Comment ajouter l’IA aux outils B2B – 3 études de cas

L’IA arrive dans le B2B – avec ou sans vous

Il est presque impossible de suivre le rythme de l’innovation dans le domaine de l’IA. Chaque semaine, on voit une nouvelle vague de startups proposant des fonctionnalités inédites. Tout a commencé avec l’IA générative de Midjourney, puis on a eu ChatGPT d’OpenAI, et maintenant le texte-vers-vidéo avec Sora. Et je suis sûr que de nombreux autres projets fascinants verront le jour d’ici à ce que vous lisiez cet article.

Tout ce bruit (passionnant) autour de l’IA peut vous donner un peu de fomo si vous travaillez sur une plateforme « classique ». Vous savez, un de ces outils où les utilisateurs doivent encore cliquer pour effectuer des actions, rédiger des mises à jour, faire passer des tâches à l’état terminé. Le bon vieux logiciel B2B. On peut avoir l’impression d’être mis à l’écart d’une transformation extraordinaire. Pire, on peut avoir l’impression d’être sur le point de se faire disrupter si l’on ne trouve pas un moyen de rejoindre le mouvement.

Je fais partie de ceux qui pensent que les entreprises devront traiter l’IA comme elles ont traité le mobile. Certaines auront intérêt à tout miser sur l’IA dès la conception, mais un grand nombre d’autres plateformes doivent simplement comprendre comment être enrichies par l’IA.

Il serait sage de ne pas trop tarder à vous lancer. Les humains sont incroyablement doués pour digérer les sauts technologiques et ajuster leurs attentes aux nouveaux standards établis.

• Il y a 2 ans, on se moquait de l’IA générative incapable de reproduire la réalité. Aujourd’hui, on s’accroche à peine à l’idée qu’on pourra encore voir des doigts aux formes bizarres (mais le pourra-t-on vraiment ?).
• On se plaint de quelques légères hallucinations et erreurs dans ChatGPT, et on semble avoir totalement accepté qu’il soit normal de converser avec une machine et d’obtenir des analyses de 2 à 3 000 mots parfaitement cohérentes.

Il peut sembler que vous ayez encore beaucoup de temps devant vous pour trouver la bonne approche, mais je pense personnellement que les attentes des acheteurs auront massivement évolué dès le début de 2025. Les utilisateurs privilégieront les outils qui augmentent le mieux leur productivité, et votre capacité à exploiter l’IA deviendra un critère d’évaluation standard.

Aujourd’hui, on est surtout fasciné par les discussions autour des modèles d’IA et des applications AI native comme Devin, un ingénieur logiciel IA autonome. Mais bientôt, les utilisateurs s’attendront à ce que chaque application B2C et B2B devienne enrichie par l’IA, et celles qui n’arriveront pas à suivre verront leur usage chuter.

Cela peut passer par le fait de dialoguer avec vos données, d’effectuer des analyses, de visualiser des produits chez vous (ou sur vous-même), de traduire de l’audio à la volée. L’important, c’est que vous devrez déterminer ce qui a du sens pour vous.

Pour vous donner un peu d’inspiration, je vais examiner 3 produits B2B qui ont intégré l’IA de manière très spécifique pour offrir une bien meilleure expérience à leurs utilisateurs.

3 exemples d’IA appliquée aux services B2B

Un meilleur onboarding product-led grâce à la génération d’objectifs contextuels avec l’IA B2B de Tability

Un défi courant pour les produits en self-serve est l’activation. Il n’est pas si difficile de permettre aux utilisateurs de créer eux-mêmes un compte. Mais les amener à terminer leur configuration, et s’assurer qu’ils vivent quelques moments « Aha » au cours de leur onboarding peut présenter des degrés de difficulté variables selon le service que vous proposez.

Un outil de planification comme Calendly ne demandera pas grand-chose pour démarrer, mais dans le cas de Tability (une plateforme de suivi d’objectifs pour les équipes), les choses peuvent être un peu plus compliquées :

• Beaucoup de personnes qui s’inscrivent veulent d’abord comprendre l’expérience générale de définition d’objectifs, et le type de tableau de bord que nous proposons
• Elles n’ont peut-être pas d’objectifs clairs en tête (elles sont simplement en train d’explorer !)
• Mais vous avez besoin d’objectifs pour comprendre la valeur de Tability.

Notre première approche a été de créer une bibliothèque de modèles d’OKR que les utilisateurs pouvaient choisir pendant leur onboarding. Nous avons fait de notre mieux pour couvrir un maximum de fonctions (ventes, produit, marketing, customer success…), mais nous avons vite réalisé que c’était (1) un effort coûteux et (2) toujours peu pertinent pour l’utilisateur.

Au mieux, nous avions le fameux exemple d’« OKR pour atteindre le product-market fit » que vous pouviez utiliser.

Mais ensuite ChatGPT est arrivé, et après avoir testé l’API d’OpenAI, nous avons trouvé une meilleure façon d’accueillir les utilisateurs : nous pouvions simplement leur demander leur objectif général, et transformer leur réponse en un ensemble d’objectifs pertinents grâce à notre propre IA de définition d’objectifs.

Ce type d’onboarding personnalisé est, je pense, quelque chose que beaucoup d’autres outils vont adopter. On nous a tous déjà demandé notre « rôle » lors de l’inscription à un outil, mais combien de fois cela a-t-il réellement débouché sur une expérience d’onboarding sur mesure ?

