Cas 01 · Sales automation
Qualification de leads avec n8n et IA Claude
Un workflow n8n complet pour transformer un formulaire de contact bruyant en un flux de leads enrichis, scorés et routés automatiquement vers le bon commercial — avec un garde-fou humain à chaque étape critique.
Le problème
Tu reçois 100 à 500 leads par mois via ton site Webflow. Sur le papier, c'est une bonne nouvelle. En réalité, ton équipe commerciale passe 30% de son temps à trier les leads sérieux des touristes : étudiants qui veulent un devis pour un projet d'école, concurrents qui font de la veille, leads incomplets, doublons, faux emails.
Pendant ce temps, les leads vraiment chauds — ceux qui correspondent à ton ICP et qui sont prêts à acheter — attendent 24, 48, parfois 72 heures avant d'être rappelés. Au-delà de 5 minutes après soumission, le taux de réponse chute de plus de 80%. Le coût d'un commercial qui qualifie à la main est élevé, et le coût des leads perdus parce qu'on les a rappelés trop tard est invisible mais souvent supérieur.
Le tri manuel des leads n'est pas un problème de productivité. C'est un problème de revenu : les bons leads partent à la concurrence pendant qu'on trie les mauvais.
L'architecture en 6 étapes
Le workflow n8n agit comme un orchestrateur central entre ton formulaire, des API d'enrichissement, un modèle d'IA pour le scoring, et ton CRM. Voici les 6 étapes, dans l'ordre d'exécution :
Capture et normalisation
Le formulaire Webflow déclenche un webhook n8n à chaque soumission. La première étape nettoie les données : trim des espaces, normalisation des emails en minuscules, validation du format téléphone, détection des champs vides ou aberrants.
Les soumissions clairement spam (emails jetables, domaine douteux, champs HTML injectés) sont rejetées dès cette étape et loggées pour audit, sans passer par le scoring IA — ça évite de payer des appels API pour rien.
Enrichissement Hunter.io
À partir de l'email, on récupère le domaine professionnel, et via Hunter.io on enrichit avec : taille de l'entreprise, secteur d'activité, technologies détectées sur le site, adresse, nom de l'entreprise officiel. Ce sont des données business publiques, conformes RGPD.
Si l'email est un Gmail/Hotmail personnel, l'enrichissement échoue proprement et le lead passe au scoring avec moins de signaux — il ne sera pas écarté pour autant, juste classé différemment.
Scoring IA avec Claude Sonnet 4.5
On envoie à Claude un prompt structuré qui inclut : les données du formulaire, l'enrichissement Hunter.io, et surtout tes critères métier définis lors du diagnostic. Le modèle renvoie un JSON avec : un score de 0 à 100, une catégorie (chaud / tiède / froid), et 2-3 phrases de justification.
La justification est cruciale : elle permet au commercial de comprendre le score en un coup d'œil, et de corriger le tir si l'IA se trompe — ce feedback alimente l'ajustement du prompt au fil des semaines.
Routage conditionnel
Selon la catégorie attribuée par l'IA, le lead suit un chemin différent :
Chaud → création dans Pipedrive avec tag « hot », assignation au commercial
disponible (round-robin), notification Slack instantanée avec lien direct vers la fiche.
Tiède → création dans Pipedrive avec tag « warm », sans notification — le
commercial le verra dans sa file le matin.
Froid → archivage dans un tableau de suivi, ajout éventuel à une séquence
de nurturing automatisée plus tard.
Notification commerciale
Sur les leads chauds, le commercial reçoit un message Slack avec : nom, entreprise, score, justification IA, et un bouton « Ouvrir dans Pipedrive ». L'idée est de pouvoir rappeler le prospect en moins de 5 minutes, ce qui change radicalement les taux de conversion.
Réponse au formulaire
Le webhook renvoie une réponse au formulaire pour afficher un message personnalisé selon le statut : « Merci, un commercial vous recontacte dans la journée » pour les chauds, message standard pour les autres. C'est invisible pour l'utilisateur final mais ça permet de tracer de bout en bout dans n8n et de débugger en cas de pépin.
Pourquoi cette stack et pas une autre
Trois questions de stack se posent toujours sur ce type de workflow :
n8n plutôt que Zapier ou Make
n8n est auto-hébergeable, ce qui permet de garder le contrôle des données (utile pour le RGPD) et d'éviter les coûts qui explosent avec le volume. Pour un volume mensuel de leads, c'est typiquement 5 à 10 fois moins cher que Zapier à fonctionnalité équivalente. Make est une bonne alternative, mais n8n est plus flexible côté logique conditionnelle complexe et appels d'API sur-mesure.
