Le responsable des revenus affirme que l’adoption de l’IA doit reposer sur une analyse de rentabilité avant de toucher la stratégie de mise sur le marché

Alexey Navolokin dirige les activités d'AMD dans la région APAC, où il pilote la stratégie, les partenariats et la mise sur le marché.

Nous avons rencontré Alexey pour comprendre comment l'IA transforme les stratégies de gestion des revenus. Voici ce qu'il nous a confié.

Le leadership en matière de revenus à l'ère de l'IA ne consiste pas à défendre un territoire.

Je dirige les activités d'AMD dans toute la région APAC — entreprises, cloud, marché commercial et grand public — en pilotant la stratégie, les partenariats et la mise sur le marché afin d'intégrer EPYC, Ryzen, Radeon et Instinct aux centres de données, aux PC et aux infrastructures d'IA.

Mais le chemin pour y parvenir n'a pas été linéaire, et c'est cette partie que je souhaite partager.

J'ai commencé dans les technologies d'entreprise auprès de sociétés comme Apple et Intel, où j'ai appris à construire et à développer des machines mondiales de mise sur le marché. Puis, je me suis lancé dans quelque chose de plus risqué : diriger le développement commercial et logiciel d'une start-up blockchain au service des opérateurs télécoms. Pendant ces années, j'ai conseillé des start-up et des PME à Singapour dans le cadre de leur transformation numérique, en les aidant à utiliser la technologie des registres distribués pour apporter davantage de transparence aux chaînes d'approvisionnement, à la sécurité alimentaire et au commerce international. Aucun manuel, aucune feuille de route. Seulement la conviction que les technologies émergentes finiraient par transformer le fonctionnement des entreprises.

Cette conviction s'est révélée juste — simplement plus tôt que je ne l'avais prévu, et pour une technologie différente de celle sur laquelle j'avais initialement misé.

La blockchain m'a appris à vendre un changement de paradigme avant que le marché ne soit prêt à l'adopter. C'est exactement la compétence dont j'ai eu besoin lorsque l'IA a cessé d'être une diapositive dans la présentation de quelqu'un d'autre pour devenir le produit lui-même. Chez AMD, j'ai vu le leadership en matière de revenus se transformer en profondeur : la stratégie de mise sur le marché prend désormais en compte l'économie du calcul, les feuilles de route des GPU et les partenariats écosystémiques avec les gouvernements et les fournisseurs de services cloud hyperscaleurs — et plus seulement les programmes de distribution et les objectifs trimestriels.

Aujourd'hui, mon travail ne consiste donc pas uniquement à vendre des processeurs et des accélérateurs. Il s'agit de construire l'écosystème d'IA d'AMD dans toute la région APAC, en dialoguant avec les organismes gouvernementaux, en nouant des partenariats avec les plateformes cloud et de développement, et en façonnant la manière dont les entreprises de la région adoptent les infrastructures d'IA à grande échelle.

Cette expérience m'a appris une chose : le leadership en matière de revenus à l'ère de l'IA ne consiste pas à défendre un territoire. Il s'agit d'être présent dès l'émergence de la prochaine évolution des infrastructures, de rester impliqué sur le terrain lorsque le marché rattrape son retard et de faire preuve d'un état d'esprit prêt au changement pour reconstruire le manuel lorsque l'ancien cesse de fonctionner.

Vendre du matériel et des plateformes grâce à un modèle hybride

AMD est un leader établi et coté en bourse dans le secteur des semi-conducteurs, qui se trouve à la pointe de l'informatique haute performance et adaptative — technologies de CPU, GPU, FPGA, DPU, NPU et d'accélérateurs d'IA (EPYC, Ryzen, Radeon, Instinct).

Nous vendons du matériel et des plateformes selon un modèle hybride qui comprend des contrats directs avec les entreprises et les fournisseurs hyperscaleurs, des partenariats avec les fabricants d'équipement d'origine et les distributeurs, ainsi que des offres adjacentes aux logiciels et à l'écosystème, telles que ROCm et les solutions d'infrastructure d'IA.

