Pourquoi externaliser l’enrichissement des données quand les outils d’IA remplissent tous les champs ?

Une équipe des opérations de revenus passe sa liste de comptes dans un outil d’enrichissement en cascade. L’outil interroge un fournisseur de données, puis un deuxième pour combler les lacunes, puis un troisième. Un agent de recherche en IA complète les champs encore vides en consultant les sites web des entreprises et l’actualité. Le tableau de bord affiche un taux de remplissage de 97 %. Un commercial ouvre le dossier d’un compte cible prioritaire et y trouve deux adresses de siège social, un nombre d’employés qui varie de 4 000 selon la source et un directeur financier qui a quitté l’entreprise huit mois plus tôt.

Aucune donnée de ce dossier n’est manquante. Pourtant, une grande partie est erronée. C’est ce décalage qui explique pourquoi les équipes externalisent encore l’enrichissement des données, même lorsque les outils automatisés peuvent remplir tous les champs. Le remplissage des champs ne coûte presque plus rien. En revanche, déterminer quelle valeur est correcte lorsque les sources se contredisent ou ne sont plus à jour exige toujours du discernement. Pour les comptes qui génèrent du chiffre d’affaires, l’enrichissement vérifié par des humains justifie son coût en permettant de résoudre les conflits, et non par le nombre de champs vides qu’il remplit.

Comment l’enrichissement des données est-il devenu une course au taux de remplissage ?

Les services d’enrichissement des données B2B ajoutent les informations manquantes aux fiches des entreprises et des contacts : des données firmographiques, comme le secteur d’activité, le chiffre d’affaires et les effectifs ; des coordonnées, comme la fonction, l’adresse e-mail et le numéro de téléphone ; des données technographiques, comme les logiciels utilisés par une entreprise ; et des signaux tels que les levées de fonds, les recrutements et les changements de direction.

Pendant des années, les équipes ont acheté les données d’un seul fournisseur et accepté les lacunes de sa couverture. L’enrichissement en cascade a changé la donne. Au lieu de s’appuyer sur une source unique, un outil en cascade interroge plusieurs fournisseurs à la suite et retient, pour chaque champ, la première valeur trouvée. Les agents de recherche en IA ajoutent une couche supplémentaire : ils effectuent des recherches sur le Web et résument les informations trouvées dans des champs structurés.

Ces outils apportent une réelle valeur ajoutée. Ils comblent rapidement et à moindre coût les lacunes et donnent davantage de matière aux équipes commerciales. Les entreprises adoptent ces outils rapidement : le rapport sur l’état des ventes de Salesforce indique que 54 % des commerciaux ont déjà utilisé des agents d’IA et qu’ils s’attendent à ce que ces agents réduisent de 34 % le temps consacré à la recherche de prospects. Une grande partie de ce temps de recherche est consacrée aux mêmes informations sur les comptes et les contacts que fournissent les outils d’enrichissement.

Le problème, c’est que ces outils privilégient la couverture. Le taux de remplissage devient l’indicateur phare, et tout champ contenant une valeur est considéré comme une réussite.

Pourquoi l’ajout de sources multiplie-t-il les contradictions ?

Les fournisseurs peuvent appliquer des définitions différentes, actualiser leurs données selon des calendriers distincts et utiliser des fiches d’entreprise différentes, ce qui entraîne des informations contradictoires. Sans processus permettant de comparer les sources et de vérifier les divergences, l’ajout de données peut réduire la fiabilité des fiches CRM.

Des définitions différentes

Un fournisseur compte les employés de la société mère, un autre ceux de l’entité locale et un troisième s’appuie sur une estimation issue d’un profil public. Ces trois chiffres peuvent être justifiables, mais un seul correspond à la manière dont vos territoires commerciaux sont définis.

Des cycles d’actualisation différents

Les fournisseurs actualisent leurs données selon des calendriers différents. Une fonction mise à jour la semaine dernière par une source peut encore apparaître sous son ancienne forme dans une autre. Un outil en cascade qui retient la première réponse trouvée risque de choisir la donnée obsolète.

