Image : wocintechchat.com — Openverse (by)

Automatiser la relance client avec l’IA : un cas concret (email + SMS)

Il y a six mois, j’avais un pipeline rempli de devis envoyés et une conversion qui ressemblait à un électrocardiogramme plat. Pas parce que les prospects n’étaient pas intéressés. Parce que je ne relançais pas.

Pas par paresse. Par friction.

Relancer, c’est inconfortable. Il faut trouver le bon moment, trouver quoi dire qui ne sonne pas comme une mendicité, et surtout — le faire pour chacun individuellement parce qu’un copié-collé ça se sent à dix kilomètres. Résultat : je procrastinais. Les devis mouraient dans le silence. Et moi je me consolais en me disant que “si ça les intéressait vraiment, ils reviendraient”.

Spoiler : ils ne reviennent pas.

Voici comment j’ai résolu ça — avec une séquence de relance automatique email + SMS pilotée par l’IA, ce que ça a changé concrètement, et surtout l’erreur que j’ai failli commettre en faisant trop confiance à la machine.

Pourquoi 80% des relances ne partent jamais

Je ne sors pas ce chiffre de nulle part — c’est une estimation que j’ai vue circuler dans plusieurs études sur les cycles de vente B2B, et qui colle exactement à ce que j’observais dans ma propre activité. Sur dix devis envoyés, je relançais peut-être deux personnes. Et encore.

Le problème n’est pas le manque de motivation. C’est la structure de la tâche.

Une relance efficace demande :

1. Se souvenir qu’elle doit partir (sans système, ça tombe dans l’oubli en 48h)
2. Choisir le bon délai (trop tôt = agaçant, trop tard = le prospect a signé ailleurs)
3. Personnaliser le message (rappeler le contexte, le projet, ce dont on avait parlé)
4. Choisir le bon canal (email pour les détails, SMS pour l’urgence courte)
5. Recommencer si pas de réponse (sans devenir lourd)

Chacun de ces points, pris séparément, est simple. Ensemble, pour vingt prospects en parallèle, c’est une charge cognitive qui fait que le cerveau préfère ouvrir Twitter.

L’autre raison — et celle-là personne ne la dit franchement — c’est la peur du rejet. Relancer, c’est s’exposer à un “non” explicite. Tant que le devis est dans les limbes, il reste théoriquement possible. Relancer, c’est forcer une réponse. Et ça, émotionnellement, c’est pas anodin quand tu es freelance et que ta trésorerie du mois dépend du résultat.

L’automatisation résout les deux problèmes à la fois. Elle retire la friction opérationnelle et elle déshumanise juste assez le processus pour que tu ne ressentes plus le rejet comme personnel. La machine a relancé. La machine a essuyé le silence. Toi, tu regardes les métriques.

La séquence email + SMS déclenchée automatiquement

Voici la séquence concrète que j’ai mise en place. Elle est déclenchée dès qu’un devis passe au statut “envoyé” dans mon CRM (j’utilise une combinaison de Notion + Make, mais la logique est transposable sur n’importe quel stack — HubSpot, Pipedrive, Airtable, peu importe).

Le déclencheur

Statut du deal = devis_envoyé → timestamp enregistré → séquence lancée.

C’est tout. Pas d’action manuelle. Le fait d’envoyer le devis suffit à armer la séquence.

J+2 — Email de “valeur ajoutée”

Pas une relance. Pas encore. Un email qui apporte quelque chose : un article pertinent, une question sur leur contrainte principale, une observation sur leur secteur. L’objectif est de rester dans le radar sans demander quoi que ce soit.

Objet type : “Une chose que j’aurais dû mentionner dans notre échange”

Ce premier email a un taux d’ouverture de 58% dans mes stats. Parce qu’il ne ressemble pas à une relance.

J+5 — SMS court

Oui, SMS. Pas WhatsApp, pas iMessage — SMS brut. Parce que le SMS a un taux d’ouverture de 95% dans les 3 minutes. Email et SMS ne s’adressent pas au même état d’attention.

Le SMS fait une seule chose : signaler que je suis disponible pour répondre à des questions.

Exemple : “Bonjour [Prénom], avez-vous eu le temps de regarder la proposition ? Je suis dispo si vous avez des questions. — [Prénom]”

Vingt-deux mots. Pas de lien. Pas de pression. Juste une présence.

J+10 — Email de friction réduite

Ici, l’objectif est de lever les objections sans les connaître. Je propose une alternative plus légère : un appel de 20 minutes, une version réduite du projet, un paiement fractionné. Je reformule l’offre différemment sans la brader.

C’est aussi l’email où j’inclus une preuve sociale fraîche — un témoignage récent, un résultat client, quelque chose de concret.

J+18 — Email de clôture

Le fameux “break-up email”. Le plus efficace de la séquence, paradoxalement.

“Je vais supposer que ce n’est plus une priorité pour vous en ce moment, et je vais fermer ce dossier de mon côté. Si la situation change, n’hésitez pas à revenir vers moi.”

