Un pilote d’IA GTM s’évalue contre un document que vous avez rédigé avant son démarrage. Un pilote lancé sans métrique principale préenregistrée, sans seuil d’arrêt, sans groupe de contrôle et sans date de décision calculée à rebours depuis la fenêtre de préavis du contrat ne produit pas une évaluation : il produit un dashboard, et le dashboard appartient à l’éditeur. Quatre choix de conception déterminent si le pilote répond à quoi que ce soit : ce que vous préenregistrez, comment vous isolez un contrôle, comment vous comptez la reprise humaine, et où tombe la date de décision par rapport à l’horloge du renouvellement. Cette page donne à chacun une valeur de départ.
L’échec se joue en amont du modèle
Deux chiffres sont cités dans tous les comités IA. Le Project NANDA du MIT a rapporté dans The GenAI Divide: State of AI in Business 2025 que 95 % des pilotes d’IA générative en entreprise n’ont produit aucun impact mesurable sur le P&L, à partir de 52 entretiens structurés, 153 dirigeants interrogés et une revue de 300 déploiements rendus publics entre janvier et juin 2025. Séparément, une étude d’IDC avec Lenovo a établi que 88 % des preuves de concept IA n’atteignent jamais la production : quatre passent pour 33 lancées.
Les deux chiffres sont plus fragiles qu’ils n’en ont l’air. Le document NANDA porte la mention « résultats préliminaires » et non celle de travail relu par les pairs, et sa méthodologie a été publiquement critiquée sur la construction de l’échantillon et sur le saut entre « aucun impact mesurable sur le P&L » et « échec ». Ne citez ni l’un ni l’autre comme preuve que votre pilote va échouer. Citez-les pour ce que les deux équipes de recherche désignent effectivement comme obstacle principal : non pas la qualité du modèle, mais des critères de réussite flous et aucune définition partagée de « suffisamment bon ». Cette défaillance se produit la première semaine, avant qu’un seul message ne parte, et c’est la seule partie du pilote que vous contrôlez entièrement.
1. Préenregistrez quatre lignes
Rédigez-les avant la première exécution, dans un document daté, diffusé à toutes les personnes qui siégeront à la réunion de renouvellement.
La métrique principale, exactement une. Pour un agent outbound, c’est le coût complet par rendez-vous qualifié réellement tenu. Pas les rendez-vous pris, parce que « pris » et « tenu » divergent précisément dans la population qu’un agent IA surproduit. Pas le taux de réponse, parce qu’une réponse n’est pas un revenu et qu’une réponse agacée compte autant qu’une réponse positive. Collecter des métriques secondaires ne pose pas de problème ; une seule décide.
Le seuil, exprimé contre votre propre référence. Mesurez les 90 jours précédant le pilote sur la même métrique et écrivez la note de passage comme un ratio par rapport à elle. Les taux de réponse des benchmarks publiés ne servent à rien ici : ils encodent la qualité de liste, l’offre, la réputation de domaine et le segment de quelqu’un d’autre. Votre référence est la seule comparaison qui maintienne tout cela constant.
Des critères d’arrêt qui terminent le pilote par anticipation. Ce sont des conditions de rupture, pas des résultats décevants : un taux de plainte spam qui franchit votre plafond, un incident de conformité ou de marque, un agent qui écrit de mauvaises données dans le CRM à un rythme dont le nettoyage coûte plus que ce que le pilote peut rapporter. Nommez le seuil et la personne qui peut tout arrêter sans convoquer un comité.
La date de décision. La section 4 la fixe. Ce n’est pas « fin du T3 ».
Il manque une ligne, et c’est celle qu’on saute : la règle d’amendement. Des critères modifiés après l’arrivée des premières données invalident la comparaison. S’il faut amender, la note consigne les deux versions et rapporte le résultat comme rétrospectif.
2. Construisez le groupe de contrôle
C’est l’étape que presque tous les pilotes GTM sautent, et la sauter signifie qu’aucun résultat du pilote ne peut être attribué à l’outil. Un trimestre avec un nouvel agent est aussi un trimestre avec une autre saisonnalité, un concurrent qui a changé ses prix, deux SDR en montée en charge et une offre modifiée. Sans bras de contrôle, vous mesurez tout cela à la fois.
- Randomisez au niveau du compte, pas du lead. Deux contacts du même compte tombant dans des bras différents contaminent les deux : ils se parlent, et le multithreading fait passer le traitement dans le contrôle.
