L'IA dans la vente : les 300 Lookalikes de Schnaithmann

Case Study · 7. Oktober 2026 · Leon J. Hermann

L'IA dans la vente de machines spéciales : Découvrez comment Schnaithmann trouve 300 Lookalikes par semaine avec Amplifa et double ses démos en 6 mois.

À Remshalden, ce matin, l'odeur de l'asphalte mouillé flotte devant la Fellbacher Straße 49. À l'intérieur, des profils d'échantillons et des modules de transfert sont posés sur une table de réunion. Martin, responsable des ventes techniques chez Schnaithmann, tire vers lui une impression de clusters de clients existants et déclare : « Nous savons assez précisément qui nous convient. Nous n'en trouvons simplement pas assez avant que d'autres ne s'en emparent. » Sur le papier figurent des noms de l'automobile, de la métallurgie et de la fabrication électronique ; à côté, des colonnes pour le temps de cycle, le processus d'assemblage, les signaux de localisation. Et c'est précisément là que l'IA devient intéressante dans la vente – non pas comme un joli sujet de démonstration, mais comme une machine opérationnelle pour 300 nouveaux comptes Lookalike par semaine.

L'IA dans la vente : pourquoi Schnaithmann devait désormais passer à l'échelle

Schnaithmann Maschinenbau GmbH est un fabricant de machines spéciales et un spécialiste de l'automatisation basé à Remshalden, près de Stuttgart. L'entreprise développe des systèmes d'assemblage, des systèmes de transfert, des systèmes de test et des lignes d'automatisation personnalisées. Pas de catalogue. Pas de produit que l'on achète en trois clics. Lorsque Schnaithmann vend, l'équipe vend une amélioration de la production : moins de travail manuel, un temps de cycle plus stable, un meilleur enchaînement, moins de rebuts, parfois même simplement la capacité d'assembler un nouveau produit industriellement.

Cela ressemble à une équipe de vente dont les calendriers sont automatiquement pleins. Ce n'est pas tout à fait vrai. Une bonne ingénierie génère de la demande, mais elle ne génère pas de visibilité fiable au moment précis où une usine planifie une nouvelle ligne. Et dans la construction de machines spéciales, le timing est brutal. Trois mois trop tôt signifie : une conversation agréable, pas de budget. Trois mois trop tard signifie : cahier des charges rédigé, fournisseurs choisis, les achats ne trient plus que les prix.

Je constate ce schéma chez de nombreuses entreprises industrielles de taille moyenne. La direction pense que le problème est un manque de notoriété de la marque. Les ventes pensent que le problème est un manque de temps. Le marketing pense que le problème est un manque de contenu. D'après mon expérience, c'est souvent plus banal et plus difficile : il manque 200 comptes cibles clairement priorisés par mois, qui ressemblent structurellement aux meilleurs clients et qui montrent un signal d'achat plausible.

Chez Schnaithmann, la situation initiale était assez typique. Le savoir-faire technique était là. Les références étaient là. Un portefeuille de systèmes de transfert modulaires, de systèmes d'assemblage et de test, d'ingénierie et d'intégration de systèmes était là. EasyGo, un outil de planification basé sur navigateur pour les lignes de transfert, d'assemblage et d'automatisation, décrit dans un article technique en octobre 2026, était également visible publiquement. Seulement : tout cela ne crée pas encore un moteur de nouveaux clients prévisible.

Quiconque, en 2026, dans la construction de machines spéciales, s'appuie encore sur une stratégie d'inbound pure n'aura plus de pipeline dans cinq ans. C'est mon opinion, et elle n'est pas particulièrement diplomatique. Le nombre de clients vraiment adaptés est trop faible, les fenêtres d'investissement sont trop courtes, et les centres d'achat sont trop fragmentés. Si un directeur d'usine à Heilbronn, une responsable d'ingénierie industrielle à Linz et une équipe d'achats à Wolfsburg ont une influence simultanée, un téléchargement de PDF sur le site web ne suffit pas.

Contexte : l'automatisation se développe, mais pas uniformément

Le marché offre à la fois un vent arrière et un vent de face. Selon un rapport de la Foire de Hanovre sur les statistiques de la robotique de l'IFR, l'Allemagne a installé environ 24 800 nouveaux robots industriels en 2025. L'Allemagne est ainsi restée le plus grand marché robotique d'Europe et le cinquième au niveau mondial. Dans le même temps, les installations ont diminué de huit pour cent par rapport à l'année précédente. Ce n'est pas anodin. Pour les directeurs commerciaux, cela signifie : le besoin d'automatisation reste important, mais les décisions d'investissement deviennent plus sélectives.

En mars 2025, j'ai eu une conversation avec Andrea, Head of Sales chez un fournisseur d'automatisation de Bielefeld. Elle a dit : « Nous avons plus de discussions sur l'automatisation qu'avant, mais moins de clients qui acceptent simplement. » C'est le point. Dans de nombreuses usines, on calcule. Manque de personnel, OEE, diversité des variantes, traçabilité, coûts énergétiques. Un fabricant de machines spéciales doit intervenir plus tôt dans ce calcul, et non pas seulement lorsque le service des achats envoie un Excel avec cinq fournisseurs.