Ce message génère systématiquement des réponses. Soit un “non merci” (précieux pour nettoyer le pipeline), soit un “attendez, on voulait vous appeler la semaine prochaine”. La peur de perdre l’option débloque des décisions que rien d’autre n’avait bougé.

Ce que la séquence ne fait pas

Elle ne harcèle pas. Quatre points de contact sur dix-huit jours, c’est raisonnable. Elle ne relance pas indéfiniment — après J+18, si pas de réponse, le deal passe en perdu automatiquement. Et elle s’arrête immédiatement si le prospect répond à n’importe quel moment (webhook sur la boîte mail + sur les réponses SMS).

L’IA qui personnalise sans que ça sonne robot

La séquence ci-dessus, tu peux la faire sans IA. Des templates, un outil d’automatisation, et c’est plié. Mais ce qui transforme une séquence correcte en séquence qui convertit, c’est la personnalisation.

Et c’est là que l’IA entre en jeu — pas pour remplacer la séquence, mais pour remplir les variables qui font que le message sonne vrai.

Ce que j’envoie à l’IA

Pour chaque deal, j’ai un contexte structuré dans mon CRM :

• Le secteur du prospect
• Le problème principal qu’il a exprimé
• Le budget évoqué
• Le ton de nos échanges précédents (formel / informel)
• La date et le sujet de notre dernier contact

Je passe ces données à GPT-4o via l’API (intégré dans Make), avec un prompt qui lui demande de générer les parties personnalisées de chaque email — pas l’email entier, juste les paragraphes variables.

Le prompt qui fonctionne (et pourquoi)

La clé, c’est de ne pas demander à l’IA d’écrire l’email. C’est de lui demander de compléter des blancs dans un template que tu contrôles.

Tu es un assistant de rédaction pour un consultant freelance.
Voici le contexte du prospect : [CONTEXTE]
Voici le template de l'email J+2 : [TEMPLATE]
Complète uniquement les sections marquées {{PERSONNALISATION}}.
Ton : direct, sans fioritures, pas de "j'espère que ce message vous trouve bien".
Longueur max pour chaque section : 2 phrases.

Ce cadrage évite deux problèmes majeurs : l’IA qui part dans une direction inattendue, et l’IA qui sur-formate avec des formules de politesse que personne n’utilise à l’oral.

Ce que ça donne en pratique

Avant : “Suite à notre échange, je me permets de revenir vers vous concernant notre proposition…”

Après : “Vous m’aviez parlé de votre deadline fin septembre pour le lancement — c’est encore d’actualité ?”

La différence n’est pas dans la technologie. Elle est dans le fait que la deuxième phrase montre que j’ai écouté. L’IA n’a pas inventé la deadline — elle était dans le CRM. Elle l’a juste intégrée dans une phrase naturelle.

La limite honnête

L’IA personnalise bien quand le contexte est riche. Quand la fiche CRM est vide ou mal remplie, elle génère du générique qui ne vaut pas mieux qu’un template statique. La qualité de l’output dépend directement de la qualité de l’input. Si tu ne prends pas de notes après tes appels, l’automatisation ne sauvera pas ta relance.

Mesurer ce qui fait payer

Automatiser sans mesurer, c’est optimiser à l’aveugle. Voici les métriques que je suis réellement — pas les vanity metrics, les indicateurs qui ont changé mes décisions.

Taux de réponse par étape

Pas le taux d’ouverture. Le taux de réponse. Une ouverture ne paie pas une facture.

Dans ma séquence actuelle :

• J+2 (email valeur) : 31% de réponse
• J+5 (SMS) : 44% de réponse (dont 60% positives)
• J+10 (email friction réduite) : 18% de réponse
• J+18 (email clôture) : 27% de réponse

Le SMS en J+5 et l’email de clôture en J+18 sont les deux étapes les plus performantes. Si je devais couper la séquence à deux points de contact, ce seraient ceux-là.

Délai moyen avant conversion

Le chiffre qui m’a le plus surpris : la majorité de mes conversions arrivent entre J+7 et J+14. Pas dans les 48h après l’envoi du devis. Pas après J+20. La fenêtre de décision réelle est plus longue que ce qu’on imagine, et plus courte que ce qu’on craint.

Ce qui veut dire que si tu relances une seule fois à J+2 et que tu abandonnes, tu rates la majorité de tes conversions potentielles.

Taux de conversion par source

Tous les prospects ne répondent pas pareil à la relance automatique. Ceux qui viennent de recommandation directe convertissent à 3x le taux des prospects inbound froids. La séquence est la même, mais le contexte de confiance préexistant change tout.

Cette donnée m’a conduit à investir davantage dans les recommandations actives plutôt que dans le SEO à court terme. Une décision stratégique issue d’une métrique opérationnelle.

Ce que je ne mesure pas

Je ne mesure pas le taux d’ouverture des emails (trop peu fiable depuis iOS 15). Je ne mesure pas le nombre de relances envoyées (une métrique d’activité, pas de résultat). Et je ne mesure pas le “sentiment” des réponses — j’ai essayé de brancher une analyse de sentiment IA là-dessus, et le signal était trop bruité pour être utile.

