Un CRO natif de l’IA décrypte son workflow IA à plus fort effet de levier (et là où l’IA n’en vaut pas la peine)

Dhiraj Khare est un CRO avec une formation et un état d'esprit technique. Il repense actuellement les processus de génération de revenus chez Matters.AI, une entreprise de cybersécurité native à l’IA.

Nous nous sommes entretenus avec Dhiraj pour savoir quels workflows basés sur l’IA apportent une réelle valeur ajoutée et lesquels ne sont pas à la hauteur. Voici ce qu'il nous a confié.

Les revenus, vus par un ingénieur

Je suis Dhiraj Khare, CRO chez Matters.AI, une entreprise de cybersécurité native à l’IA axée sur les données d’entreprise. J’ai commencé dans le développement logiciel avant de passer à la vente aux entreprises, et cela a façonné ma façon de penser la génération de revenus. Les profils techniques sont formés à rester face au problème jusqu’à ce qu’ils le comprennent réellement ; les équipes commerciales sont souvent formées à agir avant même d’avoir compris. Je ne me suis jamais vraiment retrouvé dans ce second modèle. 

Ma carrière m’a amené dans des entreprises telles que MongoDB, SentinelOne et PingSafe. Différentes sociétés, à différentes étapes, mais un schéma de fond similaire. Les équipes cybersécurité opéraient déjà à la vitesse machine, alors que celles chargées des revenus ne suivaient pas.

La cybersécurité bénéficiait d’une intelligence en temps réel, de l’analyse comportementale et de systèmes de réponse automatisés. Les équipes GTM étaient encore englouties sous les tableurs, des outils déconnectés, la recherche manuelle, et des revues de prévisions davantage fondées sur l’optimisme que sur de vraies analyses. 

Ce décalage m’est resté en tête. Beaucoup présentent l’IA dans le domaine des revenus comme un facteur de productivité. Plus d’emails, plus de prospection, plus de séquences. Pour moi, c’est passer complètement à côté du sujet. 

Le problème aujourd’hui dans les GTM modernes n’est pas le manque d’activité, c’est le trop-plein de bruit. La plupart des messages sortants sont aujourd’hui du spam coûteux déguisé en personnalisation. Les acheteurs le perçoivent instantanément. Tout le monde possède désormais les mêmes solutions d’automatisation, donc miser uniquement sur le volume n’est plus un avantage réel depuis longtemps. 

Ce qui compte, c’est le contexte. Pourquoi ce compte ? Pourquoi maintenant ? Qu’est-ce qui a changé dans l’entreprise pour rendre cette conversation pertinente aujourd’hui et non il y a six mois ?

C’est ce qui m’a poussé vers le pilotage des revenus par l’IA. Chez Matters.AI, nous construisons une organisation GTM fondée sur l’intelligence où l’IA permet de compresser la recherche, relier les signaux fragmentés, révéler les indicateurs de timing et réduire la charge opérationnelle afin que les équipes puissent passer plus de temps à réfléchir et à échanger intelligemment.

La réflexion de Dhiraj

Tout le monde dispose désormais des mêmes outils d’automatisation, donc le volume a cessé d’être un réel avantage depuis un certain temps… Ce qui compte, c’est le contexte. Pourquoi ce compte ? Pourquoi maintenant ? Qu’est-ce qui a changé dans l’entreprise pour rendre cette conversation pertinente aujourd’hui et non il y a six mois ?

Une organisation GTM allégée

L’organisation GTM de Matters.AI se veut volontairement allégée. Nous opérons à travers la vente entreprise, la prospection stratégique, les partenariats, l’ingénierie de solutions et des workflows assistés par l’IA, mais la philosophie sous-jacente est simple : développer l’intelligence avant de développer les effectifs. 

Beaucoup d’entreprises essaient encore de forcer la croissance par une explosion d’activités. Plus de SDR, plus de séquences, plus d’interactions. Nous avons pratiquement adopté l’approche opposée. 

Nous accordons plus d’importance à la densité des signaux qu’à celle de l’activité. L’accent est mis sur la détection de l’urgence réelle, le moment opportun, et là où le contexte client est suffisamment solide pour justifier une démarche. 

