Prévisions des ventes par l'IA : méthode, limites et outils

Vérifié le 8 octobre 2026 par Pierre Touzeau, Founder & COO de Claap. Prix, fonctionnalités et notes G2 vérifiés sur les sites des éditeurs, Vendr et G2 entre le 5 et le 8 octobre 2026.

L'essentiel

• La prévision des ventes par l'IA estime le chiffre d'affaires qu'une équipe commerciale va signer sur une période. Elle note chaque deal ouvert à partir des données du CRM, de l'activité commerciale et de ce qui se dit en rendez-vous, puis agrège ces notes en un chiffre que les managers comparent au commit des commerciaux.
• Clari Forecast, intégré à Salesloft, s'adresse aux grandes équipes commerciales qui tiennent une revue de forecast chaque semaine et veulent agrégation, inspection des deals et score IA dans un outil dédié.
• Les prévisions de Salesforce conviennent aux équipes déjà sur Sales Cloud, qui veulent leur forecast et des signaux IA dans le CRM qu'elles utilisent tous les jours.
• La prévision par l'IA de HubSpot, en bêta, donne un second avis gratuit aux équipes sur HubSpot, calculé à partir des deals signés des trois derniers mois.
• Gong Forecast, Aviso et Terret construisent la prévision sur l'activité commerciale : appels, emails et réunions. Gong Forecast s'adresse aux clients Gong, Aviso aux grandes entreprises qui veulent une plateforme de forecast autonome, Terret aux équipes RevOps du mid-market.
• Claap alimente ces prévisions avec les données des appels. Il écrit dans HubSpot ou Salesforce les risques, les prochaines étapes et les champs de qualification issus de chaque appel commercial, là où l'outil de forecast va les lire.

Selon Gartner, la mauvaise qualité des données fait partie des principaux freins à l'analytique commerciale : 44 % des dirigeants commerciaux interrogés la citent (Gartner, février 2024).

Une prévision par l'IA hérite de ce problème. Elle vaut ce que valent les données des deals sur lesquelles elle repose.

Ce guide explique comment fonctionne la prévision des ventes par l'IA, les données dont elle a besoin, sa précision réelle et la façon de la déployer. Il présente ensuite les outils que les équipes commerciales étudient en 2026.

Ce qu'est la prévision des ventes par l'IA

Une prévision des ventes, c'est le chiffre d'affaires qu'une équipe compte signer sur une période, le plus souvent le trimestre. La méthode classique additionne ce que chaque commercial s'engage à signer, parfois pondéré par l'étape du deal.

La prévision par l'IA confie une partie de ce jugement à des modèles. Le machine learning étudie les deals passés, gagnés comme perdus, repère les signaux qui précédaient une signature ou un échec, puis note chaque deal ouvert selon ces signaux.

Le résultat est un second chiffre, posé à côté du commit des commerciaux. L'écart entre les deux indique aux managers quels deals examiner en priorité lors de la prochaine revue de pipeline.

Comment fonctionne une prévision des ventes par l'IA

La plupart des outils suivent quatre étapes.

1. Lire l'historique des deals. Le modèle récupère dans le CRM les deals gagnés et perdus : montant, historique des étapes, temps passé à chaque étape, décalages de date de closing, propriétaire et segment.
2. Ajouter les signaux d'activité. Emails envoyés et reçus, réunions tenues, contacts engagés et, dans les outils qui les captent, ce que les acheteurs ont dit en rendez-vous.
3. Noter chaque deal ouvert. Chaque deal reçoit une probabilité de signature sur la période, souvent accompagnée des facteurs qui l'expliquent : « aucune réunion depuis 21 jours », « décideur absent de tous les appels ».
4. Agréger et comparer. Les notes s'additionnent par commercial, par équipe et par région pour donner une projection IA. Les managers la comparent au commit, au best case et au pipeline pendant la revue de forecast.

