IA + logiciels de gestion : pourquoi la qualité de vos données devient encore plus importante

Tout le monde veut mettre de l’IA dans son entreprise.

Connecter ChatGPT au CRM.
Interroger son ERP avec Claude.
Créer des agents.
Automatiser des actions dans Pipedrive, Sage, Pennylane ou ailleurs.

Et franchement, je comprends l’enthousiasme.

Chez BLC, c’est même probablement l’un des sujets sur lesquels nous allons le plus travailler dans les prochaines années.

Mais plus on avance, plus je me dis qu’on prend parfois le problème à l’envers.

Avant de se demander :

« Qu’est-ce que l’IA va pouvoir faire avec mes données ? »

il faudrait peut-être commencer par une question beaucoup moins sexy :

« Mes données sont-elles suffisamment bonnes pour être confiées à une IA ? »

Parce qu’une IA ne répare pas miraculeusement une mauvaise base de données.

Elle lui donne surtout beaucoup plus de puissance.

Et donc potentiellement la capacité de faire n’importe quoi… beaucoup plus vite. 😅

L’IA commence à sortir de ChatGPT

Jusqu’ici, l’usage de l’IA en entreprise était finalement assez simple.

On ouvrait ChatGPT ou Claude.

On lui donnait quelque chose.

Un mail.
Un document.
Un fichier Excel.
Un compte rendu.

Et on demandait :

« Résume-moi ça. »

« Analyse-moi ça. »

« Rédige-moi une réponse. »

Très utile. Je le fais moi-même tous les jours (Ma dernière recherche en date consistait à m’expliquer comment mettre en place une tireuse à bière, des années 70, que j’ai trouvée sur une brocante)…

Mais dans ce fonctionnement, l’IA reste globalement à côté du système d’information.

C’est encore l’utilisateur qui va chercher l’information dans son CRM ou son ERP, qui la donne à l’IA, puis qui retourne éventuellement dans son logiciel pour faire quelque chose du résultat.

Et ça, c’est en train de changer.

Les assistants commencent à pouvoir aller chercher directement l’information dans les outils métier, dans le respect évidemment des accès et permissions qu’on leur donne.

CRM, ERP, comptabilité, gestion commerciale, support, documentation interne…

L’IA n’attend plus forcément qu’on lui apporte la donnée.

Elle peut commencer à aller la chercher.

Et là, ça devient franchement intéressant.

MCP : essayons de faire simple

On entend de plus en plus parler de MCP, pour Model Context Protocol.

Je vous épargne la définition technique.😉

L’idée à retenir est assez simple : MCP permet de créer des connexions standardisées entre une IA et des outils ou des sources de données externes.

Prenons un exemple.

Aujourd’hui, vous exportez éventuellement votre pipeline commercial dans Excel et vous demandez à l’IA de l’analyser.

Demain, vous pourrez davantage lui demander directement :

« Montre-moi les affaires de plus de 20 000 € qui n’ont eu aucune activité depuis 30 jours. »

Elle va chercher l’information dans le CRM.

Puis vous pourriez poursuivre :

« Parmi celles-ci, lesquelles présentent le plus de risque ? »

Puis :

« Prépare-moi les relances. »

Puis, si les droits et les outils le permettent :

« Crée une activité pour chaque commercial concerné. »

Et c’est précisément à ce moment-là que notre vieille histoire de qualité de données devient beaucoup moins ennuyeuse.

Parce que votre CRM n’est probablement pas aussi propre que vous le pensez 😅

C’est notre métier chez BLC de déployer des CRM.

Et soyons clairs : un CRM parfaitement propre dans la durée, ça demande du boulot.

On retrouve forcément des opportunités qui auraient dû être clôturées.

Des montants absents.

Des doublons.

Des contacts partis depuis longtemps.

Des activités oubliées.

Des champs remplis différemment selon les commerciaux.

Une société écrite de trois manières différentes.

Bref, la vraie vie.

Jusqu’ici, ces problèmes étaient pénibles mais souvent gérables. Et en vrai on s’en moquait un peu. J’ai même fait l’analogie longtemps de notre CRM de CRM poubelle… peu importe la qualité de la data, on voulait faire du chiffre.
Maintenant je ne le regrette pas mais quand même c’est pénible.

Le commercial connaît ses clients.
Le manager connaît son équipe.
Quelqu’un finit par comprendre que « BLC », « BLC Conseil » et « BLC CONSEIL SAS » désignent probablement la même boîte.

