Le CRO technologique affirme que l’IA renforce la prévision — et rend l’imputabilité des CRO plus difficile à esquiver

George Storm travaille dans la vente depuis 23 ans. Il occupe actuellement le poste de CRO chez N.Rich, une plateforme ABM B2B, où il dirige les équipes ventes, marketing, réussite client, partenaires et support produit.

Nous nous sommes entretenus avec George pour comprendre comment il a reconstruit la prévision et le reporting à l'aide de l'IA. Voici ce qu'il nous a raconté.

Maîtriser l'ensemble du tunnel

Je suis George Storm, CRO chez N.Rich, une plateforme ABM B2B. Nous opérons une transition, passant d’une entreprise ABM à produit unique vers une plateforme complète, commercialisée en tant que Composable GTM. Notre modèle de revenus actuel est un abonnement SaaS annuel avec services associés. Nous introduisons un modèle modulaire, des abonnements par module et une tarification basée sur les résultats à mesure que nous lançons le GTM OS.

Je supervise toute la surface de revenus, de bout en bout : ventes, marketing, réussite client, partenaires, et support produit. Je suis responsable de la création de la demande jusqu'à la rétention nette du chiffre d'affaires — tout le tunnel, pas seulement une partie. Notre structure GTM comprend une équipe commerciale allégée, principalement basée en EMEA ; une équipe marketing qui génère la demande et conduit l’ABM ; une équipe CS qui s’occupe des renouvellements et de l’expansion ; et une dynamique de partenaires en parallèle.

Nous servons principalement des entreprises B2B européennes de taille moyenne à grande : spécifiquement les responsables revenus et marketing qui mettent en place des stratégies d’approche marché basées sur les comptes.

Comment l’IA a transformé la précision des prévisions de revenus

J’ai passé 23 ans dans la vente, et les dernières années ont été plus difficiles que les deux premières décennies regroupées.

Je ne suis pas arrivé à l’IA par curiosité. J’y suis arrivé après un échec. Je faisais des prévisions comme tous les CRO — à partir du taux de conversion historique — et le modèle me disait exactement ce que je voulais entendre, jusqu’au trimestre où il ne l’a plus fait. Le mécanisme d’auto-illusion était le modèle lui-même. Et j’étais celui qui l’avait conçu.

J’ai donc reconstruit notre manière de faire des prévisions, de bout en bout. Nous avons abandonné un modèle de point d’estimation basé sur la conversion historique. Ce modèle avait une couche Monte Carlo qui le faisait paraître rigoureux. Il ne l’était pas. Une estimation ponctuelle reste une estimation ponctuelle même lorsqu’on en fait la moyenne de trois.

Nous sommes passés à un modèle probabiliste à quatre entrées, conditionné par régime. Taux de réussite, capture, rétention nette du revenu et durée du cycle, chacun calibré avec des références externes issues du WEF, du FMI et de McKinsey. L’IA exécute la distribution en continu au lieu que je reconstruise une feuille de calcul une fois par trimestre. Pour cela, nous utilisons Claude pour les signaux macro, ainsi que Fathom, Hubspot et notre propre plateforme.

Sensibilité au contexte. Probabiliste. Continu. Ce changement m’a réellement plongé dans l’IA, non pas comme une simple couche de productivité ajoutée, mais comme ce qui permet à un opérateur de faire les calculs, lire le marché et agir dans la même semaine. C’est cela, le travail maintenant.

Grâce à ce changement, la prévision est devenue une lecture, plus un simple rapport. Elle a révélé l’écart sous l’engagement, avant la fin du trimestre, et non après. Le conseil n’était plus surpris. Et c’est tout l’enjeu.

Pourquoi l’IA lit mais l’opérateur doit agir

En ce qui concerne ce que l’IA doit gérer et ce que l’humain doit conserver, l’IA éclaire la lecture :

• Distribution de prévisions selon le régime
• Priorisation du pipeline
• Scoring de santé des comptes
• Signaux d’alerte sur le risque d’attrition
• Lecture hebdomadaire transverse entre Ventes, Marketing, CS et Partenaires

L’IA alimente désormais tout cela car cela implique de reconnaître des schémas parmi plus de signaux qu’un humain ne peut en retenir en mémoire.

Les activités explicitement humaines concernent la réponse :

• Prendre la décision sur une affaire particulière
• Définir le prix sur un compte stratégique
• Attribuer les bons rôles à chacun
• Élaborer le récit à l’intention du conseil.

