La plupart des visiteurs d'un site B2B repartent sans remplir de formulaire. Vérifiez vos propres chiffres : divisez les formulaires envoyés par les sessions du dernier trimestre, et la part du trafic qui ne s'identifie jamais représente généralement l'essentiel. La génération de leads par IA, au sens du site web, désigne l'ensemble des techniques qui agissent sur cette majorité silencieuse : identifier quelles entreprises visitent le site, estimer lesquelles sont en cycle d'achat, et modifier ce que le site affiche pour qu'une plus grande part d'entre elles passe à l'étape suivante.
L'« IA » joue un rôle plus ou moins important selon chaque partie, et les éditeurs emploient le terme de façon approximative. Cet article distingue ces parties, explique comment chacune fonctionne et où elle échoue, et propose un plan sur 30 jours pour les assembler sans surdimensionner.
Ce que signifie la génération de leads par l'IA sur un site web
L'étiquette recouvre les chatbots, le scoring prédictif, la prospection automatisée et bien d'autres choses. Pour une équipe B2B centrée sur le site web, trois éléments comptent :
| Élément | Ce qu'il fait | Où le machine learning aide vraiment |
|---|---|---|
| Identification des visiteurs | Associe les sessions anonymes à des entreprises grâce aux données IP et à l'enrichissement | Surtout du rapprochement de données, pas du ML ; certains fournisseurs utilisent des modèles pour nettoyer et rapprocher les enregistrements |
| Scoring d'intention | Estime quels comptes sont susceptibles d'acheter, à partir de l'adéquation et du comportement | Principal usage du machine learning : apprendre quelles combinaisons de signaux ont précédé vos succès passés |
| Engagement personnalisé | Modifie titres, preuves et CTA selon qui visite et ce qu'il a fait | Facultatif ; la plupart des personnalisations B2B reposent sur des règles explicites, parfois avec une sélection automatique des variantes |
Si un éditeur annonce « propulsé par l'IA », demandez-lui auquel de ces trois usages cela s'applique et sur quelles données le modèle est entraîné. Un modèle de scoring entraîné sur vos propres deals gagnés n'a rien à voir avec un « score d'intention » générique calculé par un fournisseur sur l'ensemble de ses clients.
Comment fonctionne l'identification des visiteurs
La génération de leads par formulaire attend que les gens s'identifient. L'identification des visiteurs part de l'autre bout : elle cherche à nommer l'entreprise avant que quiconque ne remplisse quoi que ce soit.
- Résolution de l'IP. L'adresse IP du visiteur est comparée à des bases de données qui associent des plages d'IP à des organisations. Les entreprises qui disposent de leurs propres plages réseau (bureaux, VPN sortant par des passerelles d'entreprise) sont bien identifiées. Les connexions haut débit domestiques, les réseaux mobiles et les réseaux partagés des espaces de coworking le sont mal ou pas du tout, ce qui explique pourquoi les taux d'identification varient autant d'un site à l'autre. Mesurez votre propre taux d'identification avant de planifier quoi que ce soit en fonction de celui-ci.
- Enrichissement firmographique. Une fois l'entreprise nommée, l'enrichissement ajoute le secteur, la tranche d'effectif, la localisation et parfois la stack technique. Considérez ces champs comme des estimations ; vérifiez un échantillon par rapport à ce que vous savez de vrais comptes.
- Comportement sur le site. Pages vues, nombre de visites et fréquence de retour sont rattachés à l'entreprise : vous voyez « trois personnes de cette entreprise ont consulté la page tarifs cette semaine » plutôt que trois sessions anonymes.
- Rapprochement CRM. Si l'entreprise correspond à un compte de votre CRM, la visite est liée à son propriétaire et à ses deals ouverts. Un commercial peut voir qu'un compte qu'il travaille a consulté deux fois la page sécurité.
L'identification au niveau de l'entreprise n'est pas une identification au niveau de la personne. Elle vous indique quelle organisation, pas quel individu, et c'est ainsi qu'elle doit être présentée aux commerciaux. Pour un comparatif des outils, consultez notre guide des logiciels d'identification des visiteurs de site web.
Scoring : de l'identification à la qualification
Une liste d'entreprises visiteuses n'est pas un pipeline. L'étape de scoring détermine lesquelles méritent l'attention. Pour intégrer un scoring basé sur un modèle dans un pipeline opérationnel, consultez ce guide pragmatique du lead scoring par IA.