Confusion entre entités

Les filiales, les antennes régionales et les entreprises aux noms similaires sont souvent confondues. Un agent d’IA qui consulte le Web peut fusionner les informations de deux entreprises différentes dans une seule fiche.

Aucun arbitrage

La plupart des mécanismes d’enrichissement en cascade suivent un ordre fixe. Ils ne comparent pas les valeurs des différentes sources et ne signalent pas les désaccords. La contradiction reste dissimulée dans un champ rempli.

On obtient ainsi un CRM qui semble complet, mais dont les données ne sont pas fiables.

Couverture ou exactitude pour les comptes qui comptent

Tous les dossiers n’exigent pas le même niveau de soin. Une liste marketing de 200 000 contacts destinée à une vaste campagne de notoriété peut tolérer certaines erreurs. Ce n’est pas le cas d’une liste de 300 comptes cibles pour un programme de marketing par comptes stratégiques.

Pour ces comptes prioritaires, une information erronée a un coût direct. Une équipe commerciale qui appelle un dirigeant ayant quitté l’entreprise compromet sa première impression. Un plan de territoire fondé sur des effectifs erronés attribue le compte à la mauvaise équipe. Un modèle de tarification fondé sur un chiffre d’affaires obsolète aboutit à une mauvaise estimation de la taille du contrat. Les prévisions établies à partir de ces dossiers héritent des mêmes erreurs.

Les agents d’IA accentuent encore les enjeux. Lorsqu’un agent rédige des messages de prospection, évalue des prospects ou attribue des comptes de façon autonome, il se fonde sur les informations du CRM. Un agent qui exploite des données d’enrichissement contradictoires commettra des erreurs avec assurance et à grande échelle.

Quand faut-il externaliser les services d’enrichissement des données ?

L’enrichissement automatisé convient bien aux grandes bases de données où les erreurs occasionnelles restent gérables, mais les comptes à forte valeur exigent une plus grande précision. L’externalisation devient utile lorsque les entreprises doivent vérifier l’identité des décideurs, résoudre les problèmes liés à la hiérarchie des entités, valider des coordonnées susceptibles de changer ou prendre en charge des processus de vente fondés sur l’IA. Voici les situations où l’externalisation de l’enrichissement des données apporte le plus de valeur :

1. Comptes à forte valeur : programmes de marketing par comptes stratégiques, renouvellements stratégiques et portefeuilles de vente aux grandes entreprises, où chaque dossier représente un potentiel de chiffre d’affaires important.
2. Structures d’entreprise complexes : les entreprises qui comptent plusieurs filiales ou entités régionales, ou qui ont récemment fusionné, ce qui complique la distinction entre les sociétés mères et leurs filiales pour les outils automatisés.
3. Contacts qui changent fréquemment : les secteurs où les cadres changent souvent ou où les comités d’achat sont régulièrement remaniés, ce qui complique la mise à jour des coordonnées et des informations sur les décideurs.
4. Flux de travail pilotés par des agents : processus d’acheminement des ventes, de notation des prospects et de prospection dans lesquels des agents d’IA agissent sur les données du CRM sans contrôle humain à chaque étape.
5. Prospection dans des secteurs réglementés : marchés où les données de contact doivent être assorties de sources documentées et d’un fondement juridique autorisant leur traitement et leur utilisation.

Dans ces conditions, le coût d’une seule valeur erronée dépasse celui de sa vérification. L’externalisation de l’enrichissement des données est également pertinente lorsque les équipes internes ne disposent pas d’assez de temps de recherche pour vérifier les dossiers au rythme imposé par le pipeline commercial. Les représentants du développement des ventes peuvent vérifier quelques comptes, mais ils ne peuvent pas maintenir à jour 500 dossiers prioritaires chaque trimestre tout en prospectant.

En dehors de ces situations, l’enrichissement automatisé assorti de règles de sélection des sources adaptées constitue souvent un meilleur investissement. L’objectif est de consacrer les efforts de vérification aux données dont l’inexactitude aurait des conséquences pour l’entreprise.

Pourquoi les données vérifiées par des humains sont-elles importantes à l’ère des agents d’IA ?

C’est là que l’externalisation de l’enrichissement des données justifie encore son coût. Une équipe qualifiée apporte trois éléments que les outils automatisés ne peuvent pas fournir.

