L\u2019intelligence artificielle promet de mieux qualifier les prospects, anticiper les ventes, recommander les prochaines actions et produire automatiquement les comptes rendus commerciaux.<\/p>\n\n\n\n
Pour de nombreuses directions, elle repr\u00e9sente une occasion de tirer enfin davantage de valeur des donn\u00e9es accumul\u00e9es dans le CRM.<\/p>\n\n\n\n
Mais une question est rarement pos\u00e9e avant le lancement des premiers cas d\u2019usage :<\/p>\n\n\n\n
\n\nQue se passe-t-il lorsqu\u2019une IA apprend \u00e0 partir d\u2019opportunit\u00e9s mal qualifi\u00e9es, de doublons clients, de dates de cl\u00f4ture irr\u00e9alistes et de comptes rendus incomplets ?<\/p>\n<\/blockquote>\n<\/blockquote>\n\n\n\n
Elle ne corrige pas spontan\u00e9ment ces incoh\u00e9rences.<\/p>\n\n\n\n
Elle les absorbe, les interpr\u00e8te et les reproduit \u00e0 plus grande \u00e9chelle.<\/p>\n\n\n\n
Une organisation peut ainsi automatiser un processus sans en am\u00e9liorer la fiabilit\u00e9. Elle peut produire plus rapidement des recommandations, des scores et des synth\u00e8ses dont personne ne sait r\u00e9ellement expliquer la logique.<\/p>\n\n\n\n
L\u2019intelligence artificielle ne transforme pas automatiquement une donn\u00e9e commerciale imparfaite en d\u00e9cision fiable. Elle augmente d\u2019abord la capacit\u00e9 de l\u2019entreprise \u00e0 exploiter ce qu\u2019elle poss\u00e8de d\u00e9j\u00e0.<\/p>\n\n\n\n
Lorsque les donn\u00e9es, les processus et les r\u00e8gles sont coh\u00e9rents, cet effet de levier peut \u00eatre consid\u00e9rable.<\/p>\n\n\n\n
Lorsqu\u2019ils ne le sont pas, l\u2019IA industrialise leurs d\u00e9fauts.<\/p>\n\n\n\n
Le paradoxe de l\u2019IA commerciale<\/h2>\n\n\n\n
Les entreprises disposent d\u00e9j\u00e0 de volumes importants de donn\u00e9es commerciales :<\/p>\n\n\n\n
\n
- coordonn\u00e9es des prospects et des clients ;<\/li>\n\n\n\n
- historiques d\u2019interactions ;<\/li>\n\n\n\n
- opportunit\u00e9s ;<\/li>\n\n\n\n
- propositions commerciales ;<\/li>\n\n\n\n
- activit\u00e9s des \u00e9quipes ;<\/li>\n\n\n\n
- campagnes marketing ;<\/li>\n\n\n\n
- demandes adress\u00e9es au support ;<\/li>\n\n\n\n
- commandes et factures ;<\/li>\n\n\n\n
- comptes rendus de rendez-vous ;<\/li>\n\n\n\n
- motifs de perte ;<\/li>\n\n\n\n
- donn\u00e9es d\u2019usage ou de satisfaction.<\/li>\n<\/ul>\n\n\n\n
Pourtant, les responsables commerciaux continuent souvent \u00e0 demander aux \u00e9quipes o\u00f9 en sont r\u00e9ellement les affaires importantes.<\/p>\n\n\n\n
Les directions financi\u00e8res retraitent les pr\u00e9visions sous Excel.<\/p>\n\n\n\n
Les responsables marketing rapprochent manuellement les prospects g\u00e9n\u00e9r\u00e9s des opportunit\u00e9s effectivement cr\u00e9\u00e9es.<\/p>\n\n\n\n
Les \u00e9quipes de service client recherchent l\u2019information dans plusieurs applications.<\/p>\n\n\n\n
L\u2019entreprise dispose donc de beaucoup de donn\u00e9es, mais pas n\u00e9cessairement d\u2019une repr\u00e9sentation fiable de son activit\u00e9.<\/p>\n\n\n\n
L\u2019arriv\u00e9e de l\u2019IA peut donner l\u2019impression que cette limite va dispara\u00eetre. Un mod\u00e8le pourrait analyser les informations disponibles, d\u00e9tecter les tendances et compenser les erreurs humaines.<\/p>\n\n\n\n
Cette attente repose toutefois sur une confusion : celle entre la capacit\u00e9 \u00e0 traiter une donn\u00e9e<\/strong> et la capacit\u00e9 \u00e0 d\u00e9terminer si cette donn\u00e9e repr\u00e9sente correctement la r\u00e9alit\u00e9<\/strong>.<\/p>\n\n\n\n
Une IA peut rep\u00e9rer qu\u2019une opportunit\u00e9 ressemble aux affaires habituellement gagn\u00e9es. Mais elle ne peut pas savoir seule si les affaires historiques ont \u00e9t\u00e9 correctement qualifi\u00e9es.<\/p>\n\n\n\n
Elle peut r\u00e9sumer un rendez-vous. Mais elle ne peut pas d\u00e9terminer si le commercial a omis un \u00e9l\u00e9ment d\u00e9cisif qui n\u2019a jamais \u00e9t\u00e9 enregistr\u00e9.<\/p>\n\n\n\n
Elle peut recommander de relancer un client. Mais elle ne sait pas n\u00e9cessairement que ce client a formul\u00e9 une objection strat\u00e9gique dans un \u00e9change rest\u00e9 en dehors du CRM.<\/p>\n\n\n\n
Elle peut calculer une probabilit\u00e9 de signature. Mais ce r\u00e9sultat d\u00e9pendra de la mani\u00e8re dont les \u00e9tapes, les gains, les pertes et les dates ont \u00e9t\u00e9 renseign\u00e9s auparavant.<\/p>\n\n\n\n
L\u2019IA ne travaille pas \u00e0 partir de la r\u00e9alit\u00e9 commerciale.<\/p>\n\n\n\n
Elle travaille \u00e0 partir de la trace que l\u2019organisation en a conserv\u00e9e.<\/p>\n\n\n\n
