Lundi matin, votre dernière campagne email affiche deux fois moins de clics que prévu. Pour comprendre pourquoi, vous ouvrez trois tableaux de bord, lancez deux exports et y passez la matinée. Pendant ce temps, la campagne suivante prend du retard. Et elle partira, encore une fois, à toute la base.

Sur le papier, l’IA pour le CRM promet de régler tout ça. Mais derrière ces deux lettres se cachent des technologies très différentes. Une IA qui prédit un achat ne fonctionne pas comme une IA qui rédige un objet d’email. Et aucune des deux ne lance une campagne toute seule.

Alors, quelle IA utiliser pour quel problème CRM ? Je vous montre comment associer chacune à un besoin précis, puis comment les combiner sans empiler les outils. C’est parti !

L’IA pour le CRM, ce n’est pas une seule technologie

Quand un éditeur de logiciel parle d’IA, il peut désigner trois familles d’outils qui n’ont ni le même rôle, ni les mêmes limites :

• L’IA prédictive calcule des probabilités à partir de l’historique : qui va acheter, quoi, quand, et qui risque de partir. C’est la plus ancienne, et souvent la plus rentable en CRM.
• L’IA générative produit du contenu : un objet d’email, une variante de texte, un résumé de performances. C’est celle que tout le monde connaît depuis ChatGPT.
• L’IA agentique enchaîne des actions pour atteindre un objectif : analyser, proposer un ciblage, préparer une campagne. Elle s’appuie sur les deux autres.

On pense souvent qu’un assistant comme ChatGPT suffit pour « faire de l’IA » dans son CRM. C’est une erreur courante. Un modèle de langage généraliste écrit très bien, mais il est beaucoup moins doué pour anticiper le comportement de vos clients.

Et pour cause : il n’a jamais vu votre historique d’achat, votre catalogue ni votre saisonnalité.

À l’inverse, un bon modèle prédictif sait qu’une cliente va probablement racheter sa crème hydratante dans les trois semaines. Mais il ne sait pas lui écrire un message qui donne envie d’ouvrir l’email.

La performance vient donc de l’association des trois, chacune à sa place. C’est le pari de Splio, éditeur français de CRM B2C utilisé par plus de 500 entreprises, dont KIABI, Fnac Darty et Air France.

L’éditeur fait évoluer sa plateforme vers ce qu’il appelle une « Agentic Customer Platform », et indique que 45 % de ses revenus viennent désormais de l’IA.

Quelle IA utiliser pour quel problème CRM ?

Plutôt que de partir de la technologie, partez du problème. Voici les quatre situations que l’on retrouve dans presque toutes les équipes CRM, et l’IA qui y répond le mieux.

Prédire : qui va acheter, et quoi ?

C’est le terrain de l’IA prédictive. À partir de l’historique d’achat, de la fréquence, de la récence et des interactions, elle attribue à chaque client un score d’appétence pour un produit, une catégorie ou une campagne.

Pour le lancement d’une nouvelle collection, le réflexe reste l’envoi à toute la base. Avec un ciblage prédictif, vous écrivez d’abord aux clients qui ont le plus de chances d’acheter, et vous laissez souffler les autres.

Les cas d’usage les plus rentables :

• le ciblage des campagnes par appétence produit ;
• la détection du risque d’attrition (churn), avant que le client ne parte ;
• la recommandation produit personnalisée dans les emails ;
• la réactivation des clients inactifs au bon moment ;
• le repérage des opportunités de cross-sell et d’upsell.

Les gains peuvent être nets. Splio annonce par exemple que ses campagnes ciblées par IA obtiennent deux fois plus de clics qu’un envoi à toute la base. Selon l’éditeur, 15 % des envois IA génèrent même 30 % du chiffre d’affaires email CRM.

Ce sont des chiffres d’éditeur. Je vous conseille de les vérifier sur vos propres données, avec un groupe témoin qui reçoit l’envoi classique.

La limite ? Le prédictif a besoin d’un historique propre et suffisant. Une marque qui démarre, ou dont les données sont éparpillées dans cinq outils, n’en tirera pas grand-chose.

Comprendre : pourquoi cette campagne a-t-elle sous-performé ?

Analyser ses performances CRM prend un temps fou. Il faut croiser les campagnes, les segments, les produits et la période. Et chaque réponse soulève une nouvelle question.

