L’intelligence artificielle (IA) connaît une diffusion rapide dans les fonctions commerciales. Selon le State of Sales Report de Salesforce (2023), près des trois quarts des équipes commerciales déclarent utiliser ou expérimenter des outils d’IA, notamment pour la génération de contenus, l’analyse de données clients ou la priorisation des prospects. Le McKinsey Global Survey on AI (2023) souligne également que les fonctions marketing et force de vente figurent parmi les premières bénéficiaires déclarées des applications d’IA en entreprise. L’IA s’impose donc comme un levier permettant d’optimiser les tâches opérationnelles.

Toutefois, les commerciaux peinent à exploiter pleinement les capacités de l’IA. Selon HubSpot Research (2023), si beaucoup l’utilisent pour automatiser des tâches comme la rédaction ou la préparation d’argumentaires, son intégration dans la relation client demeure limitée. Cette situation s’explique notamment par une auto-formation inadaptée et un besoin de formation pour maîtriser la génération de contenus personnalisés (Kshetri et al., 2024). L’acceptation de l’IA relève ainsi moins d’un simple déploiement organisationnel que d’un ajustement aux pratiques commerciales.

Pour analyser ce processus, la théorie unifiée de l’acceptation technologique (UTAUT) de Venkatesh et al. (2003) offre un cadre structurant. Toutefois, son application reste marginale dans le champ de la force de vente, où les recherches portent davantage sur la transformation des rôles et des compétences à l’ère de l’IA (Singh et al., 2019).Si l’UTAUT éclaire les déterminants cognitifs de l’adoption, il néglige les dimensions relationnelles et identitaires propres au métier commercial. Cette recherche examine l’acceptation de l’IA en intégrant ces spécificités.

Accepter l’IA en contexte commercial

L’acceptation technologique : un cadre en mutation

L’acceptation des technologies s’inscrit historiquement dans le cadre de l’UTAUT, qui identifie quatre déterminants majeurs de l’intention d’usage : performance attendue, effort perçu, influence sociale et conditions facilitatrices (Venkatesh et al., 2003). Les travaux ultérieurs montrent toutefois que ces déterminants varient selon les contextes organisationnels et sectoriels (Williams et al., 2015, Venkatesh, 2022). Cette évolution souligne une limite des modèles prédictifs classiques : l’acceptation ne relève pas uniquement d’une évaluation cognitive individuelle. Les critiques ont déjà pointé la réduction excessive des processus décisionnels à des variables mesurables centrées sur l’intention (Bagozzi, 2007). Dans les environnements commerciaux, l’usage d’une technologie dépend aussi de la manière dont l’organisation intègre des dispositifs de suivi de l’activité commerciale, comme des indicateurs de performance (par exemple : taux de prospection, nombre de contrats signés). L’essor de l’IA accentue cette tension. Ces outils ne se contentent pas d’assister l’utilisateur : ils produisent des contenus, formulent des recommandations et orientent la décision. Les expérimentations récentes montrent que l’IA peut accroître significativement la productivité moyenne tout en modifiant la distribution des performances individuelles (Brynjolfsson et al., 2023). Par ailleurs, certaines tâches sont fortement augmentées, tandis que d’autres se situent hors du périmètre de fiabilité de l’outil (Dell’Acqua et al., 2023). L’acceptation devient donc une évaluation située, dépendante de l’adéquation entre la tâche, l’organisation et les capacités de l’IA.

IA et marketing : transformation des pratiques commerciales

Dans le marketing et la vente, l’IA se déploie autour de trois axes.

L’automatisation opérationnelle (qualification des leads, scoring, génération de contenus) transforme la division du travail commercial en déplaçant les vendeurs vers des activités à plus forte valeur stratégique (Raisch & Krakowski, 2021).

De même, le pilotage prédictif et génératif reconfigure la planification et l’organisation du travail commercial. Les outils fondés sur des modèles génératifs pré-entraînés, spécialisés, autrement dénommés « customs GPT » (pour planifier une visite, renforcer la qualité d’un contact téléphonique), structurent la priorisation des tâches et l’allocation des ressources, tout en améliorant la performance moyenne, avec un effet particulièrement marqué chez les profils les moins expérimentés (Kshetri et al., 2024). L’IA devient ainsi un instrument de structuration de l’activité.

