nous contacter

Blog · Agents IA sur mesure

Agent IA qualification leads : trier avant d'appeler

Agent IA qualification leads : il score chaque lead entrant, l'enrichit et le range dans le CRM avec une justification. Grille, workflow n8n et RGPD.

Publié le 10 novembre 2026

Agent IA qualification leads : des leads entrants notés par un agent IA puis classés en chaud, tiède ou à vérifier
Illustration : GetBatch

Un agent IA de qualification des leads lit chaque demande entrante, la complète avec des données publiques, lui attribue un score et la range dans le CRM avec une phrase qui explique pourquoi. Le commercial ouvre sa journée sur une liste triée : les trois demandes à rappeler avant midi en haut, les curieux et les hors cible en bas. L’agent ne décide pas à la place de l’équipe, il lui épargne la lecture de cinquante formulaires pour en trouver cinq. Voici comment nous construisons cet agent avec n8n, la grille de critères que nous posons avec les commerciaux et les règles RGPD à respecter.

Qu’est-ce qu’un agent IA de qualification des leads ?

C’est un workflow qui reçoit un lead (formulaire du site, email sur contact@, salon, import), le nettoie, l’enrichit, puis demande à un modèle de langage de l’évaluer selon une grille écrite par l’équipe commerciale. Le résultat n’est pas un simple chiffre : c’est un score, une catégorie et une justification lisible, par exemple « PME du BTP de 45 salariés, besoin de devis automatisés clairement exprimé, échéance janvier : à rappeler ».

La différence avec le scoring classique des CRM tient à la nature des données. Un scoring par règles sait additionner des points pour un secteur, une taille ou une page visitée. Il ne sait pas lire le message libre d’un formulaire et comprendre que « on cherche quelqu’un pour reprendre nos scénarios Make qui plantent » est une demande sérieuse, alors que « je suis étudiant et je fais un mémoire » ne l’est pas. C’est là que le modèle de langage apporte quelque chose.

Les grands CRM avancent dans cette direction. HubSpot propose par exemple un agent de prospection dans ses éditions Starter, Professional et Enterprise, facturé en crédits HubSpot, selon sa base de connaissances. Ces agents intégrés conviennent quand tout vit dans le CRM. Un agent sur mesure se justifie quand vos critères sont propres à votre métier, quand les leads arrivent par plusieurs canaux ou quand vous voulez garder la main sur le modèle utilisé et sur l’hébergement des données.

Quels critères donner à l’agent pour scorer un lead ?

La qualité de l’agent dépend presque entièrement de la grille. Nous la construisons en atelier avec le directeur commercial, à partir d’une vingtaine de leads passés dont on connaît l’issue : signés, perdus, jamais rappelés.

Grille de scoring d'un agent IA de qualification des leads : critères calculés par des règles n8n et critères évalués par l'agent IA, avec leur poids et les seuils chaud, tiède et revue humaine Exemple de grille : les critères factuels restent des règles, l’agent IA ne juge que ce qui demande de lire le texte.

Notre principe : tout ce qui peut être calculé par une règle reste une règle. Le secteur (code NAF), la tranche d’effectif, la zone géographique ou le fait d’être déjà client se vérifient sans IA, de façon exacte et gratuite. L’agent IA n’évalue que ce qui demande de comprendre un texte :

  1. Le besoin : est-il clair, et fait-il partie de ce que vous vendez ?
  2. L’échéance : le message mentionne-t-il une date, une urgence, un projet en cours ?
  3. Le rôle du contact : dirigeant, responsable métier, stagiaire, prestataire concurrent ?
  4. Les signaux négatifs : demande d’emploi, sollicitation commerciale déguisée, message hors sujet.

Chaque critère reçoit un poids, et la somme donne un score sur 100. Les seuils (chaud, tiède, à vérifier) se règlent ensuite sur les leads réels. Une grille qui classe 60 % des demandes en « chaud » ne trie rien : il faut la resserrer.

Comment construire l’agent de qualification avec n8n ?