1. Ancrez le profil dans vos propres succès
Récupérez vos 50 à 100 derniers deals gagnés et examinez le secteur, la tranche de taille, la région et les technologies communes. C'est votre profil d'adéquation, et il doit remplacer les hypothèses du modèle de scoring précédent. Notre article sur la construction d'un profil client idéal détaille l'analyse. Si vous avez moins de quelques dizaines de deals gagnés, un modèle de machine learning n'a presque rien sur quoi apprendre ; un modèle à points transparent, que vous pouvez expliquer aux commerciaux, fera aussi bien.
2. Identifiez les comportements qui ont précédé ces gains
Examinez l'activité web des comptes gagnés dans les semaines précédant la création de l'opportunité. Signaux qui comptent souvent en B2B : visites répétées de la page tarifs, études de cas du secteur du visiteur, pages comparatives et intégrations, plusieurs personnes d'un même compte sur une courte période. Vérifiez-les sur vos données plutôt que de les adopter en bloc ; un signal qui n'apparaît jamais avant vos succès ne doit pas peser.
C'est là que le machine learning prend tout son sens. Avec un historique suffisant, un modèle peut pondérer les combinaisons d'adéquation et de comportement mieux que des points fixés à la main. Sans historique suffisant, il sur-apprend le bruit : commencez donc simplement et passez à un modèle quand les données le permettent.
3. Transformer les scores en actions
Définissez les niveaux selon ce qui se passe ensuite, pas uniquement selon le score :
- Agir maintenant : adéquation ICP plus comportement de fin de parcours. Alertez le propriétaire du compte le jour même, avec les pages consultées.
- À réchauffer : bonne adéquation, comportement précoce. Adaptez l'expérience du site et, si vous avez le consentement, lancez un nurturing.
- Surveiller : tout le reste. Continuez à collecter le comportement et réévaluez lorsqu'il change.
Fixez les seuils de façon que le niveau « agir maintenant » soit assez restreint pour que les commerciaux examinent réellement chaque alerte. Nos guides sur le scoring des comptes à forte intention et le routage des leads issus du site détaillent les seuils et le routage.
Utiliser les données sur le site web lui-même
L'identification et le scoring vous disent qui est là. La personnalisation s'en sert pour changer ce qu'ils voient. Trois usages courants, avec les points de vigilance :
Comptes identifiés mais inconnus : une première impression adaptée au secteur
Lorsqu'une session est rattachée à un secteur ou à une tranche de taille, la page d'accueil peut afficher un titre, une preuve et un cas d'usage propres à ce segment. Exemple : un visiteur du secteur logistique voit un témoignage client logistique au lieu d'un mur de logos générique. Cela ne fonctionne que si vous disposez de vraies preuves pour le segment ; un titre sectoriel devant un contenu générique est pire que la version par défaut.
Comptes cibles connus : expériences au niveau du compte
Pour les comptes inclus dans un programme ABM ou avec un deal en cours, le site peut afficher du contenu lié à cette relation : des preuves de leur secteur, l'intégration qu'ils ont demandée, un CTA vers leur account executive plutôt qu'un formulaire de démo générique. Restez mesuré. Nommer l'entreprise dans une bannière peut donner une impression de surveillance ; montrer des contenus pertinents, généralement pas.
Visiteurs récurrents : proposer la bonne étape suivante
Première visite : « Découvrir le fonctionnement ». Visite de retour après des pages produit : « Comparer les offres ». Visite de retour après les tarifs : « Parlons-en » avec un agenda. Les règles précises comptent moins que leur test ; mesurez chacune par rapport à un groupe de contrôle qui voit la version par défaut. Notre article sur les CTA personnalisés traite du volet test.
La stack, brique par brique
- Identification et enrichissement : identifie les entreprises et ajoute les données firmographiques. Sans cela, rien en aval ne sait qui visite le site.
- Suivi comportemental : vos événements analytics (catégories de pages, visites, actions clés), rattachés à la fiche entreprise.
- Scoring : soit des points que vous définissez, soit un modèle entraîné sur vos résultats. Il peut se trouver dans votre outil de personnalisation, votre CRM ou un service distinct.
- Personnalisation : évalue les règles et sert les variantes. Les balises côté client permettent de démarrer vite ; une diffusion côté serveur ou en edge évite le scintillement sur les pages clés.
- Synchronisation CRM dans les deux sens : identification et scores vers le CRM au niveau du compte ; statut du compte et responsable renvoyés vers le site pour qu'il n'affiche pas, par exemple, un CTA « réserver une démo » à un client existant.
Ces briques ne sont utiles qu'ensemble. L'identification sans action n'est qu'une liste. La personnalisation sans identification devine. Des scores qui n'arrivent jamais dans le CRM n'arrivent jamais aux commerciaux.