Une donn\u00e9e peut \u00eatre correcte sans \u00eatre exploitable<\/h2>\n\n\n\n
Le sujet ne se limite pas aux erreurs de saisie.<\/p>\n\n\n\n
Une information peut \u00eatre techniquement correcte et pourtant insuffisante pour prendre une d\u00e9cision.<\/p>\n\n\n\n
Un commercial peut renseigner un montant de 300 000 euros dans une opportunit\u00e9. Ce montant peut correspondre :<\/p>\n\n\n\n
\n
- \u00e0 la valeur totale d\u2019un contrat sur trois ans ;<\/li>\n\n\n\n
- au revenu annuel attendu ;<\/li>\n\n\n\n
- au montant de la premi\u00e8re commande ;<\/li>\n\n\n\n
- au potentiel maximal incluant des options ;<\/li>\n\n\n\n
- au chiffre d\u2019affaires susceptible d\u2019\u00eatre reconnu pendant l\u2019exercice ;<\/li>\n\n\n\n
- ou \u00e0 une premi\u00e8re estimation encore peu document\u00e9e.<\/li>\n<\/ul>\n\n\n\n
La valeur enregistr\u00e9e n\u2019est pas n\u00e9cessairement fausse.<\/p>\n\n\n\n
Mais elle reste inutilisable tant que sa signification n\u2019est pas partag\u00e9e.<\/p>\n\n\n\n
De la m\u00eame mani\u00e8re, une opportunit\u00e9 peut \u00eatre class\u00e9e en \u00ab n\u00e9gociation \u00bb alors qu\u2019une proposition a simplement \u00e9t\u00e9 transmise au prospect. Le statut d\u00e9crit peut-\u00eatre fid\u00e8lement la perception du vendeur, sans correspondre \u00e0 une d\u00e9finition commune \u00e0 l\u2019organisation.<\/p>\n\n\n\n
L\u2019intelligence artificielle ne r\u00e9sout pas cette ambigu\u00eft\u00e9. Elle l\u2019int\u00e8gre dans son raisonnement.<\/p>\n\n\n\n
Plus l\u2019entreprise automatise ses analyses, plus ces diff\u00e9rences de d\u00e9finition deviennent importantes. Une ambigu\u00eft\u00e9 g\u00e9r\u00e9e ponctuellement par un manager peut se transformer en r\u00e8gle implicite appliqu\u00e9e \u00e0 des milliers d\u2019enregistrements.<\/p>\n\n\n\n
Les cinq d\u00e9fauts que l\u2019IA risque d\u2019amplifier<\/h2>\n\n\n\n
1. Des d\u00e9finitions diff\u00e9rentes selon les \u00e9quipes<\/h3>\n\n\n\n
Une opportunit\u00e9 \u00ab qualifi\u00e9e \u00bb peut d\u00e9signer un prospect ayant exprim\u00e9 un int\u00e9r\u00eat, un besoin confirm\u00e9 ou un projet disposant d\u00e9j\u00e0 d\u2019un budget.<\/p>\n\n\n\n
Un client \u00ab actif \u00bb peut \u00eatre un client ayant sign\u00e9 un contrat, pass\u00e9 une commande ou simplement re\u00e7u une facture au cours des douze derniers mois.<\/p>\n\n\n\n
Un lead \u00ab marketing \u00bb peut \u00eatre attribu\u00e9 \u00e0 la campagne qui l\u2019a initialement g\u00e9n\u00e9r\u00e9, \u00e0 son dernier point de contact ou au canal retenu par le commercial.<\/p>\n\n\n\n
Lorsque ces d\u00e9finitions diff\u00e8rent, les donn\u00e9es restent difficilement comparables.<\/p>\n\n\n\n
Une IA peut n\u00e9anmoins produire une analyse \u00e0 partir de ces informations. Le r\u00e9sultat aura alors l\u2019apparence de la pr\u00e9cision sans reposer sur une s\u00e9mantique homog\u00e8ne.<\/p>\n\n\n\n
Le probl\u00e8me n\u2019est donc pas l\u2019absence de calcul.<\/p>\n\n\n\n
C\u2019est l\u2019absence d\u2019un langage commun.<\/p>\n\n\n\n
2. Des historiques incomplets ou biais\u00e9s<\/h3>\n\n\n\n
Les donn\u00e9es commerciales ne repr\u00e9sentent pas toujours l\u2019ensemble de l\u2019activit\u00e9.<\/p>\n\n\n\n
Les commerciaux enregistrent g\u00e9n\u00e9ralement mieux les affaires prometteuses que les opportunit\u00e9s abandonn\u00e9es tr\u00e8s t\u00f4t. Certaines pertes ne sont jamais cl\u00f4tur\u00e9es. Certains motifs sont s\u00e9lectionn\u00e9s pour terminer rapidement la saisie plut\u00f4t que pour d\u00e9crire la r\u00e9alit\u00e9.<\/p>\n\n\n\n
Les rendez-vous importants sont document\u00e9s, tandis que les \u00e9changes informels restent dans les messageries, les agendas ou la m\u00e9moire des \u00e9quipes.<\/p>\n\n\n\n
L\u2019historique contient alors un biais de s\u00e9lection : il conserve mieux certains \u00e9v\u00e9nements que d\u2019autres.<\/p>\n\n\n\n
Une IA entra\u00een\u00e9e ou param\u00e9tr\u00e9e \u00e0 partir de cet historique peut conclure que certains comportements conduisent \u00e0 la r\u00e9ussite, alors qu\u2019ils sont simplement mieux enregistr\u00e9s lorsque l\u2019affaire para\u00eet importante.<\/p>\n\n\n\n
Elle ne d\u00e9couvre pas seulement les pratiques commerciales de l\u2019entreprise.<\/p>\n\n\n\n
Elle d\u00e9couvre aussi ses pratiques de saisie.<\/p>\n\n\n\n
3. Des donn\u00e9es p\u00e9rim\u00e9es pr\u00e9sent\u00e9es comme actuelles<\/h3>\n\n\n\n
Une donn\u00e9e exacte au moment de sa cr\u00e9ation peut devenir trompeuse quelques semaines plus tard.<\/p>\n\n\n\n
