Six chiffres investis dans un chatbot IA que personne n'a utilisé

Farid Mirmohseni, fondateur de Kimia, a partagé une histoire sur LinkedIn récemment qui ne cesse de me revenir en tête.

Si vous ne voulez pas lire le post LinkedIn complet de Farid : un distributeur chimique européen a dépensé six chiffres pour un chatbot IA. La technologie fonctionnait. Personne ne l'a utilisée. Et Farid a entendu cette histoire d'au moins une douzaine d'entreprises rien que cette année.

Je l'ai entendue aussi. Des secteurs différents, des entreprises différentes, le même résultat. Investissement important, implémentation technique réussie, résultat commercial nul.

C'est la leçon la plus coûteuse du B2B en ce moment. Et la plupart des entreprises l'apprennent encore à leurs dépens.

Ce n'est pas un problème de recherche

Voilà où la plupart des entreprises se trompent. Elles voient leur équipe de vente peiner à trouver des informations dans des centaines de milliers de documents et pensent : il nous faut une meilleure recherche.

Alors elles achètent un chatbot IA. Elles indexent tout. La technologie fonctionne. Elle peut trouver n'importe quel document en quelques secondes.

Mais personne ne l'utilise. Pourquoi ?

Parce que comme le dit Farid : un chatbot grand public doit comprendre « Quel temps fait-il ? » Un assistant technique pour l'industrie chimique doit comprendre « Lequel de nos produits peut remplacer cette spécification concurrente tout en respectant les exigences REACH de l'UE pour les applications d'intérieur automobile ? »

Ce n'est pas un problème de recherche. C'est un problème de raisonnement.

Et la partie la plus difficile : les questions qui comptent le plus sont celles que les gens ne peuvent pas entièrement formuler. Un commercial ne demande pas « Quels produits correspondent à ces 12 paramètres techniques plus les exigences réglementaires plus l'historique client plus les objectifs de marge ? » Il demande « Qu'est-ce que je devrais recommander ? »

Répondre à cela exige de comprendre simultanément la chimie, les réglementations, le contexte commercial et les relations clients. Un chatbot posé sur une base de données documentaires ne peut pas faire ça. Peu importe le nombre de documents que vous indexez.

Je vois ce schéma partout

Je travaille comme Chief Commercial Officer fractionnel pour des entreprises d'ingrédients biotechnologiques. J'aide également les entreprises B2B européennes à intégrer l'IA via opencream.ai. Je me trouve donc exactement à l'intersection de ces deux mondes : les secteurs spécialisés et l'implémentation de l'IA.

Le schéma que décrit Farid est partout. Pas seulement dans la chimie. Dans les ingrédients spéciaux, dans la biotechnologie, dans la fabrication de précision. Tout secteur où les connaissances nécessaires pour prendre de bonnes décisions résident dans les têtes des gens plutôt que dans des documents.

Je connais des entreprises où le meilleur commercial a 25 ans de relations clients stockées dans sa mémoire. Il sait que le chimiste formulateur du Client A préfère les fiches techniques aux supports marketing. Que l'équipe achats du Client B fait toujours pression sur les prix au troisième trimestre à cause des cycles budgétaires. Que le concurrent est apparu chez le Client C le mois dernier avec un nouveau produit moins cher mais présentant des problèmes de stabilité.

Rien de tout cela n'est dans aucun document. Et aucun chatbot ne le trouvera jamais en cherchant dans des PDFs.

Le vrai coût d'une erreur

Six chiffres, c'est douloureux. Mais le vrai coût est plus important que la facture.

Chaque projet IA raté crée une résistance interne. L'équipe de vente a essayé le chatbot, ça n'a pas aidé, et maintenant elle est sceptique envers n'importe quel outil IA. « On a déjà essayé ça. Ça n'a pas marché. »

Ce scepticisme est difficile à défaire. Et il est généralement dirigé vers l'IA en général, pas vers l'approche spécifique qui a échoué. Donc la prochaine fois que quelqu'un propose une solution IA qui pourrait réellement fonctionner, il se bat en côte contre le souvenir du chatbot que personne n'a utilisé.

J'ai été dans ces réunions. « On a dépensé X en IA et on n'a rien obtenu. » Le silence s'installe. Le sujet change.

Pendant ce temps, les concurrents qui ont bien abordé la question prennent de l'avance. Pas parce qu'ils ont une meilleure IA. Parce qu'ils ont compris de quel type d'IA leur entreprise a réellement besoin.

