Votre automatisation fonctionne et personne ne sait comment elle marche
Comprendre les workflows: De nombreuses équipes marketing peinent à expliquer leurs workflows d’automatisation, générant inefficacités et confusion.
Impact de l’IA: Une automatisation mal comprise risque d’amplifier les erreurs à mesure de l’adoption de l’IA, compliquant les résultats marketing.
Problèmes de migration: L’absence de documentation en automatisation peut allonger les processus de migration et entraîner des définitions mal alignées entre les équipes.
Défi de gouvernance: L’automatisation sans responsable identifié présente des risques de gouvernance, en particulier lors de l’intégration de systèmes d’IA dans les workflows existants.
Étapes de préparation: Avant d’adopter l’IA, documentez votre processus du lead au revenu et assurez-vous que les membres de l’équipe comprennent les configurations existantes.
Demandez à une équipe marketing d’expliquer le fonctionnement réel de ses propres workflows d’automatisation marketing. Allez-y, je vous attends. Pas la version générale, où l’on décrit ce que cela est censé faire, mais les rouages exacts de la machine…
Pouvez-vous répondre à la question : qu’est-ce qui déclenche cette séquence ? Ou qui a construit cette règle d’aiguillage, et pourquoi ? Et que se passe-t-il lorsqu’un contact correspond à deux segments à la fois ? Il n’est peut-être pas surprenant de voir que vous obtiendrez plus de regards vides que de réponses détaillées. Pour faire simple, il existe une meilleure façon de faire.
Andrea Tarrell a passé sa carrière à l’intersection du marketing et de la technologie des revenus, et elle a vu cette situation se répéter de nombreuses fois.
Want more from The CMO?
Sign up for a free membership to complete reading this article:
Have an account? Log In
En tant que présidente des services technologiques chez Trilliad, elle travaille avec des organisations B2B qui essaient de tirer de la valeur des plateformes dans lesquelles elles ont investi. Quand on aborde les migrations, il y a un point commun qui revient dans toutes les équipes. « Il n’est pas rare, lors d’une migration, » dit-elle, « que l’équipe avoue :
En fait, nous ne savons même pas vraiment comment cela fonctionne. Cela tournait en tâche de fond, personne ne sait vraiment comment cela a été créé, qui l’a construit, ce que cela fait.
Ce n’est pas un petit problème. Et à mesure que l’adoption de l’IA s’accélère, il va devenir beaucoup plus important.
Le fantôme dans la machine
Son expérience résume la réalité opérationnelle de nombreuses directions marketing de maturité avancée. Non par négligence des équipes, mais par la façon dont l’automatisation est construite.
Accumuler de la logique, des séquences avec embranchements, des listes d’exclusion et des règles d’aiguillage des leads, comme les vieilles maisons accumulent des câblages. Fonctionnelles, le plus souvent, mais comprises par bien moins de personnes qu’on voudrait l’admettre.
L’automatisation marketing fait partie du quotidien depuis bien plus de dix ans. La plupart des organisations marketing B2B matures disposent d’un programme ou workflow d’automatisation qui fonctionne depuis des années.
Pendant longtemps, cela a suffi. Si une séquence de nurturing ne fonctionnait pas bien, quelqu’un finissait par remarquer la baisse de taux de conversion et enquêtait. Mais aujourd’hui, l’IA change radicalement les effets de cascade.
Quand les organisations commencent à empiler de la notation, de l’enrichissement ou des campagnes pilotées par IA sur ces systèmes, elles n’ajoutent pas seulement de nouvelles capacités.
Elles amplifient toute la logique déjà en place. Des données propres, un ciblage réfléchi et des règles de routage bien construites donneront des résultats plus rapides et plus précis. Des données fragmentées, des postulats hérités et des logiques d’exclusion oubliées seront également amplifiés. C’est la recette d’une catastrophe.
Tarrell le dit avec douceur :
Si les données de départ sont vagues, si le brief n’est pas clair, si le positionnement est flou, s’il manque des preuves, l’IA ne peut pas sauver la situation.
Sa citation concernait la production de campagnes, mais le principe s’applique partout.
Le coût de l'automatisation sur pilote automatique
Il y a une raison pour laquelle la plupart des équipes ignorent comment fonctionne leur automatisation marketing. La construire a demandé des efforts considérables, et les personnes qui l'ont conçue sont souvent parties. Le savoir institutionnel a quitté l’entreprise, et les systèmes ont continué à tourner. Personne n’avait une raison suffisamment forte d’y retourner.
Le véritable coût de cette situation ne se voit pas dans les tableaux de bord. Il se traduit par des délais de migration qui passent de trois mois à quasiment deux ans. Il se voit lorsqu'une équipe doit reconstruire un workflow de qualification et réalise qu’elle n'a pas de définition commune de ce qu'est un prospect qualifié. Il ressort lors de pilotes IA qui montrent des démos impressionnantes sans jamais se traduire par du pipeline, car la qualité des données en amont n'est pas fiable.
L’équipe de Tarrell chez Trilliad a mené ce qu'ils appellent un audit de l’expérience vendeur, en évaluant Salesforce du point de vue d’un commercial dans sa journée type. Les résultats surprennent souvent.
« Comment savent-ils où chercher ? Comment organisent-ils leur journée ? L’interface convient-elle à une utilisation sur mobile ? » interroge-t-elle.
Des questions basiques de praticité que personne n’avait posées, parce que tout le monde supposait que la plateforme fonctionnait comme prévu.
Pendant ce temps, 44 % des organisations B2B citent le manque d’alignement inter-équipes comme principal frein à leur croissance, selon les propres recherches de Trilliad.