Les données dont une prévision par l'IA a besoin

• Un historique CRM propre. Des étapes cohérentes, des dates de closing réalistes et assez de deals clôturés pour que le modèle apprenne. La prévision IA de HubSpot, par exemple, s'appuie sur les deals gagnés des trois derniers mois.
• Les données d'activité. Emails et réunions enregistrés automatiquement, car les commerciaux les saisissent rarement à la main.
• Les données de qualification. Le deal a-t-il un champion, un décideur identifié, un budget, une date de décision ? Des méthodes comme MEDDIC transforment ces questions en champs que le modèle sait lire.
• Les données des appels. Risques, objections, concurrents évoqués et prochaines étapes. C'est la donnée qui manque le plus souvent dans le CRM, parce qu'elle vit dans les conversations et dépend de la saisie du commercial.

Pourquoi un forecast fondé sur la confiance des commerciaux dérive

Claap enregistre ses propres appels commerciaux, et beaucoup de prospects y décrivent leur façon de faire du forecast. Trois constats reviennent sur l'année écoulée.

• Le forecast repose sur un champ de confiance que les commerciaux oublient de mettre à jour. La responsable commerciale B2B d'une entreprise américaine de formation dans la santé, avec dix commerciaux, décrit un forecast construit sur l'étape du deal et le pourcentage de confiance du commercial : « immanquablement, pendant la revue, quelqu'un dit : ah, celui-là aurait dû passer au trimestre prochain ». Ce qu'elle attend des appels : « d'après ce qui s'est passé pendant cet appel, tu ne devrais pas être confiant sur une signature ce trimestre, tu devrais le rétrograder [...] voici ce qui s'est passé pendant l'appel ». (traduit de l'anglais)
• Les équipes veulent un second modèle pour challenger le commit. Le responsable RevOps d'un groupe européen de logiciels d'environ 800 personnes le dit ainsi : « Avec toute la donnée qu'on collecte aujourd'hui, on est quand même censé pouvoir facilement challenger le Forecast. Aujourd'hui, on a un commit-based forecast. » Sur les pondérations de son modèle : « un Most likely, c'est 70 %. Au vu du dernier quarter. »
• L'IA a besoin des conversations pour analyser un deal. Le responsable des opérations commerciales d'un éditeur français de logiciels financiers, qui refond son pipeline avant d'y ajouter du forecast, résume : « si on veut mettre de l'IA pour faire de l'analyse de compte, l'analyse de forecast, d'opportunités, etc. [...], il nous faut de la donnée, en fait. » Il décrit ses revues actuelles ainsi : « on fait beaucoup de la relevée de compteur en fait, en Business review. »

Méthode : appels commerciaux enregistrés par Claap entre le 1er octobre 2025 et le 8 octobre 2026, avec au moins un interlocuteur externe, recherchés sur le mot « forecast » et par recherche sémantique sur les forecasts peu fiables. Seules les paroles des acheteurs sont citées, vérifiées sur la transcription complète, anonymisées au poste, avec les coupes signalées par [...].

Quelle précision attendre d'une prévision par l'IA

• La plupart des équipes partent de loin. Des travaux de Gartner relayés par Demand Gen Report indiquent que seules 7 % des organisations commerciales atteignent une précision de forecast d'au moins 90 % (Demand Gen Report, mars 2025).
• La confiance reste faible. Une enquête Gartner plus ancienne montre que seuls 45 % des dirigeants commerciaux et des commerciaux ont une forte confiance dans la précision du forecast de leur entreprise (Gartner, février 2020).
• Les gains annoncés sont mesurés par les éditeurs. Gong affirme que Gong Forecast exploite plus de 300 signaux et prédit l'issue des deals avec 20 % de précision en plus que les algorithmes fondés sur les seules données du CRM. Tout chiffre de ce type est une promesse à tester sur son propre historique.
• Les modèles ont besoin de temps. Ils apprennent des deals clôturés : une équipe récente ou un nouveau segment obtient des prédictions plus fragiles tant que quelques trimestres d'historique manquent.