Le d\u00e9cideur a chang\u00e9. Le budget a \u00e9t\u00e9 report\u00e9. Le calendrier client n\u2019est plus valable. L\u2019entreprise prospect\u00e9e a \u00e9t\u00e9 rachet\u00e9e. La priorit\u00e9 du projet a diminu\u00e9.<\/p>\n\n\n\n
Pourtant, si aucune r\u00e8gle ne d\u00e9clenche l\u2019actualisation ou le contr\u00f4le de l\u2019information, le CRM continue \u00e0 pr\u00e9senter la derni\u00e8re valeur connue.<\/p>\n\n\n\n
Un mod\u00e8le d\u2019IA peut alors analyser avec beaucoup de sophistication une situation qui n\u2019existe plus.<\/p>\n\n\n\n
La fra\u00eecheur de la donn\u00e9e est aussi importante que son exactitude initiale.<\/p>\n\n\n\n
4. Des doublons qui fragmentent la vision du client<\/h3>\n\n\n\n
Une m\u00eame organisation peut appara\u00eetre sous plusieurs noms :<\/p>\n\n\n\n
\n
- le nom commercial ;<\/li>\n\n\n\n
- la raison sociale ;<\/li>\n\n\n\n
- une filiale ;<\/li>\n\n\n\n
- une ancienne d\u00e9nomination ;<\/li>\n\n\n\n
- une variante orthographique ;<\/li>\n\n\n\n
- un compte cr\u00e9\u00e9 dans une autre r\u00e9gion ;<\/li>\n\n\n\n
- un enregistrement provenant d\u2019une campagne marketing.<\/li>\n<\/ul>\n\n\n\n
Les interactions, les opportunit\u00e9s et les demandes de support sont alors dispers\u00e9es entre plusieurs fiches.<\/p>\n\n\n\n
Une IA peut \u00eatre charg\u00e9e de produire une vision \u00e0 360 degr\u00e9s du client, mais elle ne pourra pas la reconstruire correctement si l\u2019entreprise ne dispose pas d\u2019une r\u00e8gle fiable pour identifier les entit\u00e9s et leurs relations.<\/p>\n\n\n\n
Le probl\u00e8me ne se situe pas dans la g\u00e9n\u00e9ration de la synth\u00e8se.<\/p>\n\n\n\n
Il se situe dans la capacit\u00e9 \u00e0 d\u00e9terminer ce qui appartient r\u00e9ellement au m\u00eame client.<\/p>\n\n\n\n
5. Des processus officiels diff\u00e9rents des pratiques r\u00e9elles<\/h3>\n\n\n\n
Le CRM peut pr\u00e9voir six \u00e9tapes commerciales, alors que les \u00e9quipes utilisent en pratique trois statuts et compl\u00e8tent les autres au moment de la cl\u00f4ture.<\/p>\n\n\n\n
Il peut exiger un motif de perte, mais permettre de s\u00e9lectionner une valeur g\u00e9n\u00e9rique.<\/p>\n\n\n\n
Il peut pr\u00e9voir l\u2019enregistrement syst\u00e9matique des prochaines actions, alors que les commerciaux les suivent dans leur messagerie.<\/p>\n\n\n\n
Dans ce contexte, les donn\u00e9es donnent une repr\u00e9sentation formelle du processus, pas n\u00e9cessairement une repr\u00e9sentation de son fonctionnement r\u00e9el.<\/p>\n\n\n\n
L\u2019IA risque alors d\u2019optimiser le processus th\u00e9orique plut\u00f4t que le processus effectivement suivi.<\/p>\n\n\n\n
Pourquoi une IA peut produire un r\u00e9sultat convaincant mais difficile \u00e0 d\u00e9fendre<\/h2>\n\n\n\n
L\u2019un des principaux risques tient \u00e0 la qualit\u00e9 apparente des r\u00e9sultats produits.<\/p>\n\n\n\n
Une synth\u00e8se r\u00e9dig\u00e9e clairement semble cr\u00e9dible.<\/p>\n\n\n\n
Un score exprim\u00e9 sur 100 para\u00eet objectif.<\/p>\n\n\n\n
Une pr\u00e9vision pr\u00e9sent\u00e9e avec deux d\u00e9cimales donne une impression de pr\u00e9cision.<\/p>\n\n\n\n
Une recommandation formul\u00e9e avec assurance peut \u00eatre interpr\u00e9t\u00e9e comme une conclusion \u00e9tablie.<\/p>\n\n\n\n
Pourtant, la qualit\u00e9 de la pr\u00e9sentation ne dit rien de la solidit\u00e9 des hypoth\u00e8ses.<\/p>\n\n\n\n
Prenons un mod\u00e8le qui attribue \u00e0 une opportunit\u00e9 une probabilit\u00e9 de signature de 78 %. Ce r\u00e9sultat peut \u00eatre calcul\u00e9 \u00e0 partir de nombreuses variables :<\/p>\n\n\n\n
\n
- secteur du client ;<\/li>\n\n\n\n
- montant ;<\/li>\n\n\n\n
- \u00e9tape commerciale ;<\/li>\n\n\n\n
- dur\u00e9e dans le pipeline ;<\/li>\n\n\n\n
- activit\u00e9s enregistr\u00e9es ;<\/li>\n\n\n\n
- caract\u00e9ristiques des affaires pr\u00e9c\u00e9demment gagn\u00e9es ;<\/li>\n\n\n\n
- comportement des interlocuteurs ;<\/li>\n\n\n\n
- performance historique du commercial.<\/li>\n<\/ul>\n\n\n\n
Mais si les \u00e9tapes sont incoh\u00e9rentes, les activit\u00e9s incompl\u00e8tes et les pertes mal enregistr\u00e9es, la probabilit\u00e9 obtenue ne repr\u00e9sente pas n\u00e9cessairement la r\u00e9alit\u00e9.<\/p>\n\n\n\n
Elle repr\u00e9sente la coh\u00e9rence de l\u2019opportunit\u00e9 avec un historique lui-m\u00eame imparfait.<\/p>\n\n\n\n
Cela ne signifie pas que le mod\u00e8le est inutile. Cela signifie que son r\u00e9sultat doit \u00eatre compris pour ce qu\u2019il est : une estimation construite \u00e0 partir de donn\u00e9es et de r\u00e8gles d\u00e9termin\u00e9es.<\/p>\n\n\n\n
Le dirigeant doit pouvoir demander :<\/p>\n\n\n\n
\n
- quelles donn\u00e9es ont contribu\u00e9 au r\u00e9sultat ;<\/li>\n\n\n\n