Un processus de préparation des réunions clients optimisé par l'IA

Nous segmentons la mise sur le marché entre les secteurs des entreprises, du cloud, du marché commercial et du grand public, et construisons une stratégie de mise sur le marché transverse autour des partenaires de distribution, des initiatives de co-vente avec les fournisseurs hyperscaleurs, des alliances avec les fabricants d'équipement d'origine et des relations avec les gouvernements et le secteur public (MSIT, EDB, NIPA) pour établir des partenariats stratégiques dans le domaine des infrastructures d'IA.

Nous couvrons les marchés de toute la région APAC, avec une présence particulièrement forte en Corée, en Australie, à Singapour et dans d'autres pays d'Asie du Sud-Est, auprès de clients des secteurs des centres de données, des PC, de l'IA et des infrastructures de périphérie.

Comment l'IA transforme les stratégies de gestion des revenus

Chez AMD, l'entreprise a adopté des outils d'IA de manière informelle dans l'ensemble de ses activités, sans méthode commune pour mesurer leur valeur commerciale. Les projets avançaient en fonction de l'enthousiasme suscité par la technologie plutôt que d'une compréhension claire des coûts, des bénéfices et de leur adéquation avec les objectifs de l'entreprise.

Puis, l'organisation informatique d'AMD, sous la direction du DSI Hasmukh Ranjan, a restructuré la manière dont elle introduisait l'IA dans les activités opérationnelles et celles en lien avec les revenus. AMD soumet désormais chaque proposition d'IA à une évaluation de rentabilité — coût, bénéfice et pertinence — avant de poursuivre, avec des indicateurs clés de performance définis pour suivre la création de valeur. Dans le cadre de cette évolution, AMD a cartographié une « journée type » pour certains postes, notamment ceux des ventes, et a conçu des outils d'IA adaptés à chaque fonction plutôt que de déployer des outils génériques dans toute l'entreprise.

Grâce à des KPI clairs dans toutes les fonctions, AMD peut désormais mettre en avant des gains mesurables et propres à chaque fonction — la finance constate un gain de productivité de 15 % grâce à l'automatisation pilotée par l'IA, et les informations issues de l'apprentissage automatique ont permis d'améliorer les rendements de la fabrication des semi-conducteurs, pour une valeur de plusieurs millions de dollars. Un catalogue interne regroupant plus de 100 cas d'usage documentés de l'IA permet désormais aux équipes de reproduire ce qui fonctionne au lieu d'expérimenter à partir de zéro.

Le changement ne tient pas au fait qu'AMD a ajouté un outil d'IA aux ventes — il tient au fait qu'AMD exige désormais une analyse de rentabilité et un KPI mesurable avant qu'une initiative d'IA ne touche aux activités génératrices de revenus, transformant ainsi l'adoption de l'IA dans les fonctions GTM, qui reposait sur une série d'expérimentations ponctuelles, en une capacité reproductible et traçable.

Les conseils d'Alexey

Je crois que l’IA produit son plus grand impact commercial — non pas en remplaçant les commerciaux, mais en aidant chaque vendeur à travailler chaque jour avec le niveau de préparation et de perspicacité dont il ferait preuve lors de sa meilleure journée.

L'un des processus de travail propulsés par l'IA que j'utilise quotidiennement consiste à préparer une réunion avec un client dirigeant — de la recherche au suivi.

Tout commence par l'agrégation, par l'IA, des informations publiques : les derniers résultats financiers du client, ses priorités stratégiques, ses investissements technologiques, son environnement concurrentiel et les tendances du secteur. Au lieu de passer des heures à rassembler les données, je reçois en quelques minutes une synthèse concise destinée aux dirigeants.