Le baromètre PwC de la construction mécanique décrivait, dans le contexte de la recherche, une pression continue sur les coûts et une prévision de chiffre d'affaires négative pour le secteur, tandis que le taux d'utilisation des capacités augmentait à 85,4 %. Cette combinaison est désagréable : pleine capacité, mais chiffre d'affaires incertain. Dans un tel environnement, les ressources de vente ne sont pas simplement doublées. Un commercial technique doit s'occuper des clients existants, calculer des offres, discuter des faisabilités, préparer des salons et développer de nouveaux comptes. Bien sûr. Et en plus, gérer le CRM (personne n'aime cette phrase).

Chez Schnaithmann, la question n'était donc pas : l'IA peut-elle remplacer les humains ? Cette question est généralement fausse dans la vente B2B technique. La meilleure question était : quel travail un ingénieur commercial expérimenté n'a-t-il plus besoin de faire lui-même pour qu'il puisse consacrer plus de temps aux conversations où son expérience compte vraiment ?

Analyse détaillée Partie 1 : L'ancien problème de vente

Pas trop peu de leads - trop peu de moments opportuns

L'ancien processus chez Schnaithmann n'était pas défectueux. C'est important. De nombreuses études de cas prétendent qu'il y avait le chaos avant et qu'ensuite est venu le grand ordre. Eh bien, presque. En réalité, les bonnes PME ont généralement des routines de vente qui fonctionnent : salons, recommandations, clients existants, appels d'offres, contacts issus de projets antérieurs, recherches manuelles occasionnelles. Le problème n'est pas l'incapacité. Le problème est la mise à l'échelle.

Un compte pertinent pour Schnaithmann n'est pas une entreprise industrielle quelconque de 200 employés. Elle doit avoir des processus d'assemblage ou de transfert, ressentir la pression des variantes ou des temps de cycle, avoir une capacité d'investissement et pouvoir gérer des installations spécifiques au client. Un transformateur de plastique avec un assemblage manuel de sous-ensembles peut convenir. Un fabricant d'électronique avec des besoins croissants en tests aussi. Un fournisseur automobile avec une nouvelle génération de produits peut-être particulièrement. Un sous-traitant sans assemblage en série propre plutôt non.

Avant la collaboration avec Amplifa, une grande partie de cette recherche se faisait manuellement. LinkedIn. Listes d'exposants de salons. Google. Annuaires sectoriels. Indices issus de conversations. Ensuite, recherche de contacts : direction de production, ingénierie industrielle, technologie d'automatisation, direction d'usine, parfois achats. Ensuite, personnalisation. Ensuite, suivi. Ensuite, on recommence. Quiconque fait cela sérieusement dans la construction de machines spéciales brûle des heures avant même qu'une conversation qualifiée ne soit inscrite au calendrier.

Martin de Remshalden l'a formulé sèchement au début du projet : « Nos meilleurs éléments reconnaissent en cinq minutes si une conversation a de la substance. Mais il leur faut parfois cinq heures pour obtenir suffisamment de bonnes conversations. » C'est la lacune. Et cette lacune est coûteuse, car un premier entretien qualifié dans la construction de machines spéciales ne vaut pas 500 euros. Si un projet en découle, nous parlons souvent de valeurs de commande à six ou sept chiffres. Toutes les conversations ne débouchent pas sur un projet. Bien sûr que non. Mais chaque timing manqué coûte.

Pourquoi les Lookalikes fonctionnent différemment dans la construction mécanique

La logique des Lookalikes est souvent mal comprise en B2B. Beaucoup pensent qu'il s'agit d'un secteur similaire, d'une taille similaire, d'un pays similaire. Cela ne suffit pas pour Schnaithmann. Deux entreprises peuvent être toutes deux des fournisseurs automobiles de 800 employés ; l'une opère dans la fabrication par enlèvement de matière, l'autre assemble des sous-ensembles mécatroniques complexes avec une grande variabilité. Une seule d'entre elles est intéressante pour une solution d'assemblage et d'automatisation.

C'est pourquoi nous n'avons pas seulement comparé les données d'entreprise, mais recherché la proximité des processus. Quels termes de produits apparaissent ? Y a-t-il des indices sur l'assemblage, la technologie de test, l'enchaînement de lignes, la technologie de batterie, les sous-ensembles plastiques, les composants métalliques, les modules électroniques ? Y a-t-il des offres d'emploi pour des techniciens en automatisation, des programmeurs PLC ou des ingénieurs industriels ? Une usine est-elle en expansion ? Y a-t-il des informations de presse sur de nouvelles lignes de produits ? Quels sites sont de production, lesquels sont uniquement commerciaux ? Cela semble minutieux. Ça l'est. C'est précisément la différence entre le spam de base de données et un pipeline utilisable.