- quelle p\u00e9riode historique a \u00e9t\u00e9 retenue ;<\/li>\n\n\n\n
- quels enregistrements ont \u00e9t\u00e9 exclus ;<\/li>\n\n\n\n
- comment les donn\u00e9es manquantes sont trait\u00e9es ;<\/li>\n\n\n\n
- \u00e0 quelle fr\u00e9quence le mod\u00e8le est \u00e9valu\u00e9 ;<\/li>\n\n\n\n
- dans quels cas sa recommandation doit \u00eatre ignor\u00e9e ;<\/li>\n\n\n\n
- qui reste responsable de la d\u00e9cision.<\/li>\n<\/ul>\n\n\n\n
Sans cette capacit\u00e9 d\u2019explication, l\u2019entreprise risque de remplacer un jugement commercial discutable par un score technique tout aussi discutable, mais plus difficile \u00e0 contester.<\/p>\n\n\n\n
Les cons\u00e9quences d\u00e9passent largement le CRM<\/h2>\n\n\n\n
Une recommandation impr\u00e9cise ne reste pas confin\u00e9e dans l\u2019outil commercial.<\/p>\n\n\n\n
Elle peut influencer plusieurs d\u00e9cisions de l\u2019entreprise.<\/p>\n\n\n\n
Une mauvaise hi\u00e9rarchisation des prospects<\/h3>\n\n\n\n
Si le scoring repose sur des donn\u00e9es historiques biais\u00e9es, l\u2019entreprise peut concentrer ses efforts sur les profils les plus proches de ses clients actuels et n\u00e9gliger des segments \u00e9mergents.<\/p>\n\n\n\n
L\u2019IA renforce alors les habitudes existantes au lieu d\u2019identifier de nouvelles opportunit\u00e9s.<\/p>\n\n\n\n
Une pr\u00e9vision commerciale artificiellement cr\u00e9dible<\/h3>\n\n\n\n
Un mod\u00e8le pr\u00e9dictif peut apporter une couche de sophistication \u00e0 un forecast d\u00e9j\u00e0 fragile.<\/p>\n\n\n\n
La direction peut accorder davantage de confiance \u00e0 la pr\u00e9vision simplement parce qu\u2019elle est produite par un algorithme, sans examiner la qualit\u00e9 des donn\u00e9es sous-jacentes.<\/p>\n\n\n\n
Une automatisation de messages inadapt\u00e9s<\/h3>\n\n\n\n
Une IA g\u00e9n\u00e9rative peut personnaliser des emails ou des propositions \u00e0 partir d\u2019informations obsol\u00e8tes, incompl\u00e8tes ou rattach\u00e9es au mauvais compte.<\/p>\n\n\n\n
L\u2019automatisation augmente alors la vitesse de diffusion de l\u2019erreur.<\/p>\n\n\n\n
Une vision client incorrecte<\/h3>\n\n\n\n
Une synth\u00e8se \u00e0 360 degr\u00e9s peut m\u00e9langer plusieurs entit\u00e9s, ignorer une filiale ou attribuer au groupe une interaction qui ne concerne qu\u2019un \u00e9tablissement.<\/p>\n\n\n\n
Le responsable de compte prend ensuite sa d\u00e9cision \u00e0 partir d\u2019une vision apparemment compl\u00e8te, mais structurellement fausse.<\/p>\n\n\n\n
Une responsabilit\u00e9 devenue difficile \u00e0 localiser<\/h3>\n\n\n\n
Lorsqu\u2019une recommandation est produite automatiquement, les \u00e9quipes peuvent progressivement cesser d\u2019interroger son origine.<\/p>\n\n\n\n
Le commercial consid\u00e8re que le score provient du syst\u00e8me. L\u2019administrateur du CRM consid\u00e8re qu\u2019il provient du mod\u00e8le. Le fournisseur consid\u00e8re qu\u2019il d\u00e9pend des donn\u00e9es du client.<\/p>\n\n\n\n
Tout le monde utilise le r\u00e9sultat, mais personne n\u2019est clairement responsable de sa validit\u00e9.<\/p>\n\n\n\n
La gouvernance des donn\u00e9es doit pr\u00e9c\u00e9der la g\u00e9n\u00e9ralisation de l\u2019IA<\/h2>\n\n\n\n
Il ne s\u2019agit pas d\u2019attendre que toutes les donn\u00e9es soient parfaites avant de lancer le moindre cas d\u2019usage.<\/p>\n\n\n\n
Cette exigence serait irr\u00e9aliste.<\/p>\n\n\n\n
Il s\u2019agit plut\u00f4t d\u2019adapter le niveau de gouvernance au niveau de risque de la d\u00e9cision automatis\u00e9e.<\/p>\n\n\n\n
Une IA qui reformule un compte rendu de rendez-vous ne pr\u00e9sente pas les m\u00eames cons\u00e9quences qu\u2019un mod\u00e8le qui recommande d\u2019\u00e9carter un prospect, pr\u00e9voit le chiffre d\u2019affaires ou sugg\u00e8re une remise commerciale.<\/p>\n\n\n\n
Plus le r\u00e9sultat influence une d\u00e9cision importante, plus les donn\u00e9es et les r\u00e8gles doivent \u00eatre contr\u00f4l\u00e9es.<\/p>\n\n\n\n
Avant de g\u00e9n\u00e9raliser un cas d\u2019usage, l\u2019entreprise doit donc d\u00e9finir :<\/p>\n\n\n\n
\n
- les donn\u00e9es utilis\u00e9es ;<\/li>\n\n\n\n
- leur signification ;<\/li>\n\n\n\n
- leur origine ;<\/li>\n\n\n\n
- leur niveau de fra\u00eecheur ;<\/li>\n\n\n\n
- les contr\u00f4les appliqu\u00e9s ;<\/li>\n\n\n\n
- les responsabilit\u00e9s associ\u00e9es ;<\/li>\n\n\n\n
- les conditions dans lesquelles le r\u00e9sultat peut \u00eatre exploit\u00e9 ;<\/li>\n\n\n\n
- les situations n\u00e9cessitant une validation humaine.<\/li>\n<\/ul>\n\n\n\n
La gouvernance ne consiste pas \u00e0 ralentir l\u2019innovation.<\/p>\n\n\n\n