Le garde-fou anti-invention (l’IA confidently wrong)

Voilà la partie que la plupart des articles sur l’automatisation IA omettent. Probablement parce qu’elle casse un peu l’enthousiasme. Mais c’est la plus importante.

L’IA hallucine. Pas tout le temps. Pas de façon dramatique. Mais suffisamment pour que, dans un contexte de relance client, ça devienne un problème sérieux.

Ce qui s’est passé concrètement

Trois semaines après le lancement de ma séquence, un prospect m’a répondu avec une confusion visible : je faisais référence dans mon email J+10 à “notre échange du mois dernier sur leur roadmap produit”. Sauf qu’on n’avait jamais parlé de roadmap produit. L’IA avait inféré ce détail depuis le secteur du prospect (SaaS B2B) et l’avait présenté comme un fait établi.

Le prospect n’a pas signé. Je ne sais pas si c’est pour cette raison. Mais j’ai compris que j’avais un problème structurel.

Pourquoi ça arrive

Les LLMs sont entraînés à produire du texte cohérent et plausible. Quand le contexte est incomplet, ils comblent les trous avec ce qui est statistiquement probable dans ce contexte. C’est utile pour la génération créative. C’est dangereux quand tu parles à un vrai client de vrais détails de son vrai projet.

Le modèle ne sait pas qu’il invente. Il est “confidently wrong” — il présente une invention avec le même niveau de certitude qu’un fait réel. Et ça, c’est pire qu’une erreur évidente, parce que tu ne le détectes pas sans relire.

Le garde-fou que j’ai mis en place

Deux changements dans mon prompt :

1. Interdiction explicite d’inférence

Tu ne dois jamais inférer, supposer ou inventer des informations 
qui ne sont pas explicitement présentes dans le contexte fourni.
Si une section {{PERSONNALISATION}} ne peut pas être complétée 
avec les données disponibles, retourne la chaîne "[DONNÉES INSUFFISANTES]" 
plutôt que de générer quelque chose de plausible.

2. Validation humaine pour les deals > seuil

Pour les deals au-dessus d’un certain montant, l’email ne part pas automatiquement. Il passe dans une file de validation où je le relis en trente secondes avant envoi. En dessous du seuil, il part automatiquement mais je reçois une copie.

Ce n’est pas parfait. Mais ça réduit drastiquement le risque d’envoyer une fiction à un prospect.

La leçon plus large

L’IA dans une séquence de relance n’est pas un pilote automatique. C’est un co-pilote. Elle fait le travail de rédaction répétitif, elle intègre le contexte, elle adapte le ton. Mais elle a besoin de données vraies pour produire des messages vrais, et elle a besoin d’un humain dans la boucle pour les cas où les enjeux sont élevés.

La confiance aveugle dans l’output IA est le bug le plus courant que je vois chez les gens qui automatisent vite. Ils testent sur deux ou trois cas, ça marche, ils désactivent la supervision. Et puis un jour un email part avec une information inventée à un client important.

L’automatisation te libère du temps. Ce temps libéré, utilise-en une partie pour vérifier que la machine ne fabule pas.

Ce que ça a changé, chiffres à l’appui

Six mois de séquence active. Voici ce qui a bougé :

• Taux de conversion devis → mission : de 22% à 38%
• Délai moyen de décision : de 21 jours à 13 jours
• Temps passé sur les relances manuelles : de ~3h/semaine à ~20 minutes (validation des deals importants)
• Nombre de “non” explicites reçus : multiplié par 3 (c’est une bonne nouvelle — le pipeline est plus propre)

Le chiffre le plus intéressant n’est pas le taux de conversion. C’est le délai de décision. Raccourcir le cycle de vente de 8 jours en moyenne, sur un volume de deals régulier, ça change la prévisibilité de la trésorerie de façon significative.

Et le fait de recevoir plus de “non” explicites — grâce à l’email de clôture en J+18 — m’a permis de nettoyer mon pipeline et d’arrêter de compter des deals fantômes dans mes projections.

Pour aller plus loin

Si tu veux mettre en place quelque chose de similaire, les questions à te poser avant de commencer :

1. Où est ton contexte prospect ? Si il n’est pas structuré quelque part (CRM, Notion, Airtable), l’IA n’aura rien à personnaliser et tu te retrouveras avec du générique.

2. Quel est ton seuil de supervision ? Définis-le avant de lancer, pas après le premier incident.

3. Est-ce que tu as le droit d’envoyer des SMS ? RGPD oblige, tu as besoin d’un consentement explicite pour les communications commerciales par SMS. Vérifie ta base de données avant de brancher le canal.

4. Quelle est ta définition de “trop de relances” ? Quatre contacts sur dix-huit jours, c’est ce qui fonctionne pour moi. Pour un autre secteur, un autre type de client, ça peut être trop ou pas assez.

La séquence que j’ai décrite n’est pas une formule magique. C’est une structure qui fonctionne dans mon contexte, avec mes clients, pour mon type de missions. Elle te donne une base — à toi de l’adapter à ta réalité.

Et toi — tu relances manuellement, tu as déjà automatisé, ou tu évites le sujet parce que ça te met mal à l’aise ? Curieux d’entendre où tu en es.