Étude de cas

Comment Jean-Paul, l'agent IA de SnapLogic, a généré plus de 3 millions de dollars de valeur ajoutée en seulement 4 mois, en réduisant des tâches qui prenaient une journée entière à quelques minutes

Histoire

Le principal défi auquel sont confrontées la plupart des structures GTM en entreprise n'a jamais été le manque de données. Il s'agit plutôt de fournir les bonnes données à la bonne personne au bon moment, sans que celle-ci ait à se transformer en analyste pour y parvenir.

Les données clients sont stockées dans le CRM, la file d'attente du service d'assistance, l'entrepôt de données d'utilisation et le système de facturation. Cependant, passer des données brutes à un résultat prêt à l'emploi nécessite encore des heures de travail manuel de la part des personnes les moins aptes à accomplir cette tâche. Ce travail n'est pas exigeant sur le plan intellectuel. Il est chronophage, répétitif et totalement inadapté aux personnes à qui on demande de s'en charger.

Les études menées dans le secteur mettent clairement en évidence le problème : les équipes commerciales ne consacrent que 28 à 30 % de leur temps à la vente proprement dite. Le reste est consacré à la collecte de données, à l'élaboration de rapports et aux tâches administratives liées à l'utilisation de systèmes disparates.

Chez SnapLogic, ce schéma était aussi courant en interne que dans les échanges avec les clients. L'entreprise a décidé d'y remédier comme elle l'aurait fait pour n'importe quelle autre entreprise : en mettant sa propre plateforme contribution.

Le défi

Les équipes GTM de SnapLogic, qui regroupent les départements Ventes, Réussite client, Marketing et Services professionnels, ont été confrontées à trois problèmes qui se sont aggravés :

1. La préparation inter-systèmes prenait des heures, et non quelques minutes. Pour obtenir une vue d'ensemble d'un seul compte client, il fallait interroger manuellement Salesforce pour l'historique des transactions, Zendesk pour le contexte du support, BigQuery pour les données d'utilisation et Chorus pour l'analyse des conversations, puis synthétiser les résultats à la main. À elle seule, la préparation des QBR prenait entre 8 et 10 heures par revue.
2. Le manque de disponibilité des analystes constituait le principal goulot d'étranglement pour toutes les autres tâches. Les analyses de pipeline , les rapports sur le retour sur investissement et les analyses de la concurrence restaient en attente pendant plusieurs jours. Les résultats qui arrivaient en retard étaient souvent déjà obsolètes.
3. Les ressources GTM expérimentées étaient affectées à des tâches inappropriées. Les chargés de clientèle gérant d'importants portefeuilles et les responsables de la gestion de la relation client (CSM) chargés de portefeuilles complexes consacraient une part disproportionnée de leur temps à la recherche de données et à la mise en forme de documents, plutôt qu'aux échanges avec les clients qui permettent de faire avancer les transactions et les renouvellements.

L'entreprise avait besoin d'informations et d'analyses pour mettre en œuvre des actions commerciales à la hauteur des attentes de ses clients et prospects.

La solution

SnapLogic a développé et déployé Jean-Paul, un agent IA d'entreprise reposant sur la plateforme d'intégration Agentic de SnapLogic et connecté, via le serveur MCP de SnapLogic, aux systèmes où le travail s'effectue réellement : Salesforce, Zendesk, BigQuery, ZoomInfo, Chorus, Jira, Loopio, Saleshood, et bien d'autres encore. Accessible via Slack, Microsoft Teams, par e-mail et via une API, Jean-Paul fournit à la demande des résultats de qualité opérationnelle sur l'ensemble de ces plateformes.

La plateforme grâce à trois niveaux qui interagissent entre eux :

1. Intégration inter-systèmes. La couche serveur iPaaS et MCP de SnapLogic connecte Jean-Paul à toutes les sources de données simultanément. Une seule requête permet d'extraire des enregistrements CRM, des tickets d'assistance, des analyses d'utilisation et des données de facturation en une seule réponse, sans qu'aucune agrégation manuelle ne soit nécessaire.
2. Raisonnement IA et génération de documents. Jean-Paul traite les demandes via cette couche de données unifiée en utilisant Claude d’Anthropic comme moteur de raisonnement IA, et produit des livrables finis : des documents Word prêts à être présentés au conseil d’administration, des présentations PowerPoint aux couleurs de l’entreprise, des dossiers de présentation, des plans de démonstration de faisabilité, des rapports Excel et des fichiers PDF basés sur des données en temps réel. Les utilisateurs reçoivent un résultat finalisé, et non un résumé à retravailler.
3. Automatisation des flux de travail basée sur des compétences. Les compétences sont les workflows l'IA réutilisables, les workflows par et pour des équipes spécifiques, stockés dans SnapLogic et accessibles à tous les membres de l'organisation. Elles intègrent le savoir-faire institutionnel et les processus standard, garantissant ainsi la cohérence et la conformité des résultats, quel que soit l'auteur de la demande. Aucune ingénierie de prompt n'est nécessaire.

Jean-Paul propose un catalogue toujours plus complet de compétences préconfigurées, chacune intégrant une expertise sectorielle, des pipelines de données éprouvés et les workflows testés en production. Voici une sélection des plus utilisées par les équipes GTM :

COMPÉTENCE	FONCTIONNALITÉS
Simulateur de prévisions météorologiques	Analyse des qualifications MEDDPICC, simulation d'appels de prospection et jeux de rôle vocaux interactifs élaborés à partir d'opportunités Salesforce réelles et de transcriptions de réunions.
Analyse de l'utilisation par les clients	Des rapports d'utilisation complets générés par BigQuery, couvrant les modèles d'intégration, l'analyse du retour sur investissement et les opportunités inexploitées, fournis sous forme de document finalisé.
Rapport de planification de compte	Un aperçu complet du compte qui regroupe les opportunités Salesforce, les analyses d'utilisation de BigQuery et les indicateurs de support Zendesk en un seul rapport prêt à être présenté au conseil d'administration.