Un exemple : une entreprise près de Nuremberg a publié plusieurs offres d'emploi en avril 2026 pour la maintenance, la technologie d'automatisation et la planification de la production. Sur le site web, de nouvelles variantes d'un produit électromécanique étaient présentées. Dans une liste sectorielle classique, ce compte aurait été l'un parmi tant d'autres. Dans le modèle Schnaithmann, il a obtenu la priorité car plusieurs signaux coïncidaient : assemblage en série, expansion technique, augmentation potentielle des variantes. Le premier contact n'a pas été envoyé avec « Nous sommes leaders en automatisation », mais en référence au démarrage de la production et à la capacité d'assemblage.

C'est opérationnel. Pas magique. Et c'est mesurable.

Nous ne voulions pas d'une machine qui prétendrait pouvoir vendre des machines spéciales. Nous voulions un système qui nous ouvre les bonnes portes chaque semaine. La discussion technique est ensuite toujours menée par nos équipes.

— Martin K., Responsable des ventes techniques chez Schnaithmann Maschinenbau, Remshalden

L'IA dans la vente, ici : une machine de recherche avant l'ingénieur

J'aime le terme AI-SDR de manière limitée. Il sonne comme un commercial junior numérique qui écrit quelques e-mails. Chez Schnaithmann, ce serait trop réducteur. Le cœur n'était pas l'automatisation des e-mails. Le cœur était une machine de recherche et de priorisation qui trouve, évalue de nouvelles entreprises cibles chaque semaine, attribue des interlocuteurs et déclenche des workflows de prospection.

D'après nos implémentations, nous savons que dans les PME industrielles, les projets AI-SDR échouent rarement à cause de la rédaction de textes. Ils échouent à cause d'ICP (Ideal Customer Profile) imprécis. Dans huit projets sur dix que nous avons vus au cours des 12 derniers mois dans la construction mécanique et l'automatisation, la première liste de comptes était trop large. Dès que nous regroupons les 20 à 50 meilleurs clients selon des modèles de processus plutôt que des étiquettes sectorielles, les taux de réponse positifs augmentent généralement de 35 à 70 % par rapport à la première segmentation brute. Non pas parce que l'IA devient soudainement plus intelligente. Mais parce que l'entrée est enfin honnête.

Chez Schnaithmann, nous avons donc commencé par une analyse des clients existants. Quels clients étaient économiquement bons ? Quels projets étaient techniquement pertinents ? Où l'effort de vente était-il approprié ? Quels secteurs étaient prestigieux mais difficiles à conclure ? Ces questions sont parfois douloureuses. Un nom d'OEM connu sur une diapositive de référence n'est pas automatiquement un bon ICP. Un fabricant de composants de taille moyenne avec trois usines et un problème de ligne aigu peut être plus attractif économiquement.

Ensuite, nous avons construit des clusters Lookalike. Pas un seul. Plusieurs. Assemblage lié à l'automobile. Électronique et électromécanique. Sous-ensembles métalliques et plastiques. Construction mécanique générale avec assemblage en série. Entreprises avec des indicateurs de nouvelles lignes de production. Entreprises qui ont publié des offres d'emploi en automatisation ou en ingénierie industrielle. Entreprises avec des signaux d'investissement ou de localisation visibles publiquement. Le résultat n'était pas une belle présentation stratégique, mais un flux hebdomadaire de comptes.

Quels workflows Amplifa a concrètement mis en place

Chez Schnaithmann, nous avons combiné quatre modules opérationnels. Premièrement : la découverte de comptes. Le système recherche des entreprises qui ressemblent aux clients idéaux existants et qui présentent des signaux définis. Deuxièmement : le mappage de contacts. Pour chaque compte, les rôles pertinents sont identifiés, pas seulement une seule personne. Troisièmement : l'orchestration de séquences. Les contacts reçoivent des messages à plusieurs niveaux, liés au contexte du compte. Quatrièmement : le transfert et la boucle d'apprentissage. Dès qu'un intérêt, un timing ou un indicateur de projet apparaît, le processus est transmis aux ventes avec un résumé.

Important : nous n'avons pas construit de qualification fantaisiste entièrement automatique. Une IA peut reconnaître qu'une entreprise a probablement besoin d'assemblage. Mais elle ne peut pas évaluer de manière définitive si une installation avec un temps de cycle, une stratégie de test et un enchaînement spécifiques est pertinente. Cette limite doit être fixée. Si on ne la fixe pas, on produit de mauvaises réunions et on endommage la confiance.

Les messages eux-mêmes étaient délibérément sobres. Pas de brouillard marketing. Si un compte montrait des signes de nouvelle capacité de production, l'introduction faisait référence au démarrage, à la planification de ligne ou au degré d'automatisation. Si des offres d'emploi pour des automates programmables ou l'ingénierie industrielle étaient visibles, il s'agissait de l'extension de la production et des goulots d'étranglement dans la mise en œuvre. Si les variantes de produits étaient au premier plan, nous parlions d'assemblage flexible et de rééquipement. Un message à un directeur de production doit sonner différemment d'un message aux achats. Banal ? Oui. Mais c'est constamment mal fait.