Mais demandons maintenant à une IA :

« Quels sont les 20 prospects que mes commerciaux doivent rappeler en priorité cette semaine ? »

Sur quoi doit-elle se baser ?

Si les opportunités ne sont pas à jour, que les montants sont faux et que les activités ne sont pas renseignées, elle pourra avoir le meilleur modèle du monde…

sa réponse sera mauvaise.

Le problème n’est alors absolument pas l’IA.

Le problème, c’est ce qu’on lui a donné à manger.

Et côté finance, ça devient encore plus sérieux

Prenons une autre question :

« Quels clients présentent actuellement le plus grand risque sur leur encours ? »

Super usage pour un DAF.

Sauf que pour répondre correctement, il faut potentiellement connaître :

les factures échues, les règlements déjà reçus, les avoirs, les litiges, les conditions de règlement, les sociétés appartenant au même groupe, les informations du CRM…

Et ces informations peuvent être réparties dans plusieurs outils.

Sage dit une chose.

Le CRM en dit une autre.

Un fichier Excel contient encore une troisième information.

Qui a raison ?

L’IA ne peut pas inventer la réponse.

Et surtout, elle ne doit pas la choisir au hasard.

Il faut donc avoir décidé en amont quelle application fait foi pour quelle donnée.

C’est beaucoup moins spectaculaire qu’une démo d’agent IA.

Mais c’est absolument fondamental.

Le petit doublon pénible devient un vrai problème

Prenons encore un cas très classique.

Un client existe trois fois dans le CRM.

Sur la première fiche se trouvent les dernières activités commerciales.

Sur la deuxième, l’opportunité en cours.

Sur la troisième, les bonnes coordonnées.

Aujourd’hui, un utilisateur expérimenté peut souvent s’en sortir.

Maintenant, demandez :

« Fais-moi une synthèse complète de notre relation avec ce client. »

Quelle fiche l’IA doit-elle utiliser ?

Les trois ?

Comment sait-elle qu’il s’agit de la même société ?

Quelle donnée est la bonne ?

Et surtout, imaginons maintenant qu’elle ne se contente plus de lire.

Elle agit.

Là, notre petit doublon devient tout de suite beaucoup moins rigolo.

Une mauvaise donnée n’est plus seulement affichée à quelqu’un.

Elle peut provoquer une mauvaise action.

Et puis il y a les droits

C’est probablement l’un des sujets sur lesquels les entreprises vont devoir rapidement monter en compétence.

Un commercial a-t-il le droit de connaître la marge réalisée sur un client ?

Peut-il consulter toutes les opportunités de l’entreprise ?

Un assistant IA peut-il modifier une fiche ?

Créer une activité ?

Envoyer un mail ?

Créer un devis ?

Déclencher quelque chose dans l’ERP ?

Et lorsqu’un utilisateur interroge une IA, l’IA hérite-t-elle exactement des mêmes droits que lui ?

On ne peut pas répondre à tout cela avec :

« Bah, normalement ça devrait aller. » 😅

Plus l’IA sera connectée au système d’information, plus la gestion des droits, la sécurité et la traçabilité vont devenir importantes.

Et c’est plutôt sain.

Finalement, on revient à de vieux sujets

C’est ce que je trouve assez amusant avec l’IA.

On parle d’une révolution technologique gigantesque…

…et elle nous ramène à des questions que nous posons depuis des années chez BLC.

Qui est responsable de cette donnée ?

Quel logiciel fait foi ?

Qui a le droit de la modifier ?

Pourquoi ce champ existe ?

Pourquoi personne ne le renseigne ?

Pourquoi cette information est-elle saisie dans trois logiciels différents ?

Que se passe-t-il lorsque deux applications ne sont pas d’accord ?

L’IA ne fait pas disparaître ces questions.

Elle les rend beaucoup plus importantes.

Lire, proposer, agir : ce n’est pas la même chose

Je suis extrêmement favorable à l’automatisation.

Mais il faut aussi arrêter de considérer qu’une automatisation est réussie simplement parce qu’elle est techniquement possible.

Il y a une vraie différence entre demander à une IA de :

chercher une information ;

l’analyser ;

proposer une action ;

préparer cette action ;

et l’exécuter toute seule.

Prenons encore notre CRM.

« Identifie les dix opportunités qui nécessitent une relance. »

Très bien.