Elle \u00e9vite de transformer rapidement une faiblesse locale en d\u00e9pendance organisationnelle.<\/p>\n\n\n\n
Les sept conditions d\u2019une IA commerciale r\u00e9ellement utile<\/h2>\n\n\n\n
1. Commencer par une d\u00e9cision, pas par une fonctionnalit\u00e9<\/h3>\n\n\n\n
La mauvaise question est :<\/p>\n\n\n\n
\nO\u00f9 pouvons-nous ajouter de l\u2019IA dans le CRM ?<\/p>\n<\/blockquote>\n\n\n\n
La bonne question est :<\/p>\n\n\n\n
\nQuelle d\u00e9cision voulons-nous am\u00e9liorer, et pourquoi est-elle actuellement insuffisante ?<\/p>\n<\/blockquote>\n\n\n\n
L\u2019objectif peut \u00eatre de mieux prioriser les leads, d\u00e9tecter les opportunit\u00e9s inactives, am\u00e9liorer les pr\u00e9visions ou r\u00e9duire le temps consacr\u00e9 aux comptes rendus.<\/p>\n\n\n\n
Chaque cas d\u2019usage doit \u00eatre reli\u00e9 \u00e0 une d\u00e9cision ou \u00e0 une t\u00e2che pr\u00e9cise.<\/p>\n\n\n\n
Sans cette clarification, l\u2019entreprise risque de d\u00e9ployer des fonctionnalit\u00e9s visibles mais peu utilis\u00e9es, ou d\u2019automatiser une activit\u00e9 dont la valeur n\u2019a jamais \u00e9t\u00e9 d\u00e9montr\u00e9e.<\/p>\n\n\n\n
2. D\u00e9finir la donn\u00e9e n\u00e9cessaire \u00e0 cette d\u00e9cision<\/h3>\n\n\n\n
Une fois la d\u00e9cision identifi\u00e9e, il faut d\u00e9terminer les informations r\u00e9ellement n\u00e9cessaires.<\/p>\n\n\n\n
Pour \u00e9valuer la probabilit\u00e9 de signature d\u2019une opportunit\u00e9, l\u2019entreprise peut avoir besoin :<\/p>\n\n\n\n
\n
- de crit\u00e8res de qualification homog\u00e8nes ;<\/li>\n\n\n\n
- de l\u2019historique des changements d\u2019\u00e9tape ;<\/li>\n\n\n\n
- de la date de la derni\u00e8re interaction ;<\/li>\n\n\n\n
- du nombre de reports de la cl\u00f4ture ;<\/li>\n\n\n\n
- de la pr\u00e9sence des d\u00e9cideurs ;<\/li>\n\n\n\n
- des motifs de gain et de perte ;<\/li>\n\n\n\n
- du contexte sectoriel ;<\/li>\n\n\n\n
- du type de proposition ;<\/li>\n\n\n\n
- du calendrier exprim\u00e9 par le client.<\/li>\n<\/ul>\n\n\n\n
Cette \u00e9tape permet de distinguer les donn\u00e9es disponibles des donn\u00e9es v\u00e9ritablement utiles.<\/p>\n\n\n\n
3. V\u00e9rifier la couverture, la qualit\u00e9 et la repr\u00e9sentativit\u00e9 de l\u2019historique<\/h3>\n\n\n\n
Un historique volumineux n\u2019est pas n\u00e9cessairement un bon historique.<\/p>\n\n\n\n
Il faut v\u00e9rifier :<\/p>\n\n\n\n
\n
- la proportion de valeurs manquantes ;<\/li>\n\n\n\n
- la coh\u00e9rence des d\u00e9finitions dans le temps ;<\/li>\n\n\n\n
- les diff\u00e9rences entre \u00e9quipes ;<\/li>\n\n\n\n
- la pr\u00e9sence des affaires perdues ;<\/li>\n\n\n\n
- les changements de processus ;<\/li>\n\n\n\n
- l\u2019existence de doublons ;<\/li>\n\n\n\n
- la fiabilit\u00e9 des dates ;<\/li>\n\n\n\n
- la repr\u00e9sentativit\u00e9 des segments analys\u00e9s.<\/li>\n<\/ul>\n\n\n\n
Un mod\u00e8le fond\u00e9 sur cinq ann\u00e9es de donn\u00e9es peut \u00eatre moins pertinent qu\u2019un mod\u00e8le utilisant une p\u00e9riode plus courte mais mieux structur\u00e9e.<\/p>\n\n\n\n
4. Rendre les r\u00e8gles de gestion explicites<\/h3>\n\n\n\n
L\u2019IA ne doit pas devenir un moyen de contourner les arbitrages que l\u2019organisation n\u2019a jamais r\u00e9alis\u00e9s.<\/p>\n\n\n\n
Il faut pr\u00e9ciser ce que l\u2019entreprise entend par :<\/p>\n\n\n\n
\n
- lead qualifi\u00e9 ;<\/li>\n\n\n\n
- client actif ;<\/li>\n\n\n\n
- opportunit\u00e9 engag\u00e9e ;<\/li>\n\n\n\n
- affaire \u00e0 risque ;<\/li>\n\n\n\n
- revenu pr\u00e9visible ;<\/li>\n\n\n\n
- compte strat\u00e9gique ;<\/li>\n\n\n\n
- inactivit\u00e9 ;<\/li>\n\n\n\n
- succ\u00e8s d\u2019une action commerciale.<\/li>\n<\/ul>\n\n\n\n
Ces d\u00e9finitions structurent les donn\u00e9es, les indicateurs et les recommandations.<\/p>\n\n\n\n
Elles doivent \u00eatre comprises par les m\u00e9tiers, pas uniquement par les \u00e9quipes techniques.<\/p>\n\n\n\n
5. Maintenir un niveau de validation humaine adapt\u00e9 au risque<\/h3>\n\n\n\n
La validation humaine ne doit pas \u00eatre ajout\u00e9e par principe \u00e0 chaque action, au risque de neutraliser les b\u00e9n\u00e9fices de l\u2019automatisation.<\/p>\n\n\n\n
Elle doit intervenir l\u00e0 o\u00f9 la d\u00e9cision est sensible, difficilement r\u00e9versible ou fond\u00e9e sur des donn\u00e9es incertaines.<\/p>\n\n\n\n
Une IA peut proposer une synth\u00e8se de rendez-vous, mais le commercial doit pouvoir la corriger avant son enregistrement.<\/p>\n\n\n\n
Elle peut signaler une opportunit\u00e9 \u00e0 risque, mais le manager doit comprendre les facteurs pris en compte.<\/p>\n\n\n\n
