Ce que vous allez lire
- Pourquoi un pipeline difficile à lire n’est pas un problème d’outil
- Ce qui rend les données d’un pipeline peu fiables, sans que personne ne soit en faute
- Ce qu’on mesure pour diagnostiquer un pipeline avant de le corriger
- Ce qui change quand un pipeline reflète le travail réel
Il y a une question que presque tous les dirigeants de PME redoutent en fin de trimestre : “combien on va signer ?”
Pas parce qu’ils ne connaissent pas leur activité. Parce que la réponse honnête commence par “normalement…” ou “on devrait…”. Des conditionnels, pas des chiffres.
Le pipeline est là. Les opportunités sont saisies. Mais au moment où il faudrait s’appuyer dessus pour prendre une décision (embaucher, investir, freiner), il ne tient pas.
”Normalement on devrait signer…”
Cette formule est un signal précis. Elle indique que la personne qui parle ne se fie pas vraiment aux données de son CRM. Elle reconstitue mentalement l’état de son pipeline à partir de sa mémoire des dossiers, pas à partir de ce qui est écrit.
Ce n’est pas un problème de CRM. C’est un problème de données en entrée.
Un pipeline reflète ce qu’on y a mis. Et si ce qu’on y a mis ne correspond pas à la réalité des dossiers, le pipeline sera trompeur, même avec le meilleur outil du marché.
Ce qui rend un pipeline peu fiable
Trois problèmes reviennent régulièrement, souvent combinés.
Les étapes ne correspondent pas aux décisions réelles. Un pipeline typique contient des étapes comme “Prospect”, “Proposition envoyée”, “Négociation”, “Gagné”. Ces étapes semblent logiques. Mais elles ne représentent pas les moments où quelque chose change réellement dans la relation avec le client.
Une opportunité peut rester en “Proposition envoyée” pendant trois semaines sans que personne ne sache si le client a lu la proposition, s’il a des questions, s’il est en train de comparer avec un concurrent ou s’il a simplement oublié de répondre. L’étape ne dit rien sur l’avancement réel.
Les données sont déclaratives, pas mesurées. Le montant de l’opportunité, la date de closing prévue, la probabilité de signature : ces chiffres sont saisis par le commercial au moment où il crée la fiche. Ils reflètent son ressenti à ce moment-là, pas une mesure objective.
Une probabilité de 70% dans un CRM veut dire “le commercial pense que c’est probable”. Elle ne dit pas depuis combien de temps le dossier est à ce stade, si les échanges récents ont été positifs ou non, ni si le client a posé des questions sur le prix.
Le pipeline mélange des dossiers à des stades très différents sans les distinguer. Une opportunité récente de 50 000 euros et une opportunité vieille de huit mois du même montant apparaissent au même endroit dans le pipeline. L’une est peut-être encore chaude. L’autre est probablement morte mais n’a jamais été fermée. Les deux gonflent le total affiché.
Pourquoi le problème n’est pas l’outil
Changer de CRM pour avoir un meilleur pipeline est l’une des erreurs les plus coûteuses en PME : une migration CRM ne corrige pas des données mal définies.
Le nouvel outil aura les mêmes étapes approximatives. Les données y seront saisies avec le même manque de rigueur, parce que personne n’aura redéfini ce qu’on attend des commerciaux et pourquoi. Quelques mois après la migration, le pipeline du nouveau CRM sera aussi difficile à lire que celui de l’ancien.
Le problème n’est pas dans l’outil. Il est dans la définition des étapes (voir notre guide pour configurer un pipeline Sellsy), dans ce qu’on y saisit, et dans la façon dont les données sont utilisées.
Ce qu’on mesure pour diagnostiquer un pipeline
Quand on intervient sur un pipeline commercial, on commence par regarder quatre choses.
Le taux de conversion par étape. Quel pourcentage des opportunités qui passent de l’étape A à l’étape B finissent par signer ? Si personne ne le sait (ou si le CRM ne permet pas de le calculer facilement), c’est que les étapes ne sont pas bien définies.
La durée de cycle par étape. Combien de temps une opportunité reste-t-elle en moyenne à chaque étape ? Les étapes où les dossiers s’accumulent et stagnent sont souvent des symptômes d’un problème : étape mal définie, action suivante floue, ou dossiers qui ne sont pas réellement actifs mais n’ont pas été fermés.
L’âge des opportunités ouvertes. Quelle proportion du pipeline est constituée d’opportunités de plus de trois mois ? Six mois ? Ces dossiers ont-ils eu une activité récente, ou sont-ils là parce que personne ne les a fermés ?
Les données manquantes. Quel pourcentage des opportunités n’a pas de date de closing prévue ? Pas de montant ? Ces données absentes rendent tout prévisionnel impossible.
Cette mesure, première étape de notre audit CRM, prend en général une à deux heures. Elle produit une image précise de l’état réel du pipeline, pas de ses intentions.
Ce qui change quand un pipeline reflète le travail réel
Un pipeline fiable ne requiert pas plus de discipline de la part des commerciaux. Il requiert des étapes mieux définies et des données qui leur sont utiles à eux, pas seulement au dirigeant.
Quand un commercial sait que l’étape “Devis validé côté client” signifie précisément que le client a confirmé oralement qu’il allait signer (pas simplement qu’un devis a été envoyé), il met à jour cette étape parce que ça l’aide à gérer son agenda.
Quand la durée de cycle par étape est visible, le commercial repère lui-même les dossiers qui stagnent anormalement et relance avant que le dirigeant ait besoin de le lui rappeler.
La fiabilité d’un pipeline n’est pas une question de volonté. C’est une question de conception.
Si votre pipeline ne vous permet pas de répondre sereinement à “combien on va signer ce trimestre”, parlons-en. On commence toujours par mesurer avant de recommander quoi que ce soit.