Façons concrètes pour les équipes GTM d’utiliser des agents

Nous avons lancé Claygent, notre agent de recherche en IA, en septembre 2023. En juin 2025, il avait dépassé 1 milliard de runs. Chaque exécution représente un point de donnée que l’on devrait sinon extraire manuellement, comme compter les infractions OSHA pour identifier les entreprises en difficulté de conformité. En mai 2026, nous avons lancé Claygent Builder, où vous construisez des agents en langage simple, les testez gratuitement sur de vraies données sans consommer de Crédits, et les déployez un Claygent dans chaque workflow et le partagez à l’échelle de l’entreprise.

En cours de route, nous avons suivi la façon dont les équipes GTM utilisent ces agents IA.

Après 5 milliards d’exécutions, nous avons extrait les données et identifié deux façons distinctes d’utiliser l’IA dans Clay : la recherche sur le web et la transformation de vos propres données. Voici les cas d’usage.

Bien sûr, en interne, nous utilisons nous‑mêmes des agents dans Clay.

Dans un récent livestream de How Clay Uses Clay,, Davide Grieco, responsable de la croissance chez Clay, et Nicole Goot, Growth PM, présentent les cas d’usage de Claygent que nous appliquons à notre propre stratégie GTM. Nous y cherchons notamment les Signal d’achat cachés dans les rapports annuels 10‑K et nous réalisons des post‑mortems de deals en s’appuyant sur le contexte conversationnel des transcriptions Gong. Lisez la suite pour le récapitulatif complet ou regardez le livestream.

En bref

• Claygents sont les agents IA natifs à Clay. Vous les créez en langage simple avec Claygent Builder, leur fournissez votre contexte métier, les testez gratuitement en affichant le raisonnement et le niveau de confiance de chaque réponse, puis déployez un agent sur vos tables ou workflows, avec historique des versions et limites de crédit, tout en gardant le contrôle.
• Choisissez les agents plutôt que les formules quand la tâche requiert du jugement. Lire un intitulé de poste confus ou évaluer un compte demande de l’interprétation, donc ça vaut les Crédits. Quand la règle peut être entièrement écrite, utilisez une formule, car les formules sont gratuites et donnent le même résultat à chaque fois.
• La recherche IA remplace la fouille manuelle des comptes. Le mode recherche web de Claygent rassemble les informations publiques sur chaque ligne d’un tableau en même temps. Nous l’utilisons pour repérer des signaux d’achat que nos concurrents n’ont pas, cibler les comptes ABM et suivre les concurrents semaine après semaine.
• La transformation de données convertit vos données internes et externes en champs exploitables. Nos agents analysent les appels Gong, les notes CRM et les formulaires, puis organisent le désordre en catégories claires. Cela alimente nos analyses post‑transaction, le Score de santé des Comptes, les étiquettes de persona et les textes d’e‑mail.

Qu’est‑ce que les Claygents ?

Les Claygents sont les agents IA intégrés de Clay et ils résident dans vos workflows ou vos tableaux. Ils se connectent à vos données internes, comme les dossiers CRM et les transcriptions d’appels, ainsi qu’aux données externes, comme Enrichissement provenant de fournisseurs tiers. Ils s’occupent des tâches qui demandent du jugement plutôt que des règles : noter les comptes, classer les intitulés de poste, résumer les appels et rechercher des entreprises en ligne.

Dans les coulisses, un Claygent, c’est un modèle de langage auquel on ajoute vos consignes. Vous choisissez le modèle, par exemple Claude Sonnet 5 d’Anthropic ou le GPT‑5.4 mini d’OpenAI. Vous lui fournissez une entrée, il élabore un plan, agit, vérifie les résultats et ajuste jusqu’à ce que la tâche soit terminée. Un Claygent peut appeler des outils : recherche web, les données de contacts et d’emplois de Clay, ou une MCP connection vers une application comme Slack. Il peut aussi se souvenir des exécutions précédentes et charger des compétences, que l’on peut voir comme des playbooks enregistrés pour des tâches récurrentes.

Rien de tout cela n’est opaque : vous pouvez lancer un test et regarder Claygent diffuser son raisonnement en direct.} chaque modification que vous apportez à une invite est enregistrée dans un historique de versions, auquel vous pouvez revenir à tout moment.

Conseils pour créer et déployer des agents dans Clay

Les agents ne sont bons que grâce au contexte que vous leur fournissez. Trop peu, ils comblent les vides par des suppositions ; trop, ils perdent de vue l’essentiel. Gardez vos agents ancrés et évitez les résultats absurdes dans vos tableaux grâce à ces consignes :

• Donnez à votre agent une mission précise. Limitez chaque agent à une tâche unique. Par exemple, un agent qui extrait les objections et les prochaines étapes des transcriptions Gong, et un autre qui rédige les e‑mails à partir de ces informations, seront plus efficaces et moins coûteux qu’un seul agent qui ferait les deux.
• Rédige les consignes comme si tu intégrais un nouveau collaborateur. Découpe le travail en étapes claires et ordonnées, puis relis la consigne. Si tu ne la saisis pas, ton agent non plus.
• Obtenez une visibilité sur son raisonnement. Chaque exécution montre comment l’agent est arrivé à sa réponse ; développez le raisonnement et lisez‑le réellement. Si l’agent a emprunté une voie que vous n’auriez jamais choisie, signalez‑le : les prochains runs seront alors plus précis.
• Créez des garde-faux. Définissez précisément la sortie souhaitée, champs et format inclus, pour que l’agent ne puisse pas improviser. Pour la recherche web, indiquez les pages à consulter et celles à ignorer. Testez d’abord sur quelques lignes avant de le laisser travailler sur des milliers.