Ensuite, l'IA met en relation ces informations externes avec nos priorités internes. Elle identifie les domaines dans lesquels le portefeuille d'AMD correspond le mieux aux objectifs commerciaux du client, qu'il s'agisse d'infrastructures d'IA, d'initiatives d'IA souveraine, d'expansion dans le cloud ou de modernisation des entreprises.

Avant la réunion, l'IA élabore une présentation personnalisée, propose des points de discussion au niveau des dirigeants, met en évidence le positionnement concurrentiel et anticipe même les questions à partir des interactions précédentes avec le client et des évolutions du marché.

Après la réunion, l'IA résume la discussion, consigne les actions à mener, rédige les e-mails de suivi, met à jour les fiches dans le CRM et recommande la prochaine interaction la plus pertinente. Ce qui prenait auparavant plusieurs heures ne prend désormais que quelques minutes, ce qui me permet de consacrer davantage de temps aux clients et moins à l'administration.

La plus grande valeur ajoutée réside ici dans le fait que l'IA réduit le délai entre la compréhension, la décision et l'interaction avec le client.

Pour une organisation mondiale comme AMD, où les opportunités s'étendent aux fournisseurs de cloud, aux entreprises, aux gouvernements et aux innovateurs de l'IA dans toute la région Asie-Pacifique, la vitesse compte. Une préparation plus rapide mène à de meilleures conversations. De meilleures conversations conduisent à des relations clients plus solides. Et des relations plus solides génèrent en fin de compte davantage de revenus.

C'est là que je crois que l'IA produit son plus grand impact commercial — non pas en remplaçant les commerciaux, mais en aidant chaque vendeur à travailler chaque jour avec le niveau de préparation et de perspicacité dont il ferait preuve lors de sa meilleure journée.

Les meilleurs domaines d'utilisation de l'IA — et les résultats

Les domaines particulièrement adaptés à l'assistance de l'IA dans les organisations génératrices de revenus sont les suivants :

• Priorisation du pipeline — faire ressortir les signaux issus de l'activité des comptes et des données d'engagement
• Évaluation des opportunités — mise en correspondance des tendances avec les données historiques de gains et de pertes
• Prévisions — agréger les données du pipeline pour établir des projections plus rapidement qu'avec des consolidations manuelles
• Dimensionnement des territoires et des marchés

Les résultats positifs que nous avons constatés jusqu'à présent sont les suivants :

• Réduction du délai entre la proposition et la première version pour les livrables stratégiques — les modèles financiers et les présentations qui prenaient auparavant des semaines sont désormais réalisés en quelques jours
• Davantage d'itérations possibles par opportunité ou proposition dans le même laps de temps, ce qui permet d'obtenir un résultat final plus précis
• Possibilité de produire personnellement des supports transverses (modèle + argumentaire + visuel) qui nécessitaient auparavant de faire appel à d'autres équipes

• Amélioration de la précision des prévisions
• Réduction de l'attrition

Du côté négatif, j'ai constaté qu'une dépendance excessive aux évaluations générées par l'IA pouvait passer à côté du contexte relationnel et politique dans les contrats gouvernementaux. De plus, le temps nécessaire pour examiner et corriger les résultats de l'IA annule parfois le temps gagné grâce à leur génération. Enfin, bien que l'IA ait considérablement amélioré la productivité, cela ne se traduit pas toujours par une croissance proportionnelle des revenus.

Pourquoi les dirigeants des fonctions génératrices de revenus doivent trouver un équilibre entre l'efficacité de l'IA et le jugement humain

Une chose est devenue plus difficile avec l'IA : savoir quand ne pas lui faire confiance.

L'IA résume efficacement les informations, identifie les tendances et accélère les tâches quotidiennes. Mais dans la vente aux entreprises, la rapidité peut créer un faux sentiment de certitude.