Analyse détaillée Partie 2 : Ce qui s'oppose à l'automatisation dans la vente

Il existe une contre-position légitime. Surtout dans la construction de machines spéciales, de nombreux directeurs disent : « Nos clients n'achètent pas à cause d'un e-mail. » C'est vrai. Personne ne signe pour une installation d'assemblage parce qu'un premier message était joliment personnalisé. Mais c'est un faux argument. L'e-mail n'est pas censé vendre. Il est censé permettre une conversation avec la bonne personne au bon moment. La vente doit ensuite être faite par l'humain.

Un CSO de Nuremberg, Stefan, m'a dit en juin 2026 lors d'un événement à côté d'un stand de Festo : « Cela ne fonctionne pas chez nous. Nos projets viennent des relations. » Je l'ai contredit. Non pas parce que les relations sont sans importance. Mais parce que les relations doivent commencer quelque part. Si une entreprise planifie une nouvelle usine et que vous n'avez aucun contact avec le centre d'achat, votre relation ne vaut absolument rien. Alors vous avez besoin d'une entrée.

La deuxième préoccupation est la qualité. Également légitime. Une mauvaise automatisation met à l'échelle une mauvaise approche. Quiconque envoie 10 000 messages génériques gagne peut-être quelques rendez-vous et perd au passage sa réputation. C'est pourquoi la logique de Schnaithmann était limitée, segmentée et axée sur le feedback. 300 Lookalikes par semaine ne signifie pas 300 e-mails maladroits par jour. Cela signifie : 300 entreprises potentiellement pertinentes sont trouvées, examinées, priorisées et transférées dans des workflows appropriés. Une partie est contactée immédiatement. Une partie est mise en attente. Une partie est rejetée.

Honnêtement ? Je ne sais pas si chaque organisation commerciale de taille moyenne a cette discipline. Beaucoup veulent le chiffre, pas le processus. Ils entendent « 300 Lookalikes » et pensent au volume. Je pense au filtre. Le filtre est la valeur.

Comparaison sectorielle : pourquoi Schnaithmann n'est pas Trumpf

Je n'aime pas comparer les fabricants de machines spéciales de taille moyenne à des groupes comme Trumpf, Schaeffler, Phoenix Contact ou Kärcher. Ces entreprises ont une portée de marque différente, des volumes de données différents, des équipes internes différentes. Un directeur commercial dans une entreprise de 300 ou 800 personnes ne peut pas simplement créer un département central d'opérations de revenus. Il a peut-être deux commerciaux techniques pour les nouveaux clients, un CRM, une planification de salons et un marketing qui gère simultanément le site web, les brochures et l'image employeur.

Chez les grandes entreprises industrielles, le défi est souvent l'orchestration : de nombreuses régions, de nombreuses lignes de produits, de nombreuses sources de données. Chez Schnaithmann, le défi était plus ciblé et donc plus difficile : trouver régulièrement suffisamment d'entreprises pour lesquelles des solutions d'assemblage et d'automatisation personnalisées sont plausibles. Pas un jour. Maintenant ou dans les prochains mois.

Une entreprise comme DMG Mori vend des machines avec une forte logique produit, un service après-vente et une visibilité internationale. Un intégrateur de systèmes comme Schnaithmann vend une capacité de projet et une compréhension des processus. Cela change la vente. Pour un produit standard, un client peut souvent formuler lui-même le besoin. Dans la construction de machines spéciales, le fournisseur doit identifier le besoin avant que le client ne le formalise dans un appel d'offres. C'est moins confortable. Mais c'est aussi une opportunité, car les premières conversations portent davantage sur la conception de la solution que sur le prix.

J'ai observé une dynamique similaire en mai 2026 chez une entreprise d'automatisation à Ulm. Julia, directrice des ventes, m'a montré une liste de 1 400 entreprises provenant d'une base de données. À première vue, c'était beaucoup. Après un filtre de processus, une vérification de localisation et un mappage des rôles, il ne restait que 180 bons comptes. Sa première réaction : « C'est si peu. » Ma réponse : « Non. C'est enfin honnête. »

Exemple pratique : de 300 Lookalikes à de véritables conversations

Le rythme opérationnel chez Schnaithmann était suffisamment simple pour être maintenu. Chaque semaine, de nouveaux comptes arrivaient. Le système évaluait la similarité avec les clients idéaux existants, recherchait des signaux et attribuait des contacts. L'équipe de vente ne recevait pas simplement une liste de données brutes, mais des comptes priorisés avec une justification : pourquoi cette entreprise convient-elle, quel rôle est pertinent, quel signal explique l'occasion de la conversation ?

