Salesforce
IA dans Salesforce : Agentforce, Prompt Builder, Einstein, le guide pour une PME
par Etienne Gaudry, Co-fondateur & Développeur
Sept ans qu'on fait vivre Salesforce chez nos clients, dont un groupe d'événementiel parisien qui gère ses plus grandes salles avec. Depuis deux ans, chaque nouvelle version pousse l'IA un peu plus loin dans le produit, et la question qui revient chez nos clients est toujours la même : « Concrètement, on en fait quoi ? »
Ce guide est notre réponse longue. Pas la keynote : ce que ces briques font vraiment, ce qu'elles coûtent, dans quel ordre les prendre quand on est une PME, et ce qu'on déconseille encore.
« L'IA Salesforce », en fait, c'est trois choses
Le marketing Salesforce empile les noms (Einstein, Einstein GPT, Copilot, Agentforce) au rythme d'un rebranding par an. Derrière, trois familles stables :
Le prédictif historique. Scoring de leads et d'opportunités, prévisions de vente, recommandations. C'est l'Einstein d'origine : des modèles statistiques entraînés sur votre historique CRM. Pas spectaculaire, mais éprouvé, à condition d'avoir du volume et un historique propre.
La génération encadrée. Des grands modèles de langage (OpenAI, Anthropic et d'autres : Salesforce ne construit pas le modèle, il l'encadre) branchés sur vos données CRM pour rédiger, résumer, reformuler. L'outillage : Prompt Builder pour construire les prompts, la couche de confiance Einstein pour les sécuriser.
Les agents. Agentforce : des IA qui ne se contentent pas de répondre mais enchaînent des actions (consulter un dossier, créer un ticket, planifier un rendez-vous) dans un cadre défini. C'est la brique la plus récente et celle où l'écart entre la démo et votre quotidien est le plus grand.
Une PME n'a pas besoin des trois. Elle a besoin de savoir laquelle s'attaque à un problème qu'elle a vraiment.
Le socle : vos données, pas Data Cloud
Le discours officiel place Data Cloud, la couche d'unification de données temps réel, au centre de tout. Pour un grand groupe multi-systèmes, c'est justifié. Pour une PME dont la vie commerciale tient dans Salesforce et deux ou trois outils connectés, le vrai socle est plus simple et plus exigeant : un CRM bien tenu.
L'IA générative ancre ses réponses sur vos enregistrements. Des fiches à moitié vides, des doublons, des historiques non saisis, et l'IA rédige avec assurance des choses fausses. On le répète dans notre guide CRM pour PME : des données propres d'abord, l'IA ensuite. C'est moins vendeur qu'une plateforme d'unification temps réel, mais c'est le chantier qui conditionne tout le reste.
La deuxième pièce du socle, c'est la couche de confiance Einstein (Trust Layer), et elle mérite d'être comprise parce qu'elle répond à la vraie objection des dirigeants : « je ne veux pas que nos données client partent dans un chatbot ». Chaque requête vers un LLM passe par elle : masquage des données personnelles avant envoi, transit sécurisé, politique de rétention zéro chez les fournisseurs de modèles partenaires, filtrage des sorties, journalisation. Et si vos contraintes l'exigent, l'architecture accepte votre propre modèle (BYOM) hébergé chez vous.
Notre lecture d'intégrateur : cette couche fait mieux que ce que la plupart des PME mettraient en place seules. Le risque réel dans les boîtes qu'on visite n'est pas Salesforce : c'est le commercial qui colle un historique client dans un chatbot public parce que personne ne lui a fourni d'alternative outillée.
Prompt Builder : la brique la plus vite rentable
Si on ne devait garder qu'un outil de la pile générative pour une PME, ce serait celui-là.
Prompt Builder permet de construire des modèles de prompts versionnés et testables, ancrés sur les données du CRM par champs de fusion : le compte, le contact, l'historique, le prochain événement remonté par un Flow ou une classe Apex. Le prompt n'est plus une improvisation individuelle dans un onglet ChatGPT : c'est un asset de l'entreprise, cohérent, traçable, injecté là où les équipes travaillent déjà (pages Lightning, Flows, champs générés).
Trois usages typiques, ceux par lesquels on commence :
- Le draft d'e-mail commercial ancré. Plutôt que « écris un e-mail de relance », un modèle qui connaît le compte, la dernière interaction, l'offre en cours, et produit un brouillon que le commercial corrige en trente secondes au lieu de dix minutes de page blanche.
- La synthèse de dossier. Résumé d'un compte ou d'un fil de tickets avant un rendez-vous ou une escalade. C'est le gain le plus consensuel : personne ne regrette les vingt minutes de relecture d'historique.
- Le champ auto-rempli. Une synthèse, une catégorisation, une traduction générée directement dans un champ Salesforce, déclenchée par le process : l'utilisateur ne « fait » même pas de l'IA.
L'honnêteté oblige : la construction du prompt est 20 % du travail. Le reste, c'est décider où il s'insère dans le process, avec quelles données, et itérer sur des cas réels jusqu'à ce que les sorties soient fiables. C'est un travail de connaissance du métier et du modèle de données, exactement le même muscle qu'un bon paramétrage CRM.
Agentforce : réel, mais pas comme dans la keynote
Un agent Agentforce reçoit un objectif, planifie, agit (consulte des enregistrements, exécute des Flows ou de l'Apex, répond au client) et rend compte. La promesse : traiter de bout en bout les demandes répétitives sans mobiliser un humain.