Comment savoir si ça fonctionne
| Question | Indicateur | Comparatif |
|---|---|---|
| Touchons-nous les bons comptes ? | Part du trafic identifié correspondant à votre ICP | D'un mois sur l'autre |
| Le scoring permet-il de distinguer quoi que ce soit ? | Taux d'opportunités par tranche de score | Le niveau supérieur doit nettement surpasser les niveaux inférieurs ; sinon, le modèle ne prédit rien |
| Les commerciaux agissent-ils sur les alertes ? | Délai entre l'alerte et le premier contact ; part des alertes traitées | Par rapport à votre délai de réponse cible |
| La personnalisation aide-t-elle ? | Conversion par segment, personnalisé vs groupe témoin | Groupe témoin issu du même segment, pas de la moyenne du site |
| Cela vaut-il le coût ? | Coût par lead accepté par les commerciaux ou par opportunité issue de cette démarche | Par rapport à vos autres canaux, avec la même définition |
Un biais à prévoir : les comptes identifiés penchent vers les grandes entreprises, car ce sont les réseaux que la résolution IP gère le mieux. Cela peut faire paraître les tailles de deals meilleures que ne le mérite la démarche. Comparez ce qui est comparable.
Un plan sur 30 jours
- Semaine 1 : identification, sans action. Installez l'identification, connectez l'enrichissement et enregistrez quelles entreprises visitent le site et ce qu'elles lisent. Mesurez votre taux d'identification et vérifiez ponctuellement la précision sur des comptes que vous connaissez.
- Semaine 2 : un premier modèle de scoring. Analysez les deals récemment gagnés sous l'angle de l'adéquation et du comportement avant opportunité. Construisez un modèle simple à paliers et convenez avec les commerciaux de la définition du « à traiter maintenant ».
- Semaine 3 : une personnalisation. Choisissez le secteur ou la tranche de taille ICP la plus fréquente dans votre trafic identifié et personnalisez le titre et les preuves de la page d'accueil pour ce segment. Gardez un groupe de contrôle.
- Semaine 4 : connecter les commerciaux. Synchronisez l'identification au niveau du compte et les niveaux dans le CRM, activez les alertes aux propriétaires pour le niveau le plus élevé, et expliquez aux commerciaux ce que les données montrent et ne montrent pas, y compris comment y faire référence sans paraître intrusif (« J'ai remarqué que votre équipe regardait nos intégrations » est une phrase que beaucoup d'acheteurs trouveront étrange ; ouvrir sur un contenu pertinent ne l'est généralement pas).
Au bout de quatre semaines, vous avez la tuyauterie et un premier test. Le scoring ne s'améliorera que si quelqu'un examine chaque mois la performance des niveaux et l'ajuste ; il ne s'améliore pas tout seul.
Les erreurs à éviter
- Scorer uniquement sur l'adéquation. Une grande entreprise de votre ICP qui lit un article de blog n'est pas un lead chaud. Le comportement distingue généralement mieux les acheteurs des simples curieux que les données firmographiques.
- Alerter sur tout. Si les commerciaux reçoivent des dizaines d'alertes par jour, ils cessent de les lire. Gardez le niveau supérieur restreint.
- Personnaliser sur des données peu fiables. Si l'enrichissement n'est pas sûr du secteur, affichez la version par défaut. Une page du mauvais secteur est pire qu'une page générique.
- Considérer la confidentialité comme réglée parce qu'il s'agit de « données d'entreprise ». Les adresses IP et le suivi comportemental peuvent constituer des données personnelles au sens du RGPD, même si votre objectif se situe au niveau de l'entreprise. Impliquez votre responsable de la protection des données, respectez les choix de consentement pour les cookies et le suivi, et mettez à jour votre politique de confidentialité. Notre article sur la personnalisation B2B et la protection des données entre dans le détail.
- Supposer que le modèle s'entretient tout seul. Votre base clients, votre produit et vos messages évoluent. Revoyez le scoring chaque mois et les règles de personnalisation chaque trimestre.
La place de Markettailor
Markettailor combine l'identification des visiteurs au niveau de l'entreprise, l'enrichissement firmographique et la personnalisation du site : les données d'identification alimentent directement les segments et les variantes, et les résultats peuvent être comparés à un groupe témoin. Quel que soit votre outil, l'ordre ci-dessus reste valable : mesurez qui vous rend visite, apprenez ce qui a précédé vos affaires gagnées, agissez sur un petit niveau à forte intention, et testez chaque modification de page par rapport à un groupe de contrôle.