La majorité de notre travail aujourd’hui porte sur la gouvernance de l’IA, la sécurité des données, la conformité et la gestion des risques sur des secteurs comme la BFSI, le SaaS, la technologie et les industries réglementées. 

Pourquoi l’IA ne remplacera pas le jugement commercial

J’utilise l’IA pour informer la priorisation des comptes, le mapping des parties prenantes, le scoring des opportunités, l’analyse de l’engagement, l’appui à la prévision, la détection du churn et l’analyse des risques du pipe.

Les machines sont bien meilleures que les humains pour traiter à grande échelle des signaux opérationnels fragmentés. C’est une évidence aujourd’hui.

Mais les décisions impliquant l’alignement de direction, la négociation et la confiance restent humaines. Le jugement stratégique, lui, est définitivement humain. 

Dans la cybersécurité d’entreprise, les décisions d’achat sont émotionnelles sous tous les tableurs et processus d’achat derrière lesquels on aime se cacher. Un dossier peut paraître sain sur le plan opérationnel alors même que la confiance s’érode discrètement dans le compte.

L’IA bute encore sur cette couche. Ainsi, je ne vois pas l’IA remplacer le jugement commercial ; il s’agit davantage de réduire la cécité opérationnelle.

Comment l’IA permet un engagement piloté par l’intelligence

Le plus grand changement que j’ai apporté a été de passer d’un modèle sortant mené par l’activité à un engagement piloté par l’intelligence. 

Autrefois, le modèle sortant ressemblait à ce que la plupart des organisations font encore aujourd’hui : un mélange de listes de comptes volumineuses, des séquences statiques, des recherches manuelles, des modèles de personnalisation généraux, et beaucoup d’efforts gaspillés à prétendre être précis.

Nous avons construit un processus de priorisation des comptes assisté par l’IA, qui a compressé des heures de recherche en quelques minutes. 

Désormais, l’IA agrège continuellement des signaux liés à l’activité de recrutement, aux changements de posture de sécurité, à l’adoption du cloud, à la pression réglementaire, aux mouvements d’exécutifs, aux modèles de financement, aux changements organisationnels et aux indicateurs d’adoption technologique. 

Ensuite, elle synthétise ces signaux en récits contextuels pour chaque compte. Ce point est essentiel car les signaux bruts seuls ne servent à rien. Les commerciaux n’ont pas besoin de plus de tableaux de bord ; ils ont besoin de mieux comprendre. 

Une fois le contexte mis en lumière, le commercial le valide manuellement, teste la pertinence, personnalise l’engagement, et décide si le moment justifie réellement une prise de contact. Après les réunions, l’IA aide à résumer, extraire les actions à mener, analyser les parties prenantes, suivre l’engagement et surveiller les risques tout au long du cycle de vente. 

L’objectif n’est pas d’automatiser l’approche, mais de savoir si le compte mérite réellement de l’attention. Cela a immédiatement transformé la qualité du pipeline.

Les conversations sont devenues plus précises. Les cycles de découverte se sont resserrés. L’engagement des dirigeants s’est amélioré car le contact était basé sur le contexte et non sur une personnalisation artificielle. 

Comment l’IA change la culture

Les avantages de l’IA sont vite devenus évidents, et j’en ai déjà évoqué plusieurs.

Cependant, le plus grand changement a été culturel. Les équipes se sont mises à raisonner de manière plus analytique sur l’exécution du revenu. Les conversations se sont basées moins sur l’opinion et davantage sur les preuves. Ce changement est plus important que la plupart des discussions actuelles sur les outils sur le marché.

L’inconvénient, c’est que l’IA peut créer très facilement une fausse confiance. C’est ce que beaucoup sous-estiment. 

Souvent, les résultats de l’IA semblent suffisamment soignés pour paraître fiables, même si les hypothèses sous-jacentes sont faibles ou incomplètes. Les dirigeants doivent se rappeler que l’IA est probabiliste, non omnisciente. Le jugement reste essentiel. L’expérience opérationnelle demeure capitale.

Sous de nombreux aspects, la pensée critique devient encore plus importante dans un environnement natif à l’IA. 