Workflow n8n d'un agent IA de qualification des leads : réception, nettoyage, enrichissement, agent IA qui score et justifie, puis routage vers le commercial, une séquence de suivi ou une file de revue humaine Le workflow type : l’agent IA n’intervient qu’à l’étape 4, sur un lead déjà nettoyé et enrichi.

Chez nous, ce workflow tourne sur un n8n auto-hébergé en Docker, sur un serveur en France. Les étapes :

  1. Réception. Un nœud Webhook reçoit les formulaires du site, un déclencheur Gmail ou Microsoft Outlook surveille la boîte de contact, un déclencheur CRM capte les leads créés à la main. Tous convergent vers le même sous-workflow, pour que la grille soit appliquée partout de la même façon.
  2. Nettoyage. Un nœud Code normalise l’email et le domaine. On écarte les doublons en interrogeant le CRM, et les domaines jetables ou les messages manifestement automatiques sont classés sans appeler le modèle.
  3. Enrichissement. Un nœud HTTP Request interroge l’API Recherche d’entreprises de l’État à partir du domaine ou du nom de la société, pour obtenir SIREN, code NAF et tranche d’effectif. Si plusieurs entreprises correspondent, on n’en choisit pas une au hasard : le lead part en « à vérifier ».
  4. Évaluation. Un nœud AI Agent reçoit le message, les données enrichies et la grille en consigne. Il est relié à un Structured Output Parser qui impose une réponse JSON fixe (voir plus bas). Si une information manque, l’agent peut appeler un outil, par exemple une recherche dans l’historique CRM du contact.
  5. Calcul et routage. Un nœud Code additionne les points des règles et ceux de l’agent, puis un Switch oriente le lead selon les seuils.
  6. Écriture dans le CRM. Le score, la catégorie et la justification vont dans des champs dédiés de la fiche (HubSpot, Pipedrive, Sellsy, Odoo). Nous avons détaillé le branchement côté Pipedrive dans notre article n8n et Pipedrive.
  7. Alerte. Pour un lead chaud, un message sur Teams ou Slack au bon commercial, avec le résumé et le lien vers la fiche.

Le format de sortie imposé à l’agent ressemble à ceci :

{
  "besoin_clair": true,
  "besoin_dans_offre": true,
  "echeance": "janvier 2027",
  "role_contact": "dirigeant",
  "signal_negatif": null,
  "points_ia": 48,
  "justification": "Dirigeant d'une PME de 45 salariés, veut automatiser ses devis, échéance annoncée.",
  "confiance": "haute"
}

Le champ confiance est important : quand le message est trop court ou ambigu, l’agent doit pouvoir dire « je ne sais pas ». Tout lead à confiance basse va en revue humaine, quel que soit son score.

Côté version, n8n a publié la 2.46.7 comme version stable le 9 novembre 2026, d’après le registre npm. La branche 2.47, en préversion depuis le 3 novembre, corrige plusieurs points du nœud AI Agent, dont un comptage de jetons qui pouvait bloquer le serveur, selon les notes de version de n8n. Pour un agent appelé à chaque lead entrant, nous attendons qu’une version passe en stable avant de la déployer, en suivant notre routine de mise à jour de n8n sous Docker.

L’agent peut-il se tromper ?

Oui, et il faut le prévoir. Un modèle de langage peut surévaluer un message enthousiaste mais vague, ou passer à côté d’un grand compte qui écrit en deux lignes. Quatre garde-fous que nous mettons en place :

  • Une file de revue humaine. Les leads « à vérifier » et ceux à faible confiance sont relus chaque jour par un commercial, qui corrige la catégorie dans le CRM.
  • Un suivi des corrections. Chaque correction est enregistrée. Au bout d’un mois, on relit les écarts entre le score de l’agent et la décision de l’équipe, et on ajuste la grille ou la consigne. C’est le principe de supervision humaine que nous appliquons à tous nos agents.
  • Aucun refus automatique envoyé au prospect. L’agent peut préparer une réponse polie pour un hors cible, mais elle part en brouillon. Un lead écarté à tort, c’est une vente perdue sans que personne le sache.
  • Un workflow d’erreur. Si le modèle ne répond pas ou renvoie un JSON invalide, le lead n’est pas perdu : il est créé dans le CRM sans score, avec une alerte à l’équipe.