Un plan de compte, une prévision ou une présentation client généré par l'IA peut sembler soigné et complet, tout en passant à côté des dynamiques subtiles qui déterminent le succès ou l'échec d'une affaire stratégique — évolution du soutien des dirigeants, jeux politiques au sein de l'organisation, changements budgétaires ou solidité d'une relation de confiance.

Pour les responsables des revenus, cela crée un nouveau défi : trouver l'équilibre entre l'efficacité apportée par l'IA et le jugement humain.

Chez AMD, nous avons constaté que l'IA apporte le plus de valeur lorsqu'elle prépare nos équipes à de meilleurs échanges avec les clients — et non lorsqu'elle remplace les décisions commerciales critiques. Nos équipes responsables des comptes valident toujours les informations générées par l'IA, remettent en question les hypothèses et s'appuient sur leur propre expérience avant d'échanger avec les clients ou de prendre des engagements stratégiques.

Pourquoi l'IA peine à comprendre les subtilités des affaires et de la confiance

L'IA peine encore à comprendre le contexte humain qui sous-tend les affaires conclues avec les grandes entreprises. Dans les ventes B2B complexes, en particulier pour les infrastructures d'IA, les principaux obstacles sont rarement techniques. Ils sont organisationnels.

L'IA peut analyser les données du CRM, résumer les réunions, identifier les signaux d'achat et même prédire la probabilité de conclusion d'une affaire. Mais elle ne perçoit souvent pas les nuances que les responsables commerciaux expérimentés reconnaissent immédiatement.

Par exemple, une opportunité stratégique peut sembler saine parce que l'implication des dirigeants est forte, que l'évaluation technique progresse et que les achats ont commencé. Sur le papier, l'IA peut la classer comme une affaire à forte probabilité. Cependant, une équipe responsable du compte expérimentée peut savoir que le budget du client a discrètement évolué, qu'une décision du conseil d'administration a été reportée ou qu'un dirigeant clé qui soutenait le projet a changé de fonction. Ces facteurs peuvent ne jamais apparaître dans les données structurées, alors même qu'ils peuvent modifier complètement l'issue de l'opportunité.

Chez AMD, nous considérons l'IA comme un système d'aide à la décision — et non comme un décideur. Elle aide nos équipes à mieux se préparer, à identifier les tendances entre les opportunités et à réduire le travail administratif. Mais lorsqu'il s'agit de gérer les relations avec les dirigeants, de négocier des accords commerciaux complexes ou de comprendre les priorités stratégiques à long terme d'un client, le jugement humain reste essentiel.

La confiance est un autre domaine dans lequel l'IA a ses limites.

Les clients qui investissent plusieurs millions de dollars dans des infrastructures ne choisissent pas un partenaire uniquement en fonction de la qualité d'une proposition générée par l'IA. Ils choisissent en fonction de la confiance dans les performances de la technologie, de la crédibilité de la feuille de route et de la capacité des personnes qui la soutiennent à tenir leurs engagements pendant toute la durée du partenariat.

Cette confiance se construit par l'expérience, la transparence et les relations — pas par les algorithmes.

Comment les responsables des revenus doivent préparer l'organisation avant d'intégrer l'IA

Si je pouvais revenir en arrière, je consacrerais beaucoup moins de temps à évaluer les outils d'IA et beaucoup plus de temps à préparer l'organisation à les utiliser.

Comme beaucoup d'entreprises, notre premier réflexe a été de demander : « Quelle solution d'IA devons-nous déployer ? » La meilleure question est : « Comment repenser la manière dont nos équipes travaillent ? » L'IA ne crée pas de valeur simplement parce qu'elle est mise en œuvre. Elle crée de la valeur lorsqu'elle est intégrée aux flux de travail quotidiens et adoptée par ses utilisateurs.

Avec le recul, trois leçons que j'aurais aimé connaître dès le premier jour se dégagent.