Ici, c’est l’IA générative qui vous aide, sous sa forme conversationnelle. Vous posez votre question en langage naturel (« Pourquoi ma campagne de rentrée a-t-elle moins converti que l’an dernier ? ») et l’outil interroge vos données pour vous répondre.

Attention au piège : un chatbot branché à la va-vite sur un export Excel peut inventer des chiffres avec beaucoup d’aplomb. Pour être fiable, un assistant d’analyse doit :

• être connecté en direct à vos données CRM, pas à une copie ;
• comprendre vos définitions métier (qu’est-ce qu’un « client actif » chez vous ?) ;
• montrer les chiffres sur lesquels il s’appuie, pour que vous puissiez vérifier.

Personnaliser : le bon message pour chaque client

Vos clients attendent de la personnalisation, et ils le font savoir. Selon une étude McKinsey, 71 % des consommateurs attendent des interactions personnalisées, et 76 % sont frustrés quand elles manquent.

Le même rapport estime que la personnalisation rapporte en général 10 à 15 % de revenus supplémentaires. De quoi justifier l’effort.

Mais personnaliser vraiment demande les deux premières IA en même temps :

• le prédictif décide quoi proposer et à qui : quel produit, quelle offre, quel moment ;
• le génératif décide comment le dire : l’objet, l’accroche, la variante de texte adaptée au canal (email, SMS, push).

Utiliser l’une sans l’autre, c’est soit un bon produit mal présenté, soit un joli message envoyé à la mauvaise personne.

Agir : passer de l’analyse à la campagne

C’est le dernier maillon, et souvent le plus lent. Entre le moment où vous repérez une opportunité et celui où la campagne part, il y a le ciblage, la création, le paramétrage et la validation. Plusieurs jours, parfois.

L’IA agentique sert à raccourcir ce délai. Un agent ne se contente pas de répondre : il propose un plan, prépare l’audience et la campagne, puis attend votre feu vert.

Il peut aussi travailler en continu, par exemple pour :

• limiter la pression marketing sur les clients trop sollicités ;
• prioriser les campagnes de la semaine selon le stock et les opportunités ;
• auditer les scénarios automatisés qui ne performent plus.

Un point reste non négociable : la validation humaine. Laisser un agent envoyer seul une promotion à deux millions de contacts, sans relecture, est un risque que peu de marques devraient accepter.

Le récapitulatif : un problème, une IA

Pour vous y retrouver d’un coup d’œil, voici la correspondance entre chaque problème CRM et le type d’IA qui y répond.

Votre problème	L’IA qui répond	Exemple
Prédire	Prédictive	Cibler les clients les plus susceptibles d’acheter la nouvelle collection
Comprendre	Générative (conversationnelle)	Demander pourquoi une campagne a moins converti que l’an dernier
Personnaliser	Prédictive + générative	Choisir le bon produit, puis adapter l’objet de l’email
Agir	Agentique	Préparer les campagnes de la semaine et les soumettre à validation

Pourquoi une IA générique ne suffit pas pour votre CRM

Un même comportement ne veut pas dire la même chose d’une marque à l’autre. Un client qui n’a rien acheté depuis trois mois est un signal d’alerte pour une enseigne de mode. Pour un vendeur de matelas, c’est parfaitement normal.

Une IA qui ignore ce contexte prendra de mauvaises décisions, même avec de bonnes données. C’est la limite des grands modèles de langage généralistes : ils connaissent le monde, pas votre marque.

C’est pour répondre à ce problème que Splio a présenté en septembre 2026 son Large Customer Model (LCM), un modèle d’IA conçu pour le CRM.

L’idée tient en une phrase : là où un LLM prédit le prochain mot, le LCM prédit le prochain comportement de chaque client, puis l’interprète selon le contexte de la marque.

Le modèle repose sur deux briques complémentaires :

• une intelligence prédictive, issue de 15 ans de travaux de Tinyclues, spécialiste du ciblage par deep learning racheté par Splio en 2023 ;
• une intelligence contextuelle, grâce à une ontologie métier et une couche sémantique (Semantic Layer) qui intègrent le catalogue, les règles métier, la saisonnalité et les objectifs de chaque marque.

Antoine Parizot, co-CEO de Splio, le résume ainsi : « Le CRM n’est pas un métier que l’on peut répliquer à l’identique d’une marque à l’autre. » Pour lui, la valeur d’un agent dépendra moins de sa capacité à agir que de la qualité de l’intelligence qui le guide.