Ce qui est vrai : la technologie fonctionne sur des périmètres bornés. Un agent qui qualifie les demandes entrantes, répond aux questions dont la réponse est dans votre base de connaissance, prend ou déplace un rendez-vous, prépare un dossier : c'est déployable aujourd'hui, avec les garde-fous natifs de la plateforme : actions limitées à une liste blanche, supervision et audit des conversations, escalade humaine, test en sandbox avant production.
Ce qu'on tempère, face aux démos :
- Le taux de résolution réel dépend de votre base de connaissance. Un agent branché sur une documentation pauvre ou périmée échoue poliment mais échoue. Le chantier caché d'un projet Agentforce est souvent éditorial, pas technique.
- Le modèle économique se raisonne à l'usage. La facturation des agents est liée à la consommation (conversations, actions). Sur un volume mal estimé, la ligne budgétaire bouge : chiffrez sur votre volume réel de demandes, pas sur celui de la démo.
- L'ordre des déploiements compte. Agent interne d'abord (support IT, RH, aide à la vente), agent face aux clients ensuite, quand la fiabilité est mesurée. Un agent qui répond faux à un client coûte plus cher que le temps qu'il économise.
Notre position : Agentforce est la direction que prend le produit, et elle est cohérente. Mais pour une PME, c'est la troisième étape d'une trajectoire IA, pas la première.
Par où commencer : la méthode qu'on applique
La même méthode que pour n'importe quel projet IA en PME, appliquée à Salesforce :
1. Cadrer sur vos irritants, pas sur le catalogue. Une journée d'atelier pour lister ce qui consomme du temps sans décision humaine réelle : préparation de rendez-vous, saisie de comptes-rendus, tri des demandes entrantes, relances. On en tire 2-3 cas d'usage avec un KPI mesurable chacun (temps par dossier, taux de classification correcte, délai de première réponse).
2. Piloter petit, mesurer vraiment. Un périmètre, une équipe, 4 à 6 semaines de mesure contre le KPI défini avant, pas au ressenti. Si le pilote ne tient pas sa promesse, on ajuste ou on arrête : un pilote abandonné à ce stade coûte quelques jours, pas un budget annuel.
3. Industrialiser ce qui a prouvé. Déploiement aux autres équipes, intégration dans les process (le prompt dans le Flow, la synthèse dans la page du commercial), formation par cas d'usage, et seulement ensuite l'étage supérieur, l'agent.
Côté budget, l'ordre de grandeur honnête pour démarrer : les add-ons IA de votre édition Salesforce (par utilisateur ou à la consommation selon la brique : faites chiffrer sur votre configuration réelle, les offres bougent vite), et 5 à 15 k€ de service pour un premier périmètre cadré, mesuré et intégré. La licence est rarement la ligne qui décide du succès : le cadrage et l'adoption, oui.
Questions fréquentes
Faut-il Data Cloud pour utiliser l'IA dans Salesforce ?
Non, pas pour commencer. Prompt Builder et les fonctions génératives travaillent très bien avec les données de votre CRM standard. Data Cloud se justifie quand vos données client sont éclatées entre plusieurs systèmes à unifier en temps réel, un problème d'ETI plus que de PME. Un CRM bien tenu est le vrai prérequis.
Combien coûte l'IA Salesforce pour une PME ?
Trois lignes à additionner : les licences ou add-ons IA (selon votre édition et l'usage, facturation par utilisateur ou à la consommation pour les agents), le paramétrage (de quelques jours pour des prompts bien cadrés à plusieurs semaines pour un agent en production), et l'adoption. Ordre de grandeur pour un premier périmètre utile : 5 à 15 k€ de service. Méfiez-vous des démos : le coût réel est dans le cadrage et l'intégration, pas dans la licence.
Par quel cas d'usage IA commencer dans Salesforce ?
Ceux qui se mesurent : résumés d'échanges et de comptes pour préparer les rendez-vous, drafts d'e-mails commerciaux ancrés sur les données du CRM, classification et routage des demandes entrantes. On déconseille de commencer par un agent autonome face à vos clients : gardez l'humain dans la boucle tant que vous n'avez pas mesuré la fiabilité sur votre propre volume.
Agentforce peut-il vraiment travailler sans supervision ?
Techniquement oui, sur un périmètre borné. En pratique, on configure toujours des limites : actions autorisées, seuils de confiance, escalade vers un humain. Le bon usage en PME aujourd'hui est l'agent qui traite les cas simples et répétitifs de bout en bout et passe la main dès que le cas sort du cadre, pas l'agent omniscient des keynotes.
Mes données partent-elles chez OpenAI ou Anthropic avec l'IA Salesforce ?
Les requêtes transitent par la couche de confiance Einstein : masquage des données personnelles avant envoi au modèle, politique de rétention zéro chez les fournisseurs de LLM partenaires, filtrage des sorties. C'est un vrai argument face à des équipes qui colleraient sinon des données client dans un chatbot public. Pour des contraintes plus fortes, Salesforce permet aussi d'amener son propre modèle (BYOM).
Ce qu'il faut retenir
L'IA dans Salesforce n'est ni un gadget ni une révolution clé en main. C'est un étage supplémentaire posé sur votre CRM, qui en amplifie la qualité comme les défauts. Une PME qui démarre a intérêt à prendre l'escalier dans l'ordre : données propres, puis génération encadrée sur 2-3 cas mesurables, puis agents sur un périmètre borné.
C'est exactement l'accompagnement qu'on propose : un premier échange de 30 min, puis un cadrage d'une journée pour identifier vos cas d'usage à ROI mesurable, et un pilote qui prouve (ou pas) avant d'industrialiser. Sans keynote.