Pour Tability, l’IA de définition d’objectifs fait partie intégrante du processus d’onboarding, et constitue également un élément qui différencie la plateforme aux yeux des utilisateurs

Utiliser l’IA B2B pour automatiser les notes de version avec released.so

Soyons honnêtes. Un grand nombre d’équipes arrêtent leur définition du « terminé » à « c’est livré ». Et par « livré », on entend que le code a été fusionné et se trouve désormais en production.

Mais comment les utilisateurs peuvent-ils être informés des dernières versions ?

Certaines nouvelles fonctionnalités peuvent être faciles à repérer, mais de nombreux correctifs et petites améliorations passeront inaperçus si vous ne prenez pas le temps d’expliquer ce qui a changé. C’est pourquoi nous avons besoin de notes de version, mais le processus de collecte des changements récents et de leur transformation en une série d’annonces peut être chronophage, voire fastidieux :

• Vous devez retracer toutes les fonctionnalités/bugs/améliorations traités depuis la dernière version
• Vous devez transformer chaque ticket en quelques paragraphes expliquant ce qui a été fait
• Vous devez disposer d’un moyen de publier cette mise à jour et de la diffuser à vos utilisateurs

Cela représente beaucoup de friction, et les petites équipes sont souvent épuisées au moment de rédiger les notes. Savoir écrire du code n’est pas la même chose que savoir écrire une note de version. Personnellement, je souffre souvent du syndrome de la page blanche quand je travaille sur nos articles d’annonce (j’ai tendance à trop réfléchir).

C’est là qu’entre en jeu Released.so, née comme une solution pour automatiser l’étape de collecte des tickets. C’est une application Jira qui permet de compiler très facilement la liste des changements en quelques clics. Jusque-là, c’est une application B2B classique qui supprime beaucoup de friction, mais les choses deviennent plus intéressantes quand on regarde comment ils exploitent l’IA pour augmenter considérablement la valeur de leur plateforme.

Released.so vous permet de créer des modèles dotés de champs IA « magiques ». Ces champs vous permettent d’appliquer des prompts personnalisés à chacun des tickets et d’utiliser leurs données pour créer des résumés adéquats du travail effectué.

Vous n’avez plus besoin de rédiger les notes vous-même, vous laissez simplement l’IA de notes de version transformer les tickets en changelog à votre place.

Je trouve cela fascinant, car cela ajoute une étape passionnante aux pipelines de Continuous Delivery, puisqu’on pourrait théoriquement obtenir des notes de version publiées automatiquement pour nos utilisateurs dès que le code arrive en production.

Gagner du temps en post-production grâce aux transcriptions horodatées par l’IA B2B de Loom

Nous utilisons beaucoup Loom au travail. Cela peut être pour envoyer de courtes démos de fonctionnalités, créer des tutoriels, ou simplement communiquer de manière asynchrone en tant qu’équipe à distance. Le cœur de Loom est ce qui le rend extraordinaire : il suffit de cliquer sur un bouton pour enregistrer instantanément votre écran. Arrêtez l’enregistrement et la vidéo est immédiatement disponible pour être partagée.

La proposition de valeur principale de Loom est d’offrir un temps de partage très court. Vous n’avez pas besoin d’attendre qu’une application s’ouvre ou qu’un fichier soit compressé et téléchargé. Résultat, l’arbitrage se résume souvent à choisir l’option la plus simple entre :

• Taper des mots dans Slack, ou
• Enregistrer une vidéo de 3 à 4 minutes

Ok, alors où est l’IA là-dedans ?

Eh bien, une chose un peu agaçante avec la vidéo, c’est qu’elle n’est pas consultable par recherche textuelle. Donc, quand votre enregistrement dépasse 4 à 5 minutes, il peut être difficile de se souvenir plus tard de ce dont vous parliez. Et vous obligez aussi les gens à parcourir toute la longueur de la vidéo pour trouver les passages intéressants à écouter (j’ai tendance à parfois un peu digresser).

Loom a résolu ce problème en faisant 2 choses :

1. Il crée automatiquement une transcription de votre vidéo
2. Il ajoute des horodatages pour faire correspondre la vidéo à la transcription

Une fois de plus, la magie réside dans l’UX. J’obtiens des transcriptions de mes enregistrements Google Meet, mais je ne peux pas facilement les faire correspondre à la vidéo. Loom, en revanche, permet de parcourir très facilement le texte et de passer directement à un moment intéressant de la vidéo (ou de parcourir le texte et de décider que ça ne vaut pas la peine de regarder).

Ne faites pas de l’IA un gadget – trouvez vos vrais cas d’usage

S’il y a une seule chose à retenir, c’est que vous ne pouvez pas vous contenter de copier ce que font les autres. Quel que soit ce que fait votre produit, il doit exister des façons uniques d’améliorer l’expérience de vos utilisateurs. Les gens ne seront pas satisfaits si vous vous contentez d’ajouter un gadget à votre application qui n’apporte aucune valeur.

Quelques questions à vous poser :

• Cela rend-il l’expérience plus personnalisée ?
• Cela fait-il gagner du temps ?
• Cela apporte-t-il de nouveaux insights ?