Les agents d’IA s’appuient de plus en plus sur les données du CRM pour rédiger des messages de prospection, noter les prospects et acheminer les comptes, ce qui fait des informations erronées un risque pour l’entreprise. L’enrichissement vérifié par des humains contribue à garantir l’exactitude et l’actualité des dossiers essentiels, ainsi que leur conformité aux règles de l’entreprise, avant que les systèmes automatisés n’agissent.

Résolution des divergences

Lorsque les sources se contredisent, un analyste vérifie les éléments de première main : le site Web de l’entreprise, les déclarations publiques, les communiqués de presse, les profils professionnels et, dans certains cas, un appel direct. Il consigne la valeur correcte et les raisons de son choix, ainsi que la source et la date.

Vérification de l’actualité des données

Pour les contacts prioritaires, les analystes confirment que les personnes occupent toujours les fonctions indiquées. Les changements de poste sont l’une des causes les plus fréquentes de l’obsolescence des données d’enrichissement ; une vérification rapide permet d’éviter les démarches de prospection inutiles.

Conformité aux règles de l’entreprise

Les analystes appliquent les définitions propres au client. Si, pour vos territoires, le nombre d’employés est calculé au niveau de l’entité régionale, ils consignent ce chiffre. Si votre profil de client idéal exclut certaines filiales, ils les signalent. Ces règles sont rarement prises en compte dans la logique d’un processus en cascade.

La meilleure approche combine les deux méthodes. Les outils automatisés enrichissent à moindre coût les nombreux dossiers moins prioritaires. Une équipe humaine vérifie les comptes et les champs qui génèrent du chiffre d’affaires et résout les divergences les concernant. Chaque divergence résolue peut aussi alimenter l’automatisation et modifier la priorité des sources pour certains champs ou certaines régions.

Concevoir un processus hybride d’enrichissement

Un processus hybride s’appuie sur l’automatisation pour enrichir de grandes bases de données et sur des réviseurs humains pour examiner les écarts importants. La hiérarchisation des comptes, la détection des divergences, les enregistrements de vérification et l’examen régulier des sources permettent de concentrer le travail manuel là où il apporte le plus de valeur.

1. Hiérarchisez les comptes. Répartissez la base de données en catégories prioritaires selon le chiffre d’affaires potentiel, l’étape du pipeline ou la participation à un programme de marketing par compte.
2. Hiérarchisez les champs. Déterminez les champs qui influent sur l’acheminement, la notation, la tarification et la prospection, comme les effectifs, le chiffre d’affaires, le secteur et les coordonnées des décideurs.
3. Enrichissez automatiquement tous les dossiers et conservez les valeurs de chaque source, pas seulement la première trouvée.
4. Signalez automatiquement les divergences lorsque les sources diffèrent au-delà d’un seuil défini ou lorsqu’une valeur dépasse une durée d’ancienneté fixée.
5. Transmettez les dossiers prioritaires signalés à des réviseurs humains, en joignant les valeurs contradictoires et leurs sources.
6. Consignez la valeur vérifiée, sa source et la date, puis réintégrez cette information au CRM avec un statut clair.
7. Évaluez chaque trimestre la fiabilité des sources et ajustez l’ordre de priorité en cascade selon le champ, la région ou le secteur, en fonction des résultats des vérifications.

Cette méthode concentre les efforts humains là où ils sont les plus rentables et fournit un flux régulier de retours à l’automatisation. Après quelques trimestres, les données de vérification indiquent également quels fournisseurs sont les plus fiables pour chaque champ. Une source peut être fiable pour les effectifs en Amérique du Nord, mais peu fiable pour les contacts en Europe, tandis qu’une autre peut présenter la situation inverse. L’ordre de priorité en cascade peut alors être adapté selon le champ et la région, afin que moins de divergences soient transmises aux réviseurs.