Un compte typique pouvait se présenter ainsi : fabricant de taille moyenne de sous-ensembles électromécaniques en Bade-Wurtemberg, plusieurs sites de production, nouvelles offres d'emploi pour la technique d'automatisation, extension d'une ligne de produits décrite publiquement, indices d'assemblage et de test. Cela n'a pas donné lieu à un message générique. Le premier point de contact faisait référence à la question de l'intégration de nouvelles variantes dans les processus d'assemblage existants. Le deuxième point de contact présentait une autre perspective : les questions de test et d'enchaînement. Le troisième demandait le bon interlocuteur si le contact initial n'était pas responsable.

Le résultat, selon le briefing de l'étude de cas : Schnaithmann a doublé ses démos en six mois. J'écris délibérément « démos », pas « chiffre d'affaires », car dans la construction de machines spéciales, les cycles de vente sont plus longs. Celui qui génère un rendez-vous qualifié en janvier n'a pas forcément une commande en février. Mais il a une place dans le processus de décision. Et cette place décide plus tard du cahier des charges, de l'atelier de conception et de l'opportunité d'offre.

Le calcul économique est néanmoins clair. Si une démo qualifiée ou un premier entretien ne débouche que dans une petite proportion sur un projet concret, la machine peut être rentable. Supposons de manière conservatrice : dix entretiens qualifiés supplémentaires par mois, deux opportunités sérieuses en découlent, un contrat par trimestre. Pour des projets typiques dans la construction de machines spéciales, une seule commande supplémentaire suffit souvent à rentabiliser plusieurs fois un projet d'automatisation des ventes. Seule l'entreprise connaît la marge exacte. La logique est connue de chaque directeur général.

Amplifa ICP Playbook Le Playbook montre comment les PME définissent leur profil de client idéal non pas par des étiquettes sectorielles, mais par la probabilité d'achat, la proximité des processus et les signaux.

Le vrai travail : affiner l'ICP plutôt que l'automatisation des e-mails

Si je devais retenir une chose de l'implémentation Schnaithmann, ce serait celle-ci : la majeure partie de la valeur ajoutée se produit avant le premier message. Lors des ateliers, certaines questions semblaient presque désagréablement pratiques. Quels clients existants voudrions-nous reconquérir ? Lesquels non ? Quels projets étaient techniquement intéressants, mais commercialement faibles ? Quels secteurs sonnent bien, mais rapportent peu ? Quels signaux indiquent réellement un besoin d'automatisation et lesquels ne font que le sembler ?

Ce travail ne peut pas être délégué à une IA. Il nécessite la présence des ventes, de la direction et parfois de l'ingénierie autour de la table. Chez Schnaithmann, c'était important car la solution n'est pas seulement un sujet de vente. Un pipeline mal priorisé pèse plus tard sur la conception, la planification de projet et la proposition. Celui qui propose une discussion conceptuelle élaborée à chaque compte à moitié pertinent ne fait que déplacer le goulot d'étranglement des ventes vers l'ingénierie.

C'est pourquoi nous avons défini les critères de transfert. Toutes les réponses positives ne débouchent pas immédiatement sur une démo. Certaines réponses ne montrent que de la curiosité. Certaines montrent un besoin d'information. Certaines montrent que le timing sera intéressant dans douze mois. Le service commercial a besoin de catégories : qualifier maintenant, entretenir plus tard, mauvaise adéquation, potentiel de partenariat, lien avec les clients existants. Cela semble sec. C'est de l'hygiène du chiffre d'affaires.

Je me souviens d'une discussion avec Thomas, directeur général d'un fabricant de machines d'Augsbourg, en septembre 2025. Il a dit : « Nous avons besoin de plus de leads. » Après 30 minutes, il est apparu que son équipe ne suivait pas correctement 70 demandes ouvertes parce que personne ne pouvait décider lesquelles étaient bonnes. Plus de leads auraient aggravé son problème. Chez Schnaithmann, il s'agissait donc dès le début d'une demande qualifiable, et non d'une boîte de réception pleine.

FAQ : L'IA dans la vente remplace-t-elle le commercial technique ?

Non. Du moins pas chez Schnaithmann et pas dans les projets sérieux de machines spéciales. L'IA dans la vente remplace la recherche, la priorisation, l'approche récurrente et la discipline de suivi. Elle ne remplace pas la discussion sur le temps de cycle, la disposition, la technologie de préhension, le concept de test, l'intégration PLC ou la mise en service. Quiconque prétend le contraire n'a jamais vendu de ligne ou veut vendre un logiciel, qu'il convienne ou non.

La meilleure répartition des rôles est claire : l'IA trouve et trie. L'humain qualifie et vend. L'ingénieur commercial arrive plus tôt à la table, mais pas avec la tête vide. Il voit pourquoi un compte a été sélectionné, quels signaux sont présents, quelles personnes ont été contactées et quelle a été la réaction. La conversation ne commence pas de zéro.

Vue du ROI : ce qui change en six mois

De nombreux directeurs demandent d'abord le coût. C'est compréhensible. Je réponds : que coûte un mois vide dans le pipeline de nouveaux clients ? Que coûte le fait qu'un commercial technique recherche huit heures par semaine, mais ne génère que deux bonnes conversations ? Que coûte le fait qu'un compte pertinent ne soit découvert qu'après que le cahier des charges ait été rédigé avec un concurrent ?