- Réservez 20 à 30 % des comptes éligibles. Sous 20 %, le bras de contrôle produit trop peu d’événements de résultat pour résoudre un effet réaliste. Au-dessus de 30 %, vous payez plus de coût de pilote par unité d’apprentissage sans changer la réponse.
- Stratifiez sur ce qui prédit le résultat — le plus souvent le tier ICP ou le segment — pour que les deux bras ne diffèrent pas accidentellement sur la variable qui compte le plus.
- Faites tourner les deux bras sur la même fenêtre. Avant-après n’est pas un contrôle ; c’est un contrôle plus tout ce qui a changé par ailleurs.
- Fixez un plancher de résultats. Si le bras de contrôle produit moins d’environ 30 événements de résultat sur la fenêtre, le constat honnête est « signal insuffisant pour décider », et c’est un résultat de pilote légitime. C’est aussi une raison de négocier une durée mensuelle plutôt que de signer un engagement annuel à pile ou face.
3. Comptez la reprise humaine
La preuve publiée la plus solide que la productivité IA autodéclarée va dans le mauvais sens vient de l’essai randomisé de METR auprès de 16 développeurs open source expérimentés sur 246 tâches réelles. Ils avaient prévu que les outils d’IA les accéléreraient de 24 %. Ils ont été mesurés 19 % plus lents. Ensuite, ayant vécu ce ralentissement, ils estimaient toujours que l’IA les avait rendus 20 % plus rapides.
METR qualifie elle-même ce résultat d’historique et refuse toute généralisation hors du développement logiciel : n’importez donc pas les 19 % dans un modèle GTM. Importez l’erreur de signe. Les participants ne se sont pas trompés sur l’ampleur de l’effet ; ils se sont trompés sur son sens, sur leur propre travail, immédiatement après. Toute décision de renouvellement qui reconstruit la reprise de mémoire refait la même expérience.
Consignez-la donc pendant le pilote, en quatre postes : configuration et réglage des prompts, relecture et correction des sorties, traitement des escalades et des réponses, et nettoyage — mauvaises écritures CRM, excuses au mauvais contact, séquences arrêtées en cours. Échantillonnez plutôt que de tout consigner ; deux heures suivies par semaine et par rep participant suffisent à construire un taux. Les heures de reprise entrent au numérateur du coût par résultat, à taux chargés, aux côtés de la licence et de la consommation de crédits. Pour la moitié consommation de ce chiffre, voir tarification IA au siège ou à l’usage.
4. Remontez le calendrier depuis la fenêtre de préavis
Le piège de la date de renouvellement se déroule toujours de la même façon. Le pilote se termine, les résultats sont ambigus, quelqu’un demande légitimement un mois de plus, et le délai de préavis de non-renouvellement expire pendant la prolongation. Le contrat se reconduit au tarif public, et la prolongation accordée pour rassembler plus de preuves est devenue la décision.
Planifiez à rebours, dans cet ordre :
- Lisez la fenêtre de préavis dans votre propre MSA. Les délais de préavis de non-renouvellement en SaaS vont de 30 à 90 jours avant la fin du terme. Le seul chiffre qui compte est celui de votre contrat, et il vaut la peine de vérifier si l’horloge démarre à la fin du terme ou à une date anniversaire.
- Date de décision = échéance du préavis moins 14 jours. Cette quinzaine sert à rédiger la note, à la revue finance et à un créneau de dirigeant qui glisse.
- Fin du pilote = date de décision moins 14 jours. Les rendez-vous pris la dernière semaine ne se sont pas encore tenus, et les dégâts de délivrabilité apparaissent en décalé. Un pilote noté à sa dernière date d’envoi est noté avant l’arrivée de ses propres conséquences.
- Début du pilote = fin du pilote moins la durée du pilote. Six à huit semaines pour l’email outbound ; plus long seulement si votre cycle de vente rend l’événement de résultat plus rare.
- Référence = les 90 jours précédant le début du pilote. Vous avez déjà ces données ; les extraire prend une heure, et les omettre est ce qui rend le résultat illisible.
Aucun filet réglementaire ne se trouve dessous. La Negative Option Rule de la FTC — la règle « click-to-cancel » — a été annulée par le Eighth Circuit le 8 juillet 2025 pour vice de procédure, quelques jours avant son entrée en vigueur, et la Commission a transmis à l’OIRA un projet d’avis préalable de proposition de réglementation le 30 janvier 2026 pour relancer le processus. Même si elle avait survécu, elle encadrait les offres à reconduction tacite grand public et n’aurait pas atteint un contrat SaaS B2B. La fenêtre de préavis de votre contrat constitue toute la protection.