Claude plutôt que GPT pour le scoring
Pour ce cas précis, Claude Sonnet 4.5 donne des justifications plus nuancées et respecte mieux le format JSON demandé sans dériver. GPT-4o fait le job aussi, et selon les contraintes (coût, latence, données déjà côté OpenAI), on peut basculer. Le choix n'est pas dogmatique — il dépend du contexte.
Pipedrive plutôt que HubSpot
Si tu as déjà HubSpot, on reste sur HubSpot — ça change juste un nœud n8n. Pipedrive est mieux adapté aux équipes commerciales focalisées pipeline, HubSpot aux organisations qui veulent marketing + ventes intégrés. Le workflow s'adapte aux deux.
Les garde-fous critiques
Un workflow qui « marche » en démo n'est pas un workflow qui tient en production. Trois garde-fous sont systématiquement câblés :
- Idempotence — si le même lead est soumis deux fois (rechargement de page, double clic), le second passage met à jour la fiche existante au lieu de créer un doublon. La clé d'unicité est l'email normalisé + le timestamp arrondi à la minute.
- Retry et fallback sur les API tierces — Hunter.io peut être temporairement indisponible. Le workflow retry 3 fois avec backoff, puis continue avec les données du formulaire uniquement plutôt que de planter. Idem pour Claude : si l'IA timeout, le lead est créé en « à qualifier manuellement » plutôt que perdu.
- Alertes sur erreur critique — toute exécution en échec déclenche un message Slack vers un canal dédié, avec lien direct vers le run n8n. Ça permet de réagir en quelques minutes plutôt que de découvrir le problème une semaine après en regardant les leads manquants.
Chaque API tierce est une dépendance externe qui peut tomber. Le workflow doit dégrader gracieusement, pas se casser en silence.
ROI projeté
Voici une estimation pour une PME qui traite environ 200 leads entrants par mois avec un commercial à temps partiel sur la qualification.
Ces chiffres sont des projections plausibles, pas des résultats client garantis. Le vrai gain dépend du volume de leads, de la qualité du tri actuel et de la rigueur d'application du nouveau process. La règle de pouce que j'utilise : si la qualification actuelle prend plus de 2h par jour à quelqu'un, l'automatisation se rentabilise en moins de 3 mois.
Adaptable à ta stack
Le squelette du workflow reste le même quelles que soient les briques :
- Source : Webflow, Typeform, formulaire HubSpot, formulaire WordPress, API directe — tout ce qui peut poster en webhook.
- Enrichissement : Hunter.io, Clearbit, Apollo, Dropcontact, ou rien si ton ICP n'en a pas besoin.
- IA de scoring : Claude, GPT-4o, Gemini, voire un modèle local si tu veux garder les données on-premise.
- CRM : Pipedrive, HubSpot, Salesforce, Notion CRM, Airtable, ou simplement un Google Sheet.
- Notification : Slack, Microsoft Teams, email, SMS.
Le diagnostic initial (250 € HT) sert exactement à ça : identifier les briques qui font sens chez toi avant de partir tête baissée dans une intégration qui ne colle pas à ton existant.
Questions fréquentes
À partir de combien de leads par mois ce workflow devient rentable ?
Dès 30 à 50 leads entrants par mois, le temps gagné sur la qualification manuelle dépasse le coût d'API. En dessous, un tri manuel reste souvent plus simple, sauf si la valeur unitaire d'un lead est très élevée (immobilier, B2B haut de gamme, etc.).
Quelle est la fiabilité du scoring IA ?
Le scoring n'est jamais une vérité — c'est un filtre. L'objectif est de hiérarchiser, pas de remplacer le commercial. Le score est toujours accompagné des données brutes pour permettre une vérification rapide. En pratique, après quelques semaines de calibrage, le top 20% du scoring contient environ 80% des leads qui convertissent — ce qui est largement suffisant pour décider qui rappeler en priorité.
Et le RGPD dans tout ça ?
L'enrichissement utilise des données business publiques (domaine, taille d'entreprise). Les API tierces (Hunter.io, Claude) sont conformes RGPD avec contrats DPA disponibles. La mention de l'enrichissement automatisé est ajoutée à la politique de confidentialité, et le formulaire de contact mentionne l'usage de traitement automatisé conformément à l'article 22 du RGPD.
Qui maintient le workflow après la livraison ?
Ton équipe, avec la documentation et la session de transfert. Si tu préfères, je peux assurer une maintenance préventive en option (mises à jour API, ajustements du prompt de scoring, monitoring) sous forme de forfait trimestriel — à discuter au cas par cas selon la criticité du workflow.
Combien de temps pour mettre ça en place ?
4 à 5 jours pour un workflow simple sans intégration spécifique (1 800 € HT). 7 à 8 jours pour un pack complet avec règles de scoring affinées, intégrations CRM personnalisées et tableau de bord de suivi (3 500 € HT). Toujours précédé du diagnostic de 250 € HT pour valider la pertinence et la faisabilité avant de s'engager.