Pour Schnaithmann, la logique du ROI ne se réduisait pas à un seul canal. Amplifa a agi à plusieurs niveaux : plus de comptes pertinents, plus d'interlocuteurs pertinents, un suivi plus cohérent, un meilleur transfert aux ventes, plus de signaux d'apprentissage du marché. L'indicateur visible était le doublement des démos en six mois. L'indicateur moins visible était l'allègement du temps de vente. C'est précisément cet allègement que beaucoup sous-estiment.

Ce que d'autres PME peuvent apprendre de Schnaithmann

L'histoire de Schnaithmann n'est pas passionnante parce qu'une autre entreprise utilise l'IA. Beaucoup le font maintenant. Ce qui est passionnant, c'est que l'utilisation a commencé à un endroit souvent négligé dans les PME : avant le CRM, avant l'offre, avant le salon. À la question : qui voulons-nous vraiment connaître systématiquement ?

Trois enseignements me frappent. Premièrement : une bonne acquisition de nouveaux clients dans la construction de machines spéciales commence par l'exclusion. Si chaque fournisseur automobile est un client cible, aucun n'est priorisé. Deuxièmement : les centres d'achat doivent être traités comme un système. Un message unique aux achats n'est pas de la vente. Troisièmement : la vitesse compte. Pas de manière frénétique, mais rythmique. 300 Lookalikes par semaine créent un rythme que l'on peut contrôler.

J'irais même plus loin : de nombreux constructeurs de machines n'ont pas un problème de leads, ils ont un problème d'opérations de compte. Ils savent à peu près où ils veulent aller, mais ils ne traduisent pas cette connaissance en routines hebdomadaires. Qui est nouveau sur le marché cible ? Quel signal est pertinent ? Qui a été contacté ? Qui a réagi ? Qu'en apprenons-nous ? Ces questions ne sont pas sexy. Elles construisent un pipeline.

1. Définissez votre ICP à partir de clients idéaux réels, et non de secteurs d'activité souhaités. Prenez 20 à 50 projets rentables et techniquement pertinents et recherchez des modèles dans les processus, les emplacements, les rôles et les déclencheurs.
2. Intégrez des critères négatifs. Les entreprises sans assemblage en série, sans capacité d'investissement ou sans proximité de processus pertinente devraient être exclues tôt, même si le secteur et la taille semblent bons.
3. Recherchez des signaux d'achat avant les coordonnées. Les offres d'emploi, les extensions d'usine, les nouveaux programmes de produits, les termes d'automatisation et les sites de production sont plus précieux qu'une longue liste d'adresses e-mail inconnues.
4. Traitez plusieurs rôles par compte. La direction de production, l'ingénierie industrielle, la technologie d'automatisation, la direction d'usine et les achats perçoivent des risques différents. Votre approche doit en tenir compte.
5. Séparez l'intérêt de la qualification. Une réponse n'est pas encore une opportunité. Définissez quand le commercial technique prend le relais et quelles informations il lui faut pour cela.
6. Mesurez la qualité des démos, pas seulement le nombre de rendez-vous. Posez des questions sur le lien avec le projet, le timing, le rôle dans le centre d'achat, la prochaine étape et la profondeur technique attendue.
7. Réintégrez systématiquement le feedback. Chaque refus, chaque bonne réponse et chaque réunion faible améliore l'ICP si quelqu'un prend le processus d'apprentissage au sérieux.

Produit Amplifa Amplifa automatise la découverte de comptes, la recherche de Lookalikes, le mappage de contacts et les workflows de prospection personnalisés pour les équipes de vente B2B des PME.

Pourquoi les 300 Lookalikes par semaine ne sont pas toute la vérité

Le chiffre est accrocheur. Bien sûr. 300 Lookalikes par semaine, ça sonne rapide. Mais je serais prudent de ne pas en faire une fausse histoire de héros. Le chiffre n'est valable que si les comptes sont suffisamment bons pour ne pas submerger le commercial technique. Schnaithmann n'a pas profité d'un volume brut, mais d'un volume contrôlé.

Je constate chez certaines entreprises le réflexe de vouloir immédiatement augmenter les chiffres : 1 000 comptes par semaine, 20 000 contacts par trimestre, cinq pays simultanément. C'est généralement absurde. Surtout dans la construction de machines spéciales, les ventes se concluent sur la confiance et l'adéquation technique. Celui qui inonde le marché de mauvais messages achète de l'activité à court terme et de l'ignorance à long terme.

Chez Schnaithmann, le processus est donc resté proche des ventes. L'IA fournissait des suggestions et des séquences. L'humain donnait son feedback. Si un segment donnait de faibles réponses, il était ajusté. Si un certain type de signal générait de bonnes réunions, il recevait plus de poids. Si un rôle répondait souvent, mais avait rarement une influence interne, la séquence était modifiée. Ce n'est pas un pilote automatique. Plutôt une salle des machines bien gérée.