Enfin, la personnalisation de la relation client s’intensifie grâce à l’exploitation des données comportementales. Toutefois, cette capacité soulève des enjeux organisationnels et éthiques liés à la dépendance cognitive, aux biais et à la gouvernance des usages (Davenport et al., 2019).

L’émergence des IA marque une rupture par rapport aux outils d’automatisation traditionnels. Ces technologies offrent des opportunités significatives en matière de productivité et de création de valeur, tout en soulevant des enjeux organisationnels, éthiques et managériaux majeurs (Dell’Acqua et al., 2023). Dans le contexte commercial, cette ambivalence renforce la nécessité d’analyser les conditions d’acceptation et d’intégration de ces outils.

L’IA ne constitue donc pas un simple support technique. Elle reconfigure les routines, les critères de performance et les équilibres décisionnels (Singh et al., 2019). L’IA ne peut être réduite à un simple outil technologique. Elle constitue un ensemble de blocs d’innovation combinant données, algorithmes et capacités décisionnelles, susceptibles de transformer les processus organisationnels (Paschen et al., 2019). Les modèles classiques d’acceptation, centrés sur l’utilisateur isolé, peinent à saisir cette dimension transformationnelle des organisations. Comprendre l’acceptation de l’IA en contexte commercial suppose donc une analyse intégrant simultanément déterminants technologiques, organisationnels et pratiques professionnelles.

Méthodologie

Cette recherche adopte une démarche qualitative exploratoire visant à comprendre la manière dont les commerciaux perçoivent et évaluent l’IA dans leurs activités professionnelles. Vingt-trois entretiens semi-structurés ont été conduits entre mai et juin 2025 auprès de commerciaux issus de domaines d’activité variés (industrie, services, technologies, distribution spécialisée) et occupant des fonctions diverses (commerciaux terrain, responsables grands comptes, managers). D’une durée moyenne de 60 minutes, les entretiens portaient sur les performances attendues, les efforts liés à l’utilisation et les conditions organisationnelles d’intégration de l’IA dans les pratiques commerciales. Les entretiens ont été intégralement retranscrits, puis analysés selon la procédure d’analyse de contenu exposée par Gioia et al. (2013).

Les déterminants de l’acceptation de l’IA

L’analyse des entretiens révèle une acceptation structurée et ambivalente de l’IA dans l’activité commerciale. La performance informationnelle constitue le premier levier d’évaluation positive (21 occurrences), les commerciaux reconnaissant la capacité de l’IA à analyser rapidement des données et à soutenir la préparation des interactions. Toutefois, cette efficacité analytique se heurte à des limites relationnelles et humaines (10 occurrences), suggérant que la valeur perçue reste conditionnée à la nature interactionnelle du métier.

L’effort perçu apparaît principalement sous l’angle temporel (20 occurrences), oscillant entre gain de temps et charge supplémentaire liée à la formulation des requêtes/prompts personnalisés. Si l’intuitivité et la facilité d’apprentissage sont fréquemment évoquées (12 et 11 occurrences), une complexité persistante demeure (9 occurrences).

Les conditions d’utilisation de l’IA jouent un rôle plus structurant qu’attendu. L’accès aux outils (19 occurrences), la formation (14 occurrences) et le manque de formalisme dans l’exploitation entière des fonctionnalités IA (6 occurrences) apparaissent déterminants pour faciliter l’intégration durable. Le rôle déterminant de cette dimension s’appuie de manière complémentaire par le soutien de l’organisation. Cet appui est primordial dans l’acceptation et s’exprime par l’appui de ligne hiérarchique (6 occurrences) ou du personnel support IA (6 occurrences). Ainsi, en cohérence avec les prolongements d’UTAUT intégrant les variables contextuelles, l’acceptation s’inscrit dans un environnement organisationnel qui facilite et pérennise l’usage. Le tableau synthétise l’ensemble des résultats.