Le test le plus simple consiste à faire tourner la projection IA à côté du commit pendant un ou deux trimestres, puis à comparer les deux au résultat réel avant de se fier à l'un ou à l'autre.

Les principaux outils de prévision des ventes par l'IA

Les outils ci-dessous sont présentés sans classement. Les prix proviennent des sites des éditeurs ou, à défaut, des données d'achat de Vendr.

Clari Forecast (Salesloft)

Clari a fusionné avec Salesloft en décembre 2025. Depuis septembre 2026, seul Clari Forecast garde le nom Clari au sein de la plateforme Salesloft. L'outil propose l'agrégation par rapport au quota, les catégories commit et best case, l'inspection des deals, un score IA par deal avec ses principaux facteurs et une vue de l'évolution du forecast. Le prix n'est pas public : le contrat médian Clari relevé par Vendr s'élève à 76 000 dollars par an. Clari obtient 4,6 sur 5 sur G2, sur environ 5 600 avis.

Prévisions dans Salesforce Sales Cloud

Sales Cloud inclut un module de prévisions collaboratives, et Salesforce vend Revenue Intelligence en option pour l'inspection du pipeline, l'analyse du forecast et les signaux IA sur les deals. L'édition Enterprise de Sales Cloud coûte environ 175 dollars par utilisateur et par mois selon les relevés de la grille d'août 2025, et Revenue Intelligence 220 dollars par utilisateur et par mois en facturation annuelle sur salesforce.com. Sales Cloud obtient 4,4 sur 5 sur G2, sur environ 25 000 avis.

Prévisions dans HubSpot Sales Hub

L'outil de prévision de HubSpot se trouve dans Sales Hub. Sa prévision par l'IA, en bêta, projette les ventes à venir à partir des deals gagnés des trois derniers mois, comme un regard complémentaire pour ajuster le forecast de l'équipe. Un super administrateur l'active, et créer des prévisions demande un siège Sales ou Service. Sales Hub Professional coûte 90 dollars par siège et par mois en facturation annuelle, avec des frais d'onboarding de 1 500 dollars. HubSpot Sales Hub obtient 4,4 sur 5 sur G2, sur environ 13 400 avis.

Gong Forecast

Gong Forecast s'appuie sur les appels, emails et réunions que Gong capte déjà : score de probabilité par deal, scénarios (ouvert, best case, most likely) et repérage des risques. Gong ne publie pas ses prix : le contrat médian Gong relevé par Vendr atteint 55 359 dollars par an, et des guides tarifaires estiment le module Forecast à environ 700 dollars par utilisateur et par an en supplément. Gong obtient 4,7 sur 5 sur G2, sur 6 743 avis.

Aviso

Aviso est construit autour de la prévision du chiffre d'affaires, avec inspection des deals et du pipeline, conversation intelligence, analyse des relations, coaching des managers et un agent IA nommé MIKI. Le prix est sur devis, et le contrat médian Aviso relevé par Vendr s'élève à 73 662 dollars par an. Aviso obtient 4,3 sur 5 sur G2, sur 983 avis.

Terret (ex-BoostUp)

BoostUp a pris le nom de Terret en septembre 2025. Son module de forecast promet des synthèses prêtes pour le conseil d'administration, avec agrégation et une couche d'analyse IA qui cite les données du CRM, les transcriptions d'appels, les emails et l'usage produit. Le prix n'est pas public, et le contrat médian relevé par Vendr atteint 30 420 dollars par an. Terret obtient 4,4 sur 5 sur G2, sur environ 612 avis.

Claap

Claap est une solution de conversation intelligence pour les équipes commerciales. Il enregistre chaque appel commercial, sur Zoom, Google Meet, Microsoft Teams, au téléphone via Aircall ou en présentiel, puis transforme chaque appel en champs CRM dans HubSpot ou Salesforce : risques sur le deal, prochaines étapes, champs de qualification type MEDDIC, scores et emails de suivi. Claap alimente le forecast avec les données des appels ; Clari ou le CRM calcule le forecast. Ces données sont aussi ouvertes à Claude et aux autres agents IA via le MCP de Claap, sur toutes les offres. L'offre Basic est gratuite, Pro coûte 24 € et Business 48 € par licence et par mois en facturation annuelle. Claap obtient 4,6 sur 5 sur G2, sur plus de 480 avis.