1. Les données comptent plus que le modèle. Même l'IA la plus avancée ne peut pas surmonter des données CRM fragmentées, des informations incohérentes sur les comptes ou des sources de connaissances déconnectées. Des données propres et fiables constituent le fondement de toute initiative d'IA réussie.
2. L'adoption est le véritable KPI. Il est facile de mesurer le nombre de licences déployées ou de projets pilotes achevés. L'indicateur le plus difficile — et le plus important — est de savoir si les équipes commerciales utilisent l'IA quotidiennement pour préparer leurs réunions avec les clients, améliorer les prévisions, accélérer les propositions et prendre de meilleures décisions.
3. Commencez par les résultats commerciaux, pas par la technologie. L'IA doit résoudre un problème commercial précis : raccourcir les cycles de vente, accroître la productivité des commerciaux, améliorer la précision des prévisions ou identifier de nouvelles opportunités. La technologie doit servir la stratégie, et non devenir la stratégie.

Comment l'IA change les attentes envers les fonctions génératrices de revenus

L'IA n'a pas fondamentalement changé les profils que nous recrutons, mais elle a changé ce que nous attendons de chaque fonction.

Par le passé, nous considérions souvent les ventes, les spécialistes techniques, le marketing et les opérations comme des fonctions distinctes. Aujourd'hui, l'IA estompe ces frontières.

Par exemple, nous attendons des responsables de comptes qu'ils utilisent l'IA pour étudier les clients, élaborer des stratégies de compte et personnaliser leurs échanges avec les dirigeants. Les responsables commerciaux deviennent des coachs orientés par les données, qui utilisent les informations fournies par l'IA pour améliorer la qualité du pipeline et la précision des prévisions. Les équipes des opérations commerciales passent de la production de rapports à la conception de flux de travail fondés sur l'IA, qui aident l'entreprise à prendre des décisions plus rapides et plus éclairées.

Chez AMD, nous constatons également une demande accrue pour des personnes capables de faire le lien entre la technologie et l'entreprise. À mesure que les clients accélèrent l'adoption de l'IA, ils recherchent des partenaires qui comprennent non seulement les processeurs, les GPU et l'infrastructure d'IA, mais aussi la transformation des entreprises, l'économie du cloud, les stratégies d'IA souveraine et le retour sur investissement.

Cela signifie que les talents les plus précieux combinent de plus en plus leadership commercial et maîtrise technique.

La maîtrise de l'IA est tout aussi importante. Nous n'attendons pas de chacun qu'il devienne un spécialiste des données, mais nous attendons des équipes qu'elles comprennent comment travailler efficacement avec l'IA — comment poser de meilleures questions, valider les informations produites par l'IA et les appliquer de manière responsable dans les échanges avec les clients.

Le changement le plus important est peut-être que l'IA accroît la valeur des compétences proprement humaines. À mesure que l'IA automatise la recherche, la préparation des réunions et les tâches administratives courantes, la création de relations, la communication avec les dirigeants, la négociation, la réflexion stratégique et la confiance des clients deviennent encore plus importantes.

À bien des égards, l'IA ne réduit pas l'importance des excellents commerciaux — elle l'augmente.

Les conseils d'Alexey

Les meilleurs commerciaux ne sont plus simplement ceux qui possèdent les connaissances les plus approfondies sur les produits — ils relient les objectifs commerciaux à la transformation par l’IA… C’est probablement la plus grande leçon que j’ai apprise.

Comment l'IA change le GTM, la tarification et les ventes

Pendant des années, la différenciation des produits, les relations et le prix ont largement guidé les ventes de technologies aux entreprises. Ces facteurs restent importants, mais l'IA a fondamentalement changé la conversation.

Aujourd'hui, les clients n'achètent plus des produits individuels. Ils investissent dans des résultats complets liés à l'IA.

Cela signifie que les conversations sont passées de « Quel processeur est le plus rapide ? » à « À quelle vitesse pouvons-nous déployer l'IA ? Combien nous en coûtera-t-il pour entraîner et exécuter nos modèles ? Cette infrastructure peut-elle évoluer ? Et sommes-nous liés à un seul écosystème ? »

Par conséquent, notre stratégie de mise sur le marché a évolué.