Seuls 22 % disent avoir réussi une véritable intégration entre ventes, marketing et support client. L’automatisation en tâche de fond ne crée pas cet alignement. Dans beaucoup de cas, elle renforce discrètement les silos.
Pourquoi l’adoption de l’IA expose ce problème plus vite que tout le reste
Il y a une raison pour laquelle les pilotes IA échouent. Pas parce que les modèles ne sont pas capables, mais bien parce que les systèmes auxquels ils se connectent ne sont pas prêts. Vous pouvez donner d’excellentes instructions à un modèle linguistique et obtenir pourtant de mauvais résultats. Par exemple, si les données CRM qui l’alimentent sont incomplètes, les définitions d’audience sont floues ou les signaux sur lesquels il doit agir ont été configurés par quelqu’un parti il y a deux ans — vous n’êtes pas exactement en bonne posture pour réussir.
C’est un schéma que Tarrell observe sans cesse. Des organisations qui se précipitent vers une IA autonome, vers des workflows automatisés et des campagnes IA, sans avoir fait le travail de fond pour comprendre et nettoyer ce qu’elles possèdent déjà.
Le projet pilote semble prometteur et des cas particuliers commencent à apparaître. Mais l'équipe n'arrive pas à diagnostiquer les problèmes car elle n'a pas une vision claire du fonctionnement des systèmes sous-jacents.
L'objectif est de s'assurer que votre IA fonctionne sur la base d'informations solides et fiables, a déclaré Tarrell. Et cela demande du temps et de l'intention.
Ce temps et cette intention ne sont pas glamour. Documenter les flux de travail en langage clair, cartographier ce que chaque automatisation est censée faire et si elle le fait, auditer la qualité des données avant de connecter de nouveaux outils, sont toutes des tâches fastidieuses qui ne figurent pas dans une annonce de transformation par l'IA. Mais les équipes qui les négligent construisent sur du sable, et elles finiront par le découvrir tôt ou tard.
Les équipes qui font ce travail, qui cartographient réellement leur processus lead-to-revenue étape par étape en français simple avant de toucher à un nouvel outil, avancent plus vite lorsqu'elles passent à l'implémentation. Le conseil de Tarrell est clair — faites documenter les workflows au niveau de « ce que nous voulons qu'il se passe, et ce que les personnes font par rapport à ce que la technologie fait. » Cette clarté est la condition préalable à tout le reste.
La conversation la plus difficile autour de la responsabilité
Ce problème comporte une autre couche. Lorsqu'une automatisation fonctionne sans être examinée en arrière-plan pendant suffisamment longtemps, elle cesse d'appartenir à qui que ce soit.
Les opérations marketing l'ont peut-être construite. Mais ensuite, le responsable initial des opérations marketing est parti. La nouvelle personne l'a héritée et a appris juste assez pour qu'elle ne casse pas. Les personnes qui utilisent actuellement votre automatisation marketing sont bien éloignées de celles qui comprenaient la logique d'origine.
Personne ne veut y toucher, car il y a un risque de casser quelque chose que l'on ne comprend pas. L'alternative, évidemment, est de la laisser comme telle et de faire comme si elle fonctionnait.
C'est autant un problème de gouvernance que technique. Et l'adoption de l'IA force la question.
Vous ne pouvez pas, en toute responsabilité, connecter un agent IA à un système que vous ne comprenez pas. Le profil de risque change considérablement. Les données sont traitées, partagées, exploitées. Les erreurs ne se limitent plus à « le taux de conversion était un peu faible ce trimestre » et deviennent des problèmes bien plus sérieux.
Tarrell présente la solution en termes d’agilité et de curiosité, les deux compétences que, selon elle, tout marketeur doit désormais posséder. L’agilité pour observer ce qui fonctionne et pivoter rapidement si ce n’est pas le cas. La curiosité pour continuer à se demander pourquoi les choses sont ainsi au lieu d'accepter la logique héritée comme une donnée intangible.
« Si vous ne connaissez pas la réponse, continuez à la chercher jusqu'à ce qu'elle soit claire pour vous », a-t-elle déclaré. « Cela va devenir de plus en plus important. »
Perspectives pour les 12 prochains mois
Si vous dirigez le marketing d'une organisation B2B et que vous prévoyez d'adopter l'IA au cours des douze prochains mois, il y a certaines choses à faire avant même de commencer à évaluer des outils.
Faites en sorte que quelqu’un cartographie votre flux de travail lead-to-revenue actuel en langage clair. Pas un diagramme technique, du langage simple. Que se passe-t-il lorsqu’un lead arrive ? Qu’est-ce qui déclenche le transfert à l’équipe commerciale ? Que se passe-t-il s’ils ne répondent pas ? Qui est responsable de chaque étape ? Où le processus échoue-t-il le plus souvent ?
Puis allez un cran plus loin. Pour chacune de ces étapes, découvrez si quelqu’un, dans votre équipe actuelle, comprend réellement comment elle est configurée. Pas en théorie. En pratique. Qui la réparerait si elle se cassait aujourd’hui ?
La réponse à cette deuxième question vous en apprendra davantage sur l’état de préparation de votre IA que n'importe quelle évaluation de fournisseur.
« La bonne fondation », a dit Tarrell, « c’est celle que votre équipe utilisera vraiment et sur laquelle elle construira. »
Cela semble évident. La plupart des organisations découvrent, généralement au pire moment, que leurs fondations sont quelque chose dont elles ont hérité et qu’elles n’ont jamais examiné.
Quelle est la suite ?
Inscrivez-vous à un compte gratuit sur The CMO Club pour rester informé des tendances et recevoir les derniers conseils, ressources et guides de notre communauté de leaders marketing chevronnés directement dans votre boîte de réception.