Pourquoi la personnalisation par l’IA est décevante

La personnalisation générée par l’IA a initialement donné de mauvais résultats. Non pas parce que la technologie manquait de puissance, mais parce que les acheteurs sont devenus extrêmement doués pour détecter la fausse pertinence. Aujourd’hui, la plupart des relances générées par l’IA paraissent soignées mais sont dénuées d’émotions. Elles reprennent la structure de la personnalisation sans comprendre assez profondément le client pour dire quelque chose d’utile. 

Il y a une différence entre intégrer un contexte et démontrer une vraie compréhension. Et la majorité des systèmes d’IA peinent encore à faire cette distinction. Nous avons vite compris que la personnalisation de synthèse n’équivaut pas à un réel éclairage.

L’ironie, c’est qu’à mesure que la relance générée par l’IA se répand, l’authenticité prend encore plus de valeur, et non l’inverse. 

Pourquoi l’IA ne peut pas éliminer l’ambiguïté des prévisions

Avec l’IA, nos prévisions sont devenues plus structurées. Mais je veux éviter de survendre cet aspect, car la prévision d’entreprise reste par nature désordonnée.

Les deals en entreprise évoluent pour des raisons qui sont rarement saisies proprement dans des systèmes structurés. Les calendriers budgétaires changent. Les parrains internes perdent de leur influence. Les priorités des dirigeants évoluent en silence. Les frictions dans les achats surviennent tardivement. L’alignement politique se brise en coulisses.

L'IA a du mal avec ces couches invisibles. Vous pouvez avoir de solides indicateurs d’engagement, des réunions actives, de bons taux de réponse, et une participation positive des parties prenantes alors même que l’accord est déjà en train de dériver en interne.

L'IA améliore la visibilité. Elle ne fait pas disparaître magiquement l'incertitude.

Les réflexions de Dhiraj

L’ironie, c’est qu’à mesure que la portée générée par l’IA s’intensifie, l’authenticité devient plus précieuse, et non moins…L’IA améliore la visibilité. Elle ne fait pas disparaître magiquement l’incertitude.

Comment les compétences en matière de revenus évoluent

L'IA automatise de plus en plus le travail opérationnel répétitif, aussi un professionnel moderne du revenu a-t-il aujourd'hui un profil de compétences très différent. Désormais, nous privilégions nettement plus la pensée analytique, la narration contextuelle, la pensée systémique, la communication avec les cadres, l’adaptabilité et la maîtrise de l’IA qu’auparavant. 

Les meilleurs vendeurs d’aujourd’hui deviennent des orchestrateurs de l’intelligence. Ils savent valider les signaux, synthétiser le contexte, poser de meilleures questions et instaurer rapidement une confiance stratégique. 

La vente reposant exclusivement sur l’activité devient une commodité. L’avantage humain se déplace vers le jugement, la créativité et la clarté du récit. 

Pourquoi l’IA doit être considérée comme un changement de modèle opérationnel

Mon conseil : considérez l’IA comme un changement de modèle opérationnel, et non comme une simple mise à niveau d’un outil.

C’est l’erreur que commettent actuellement la plupart des organisations. Elles superposent l’IA à des processus défaillants et qualifient cela de transformation. En général, cela ne fait qu’accélérer la confusion. 

Si votre positionnement est faible, si la discipline de votre CRM est incohérente, si vos flux de travail sont fragmentés ou si votre compréhension client est superficielle, l’IA amplifie le désordre. Elle ne vous en sauvera pas. 

Les entreprises qui tirent le plus de bénéfices de l’IA sont généralement celles qui possèdent déjà de solides fondamentaux opérationnels.

Où les équipes de revenus doivent-elles débuter avec l’IA

Commencez par la friction et les goulets d’étranglement opérationnels : surcharge d’informations, inspection des pipelines, récupération des connaissances, visibilité des prévisions, hiérarchisation des comptes, fragmentation du CRM.

Ce sont de vrais problèmes opérationnels qui valent la peine d’être résolus. Je consacrerais aussi beaucoup plus de temps à la culture générale en IA que la plupart des entreprises actuellement. L’implémentation technique est généralement la partie la plus facile. La partie la plus difficile est d’aider les équipes à repenser leur façon de travailler, sans qu’elles aient l’impression d’être remplacées.

Suivez l’actualité

Vous pouvez suivre Dhiraj Khare sur LinkedIn. Et consulter Matters.AI.

D’autres entretiens d’experts à venir sur The CRO Club !