Scoring probabiliste du pipeline B2B : dépasser les intuitions pour piloter avec des données

Le problème du scoring intuitif

Dans la majorité des équipes commerciales B2B, les probabilités de closing sont assignées par intuition — le commercial évalue son « feeling » sur le deal et lui attribue un pourcentage. Ce système produit deux biais documentés.

Le biais d'optimisme : les commerciaux surestiment systématiquement leurs chances de closing, en particulier sur les deals récents où l'enthousiasme initial n'a pas encore été tempéré par les premiers obstacles. Kahneman & Tversky (1979) ont documenté ce biais dans le cadre de la théorie des perspectives — les individus surestiment leur capacité à contrôler des événements futurs.

Le biais de confirmation : une fois qu'un commercial a décidé qu'un deal était à 80%, il interprète les signaux mixtes comme des confirmations de cette probabilité — plutôt que de remettre le score en question. Résultat : les probabilités montent rarement au fil du cycle et descendent rarement non plus — elles restent stables jusqu'au closing ou à la perte.

Le scoring par critères — 6 variables objectives

Le scoring probabiliste remplace le feeling par des critères binaires vérifiables. Six variables, chacune valant un certain poids dans la probabilité finale.

(1) Qualification BANT complète (4 dimensions passées) : +20 points. (2) Economic Buyer rencontré et engagé : +20 points. (3) Compelling Event documenté avec date : +15 points. (4) Champion interne actif (a pris une initiative récente en interne pour le projet) : +20 points. (5) Proposition soumise et reçue sans objection bloquante : +15 points. (6) Prochaine étape planifiée et confirmée par le prospect : +10 points.

Score total sur 100 : 80+ = deal commis (prévisible ce trimestre). 50-79 = deal best-case (possible mais incertain). En dessous de 50 : nurturing, pas de pipeline actif.

Ce système n'est pas parfait — il doit être calibré sur l'historique de chaque équipe. Mais il produit des prévisions plus précises que le scoring intuitif dans 80% des cas observés.

Mettre à jour le score à chaque interaction

Le scoring n'est utile que s'il évolue avec la réalité du deal. Chaque interaction avec le prospect doit déclencher une revue du score.

Signal positif qui fait monter le score : le prospect prend une initiative (appelle sans qu'on l'ait relancé, implique un nouveau décideur, envoie des documents internes, demande une accélération du planning). Signal négatif qui fait descendre le score : silence après une relance, changement de contact côté client, report de la réunion de soutenance sans explication, demande de réduire le périmètre.

La règle du score décroissant : un deal sans activité prouvée du prospect depuis 30 jours perd 10 points de probabilité automatiquement dans le CRM. Cette règle force la conversation en revue de pipeline sur les deals qui stagnent.

Calibrer son modèle sur l'historique

Un modèle de scoring n'est utile que s'il est calibré sur les données réelles de l'équipe. La calibration se fait en deux étapes.

Étape 1 — Analyse rétrospective : reprendre les 50 derniers deals (gagnés, perdus, no decision) et noter leur score à J-60, J-30, et J-15 avant la décision finale. Identifier les patterns : à quel score les deals finissent-ils généralement gagnés ? Perdus ? En no decision ?

Étape 2 — Ajustement des poids : si les deals à 70+ sont gagnés à 80%, le modèle est bien calibré. Si les deals à 70+ sont gagnés à seulement 50%, les critères sont trop généreux — les ajuster. Cette calibration doit être refaite tous les 6 mois car le marché évolue.

La question qui compte

Prenez votre deal le plus cher actuellement en pipeline. Appliquez les 6 critères de scoring — non par intuition, mais en vérifiant factuellement chaque critère dans votre CRM. Le score obtenu est-il cohérent avec la probabilité actuellement affichée ? Si non, votre prévision est biaisée.