La raison est simple. L’IA élargit mon champ de vision, mais on ne peut pas déléguer la responsabilité à un modèle. On influence le modèle via ses entrées, mais il ne prend pas la décision. Le modèle lit. L’opérateur agit.

Comment l’IA améliore les workflows mais risque l’excès de confiance

Voici les points positifs :

• Le rapport hebdomadaire du CRO, qui consommait auparavant une grande partie de la journée, s’assemble désormais tout seul, et je peux passer plus de temps à décider qu’à collecter.
• L'évaluation de santé détecte les comptes à risque un à deux trimestres avant que l’indicateur retardé ne bouge.
• La prévision tient la route devant le conseil d’administration, qui est le seul vrai test de précision qui compte.

Mais tout n’est pas parfait. Les premiers modèles étaient trop optimistes. L’un d’eux annonçait 97 % de probabilité alors qu’il adoptait une posture structurellement trop positive, car j’avais injecté des hypothèses propres dans des entrées corrompues.

La calibration contradictoire s’est révélée être le cœur du métier — opposer mon propre modèle à une consigne d’analyste senior dont la seule mission est d’éliminer tout optimisme excessif. J’aurais pu économiser un trimestre si je l’avais appris plus tôt.

L’IA ne m’a pas épargné ce travail. Elle l’a simplement déplacé.

Un workflow de reporting en conditions réelles

Réflexions de George

La prévision est l’analyse. Le plan, la réaction. La boucle est le système d’exploitation.

Parcourons le workflow de lecture hebdomadaire.

Le lundi, l’IA extrait les données de HubSpot pour le pipeline et les renouvellements, d’Amplitude pour l’utilisation produit, de Pylon pour le support, de Fathom pour le ressenti des appels, et de Slack pour les signaux clients et internes. Elle crée une couche de données gouvernée, évalue la santé des comptes, identifie ceux à risque, envoie des alertes Slack directement aux responsables et met à jour la distribution prévisionnelle conditionnelle selon le régime.

Puis, je lis ces résultats, décide la réponse, et nous bouclons la boucle d’ici vendredi. Suivre, lire, agir : sur un cycle hebdomadaire, avec un seul responsable qui n’est pas le manager. Le système gère la collecte et le scoring. Celui qui occupe le poste prend les décisions.

La prévision alimente la boucle. La boucle recalcule où investir capital et effort. Et toute l’organisation analyse et réagit à un rythme hebdomadaire, plus à un rythme trimestriel. La prévision est la lecture, le plan est la réponse. La boucle est le système d’exploitation.

Comment l’IA complique la direction des revenus

L’IA n’a pas généré de nouvelle demande. Elle condense et accélère votre pipeline existant, mais elle ne crée pas d’intention d’achat chez un prospect hors marché. Quiconque vous vend l’IA comme un miracle pour le haut du tunnel vous vend la mauvaise solution.

Elle n’a pas non plus remplacé le jugement dans les ventes complexes en phase finale, et elle n’a pas résolu le problème des données de mauvaise qualité. Les données corrompues ne deviennent pas meilleures grâce à l’IA. Elles deviennent plus bruyantes.

L’IA a aussi compliqué ma vie avec la compression des rôles côté acheteur. Les entreprises rassemblent trois postes en un seul, ce qui fait que le champion qui nous achetait l’an dernier a pu changer de rôle, perdre la propriété ou quitter l’organisation. L’IA a créé cette dynamique — mais ce n’est pas à elle d’y remédier pour moi.

Comment les CRO devraient s’y prendre — et ce qu’ils doivent éviter

Voici mon conseil : n’ajoutez pas l’IA au poste comme outil de productivité. Redessinez le poste autour d’elle.

Commencez par votre prévision, car c'est là que le conseil vous juge, et la barre a changé en 2026. Vous ne vous faites plus licencier pour avoir manqué le chiffre. Vous vous faites licencier pour la surprise. Un modèle qui ne voit pas venir l'échec est le vrai problème, pas l'échec lui-même.

Et impliquez-vous vous-même dans les calculs. Les Directeurs Commerciaux (CROs) qui confient cela à un outil et détournent le regard recevront la réponse que l’outil a été construit pour leur donner. Assurez-vous qu’il soit configuré pour vous avertir quand vous vous trompez.

Suivre

Vous pouvez suivre le travail de George Storm sur LinkedIn et georgestorm.io.

D’autres interviews d’experts arrivent bientôt sur The CRO Club !