Jean-Paul repose sur le protocole MCP, la norme ouverte pour la connectivité entre l'IA et les entreprises. Le serveur MCP de SnapLogic gère l'ensemble des authentifications vers les systèmes backend ; ainsi, les identifiants ne sont jamais exposés au modèle d'IA, et les nouveaux connecteurs deviennent disponibles automatiquement sans nécessiter de redéploiement. Claude analyse toutes les données mises à disposition par la couche MCP : enregistrements CRM, tickets d'assistance, données télémétriques d'utilisation, documents, etc. 

Le résultat est un agent capable d'accéder à tous les systèmes où s'effectue le travail réel, de traiter des données à l'échelle du monde réel et de fournir un résultat final plutôt qu'un simple résumé sur lequel s'appuyer.

Au sein de SnapLogic, Jean-Paul est considéré comme un membre à part entière de l'équipe. Il a un nom, il est présent dans le flux de travail quotidien de chaque service et dispose d'un ensemble croissant de compétences que les équipes de toute l'entreprise ont su s'approprier. Les collaborateurs n'utilisent pas Jean-Paul parce qu'on leur a demandé de le faire. Ils l'utilisent parce qu'il leur permet de mieux travailler.

Le déploiement n'a pris que quelques jours, et non plusieurs mois, pour une raison bien précise : Jean-Paul s'appuie sur la couche d'intégration existante de SnapLogic. Les connexions à Salesforce, Zendesk, BigQuery et aux autres services étaient déjà opérationnelles. Il n'y a eu aucune configuration à effectuer à partir de zéro, aucune session de formation à organiser, ni aucun projet informatique à définir. Les premières demandes de mise en production sont arrivées avant même que le lancement ne soit officiellement annoncé.

ACTIVITÉ	AVANT JEAN-PAUL	AVEC JEAN-PAUL
Préparation au QBR (5 systèmes)	8 à 10 heures	20 minutes
Informations sur l'utilisation par les clients	1 à 2 jours	5 minutes
Proposition / Réponse à un appel d'offres	25 heures	30 minutes
Recherche préalable sur le compte	1 à 3 heures	5 minutes
Présentation de projet ou plan de validation de concept	3 à 5 heures	15 à 20 minutes

Résultats de l'entreprise

Au cours de ces quatre mois de déploiement, Jean-Paul a généré plus de 3 millions de dollars de valeur totale estimée, calculée à partir des journaux plateforme dans 17 services, dont plus d'un million de dollars de gains de productivité et plus d'un million de dollars d'impact sur le chiffre d'affaires. En chiffres : 

• 2 141 heures économisées en seulement 30 jours. Cela équivaut à environ 12,5 ETP répartis entre les services commerciaux, la réussite client, le marketing, l'ingénierie, les finances, les ressources humaines, les services professionnels et d'autres départements. Ce chiffre est tiré des journaux plateforme , qui enregistrent les appels aux outils et la production de documents pour des centaines d'utilisateurs actifs. Il ne s'agit ni d'une projection ni d'une estimation annualisée.
• 1 630 demandes traitées, donnant lieu à la production de 281 documents de qualité finale. Aucune session de formation n'a été organisée avant le lancement.
• 380 000 à 540 000 dollars par an d'économies réalisées. Les outils d'analyse et les missions de consultants ont été supprimés, Jean-Paul générant désormais des rapports directement à partir des données en temps réel. Aucun nouveau tableau de bord n'a été commandé depuis le lancement.
• Le déploiement n'a pris que quelques jours, et non plusieurs mois. SnapLogic a été mis en service en 1 à 3 jours. La moyenne du secteur pour des déploiements d'IA d'entreprise comparables est de 8 mois.

Conclusion

Jean-Paul intervient quotidiennement dans la production, à tous les niveaux de l'entreprise. SnapLogic s'appuie sur son expertise pour mener à bien ses activités.

Ce n'est pas le modèle d'IA seul qui fait que cela fonctionne. C'est la couche de connexion sous-jacente : un agent capable d'accéder à tous les systèmes où s'effectue le travail concret, de traiter des données à l'échelle du monde réel et de fournir des résultats finis plutôt que des informations brutes. C'est cette combinaison qui transforme une capacité d'IA prometteuse en un résultat opérationnel mesurable.

Contrairement aux assistants IA autonomes qui obligent les utilisateurs à copier-coller le contexte dans une fenêtre de discussion, Jean-Paul se connecte directement aux systèmes où résident les données ; ainsi, les résultats s’appuient sur des enregistrements en temps réel, et non sur ce que l’utilisateur a pensé à inclure. Et contrairement aux clients MCP polyvalents qui confèrent des capacités brutes à des utilisateurs individuels, Jean-Paul intègre cette puissance dans une couche de gouvernance conçue pour un déploiement en entreprise : accès basé sur les workflows rôles, les workflows d’approbation, pistes d’audit et une bibliothèque de compétences qui transforme le workflow d’une personne en une norme à l’échelle du service.

Le chiffre de 2 141 heures n'est pas une estimation. Il s'agit d'un calcul réel de l'utilisation en production au sein d'une entreprise qui mesure ce qu'elle fabrique.

Jean-Paul n'a pas seulement transformé le fonctionnement de SnapLogic. Il a également bouleversé la vision qu'ont les équipes de SnapLogic de ce qui est possible.