Elle peut sugg\u00e9rer une priorit\u00e9 de relance, mais elle ne devrait pas fermer automatiquement une affaire sans r\u00e8gle claire.<\/p>\n\n\n\n
L\u2019humain ne doit pas simplement cliquer sur \u00ab valider \u00bb.<\/p>\n\n\n\n
Il doit disposer des informations n\u00e9cessaires pour exercer un v\u00e9ritable jugement.<\/p>\n\n\n\n
6. Mesurer le r\u00e9sultat m\u00e9tier, pas seulement l\u2019utilisation de l\u2019outil<\/h3>\n\n\n\n
Le nombre de synth\u00e8ses g\u00e9n\u00e9r\u00e9es ou de recommandations affich\u00e9es ne d\u00e9montre pas la valeur du dispositif.<\/p>\n\n\n\n
Il faut mesurer si l\u2019IA am\u00e9liore r\u00e9ellement :<\/p>\n\n\n\n
\n
- le taux de conversion ;<\/li>\n\n\n\n
- la pr\u00e9cision des pr\u00e9visions ;<\/li>\n\n\n\n
- la vitesse de qualification ;<\/li>\n\n\n\n
- le temps de traitement ;<\/li>\n\n\n\n
- la qualit\u00e9 des comptes rendus ;<\/li>\n\n\n\n
- le taux d\u2019adoption ;<\/li>\n\n\n\n
- la pertinence des priorit\u00e9s commerciales ;<\/li>\n\n\n\n
- la satisfaction des utilisateurs ;<\/li>\n\n\n\n
- la qualit\u00e9 des donn\u00e9es produites.<\/li>\n<\/ul>\n\n\n\n
Une fonctionnalit\u00e9 peut \u00eatre largement utilis\u00e9e parce qu\u2019elle est obligatoire ou int\u00e9gr\u00e9e dans le processus, sans am\u00e9liorer la d\u00e9cision finale.<\/p>\n\n\n\n
7. Organiser la responsabilit\u00e9 et la r\u00e9vision du dispositif<\/h3>\n\n\n\n
Un cas d\u2019usage ne doit pas \u00eatre consid\u00e9r\u00e9 comme d\u00e9finitivement termin\u00e9 apr\u00e8s son d\u00e9ploiement.<\/p>\n\n\n\n
Les march\u00e9s \u00e9voluent, les offres changent, les processus sont modifi\u00e9s et les comportements des utilisateurs s\u2019adaptent.<\/p>\n\n\n\n
L\u2019organisation doit donc d\u00e9finir :<\/p>\n\n\n\n
\n
- un responsable m\u00e9tier du cas d\u2019usage ;<\/li>\n\n\n\n
- un responsable de la qualit\u00e9 des donn\u00e9es ;<\/li>\n\n\n\n
- une fr\u00e9quence d\u2019\u00e9valuation ;<\/li>\n\n\n\n
- des seuils d\u2019alerte ;<\/li>\n\n\n\n
- une proc\u00e9dure de correction ;<\/li>\n\n\n\n
- les conditions de suspension du mod\u00e8le ;<\/li>\n\n\n\n
- les modalit\u00e9s de remont\u00e9e des erreurs par les utilisateurs.<\/li>\n<\/ul>\n\n\n\n
La gouvernance doit couvrir tout le cycle de vie du dispositif, pas uniquement son lancement.<\/p>\n\n\n\n
Tous les cas d\u2019usage ne n\u00e9cessitent pas la m\u00eame maturit\u00e9<\/h2>\n\n\n\n
Une entreprise peut commencer \u00e0 tirer de la valeur de l\u2019IA avant d\u2019avoir r\u00e9solu l\u2019ensemble de ses probl\u00e8mes de donn\u00e9es.<\/p>\n\n\n\n
Mais elle doit s\u00e9lectionner des usages proportionn\u00e9s \u00e0 sa maturit\u00e9.<\/p>\n\n\n\n
Les usages \u00e0 risque limit\u00e9<\/h3>\n\n\n\n
Certains usages assistent l\u2019utilisateur sans prendre de d\u00e9cision \u00e0 sa place :<\/p>\n\n\n\n
\n
- reformuler un email ;<\/li>\n\n\n\n
- r\u00e9sumer un compte rendu ;<\/li>\n\n\n\n
- pr\u00e9parer une liste de questions ;<\/li>\n\n\n\n
- extraire des actions d\u2019une r\u00e9union ;<\/li>\n\n\n\n
- sugg\u00e9rer la structure d\u2019une proposition ;<\/li>\n\n\n\n
- rechercher une information dans une base documentaire contr\u00f4l\u00e9e.<\/li>\n<\/ul>\n\n\n\n
Ils peuvent produire rapidement des gains de productivit\u00e9, \u00e0 condition que le r\u00e9sultat soit relu.<\/p>\n\n\n\n
Les usages interm\u00e9diaires<\/h3>\n\n\n\n
D\u2019autres influencent l\u2019ordre des actions ou l\u2019analyse d\u2019une situation :<\/p>\n\n\n\n
\n
- identifier les opportunit\u00e9s inactives ;<\/li>\n\n\n\n
- d\u00e9tecter les donn\u00e9es manquantes ;<\/li>\n\n\n\n
- proposer une prochaine action ;<\/li>\n\n\n\n
- rep\u00e9rer les doublons potentiels ;<\/li>\n\n\n\n
- r\u00e9sumer l\u2019historique d\u2019un compte ;<\/li>\n\n\n\n
- signaler une anomalie dans le pipeline.<\/li>\n<\/ul>\n\n\n\n
Ils exigent une meilleure qualit\u00e9 de donn\u00e9es et une capacit\u00e9 d\u2019explication suffisante.<\/p>\n\n\n\n
Les usages \u00e0 fort impact<\/h3>\n\n\n\n
Enfin, certains r\u00e9sultats influencent directement les d\u00e9cisions de management :<\/p>\n\n\n\n
\n
- pr\u00e9voir le chiffre d\u2019affaires ;<\/li>\n\n\n\n
- calculer une probabilit\u00e9 de signature ;<\/li>\n\n\n\n
- s\u00e9lectionner les prospects prioritaires ;<\/li>\n\n\n\n
- recommander une remise ;<\/li>\n\n\n\n
- \u00e9valuer la performance d\u2019un commercial ;<\/li>\n\n\n\n
- d\u00e9clencher une action automatique aupr\u00e8s d\u2019un client ;<\/li>\n\n\n\n
- exclure une opportunit\u00e9 d\u2019un sc\u00e9nario financier.<\/li>\n<\/ul>\n\n\n\n