Ce qu'il faut construire à la place

Les entreprises que j'ai vues réussir avec l'IA dans le B2B spécialisé ont toutes quelque chose en commun. Elles ne commencent pas par la technologie. Elles commencent par la décision.

Quelle décision spécifique essayons-nous d'améliorer ?

Pour un fournisseur de matières premières, ce pourrait être : « Quel produit devrais-je recommander à ce client pour cette application ? » Pour une entreprise de biotechnologie : « Quelle est la bonne stratégie de prix pour ce marché ? » Pour un fabricant : « Sur quels prospects devrions-nous nous concentrer ce trimestre ? »

Ce ne sont pas des requêtes de recherche. Ce sont des jugements qui exigent de combiner plusieurs types de connaissances : techniques, commerciales, relationnelles, réglementaires.

Voici ce qui fonctionne :

Commencez par un flux de travail, pas par toute l'entreprise. N'essayez pas de construire un assistant IA pour tout. Choisissez la décision qui coûte le plus de temps ou d'argent quand elle est mauvaise. Construisez l'IA autour de ce flux de travail spécifique.

Capturez les connaissances qui se trouvent dans les têtes des gens. Les informations les plus précieuses dans une entreprise B2B spécialisée ne sont jamais dans des documents. Elles sont dans l'expérience de vos meilleures personnes. Avant de construire un outil IA, déterminez comment extraire et structurer ces connaissances.

Je construis un CRM agentique pour les fournisseurs de matières premières B2B en démarrage précisément pour cette raison. Ce sont de petites équipes - souvent 5 à 15 personnes - qui vendent des ingrédients spéciaux dans des cycles de vente longs de 12 à 24 mois. Elles ne peuvent pas se permettre les solutions IA d'entreprise que des sociétés comme Kimia construisent pour les grands distributeurs. Mais elles ont tout de même besoin d'un système qui se souvient du contexte sur des mois, pas seulement qui trouve des documents.

Rendez-le utile dès le premier jour. Le chatbot a échoué parce que personne n'a vu la valeur assez rapidement. Si votre outil IA exige que l'équipe de vente change sa façon de travailler avant de voir un avantage quelconque, il ne sera pas adopté. Les meilleures implémentations font gagner du temps dès le premier jour, puis deviennent plus intelligentes au fil du temps.

Gardez les humains dans la boucle. Il ne s'agit pas de remplacer le jugement de votre meilleur commercial. Il s'agit de s'assurer que tout le monde dans l'équipe a accès au type de contexte que votre meilleur commercial porte dans sa tête. L'IA comme amplificateur, pas comme remplacement.

La fenêtre se ferme

Il y a quelque chose qui me préoccupe dans les entreprises B2B européennes avec lesquelles je travaille.

Les meilleures personnes dans ces entreprises - celles qui ont 20 ou 30 ans de connaissances métier - se rapprochent de la retraite chaque année. Ces connaissances quittent l'entreprise. Lentement, mais cela se produit.

Les entreprises qui trouvent comment capturer cette expertise et la multiplier avec l'IA auront un avantage sérieux. Celles qui dépensent six chiffres en chatbots et n'obtiennent rien gâcheront la fenêtre d'opportunité.

Farid a raison quand il dit que six chiffres est une façon coûteuse d'apprendre cette leçon. Mais pas aussi coûteuse que de prendre du retard pendant que les concurrents s'en sortent.

La bonne nouvelle : vous n'avez pas besoin de six chiffres pour commencer. Vous avez besoin de clarté sur quelles décisions comptent le plus dans votre entreprise, et de la volonté de construire l'IA autour de ces décisions plutôt qu'autour d'une base de données de documents.

Si vous êtes une entreprise B2B spécialisée qui essaie de comprendre où l'IA s'intègre réellement, c'est ce que nous aidons à faire chez opencream.ai. Nous commençons par vos flux de travail spécifiques, pas par une technologie générique.

Parce que dans les secteurs spécialisés, le générique ne fonctionne pas. Votre entreprise est spécifique. Votre IA devrait l'être aussi.

Matthias Forster est le fondateur d'opencream.ai, où il construit des outils IA pour les entreprises B2B en démarrage, et d'opencream.partners, où il officie en tant que Chief Commercial Officer fractionnel pour les entreprises de biotechnologie et d'ingrédients spéciaux. Kimia construit l'intelligence chimique pour les grands fabricants et distributeurs. opencream.ai se concentre sur les acteurs plus modestes - les fournisseurs de matières premières en démarrage et les champions de niche qui ont besoin d'une IA intelligente mais ne disposent pas de budgets d'entreprise.