Nous nous concentrons désormais sur la manière dont l'ensemble du portefeuille fonctionne de concert pour aider les clients à construire une infrastructure d'IA évolutive.

L'IA a également changé les discussions sur la tarification.

Les clients évaluent de plus en plus le coût total de possession, les performances par watt, l'utilisation de l'infrastructure, l'ouverture des logiciels et la flexibilité à long terme, plutôt que de simplement comparer les coûts d'acquisition du matériel. La conversation est devenue beaucoup plus stratégique.

Enfin, l'IA a changé notre façon de vendre.

Les meilleurs commerciaux ne sont plus simplement ceux qui possèdent les connaissances les plus approfondies sur les produits — ils relient les objectifs commerciaux à la transformation par l'IA. Ils doivent comprendre les défis sectoriels, la stratégie en matière de données, les initiatives d'IA souveraine, l'économie du cloud et le changement organisationnel aussi bien que les spécifications techniques.

C'est probablement la plus grande leçon que j'ai apprise. L'IA n'a pas changé ce que les clients valorisent — elle a changé leur définition de la valeur.

Cinq priorités pour les CRO qui intègrent l'IA à leur organisation

Pour les CRO, l'IA n'est pas simplement un nouvel achat logiciel : elle devient un facteur de différenciation concurrentielle. Mais la réussite ne viendra pas du déploiement du plus grand nombre d'applications d'IA. Elle viendra de la mise en place de la bonne infrastructure, d'une base de données solide et des capacités organisationnelles nécessaires.

Voici les cinq priorités que je recommande :

• Investir dans une infrastructure d'IA évolutive. La principale source de valeur ne réside pas dans le modèle lui-même, mais dans la capacité à entraîner, ajuster et déployer efficacement les modèles. Une infrastructure ouverte et hautement performante donne aux organisations la flexibilité nécessaire pour innover sans être captives d'un écosystème unique.
• Transformer l'IA en valeur pour les clients, et pas seulement en productivité interne. La génération plus rapide de propositions et la mise à jour automatisée des CRM sont utiles, mais la véritable opportunité consiste à offrir de meilleures expériences client, un engagement personnalisé et des résultats commerciaux plus rapides.
• Préparer vos données pour l'IA. La qualité de l'IA dépend de celle de ses données sous-jacentes. Des données propres, sécurisées et gouvernées constituent désormais un actif stratégique pour les revenus.
• Donner aux commerciaux les moyens d'utiliser l'IA au lieu de les remplacer. Les équipes commerciales les plus performantes combineront les informations fournies par l'IA avec l'expertise humaine, la confiance et la création de relations. L'IA devrait éliminer les tâches administratives afin de permettre aux commerciaux de consacrer davantage de temps aux clients.
• Penser à long terme. La demande en IA s'accélère rapidement, mais les décisions prises aujourd'hui en matière d'infrastructure détermineront votre position concurrentielle au cours de la prochaine décennie. Choisissez des plateformes offrant performance, ouverture et flexibilité à mesure que les charges de travail évoluent.

Les entreprises qui dirigeront l'ère de l'IA ne seront pas nécessairement celles qui disposent des budgets les plus importants. Ce seront celles qui construiront l'infrastructure d'IA la plus adaptable et donneront à chaque employé les moyens de l'utiliser efficacement.

Et l'IA ne remplacera pas les grands responsables des revenus. En revanche, les responsables des revenus qui adoptent l'IA — ainsi que l'infrastructure qui l'alimente — seront plus performants que ceux qui ne le font pas.

Suivez-nous

Suivez le travail d'Alexey Navolokin sur LinkedIn.

D'autres entretiens avec des experts seront bientôt disponibles sur le Club des CRO !