Choisir une entreprise d’enrichissement des données

De nombreuses entreprises spécialisées dans l’enrichissement des données promettent désormais des taux de renseignement élevés et des recherches fondées sur l’IA. Les questions les plus utiles portent sur leur manière de gérer les divergences et l’actualité des données :

• Lorsque deux sources se contredisent, comment l’équipe détermine-t-elle quelle valeur est correcte ?
• Toutes les valeurs sources sont-elles conservées, ou uniquement celle qui a été retenue ?
• À quelle fréquence les contacts prioritaires font-ils l’objet d’une nouvelle vérification, et selon quelle méthode ?
• Le fournisseur peut-il appliquer les propres définitions du client en matière d’effectif, de secteur d’activité et de hiérarchie ?
• Quel niveau de précision le fournisseur indique-t-il pour les fiches prioritaires vérifiées, mesuré séparément du taux global de champs renseignés ?
• Comment les valeurs vérifiées sont-elles signalées dans le CRM afin que les utilisateurs puissent les distinguer des valeurs automatisées ?

Une entreprise spécialisée dans l’enrichissement des données qui se contente de communiquer ses taux de remplissage n’a pas répondu au problème. Une entreprise qui présente ses règles d’arbitrage, les données sources et la précision vérifiée sur des comptes échantillons est prête à intervenir sur des opérations essentielles au chiffre d’affaires.

Conformité et provenance des données

L’enrichissement implique des données personnelles ; la conformité doit donc être intégrée dès le départ à la conception. Le Règlement général sur la protection des données (RGPD) exige une base juridique pour le traitement des données personnelles concernant les personnes dans l’Union européenne, ainsi que de la transparence sur les sources. La loi californienne sur la protection de la vie privée des consommateurs (CCPA) accorde aux résidents de Californie le droit de connaître, de corriger et de supprimer leurs informations personnelles. Les règles encadrant la prospection, comme la loi CAN-SPAM aux États-Unis, imposent des exigences supplémentaires pour les courriels commerciaux.

La traçabilité est utile dans tous ces cas. Quand chaque valeur est accompagnée de sa source et de sa date de vérification, une équipe peut répondre à une demande d’une personne concernée, donner suite à une correction et indiquer d’où provient l’information. Les systèmes en cascade qui ne conservent que la valeur retenue font perdre cette traçabilité. Demandez à chaque fournisseur comment il consigne les sources, gère les désabonnements et les listes d’exclusion, et supprime les données sur demande. Vérifiez les certifications de sécurité en vigueur, telles que SOC 2 Type II ou ISO/IEC 27001, avant de partager des exports CRM.

Mesurer ce qui compte

Remplacez le taux de remplissage comme principal indicateur de réussite par des mesures qui reflètent l’exactitude :

• Précision vérifiée sur les comptes prioritaires, évaluée par un audit aléatoire.
• Taux de conflits par champ et par source, qui révèle les désaccords les plus fréquents entre fournisseurs.
• Fraîcheur des contacts, soit la proportion de contacts prioritaires vérifiés au cours des 90 derniers jours.
• Taux de rebond et taux de contacts erronés lors de la prospection auprès de contacts dont les données ont été enrichies.
• Confiance des commerciaux, mesurée au moyen de commentaires simples sur la qualité des fiches.

Ces indicateurs montrent si l’enrichissement aide l’équipe commerciale ou ne fait que remplir la base de données. Examinez-les avec les responsables commerciaux chaque trimestre.

Les équipes externalisent les services d’enrichissement des données aujourd’hui pour obtenir des valeurs exactes sur les comptes qui comptent le plus. Les outils en cascade et les agents d’IA remplissent les champs à peu de frais, mais ils accumulent aussi des valeurs obsolètes et contradictoires, sans règle permettant de déterminer laquelle l’emporte. L’enrichissement vérifié par des humains est rentable là où l’exactitude stimule le chiffre d’affaires : résoudre les conflits, confirmer la fraîcheur des données et appliquer des règles métier aux comptes prioritaires. Les services d’enrichissement de données B2B dignes de confiance associent l’enrichissement automatisé à une résolution vérifiée des conflits pour les fiches à forte valeur. À mesure que davantage d’agents d’IA agissent sur les données CRM sans intervention humaine, une question mérite une réponse : parmi les champs que vous avez renseignés, lesquels accepteriez-vous qu’un agent exploite aujourd’hui ?