Une acceptation située, organisationnelle et transformationnelle

Les résultats confirment la pertinence des déterminants classiques de l’acceptation technologique issus du modèle UTAUT associés à la performance attendue, l’effort perçu. Toutefois, l’analyse révèle que les conditions facilitant l’usage fournissent des résultats originaux dans le sens du soutien organisationnel.

La performance perçue de l’IA ne renvoie pas uniquement à un gain d’efficacité opérationnelle. Dans les activités commerciales, elle s’articule à une tension entre optimisation analytique et préservation de la valeur relationnelle du métier. L’outil améliore la capacité de traitement informationnel, mais son intégration reste conditionnée et complémentaire à une interaction humaine, particulièrement essentiel dans les échanges professionnels B2B.

L’effort perçu dépasse la simple facilité d’usage. Les modèles traditionnels envisagent l’effort comme une variable ergonomique. Or, l’IA introduit une charge cognitive spécifique : formulation et vérification des requêtes clients, arbitrage entre automatisation et jugement humain. L’usage implique un travail réflexif continu. Cette dimension rejoint les conclusions de travaux montrant que l’IA modifie la nature même de l’activité plutôt qu’elle ne la simplifie mécaniquement (Brynjolfsson et al., 2023; Dell’Acqua et al., 2023).

De même, les conditions facilitatrices apparaissent comme un levier central de stabilisation de l’usage. L’acceptation dépend de la capacité de l’organisation à encadrer, former et légitimer les pratiques. Elle relève ainsi d’un processus d’accompagnement procédural (formation pas à pas) et instrumental (accès aux outils).

Enfin, l’environnement managérial agit comme amplificateur ou frein dans la diffusion des technologies avancées. L’influence sociale joue un rôle essentiel qui ne peut être dissocié des conditions organisationnelles facilitant par l’appropriation de l’IA par la force de vente.

Ces résultats invitent à dépasser une lecture centrée sur l’utilisateur isolé. L’IA ne constitue pas un simple outil : elle reconfigure les routines, redistribue les arbitrages décisionnels et redéfinit les frontières de l’expertise.

Conclusion

Apports théoriques

Cette recherche enrichit la littérature sur les théories de l’acceptation technologique dans le contexte spécifique de la force de vente. Les résultats confirment le rôle de variables connues telles que la performance et l’effort perçu. Cependant, les résultats montrent que ces déterminants dépassent la logique utilitariste d’optimisation et d’automatisation de la prise de décision, pour intégrer une dimension cognitive : l’IA transforme la production et l’interprétation de l’information dans l’interaction client. Ces conclusions viennent ainsi éclairer les pistes de recherche évoquées par Venkatesh (2022) sur l’extension du modèle UTAUT.

Apports managériaux

Les résultats suggèrent que l’intégration de l’IA dans la force de vente relève moins d’un choix technologique que d’une adaptation des pratiques organisationnelles. L’appropriation, étape ultime suivant l’acceptation, repose sur l’accompagnement des salariés. Concrètement, tout nouveau collaborateur devrait disposer d’un accompagnement instrumental structuré : fiche technique d’usage de l’IA en interne, charte éthique du bon usage, intégration de l’outil dans le playbook commercial (via Slack, Notion ou CRM), et formation systématique des collaborateurs non experts. L’IA ne doit pas être présentée comme un substitut, mais comme un outil d’amélioration du conseil et de structuration des argumentaires.

Limites et perspectives

Cette recherche analyse une étape située : l’acceptation déclarée. Elle ne mesure ni l’intensité d’usage réel ni la transformation effective des pratiques. Une première perspective consiste à examiner le passage de l’intention à l’intégration comportementale, afin d’identifier les écarts entre discours et pratiques. Une seconde piste concerne l’analyse des facteurs déclencheurs en amont : préparation technologique, littératie individuelle, culture d’entreprise. Enfin, la dimension émotionnelle mérite un approfondissement. L’IA ne modifie pas uniquement l’efficacité ; elle interroge la légitimité, l’autonomie et l’identité professionnelle du vendeur. C’est probablement à ce niveau que se jouent les résistances les plus profondes.