Retenez ce critère, quel que soit l’outil que vous choisirez : demandez toujours à l’éditeur si son IA est entraînée sur vos données et votre contexte, ou si elle applique le même modèle à tous ses clients.

Comment combiner les trois IA sans ajouter de complexité ?

Le risque, avec l’IA, c’est l’empilement. Un outil de scoring ici, un assistant de rédaction là, un chatbot d’analyse ailleurs. Chacun a son interface, ses exports et ses identifiants. Au final, l’équipe CRM passe plus de temps à jongler qu’à décider.

La solution la plus simple consiste à passer par un point d’entrée unique : un agent qui s’appuie sur le prédictif, utilise le génératif pour expliquer et rédiger, et agit dans les outils que vous utilisez déjà. Le parcours ressemble alors à ceci :

1. Analyser : vous posez une question, l’agent repère les tendances, les anomalies et les signaux utiles.
2. Décider : il propose les audiences et les campagnes les plus prometteuses, en expliquant pourquoi.
3. Agir : une fois votre accord donné, il prépare la campagne dans votre outil de marketing automation.

C’est le principe d’Ask My CRM, l’agent conversationnel de Splio, utilisé entre autres par SNCF Connect, Undiz et KIABI.

KIABI s’en est servi pour préparer son plan des soldes de juin 2026. En croisant les campagnes de l’été précédent, les produits du moment et le contexte commercial, l’équipe a construit un plan de quatre semaines en une trentaine de minutes. Il lui fallait plusieurs jours auparavant.

Pour que cette simplicité tienne dans la durée, deux conditions comptent :

• Des données unifiées. Si vos achats en magasin, votre e-commerce et votre programme de fidélité vivent dans des bases séparées, l’agent n’aura qu’une vision partielle. Une Customer Data Platform (CDP) règle ce point.
• Des standards ouverts. Le Model Context Protocol (MCP) permet à un agent de dialoguer avec d’autres outils et d’autres agents. Splio indique s’appuyer sur ce standard pour ouvrir sa plateforme.

L’éditeur prévoit aussi de donner à son agent, d’ici la fin de l’année, de nouvelles capacités d’action, comme la création de campagnes et le design. L’étape « Agir » devrait donc gagner en autonomie, toujours sous contrôle de l’équipe.

Par où commencer avec l’IA dans votre CRM ?

Inutile de tout lancer en même temps. Je vous conseille d’avancer par étapes, en mesurant chaque gain avant de passer à la suivante.

1. Choisissez un problème mesurable. Par exemple : « mes campagnes promotionnelles convertissent à 1,2 % ». Pas « faire de l’IA ».
2. Faites l’état des lieux de vos données. Historique d’achat, consentements RGPD, doublons : l’IA amplifie la qualité de vos données, bonne ou mauvaise.
3. Commencez par le prédictif sur une campagne récurrente, et comparez-la à un groupe témoin.
4. Ajoutez l’analyse conversationnelle pour gagner du temps sur le reporting et les bilans de campagne.
5. Ouvrez l’action à un agent en dernier, avec une validation obligatoire avant chaque envoi.

Au moment de choisir un éditeur, posez-lui ces questions :

• Où sont hébergées vos données : en France, dans l’Union européenne ou aux États-Unis ?
• Son IA est-elle propre à votre marque, ou commune à tous ses clients ?
• Pouvez-vous valider chaque action avant qu’elle parte ?
• Comment mesure-t-il le gain réel : groupe témoin, chiffre d’affaires incrémental ?

Un éditeur sérieux doit pouvoir répondre précisément à chacune. S’il reste vague sur la mesure, méfiance.

Mon avis sur l’IA pour le CRM

Le bon réflexe, c’est de partir de votre problème, pas de la technologie à la mode.

Pour cibler, misez sur le prédictif. Pour comprendre vos chiffres, sur l’IA conversationnelle. Pour personnaliser, sur le duo prédictif et génératif. Et pour agir plus vite, sur un agent qui orchestre le tout sous votre contrôle.

Ce qui compte le plus, à mon sens, c’est l’intelligence qui alimente ces outils. Une IA qui comprend vos clients dans le contexte de votre marque vous fera gagner bien plus qu’un assistant générique branché sur vos exports.

Commencez petit, mesurez honnêtement, puis élargissez. C’est la meilleure façon de rendre votre CRM plus performant sans le rendre plus compliqué.