Valeurs de départ calibrées
Partez d’ici et ne déplacez un chiffre que si vous pouvez dire ce qui, dans votre motion, le rend faux.
| Décision | Valeur de départ | Déplacez-la quand |
|---|---|---|
| Métrique principale | Coût complet par rendez-vous qualifié tenu | La sortie de l’agent n’est pas un résultat dénombrable |
| Comparaison | Votre référence sur 90 jours glissants | Jamais — les benchmarks publiés ne contrôlent ni votre domaine ni votre liste |
| Unité de randomisation | Compte | Jamais en outbound ; le multithreading laisse fuir le traitement |
| Part de contrôle | 25 % des comptes éligibles | Sous 20 % uniquement avec un taux de résultat suffisant pour atteindre le plancher |
| Plancher de résultats | 30 événements dans le bras de contrôle | Relevez-le quand l’effet attendu est inférieur à 20 % |
| Durée du pilote | 6-8 semaines | Plus long pour les cycles où l’événement de résultat est rare |
| Échantillonnage de la reprise | 2 heures suivies par rep et par semaine | Relevez-le les deux premières semaines, au pic de charge de configuration |
| Traîne avant notation | 14 jours après le dernier envoi | Plus long là où les rendez-vous se prennent à 3+ semaines |
| Date de décision | Échéance du préavis moins 14 jours | Plus tôt quand la note exige un cycle conseil ou achats |
Pièges et parades
- Le dashboard de l’éditeur devient le tableau de score. Il compte les envois, les réponses et les prises de rendez-vous — les trois choses qu’il voit — et ne voit ni les rendez-vous tenus, ni les heures de reprise, ni le nettoyage. Parade : notez depuis votre CRM, votre export finance et vos relevés de temps, et fixez les sources de données dans le préenregistrement avant que quiconque ait un intérêt dans la réponse.
- Les ventes choisissent les comptes du pilote à la main. L’agent reçoit la liste tiède, le contrôle récupère le reste, et la comparaison est morte avant le premier envoi. Parade : randomisez programmatiquement depuis le pool éligible et faites relire l’affectation par quelqu’un qui ne porte pas le chiffre.
- « Prolonger le pilote » remplace « décider ». Parade : une prolongation n’est permise que si l’échéance du préavis tombe encore après la nouvelle date de décision. Sinon, prolonger revient à renouveler, et la note doit l’écrire en ces termes.
- Rendez-vous pris substitués aux rendez-vous tenus. Parade : la définition de la métrique nomme l’événement tenu et fixe le traitement des absences avant le démarrage du pilote, car un agent réglé sur le volume déplace « pris » et « tenu » en sens inverse.
- La reprise reconstruite en réunion de renouvellement. Parade : le relevé de temps échantillonné, tenu chaque semaine. Les participants de METR se sont trompés sur le sens de l’effet, sur leur propre travail, quelques heures après.
- Un pilote sans signal se lit comme une réussite. Parade : le plancher de résultats est écrit à l’avance, et « sous le plancher » est un verdict nommé avec son action propre : une durée mensuelle, pas annuelle.
Où ce cadre cesse de tenir
Il suppose un volume suffisant pour être scindé. Si vous touchez moins d’environ 200 comptes par mois, un groupe de contrôle assez grand pour résoudre quoi que ce soit laisse un bras de traitement trop petit pour valoir la peine, et l’appareil de mesure coûte plus cher que l’outil. Achetez alors au jugement, dites-le explicitement, et mettez la discipline dans la durée du contrat — mensuelle, ou un terme initial court avec fenêtre de préavis négociée — plutôt que dans un groupe de contrôle incapable de porter une conclusion.
Il suppose aussi un résultat dénombrable. Pour un assistant de recherche ou un copilote dans le CRM, le coût par rendez-vous est le mauvais cadre ; abandonnez-le et faites tourner le seul registre de reprise comme étude de temps au niveau tâche, contre un ensemble apparié de tâches réalisées sans l’outil. Et pour l’étape de notation une fois le pilote clos, la skill de scorecard de pilote AI SDR implémente les quatre axes et refuse un verdict quand les critères ont été amendés en cours de route ou que l’échantillon est trop court. Pour la question d’architecture qui décide de ce qu’il faut piloter, commencez par AI SDR et AI SDR piloté par signaux ou autonome.
Un dernier signal qui ne coûte rien à lire. Si un éditeur refuse de vendre une durée qui se termine après votre date de décision, ou résiste à un pilote comportant un groupe de contrôle, c’est une information sur la confiance de l’éditeur dans le résultat — et elle arrive avant que vous n’ayez rien dépensé.