La réalité technique : la construction de machines spéciales ne vend pas de fonctionnalités

Le portefeuille de Schnaithmann, décrit publiquement, comprend des systèmes modulaires de convoyage et de transfert, des installations d'assemblage et de test, des lignes de production automatisées, des machines spéciales personnalisées, le développement de layouts, l'ingénierie et l'intégration de systèmes. Ce ne sont pas des fonctionnalités isolées. Un client n'achète pas « un système de transfert ». Il achète la perspective que les pièces se déplacent de manière fiable de station en station, que les tests soient intégrés, que les opérateurs soient soulagés, que les variantes restent gérables.

C'est pourquoi l'approche ne fonctionnait que si elle abordait le problème de production. Temps de cycle. Débit. OEE. Rebuts. Rééquipement. Traçabilité. Maintenabilité. Intégration dans les lignes existantes. Un directeur général lit des choses différentes d'un responsable d'ingénierie industrielle. Un directeur d'usine s'interroge sur les risques au démarrage. Un service des achats s'interroge sur la comparabilité et les coûts. Un responsable qualité veut savoir si les exigences de test et de documentation sont correctement couvertes.

Je le dis si clairement parce que de nombreux systèmes de vente B2B pensent encore de manière centrée sur le produit. « Nous proposons l'automatisation de l'assemblage. » Bien. Et maintenant ? Pour qui ? Dans quel processus ? Avec quel déclencheur ? Avec quel levier économique ? Le projet de Schnaithmann a montré que l'IA dans la vente n'a d'effet que si elle est liée au contexte commercial. Sinon, on automatise des brochures.

Comment EasyGo de Schnaithmann s'intègre dans l'histoire

EasyGo est publiquement décrit comme un outil de planification basé sur navigateur pour les lignes de transfert, d'assemblage et d'automatisation. Un assistant intégré pour les systèmes de convoyage aide à choisir la technologie de convoyage appropriée ; les systèmes de transfert peuvent être représentés sur la base de modules standardisés. Pour moi, c'est un élément intéressant car il montre comment Schnaithmann envisage la planification précoce des installations de manière plus numérique.

Dans la vente, cette phase précoce est cruciale. Si un client ne parle de la disposition et du système de transfert que lors de la comparaison finale des offres, une grande partie du travail préparatoire est déjà faite. Si Schnaithmann intervient plus tôt dans la phase de conception, l'équipe peut non seulement réagir, mais aussi co-créer. C'est précisément là que la recherche de Lookalikes est payante : elle amène les clients potentiels à des discussions avant que tout ne soit figé.

Cela ne signifie pas que chaque séquence de prospection doit faire référence à EasyGo. Parfois, ce serait même trop tôt. Mais la combinaison est stratégiquement cohérente : planification assistée par le numérique d'un côté, détection de comptes basée sur les données de l'autre. Les deux réduisent les frictions au début du projet.

Quels indicateurs je veux vraiment voir en tant que COO

Je suis allergique aux tableaux de bord qui confondent activité et progrès. Les messages envoyés ne sont pas une performance. Les taux d'ouverture sont de toute façon fragiles en B2B en raison des restrictions de suivi. Les taux de réponse sont meilleurs, mais pas suffisants. Pour Schnaithmann, quatre indicateurs étaient plus cruciaux : les démos qualifiées, la proportion de comptes pertinents, le taux de transfert aux ventes techniques et le taux d'apprentissage des retours.

Le doublement des démos en six mois est la preuve visible. Mais je conseillerais à tout directeur général de regarder plus en profondeur. Quels segments génèrent les meilleures conversations ? Quels déclencheurs mènent à de vrais projets ? Quels rôles ouvrent des portes ? Quels messages génèrent des réponses, mais pas de substance ? Un taux de réponse élevé d'étudiants, de consultants ou de mauvais interlocuteurs n'apporte rien à personne.

Chez un autre client de la technologie d'automatisation en Bade-Wurtemberg, nous avons observé en juillet 2026 un schéma intéressant : les messages aux directeurs généraux avaient un taux de réponse plus faible que les messages aux directeurs de production, mais menaient plus souvent à des renvois internes rapides. Si nous n'avions optimisé que le taux de réponse, nous aurions coupé la meilleure voie. C'est précisément pourquoi l'IA dans la vente nécessite une gestion opérationnelle, et pas seulement une logique de campagne.

Ce qui peut mal tourner - et pourquoi c'est souvent de notre faute

Un projet AI-SDR peut échouer. C'est clair. Les raisons les plus fréquentes ne sont pas des erreurs techniques miraculeuses. Elles sont faites maison. L'ICP est défini politiquement plutôt qu'économiquement. Chaque division veut ses comptes. Personne n'ose exclure de mauvais groupes cibles. Les ventes ne donnent pas de feedback. Le CRM est flou. Le suivi est automatisé, mais le transfert n'est pas réglé. Alors, un système qui semble occupé et qui bouge peu est créé.