« Prépare les dix emails. »

Pourquoi pas.

« Envoie-les automatiquement. »

Là, peut-être qu’on veut réfléchir cinq minutes. 😅

Pas forcément parce que l’IA est dangereuse.

Simplement parce que toutes les actions n’ont pas les mêmes conséquences.

Le but n’est évidemment pas de mettre une validation humaine derrière chaque clic automatisé. Sinon autant continuer à tout faire à la main.

Le vrai travail consiste à déterminer où l’humain apporte encore du contrôle et de la valeur.

Avant votre premier agent IA, faites déjà ces contrôles

Je pourrais faire une checklist de 47 points.

Mais commençons simplement.

Avant de connecter sérieusement une IA à vos logiciels métier, je regarderais au minimum :

Quelle application fait foi pour chaque information importante ?

Le CRM ? L’ERP ? La comptabilité ? Une autre application ?

Combien avez-vous réellement de doublons ?

Pas « normalement pas beaucoup ». Mesurez-les.

Vos champs importants sont-ils réellement renseignés ?

Et de la même manière par tout le monde ?

Combien de données obsolètes conservez-vous ?

Une information fausse est parfois pire qu’une information absente.

Vos droits utilisateurs sont-ils propres ?

Avant même de parler des droits de l’IA.

Que pourra faire l’IA ?

Lire ? Créer ? Modifier ? Supprimer ? Déclencher ?

Comment vos applications se synchronisent-elles aujourd’hui ?

Et que se passe-t-il lorsqu’elles ne sont pas d’accord ?

Quelles actions doivent conserver une validation humaine ?

Et enfin :

testez avec vos vraies données.

Pas avec les cinq magnifiques fiches clients créées spécialement pour la démonstration.

Parce que généralement, c’est à ce moment-là qu’on découvre la vraie vie. 😉

Et forcément, ça change aussi notre métier chez BLC

C’est peut-être la partie qui m’intéresse le plus.

Demain, installer correctement un CRM, un ERP ou un logiciel financier ne suffira clairement plus.

Et quelque part, ça nous oblige aussi à nous poser des questions sur notre propre métier.

Chez BLC, notre boulot n’est déjà pas simplement d’installer Sage, Pennylane, Pipedrive ou une autre solution.

Sinon, soyons clairs, notre valeur ajoutée serait assez limitée.

Notre travail, c’est de comprendre comment l’entreprise fonctionne.

De structurer ses processus.

De faire en sorte que son CRM soit une vraie bombe. 💣

D’organiser les données.

De connecter les outils.

D’éviter les ressaisies.

D’automatiser ce qui mérite de l’être.

De gérer correctement les droits.

Et surtout de faire en sorte que les équipes utilisent réellement tout ça.

Avec l’IA, ce boulot ne disparaît pas.

Il devient encore plus important.

Parce que connecter une IA extrêmement performante à un CRM propre, parfaitement structuré et bien connecté au reste du système d’information ouvre des possibilités assez dingues.

La connecter à quinze ans de données approximatives, trois référentiels contradictoires et des droits jamais vraiment revus…

c’est une autre aventure. 😅

Avant de mettre de l’intelligence partout, mettons-en dans nos données

Je crois énormément à l’IA appliquée aux logiciels de gestion.

Et probablement beaucoup plus à cette IA-là qu’à certains gadgets que nous avons vus fleurir ces dernières années.

Parce que lorsque l’IA peut réellement interroger le CRM, comprendre certaines données de l’ERP, analyser la finance et commencer à déclencher des actions, nous ne parlons plus simplement d’un chatbot qui rédige de jolis emails.

Nous changeons progressivement notre manière d’utiliser le système d’information.

Mais il y a une condition.

La donnée derrière doit suivre.

Et c’est finalement assez paradoxal :

plus l’intelligence artificielle devient intelligente, moins nous pouvons nous permettre d’avoir des données idiotes.

Alors avant de brancher ChatGPT partout…

On range un peu ? 😉

---

Et chez BLC ?

Nous travaillons déjà sur ces nouveaux usages autour de l’IA, du CRM, de MCP, de l’automatisation et plus largement des logiciels de gestion.

Mais je pense que notre première question avant de connecter quoi que ce soit restera encore longtemps très simple :

« Montrez-nous déjà ce qu’il y a derrière. »

Parce qu’avant l’IA, il y a la donnée.

Et avant la donnée, il y a surtout la manière dont une entreprise travaille.