Ces usages n\u00e9cessitent un cadre de gouvernance beaucoup plus exigeant.<\/p>\n\n\n\n
La question n\u2019est donc pas de savoir si l\u2019entreprise est \u00ab pr\u00eate pour l\u2019IA \u00bb de mani\u00e8re g\u00e9n\u00e9rale.<\/p>\n\n\n\n
Elle est de savoir pour quels cas d\u2019usage elle est pr\u00eate, avec quelles donn\u00e9es et sous quelles conditions.<\/p>\n\n\n\n
Pourquoi nettoyer les donn\u00e9es ne suffit pas<\/h2>\n\n\n\n
Face \u00e0 ces enjeux, la premi\u00e8re r\u00e9ponse consiste souvent \u00e0 lancer un projet de nettoyage :<\/p>\n\n\n\n
\n
- fusion des doublons ;<\/li>\n\n\n\n
- correction des champs ;<\/li>\n\n\n\n
- suppression des enregistrements obsol\u00e8tes ;<\/li>\n\n\n\n
- normalisation des formats ;<\/li>\n\n\n\n
- enrichissement des comptes.<\/li>\n<\/ul>\n\n\n\n
Ces actions sont utiles, mais elles ne traitent qu\u2019une partie du probl\u00e8me.<\/p>\n\n\n\n
Si les processus et les responsabilit\u00e9s restent inchang\u00e9s, les incoh\u00e9rences r\u00e9appara\u00eetront.<\/p>\n\n\n\n
Un doublon fusionn\u00e9 aujourd\u2019hui sera recr\u00e9\u00e9 demain si aucune r\u00e8gle n\u2019encadre la cr\u00e9ation des comptes.<\/p>\n\n\n\n
Une date corrig\u00e9e sera \u00e0 nouveau irr\u00e9aliste si les commerciaux ne disposent pas de crit\u00e8res pour la renseigner.<\/p>\n\n\n\n
Un motif de perte nettoy\u00e9 restera peu fiable si la liste propos\u00e9e ne correspond pas aux situations rencontr\u00e9es.<\/p>\n\n\n\n
La qualit\u00e9 des donn\u00e9es n\u2019est pas un \u00e9tat que l\u2019on atteint une fois pour toutes.<\/p>\n\n\n\n
C\u2019est le r\u00e9sultat d\u2019un syst\u00e8me compos\u00e9 de r\u00e8gles, de contr\u00f4les, de responsabilit\u00e9s et d\u2019usages.<\/p>\n\n\n\n
L\u2019objectif ne doit donc pas \u00eatre uniquement de nettoyer la base avant le projet d\u2019IA.<\/p>\n\n\n\n
Il faut emp\u00eacher le processus de reproduire continuellement les m\u00eames d\u00e9fauts.<\/p>\n\n\n\n
Un cadre simple pour \u00e9valuer la pr\u00e9paration d\u2019un cas d\u2019usage<\/h2>\n\n\n\n
Avant de d\u00e9ployer une IA commerciale, un dirigeant peut poser huit questions :<\/p>\n\n\n\n
\n
- Quelle d\u00e9cision ou quelle t\u00e2che ce dispositif doit-il am\u00e9liorer ?<\/li>\n\n\n\n
- Quel r\u00e9sultat m\u00e9tier permettra de v\u00e9rifier son utilit\u00e9 ?<\/li>\n\n\n\n
- Les donn\u00e9es utilis\u00e9es ont-elles une d\u00e9finition commune ?<\/li>\n\n\n\n
- Sont-elles suffisamment compl\u00e8tes, r\u00e9centes et repr\u00e9sentatives ?<\/li>\n\n\n\n
- Peut-on expliquer les principaux facteurs ayant conduit au r\u00e9sultat ?<\/li>\n\n\n\n
- Quel niveau de validation humaine est n\u00e9cessaire ?<\/li>\n\n\n\n
- Qui est responsable lorsque le r\u00e9sultat est incorrect ?<\/li>\n\n\n\n
- Comment le dispositif sera-t-il contr\u00f4l\u00e9 et r\u00e9vis\u00e9 dans le temps ?<\/li>\n<\/ol>\n\n\n\n
Lorsque plusieurs r\u00e9ponses restent impr\u00e9cises, le probl\u00e8me n\u2019est pas n\u00e9cessairement technologique.<\/p>\n\n\n\n
Le cas d\u2019usage est probablement insuffisamment gouvern\u00e9.<\/p>\n\n\n\n
Par o\u00f9 commencer ?<\/h2>\n\n\n\n
La premi\u00e8re \u00e9tape ne consiste pas \u00e0 dresser la liste de toutes les fonctionnalit\u00e9s d\u2019IA disponibles dans les outils de l\u2019entreprise.<\/p>\n\n\n\n
Elle consiste \u00e0 s\u00e9lectionner une d\u00e9cision commerciale importante, imparfaitement ma\u00eetris\u00e9e et suffisamment d\u00e9limit\u00e9e pour \u00eatre \u00e9valu\u00e9e.<\/p>\n\n\n\n
Par exemple :<\/p>\n\n\n\n
\nPourquoi certaines opportunit\u00e9s restent-elles plusieurs mois dans le pipeline sans progression r\u00e9elle ?<\/p>\n<\/blockquote>\n\n\n\n
L\u2019organisation peut alors :<\/p>\n\n\n\n
\n
- analyser la mani\u00e8re dont les opportunit\u00e9s sont actuellement suivies ;<\/li>\n\n\n\n
- identifier les signaux associ\u00e9s \u00e0 l\u2019inactivit\u00e9 ;<\/li>\n\n\n\n
- v\u00e9rifier la qualit\u00e9 des donn\u00e9es n\u00e9cessaires ;<\/li>\n\n\n\n
- corriger les d\u00e9finitions et les r\u00e8gles de gestion ;<\/li>\n\n\n\n
- mettre en place une premi\u00e8re d\u00e9tection assist\u00e9e ;<\/li>\n\n\n\n
- faire valider les alertes par les managers ;<\/li>\n\n\n\n
- comparer les r\u00e9sultats avec la situation pr\u00e9c\u00e9dente ;<\/li>\n\n\n\n
- am\u00e9liorer progressivement le dispositif.<\/li>\n<\/ol>\n\n\n\n
Cette approche permet de construire simultan\u00e9ment le cas d\u2019usage, la qualit\u00e9 des donn\u00e9es et la confiance des utilisateurs.<\/p>\n\n\n\n
Elle \u00e9vite les grands programmes d\u2019IA d\u00e9connect\u00e9s des d\u00e9cisions quotidiennes.<\/p>\n\n\n\n