La même logique (l’IA prépare, l’humain valide) guide notre agent IA de devis, qui prend souvent le relais une fois le lead qualifié.

Que dit le RGPD sur la qualification automatique des leads ?

Qualifier un lead revient à traiter des données personnelles : nom, fonction, email, contenu du message. Pour la prospection entre professionnels, la CNIL admet l’intérêt légitime comme base légale lorsque la sollicitation est en rapport avec la profession de la personne, à condition de l’informer et de lui permettre de s’opposer simplement, comme elle le rappelle dans sa fiche sur la prospection par courrier électronique. Les données publiques utilisées pour l’enrichissement ne sont pas pour autant libres d’usage : la CNIL rappelle qu’elles restent soumises au RGPD.

En pratique, nous vérifions quatre points :

  1. Mettre à jour l’information du formulaire et la politique de confidentialité, en mentionnant l’analyse automatisée des demandes et les sources d’enrichissement.
  2. Limiter les données envoyées au modèle au strict nécessaire : le message et les données d’entreprise, pas le numéro de téléphone.
  3. Choisir le fournisseur du modèle en connaissant le lieu de traitement et ses conditions de conservation. Un modèle européen comme ceux de Mistral, ou un modèle ouvert sur votre serveur, réduit les questions de transfert hors UE.
  4. Garder une décision humaine sur tout ce qui écarte un prospect. Le score aide à prioriser, il ne ferme pas la porte.

Nous détaillons ces sujets dans notre article sur le RGPD et la souveraineté des données avec l’IA.

Combien coûte un agent IA de qualification des leads ?

Le coût d’usage est faible : une évaluation consomme quelques milliers de jetons, et avec un modèle de taille moyenne, des centaines de leads par mois représentent une dépense d’API modeste. Le vrai travail est ailleurs : l’atelier pour écrire la grille, les branchements aux sources et au CRM, les tests sur vos leads passés, puis l’ajustement pendant le premier mois.

Un agent IA de ce type se situe le plus souvent entre 4 000 et 8 000 €, sur devis, selon le nombre de canaux d’entrée et de CRM à relier. Si vous voulez d’abord un tri par règles sans IA (secteur, taille, zone), c’est une automatisation ciblée, plutôt autour de 2 000 €, toujours sur devis. Notre agence n8n commence souvent par cette version simple, puis ajoute l’agent quand les règles montrent leurs limites. La liste des outils que nous connectons indique les CRM et messageries pris en charge.

Questions fréquentes

Faut-il un CRM pour utiliser un agent de qualification ?

C’est préférable, car c’est là que vivent le score, la justification et l’historique. Pour démarrer, une Data Table n8n ou un tableur partagé peut suffire, mais l’équipe finira par vouloir retrouver ces informations sur la fiche du contact.

Quel modèle d’IA choisir pour qualifier des leads ?

Pas besoin du plus gros modèle : la tâche consiste à lire un message court et à remplir une grille. Un modèle de taille moyenne suffit souvent, à tester sur vos leads passés. Le choix dépend surtout de l’hébergement des données et du coût par appel.

L’agent peut-il répondre directement au prospect ?

Il peut préparer un brouillon d’accusé de réception personnalisé ou de prise de rendez-vous. Nous recommandons de le faire relire, au moins les premières semaines, puis de n’automatiser l’envoi que pour les messages simples et sans engagement.

Combien de temps pour mettre l’agent en production ?

Comptez quelques semaines entre l’atelier sur la grille et la mise en production, tests sur les leads passés compris. Le premier mois sert ensuite à ajuster les seuils à partir des corrections de l’équipe.

Un agent IA de qualification des leads ne remplace pas le flair commercial, il lui rend du temps : vos commerciaux appellent d’abord ceux qui ont un vrai projet. Notre agence n8n construit cet agent avec votre équipe, l’héberge sur un serveur en France et l’ajuste dans la durée. Parlons de vos leads.

→À lire ensuite