courtes, incomplètes et contradictoires. Le bot doit poser une question suivante ou passer le dialogue à un humain — pas inventer des données.
Et si le résultat n’est pas clair ?
Sauvegardez le dialogue et mettez needs_human ; arrêtez de poser des questions si le client demande clairement une personne.