La place de Claap dans une prévision par l'IA

Tous les outils présentés plus haut lisent des champs du CRM. Or les champs qui pèsent le plus sur un forecast (y a-t-il un champion, le décideur était-il présent, quelle est la prochaine étape, quel risque l'acheteur a-t-il soulevé) sont ceux que les commerciaux remplissent en dernier.

Claap les remplit à partir de l'appel lui-même. Après un appel de découverte, Claap écrit la douleur exprimée, le processus de décision et la prochaine étape dans le deal, côté HubSpot ou Salesforce. L'outil de forecast note alors ce deal sur ce que l'acheteur a réellement dit.

Claap complète donc les outils de prévision. Les équipes qui utilisent les prévisions de HubSpot ou de Sales Cloud obtiennent des preuves issues des appels dans leur CRM, et celles qui utilisent Clari ou Aviso donnent à leurs modèles des données plus fiables. Pour une vue d'ensemble de la catégorie, voir notre page sur la revenue intelligence.

Comment déployer la prévision des ventes par l'IA

1. Clarifier d'abord le pipeline. Définir quand un deal est créé, ce que signifie chaque étape et quand un deal est clôturé perdu. Un modèle entraîné sur des étapes incohérentes apprend du bruit.
2. Automatiser la collecte. Enregistrer automatiquement emails et réunions, et transformer les appels en champs CRM, pour que le modèle lise des données que personne n'a eu à saisir.
3. Adopter une méthode de qualification. MEDDIC, ou une version allégée, donne les mêmes champs à chaque deal, lisibles par le modèle comme par le manager.
4. Faire tourner l'IA à côté du commit. Garder le commit des commerciaux, afficher la projection IA à côté pendant un ou deux trimestres et examiner les deals sur lesquels les deux divergent.
5. Mesurer puis ajuster. Comparer chaque trimestre les deux chiffres au réalisé, et seulement ensuite fonder les décisions de budget ou de recrutement sur la projection IA.

Pour comparer les plateformes qui associent forecast et données d'appels, lire notre comparatif des logiciels de revenue intelligence. Pour les outils qui analysent les appels, voir notre guide des logiciels de conversation intelligence.

Les limites de la prévision des ventes par l'IA

• La qualité des données. Des dates de closing manquantes, des étapes figées et des champs de qualification vides produisent des prédictions assurées et fausses. Mieux vaut nettoyer les données avant d'acheter le modèle.
• L'adoption. Un commercial qui ne voit que son propre commit continue de prévoir à l'intuition. Le score IA doit apparaître en revue de pipeline, là où chacun défend ses deals.
• Le jugement humain. Le modèle voit des tendances ; le manager sait que l'acheteur vient d'être réorganisé ou que le budget a été gelé la veille. Les meilleures prévisions combinent les deux.
• La protection des données. Appels et emails relèvent du RGPD en Europe. Consentement, hébergement et durée de conservation sont à vérifier auprès de chaque éditeur qui traite des conversations.

Comment nous avons construit ce guide

Nous avons étudié les premiers résultats de recherche sur la prévision des ventes par l'IA le 8 octobre 2026. Ils expliquent la méthode avant de présenter les outils, et ce guide suit ce format. Les prix proviennent des sites des éditeurs lorsqu'ils sont publiés, sinon des données d'achat de Vendr. Les notes G2 proviennent des pages G2 et des résultats de recherche consultés entre le 5 et le 8 octobre 2026, car G2 bloque les lectures automatisées. Aucune citation d'avis G2 n'a été reprise dans cette version.

Claap publie cet article et figure parmi les outils présentés. Il apparaît en dernier, décrit comme une source de données pour le forecast, ce qui correspond à son rôle.