Chez Schnaithmann, nous avons essayé d'éviter précisément ces pièges. Petits segments de départ. Signaux clairs. Transfert humain. Revues régulières. Pas de déploiement aveugle dans tous les pays. Pas de « nous couvrons tout maintenant ». Cela semble prudent. Ça l'est. Mais être prudent dans la configuration permet d'obtenir des résultats plus rapides, car on a moins de bêtises à réparer.

Le plus grand danger est la vanité. Une équipe veut prouver que son marché est énorme. Alors l'ICP est élargi. Ensuite, la pertinence diminue. Ensuite, les messages deviennent plus généraux. Ensuite, la qualité des réunions diminue. Ensuite, le service commercial dit : « L'IA ne fonctionne pas chez nous. » Ce n'est pas tout à fait vrai. Votre segmentation n'a pas fonctionné.

Impact commercial : plus de démos n'est que le début

Pourquoi deux fois plus de démos sont-elles pertinentes dans la construction de machines spéciales ? Non pas parce que les démos sont en soi du chiffre d'affaires. Mais parce qu'elles créent des options. Un fabricant de machines spéciales vit de suffisamment d'opportunités de projets précoces et pertinentes. Si le pipeline est mince, chaque offre devient politique. On court après de mauvaises correspondances, on accepte des conditions défavorables, on surcharge la conception avec des concepts douteux et on négocie en position de faiblesse.

Plus de conversations qualifiées changent l'attitude. Le service commercial peut choisir. La direction peut mieux planifier les capacités. L'ingénierie reçoit moins de demandes aléatoires. Le marketing apprend quels sujets sont vraiment porteurs sur le marché. Même le service des achats côté client ressent la différence, car les conversations commencent plus tôt de manière technique et moins axée sur le prix.

Chez Schnaithmann, le levier opérationnel n'était donc pas seulement la génération de leads. C'était la gestion du pipeline. Celui qui identifie régulièrement 300 nouveaux comptes Lookalike construit un moniteur de marché. On voit quels secteurs investissent actuellement, quels rôles réagissent, quels signaux sont fiables. C'est plus précieux pour la direction et les ventes qu'une campagne ponctuelle.

Tout fabricant de machines spéciales peut-il copier cela ?

Oui et non. Oui, car la méthode est transférable : analyser les bons clients, trouver des Lookalikes, pondérer les signaux, approcher le centre d'achat, réintégrer le feedback. Non, car les modèles concrets sont différents pour chaque entreprise. Un fournisseur de technologie de test recherche d'autres déclencheurs qu'un constructeur d'installations d'assemblage. Un intégrateur robotique pour l'emballage alimentaire a besoin d'autres signaux qu'un spécialiste des systèmes de transfert pour les sous-ensembles métalliques.

C'est le point où un logiciel standard seul ne suffit pas. Une base de données peut fournir des entreprises. Un séquenceur peut envoyer des e-mails. Mais la question de savoir pourquoi un compte est pertinent maintenant doit être construite à partir de la compréhension du marché et des données. Chez Schnaithmann, c'était la combinaison du savoir-faire de l'entreprise et de la systématique Amplifa.

Je ne recommanderais à aucun directeur commercial de se fixer pour objectif 300 Lookalikes par semaine dès demain. Commencez par 50 bons. Évaluez-les rigoureusement. Approchez-les proprement. Apprenez. Ensuite, passez à l'échelle. Le volume sans boucle d'apprentissage n'est que du bruit avec des rapports.

Ma prévision pour l'IA dans la vente de machines

Au cours des 24 prochains mois, la différence entre deux types d'organisations commerciales se manifestera. Les unes utiliseront l'IA pour envoyer plus de messages. Les autres utiliseront l'IA pour mieux comprendre leur marché et entrer plus tôt dans les processus d'achat pertinents. Le deuxième groupe gagnera. Pas plus fort. Plus précisément.

Pour les fabricants de machines spéciales, cela sera particulièrement évident. Le marché reste exigeant. Le besoin en robotique et en automatisation est là, mais les investissements sont sélectifs. L'automobile se réorganise. L'électronique, le métal, le plastique et la construction mécanique générale investissent différemment. Celui qui disperse largement dans cet environnement gaspille le temps de vente technique. Celui qui lit les signaux gagne en timing.

Schnaithmann montre à quoi cela peut ressembler : 300 Lookalikes par semaine, segmentation claire, transfert humain, deux fois plus de démos après six mois. Pas de tour de magie. Plutôt un travail opérationnel propre, mais avec un meilleur levier.

Success Story complète L'étude de cas complète de Schnaithmann avec des informations sur la recherche de Lookalikes, les workflows AI-SDR et les résultats de six mois de collaboration.

Lorsque nous avons vu les premières évaluations de Schnaithmann, Martin est resté un instant sur la liste des nouveaux comptes cibles. Pas de grand geste. Juste un doigt sur un nom d'entreprise et la phrase : « Nous l'aurions probablement trouvé manuellement seulement au salon. » C'est précisément le point.