L\u2019IA r\u00e9v\u00e8le la maturit\u00e9 r\u00e9elle de l\u2019organisation<\/h2>\n\n\n\n
Pendant longtemps, une organisation pouvait compenser la faiblesse de ses donn\u00e9es gr\u00e2ce \u00e0 l\u2019exp\u00e9rience de quelques managers.<\/p>\n\n\n\n
Ils connaissaient les exceptions, corrigeaient les tableaux, interpr\u00e9taient les statuts et savaient quelles informations ne devaient pas \u00eatre prises au pied de la lettre.<\/p>\n\n\n\n
L\u2019intelligence artificielle rend cette d\u00e9pendance beaucoup plus visible.<\/p>\n\n\n\n
Pour automatiser une recommandation, il faut formaliser ce qui relevait jusqu\u2019alors du jugement implicite :<\/p>\n\n\n\n
\n
- ce qu\u2019est une bonne opportunit\u00e9 ;<\/li>\n\n\n\n
- ce qui rend une date cr\u00e9dible ;<\/li>\n\n\n\n
- ce qui distingue un client actif d\u2019un compte dormant ;<\/li>\n\n\n\n
- ce qui constitue un signal de risque ;<\/li>\n\n\n\n
- ce qui permet de consid\u00e9rer une information comme suffisamment fiable.<\/li>\n<\/ul>\n\n\n\n
L\u2019IA oblige ainsi l\u2019entreprise \u00e0 expliciter ses r\u00e8gles de d\u00e9cision.<\/p>\n\n\n\n
C\u2019est probablement l\u2019un de ses apports les plus importants.<\/p>\n\n\n\n
Elle ne fournit pas seulement de nouvelles capacit\u00e9s techniques. Elle r\u00e9v\u00e8le les ambigu\u00eft\u00e9s que l\u2019organisation avait appris \u00e0 contourner.<\/p>\n\n\n\n
Ne pas demander \u00e0 l\u2019IA de r\u00e9parer ce que l\u2019organisation refuse de d\u00e9finir<\/h2>\n\n\n\n
L\u2019intelligence artificielle peut acc\u00e9l\u00e9rer l\u2019analyse, automatiser certaines t\u00e2ches et faire appara\u00eetre des signaux difficiles \u00e0 d\u00e9tecter manuellement.<\/p>\n\n\n\n
Mais elle ne peut pas d\u00e9cider seule de la signification des donn\u00e9es, de leur niveau de fiabilit\u00e9 ou du risque que l\u2019entreprise accepte de prendre.<\/p>\n\n\n\n
Ces choix restent des choix de gouvernance.<\/p>\n\n\n\n
Lorsqu\u2019un dispositif d\u2019IA produit une recommandation commerciale, la question ne devrait pas seulement \u00eatre :<\/p>\n\n\n\n
\n\nLe mod\u00e8le est-il performant ?<\/p>\n<\/blockquote>\n<\/blockquote>\n\n\n\n
Il faut \u00e9galement demander :<\/p>\n\n\n\n
\n\nLes donn\u00e9es repr\u00e9sentent-elles suffisamment bien la r\u00e9alit\u00e9 pour que cette recommandation puisse orienter une d\u00e9cision ?<\/p>\n<\/blockquote>\n<\/blockquote>\n\n\n\n
Une entreprise ne doit donc pas attendre de l\u2019IA qu\u2019elle corrige spontan\u00e9ment ses processus et ses donn\u00e9es.<\/p>\n\n\n\n
Elle doit utiliser le projet pour les rendre plus explicites, plus coh\u00e9rents et plus contr\u00f4lables.<\/p>\n\n\n\n
C\u2019est \u00e0 cette condition que l\u2019IA devient un levier de pilotage.<\/p>\n\n\n\n
Dans le cas contraire, elle ne supprime pas les d\u00e9fauts du syst\u00e8me commercial.<\/p>\n\n\n\n
Elle leur donne davantage de vitesse, d\u2019\u00e9chelle et d\u2019autorit\u00e9.<\/p>","protected":false},"excerpt":{"rendered":"
L’IA promet de mieux pr\u00e9voir, recommander et automatiser. Mais elle ne corrige pas spontan\u00e9ment des donn\u00e9es commerciales incoh\u00e9rentes. D\u00e9couvrez pourquoi la gouvernance des donn\u00e9es est la condition indispensable pour transformer l’IA en v\u00e9ritable levier de pilotage.<\/p>","protected":false},"author":2,"featured_media":4121,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[27],"tags":[],"class_list":["post-4116","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-note-executive"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.overto.fr\/en\/wp-json\/wp\/v2\/posts\/4116","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.overto.fr\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.overto.fr\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.overto.fr\/en\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.overto.fr\/en\/wp-json\/wp\/v2\/comments?post=4116"}],"version-history":[{"count":3,"href":"https:\/\/www.overto.fr\/en\/wp-json\/wp\/v2\/posts\/4116\/revisions"}],"predecessor-version":[{"id":4122,"href":"https:\/\/www.overto.fr\/en\/wp-json\/wp\/v2\/posts\/4116\/revisions\/4122"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.overto.fr\/en\/wp-json\/wp\/v2\/media\/4121"}],"wp:attachment":[{"href":"https:\/\/www.overto.fr\/en\/wp-json\/wp\/v2\/media?parent=4116"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.overto.fr\/en\/wp-json\/wp\/v2\/categories?post=4116"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.overto.fr\/en\/wp-json\/wp\/v2\/tags?post=4116"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}