Formules vs Claygent

Clay vous propose deux façons de remplir une colonne : Formulas et Claygents.

Les formules sont des logiques conditionnelles basées sur JavaScript que vous pouvez créer sans coder, et la même entrée donne toujours la même sortie. Elles sont aussi gratuites, donc les exécuter sur un million de lignes ne coûte rien. Les Claygents dépensent des Crédits pour raisonner, ce qui vous apporte des réponses aux questions qu’une règle ne peut pas couvrir.

Quand recourir à une formule

Recourez à une formule dès que vous pouvez consigner la règle dans son intégralité. Si chaque situation se résume à une logique si/alors, la formule la gère avec précision, sans aucun coût. Voici quelques exemples :

• Qualifiez les leads avec des critères stricts, par exemple en signalant les Comptes de plus de 100 salariés ou les titres contenant « operations ».
• Regroupez les résultats de plusieurs fournisseurs de données dans une colonne, en conservant la meilleure valeur disponible.
• Vérifiez qu’un contact existe déjà dans votre CRM avant de l’ajouter, afin d’éviter les doublons.

Quand faire appel à un agent

Utilisez un agent dès que la réponse requiert de l’interprétation. Si couvrir les cas limites demandait une centaine de règles, vous avez besoin de jugement. Voici quelques cas d’usage :

• Attribuez le département d’un contact à partir d’un titre brut tel que « Responsable de la croissance », que la règle de mots‑clés classerait comme « Non catégorisé ».
• Lisez une réponse libre et classez‑la dans une catégorie claire.
• Explorez le site d’une entreprise pour évaluer l’adéquation ICP et trouvez une raison de la contacter.

Comment nous utilisons les agents chez Clay

Maintenant que nous avons couvert les bases, passons à la façon dont nous utilisons les agents en interne chez Clay. Considérez nos propres cas d’usage comme source d’inspiration pour ce que les agents peuvent faire avec vos données et votre marché.

Tout ce que nous faisons avec les agents se répartit en deux catégories :

• Recherche en IA. Les agents parcourent le web ouvert pour étudier les entreprises auxquelles nous vendons, en trouvant les Signal et les coordonnées dont nous avons besoin.
• Transformation des données. Les agents analysent les données internes et tierces que nous possédons déjà, puis les transforment en insights structurés exploitables.

Cas d’usage de la recherche en IA

La recherche de compte consistait autrefois à faire basculer un SDR entre plusieurs onglets Chrome : le site de l’entreprise, les pages clients et tarifs, les offres d’emploi, LinkedIn pour identifier les bonnes personnes, et même le dernier appel de résultats. Bien faite, cette veille prend une demi‑heure ou plus pour un seul **compte**.

Le mode recherche web de Claygent exécute ce même processus sur chaque ligne d’une table en même temps, récupérant pratiquement n’importe quelle donnée publique sur Internet, chaque réponse apparaissant sous forme de colonne structurée, prête à être triée et à être exploitée.

Compte Signal

Les SDR utilisent les signaux de compte pour déterminer quels comptes prioriser et quand les contacter. Mais les signaux classiques, comme les levées de fonds ou les changements de poste, sont proposés par le Fournisseur de données. Les signaux qui comptent vraiment sont ceux qui sont liés à votre produit ; il faut les extraire des dépôts, des offres d’emploi, des communiqués de presse et des dossiers publics.

C’est ce que nous pointons les Claygents vers.

Si vous vendez un produit d'IA, la mention d'un projet de transformation IA dans un 10‑K indique que le budget est déjà en place. Si vous vendez un logiciel RH, une entreprise qui s'implante dans un nouveau pays aura bientôt besoin d'aide pour recruter sur place. Lire chaque offre d'emploi vaut le détour, car une société qui recrute pour un poste axé sur la création manuelle de listes ressent exactement le problème que résout Clay, même si l'annonce ne le mentionne pas.

Voici ce que nous recherchons et où nos agents regardent :

Campagnes ABM

Marketing basé sur les comptes renverse l’entonnoir : au lieu de lancer un large filet, nous choisissons une petite liste de comptes à forte valeur et créons une campagne pour chacun. Nous déployons l’ABM sur nos comptes de premier rang, où la taille du contrat justifie des pages d’atterrissage sur mesure et des textes rédigés pour un seul lecteur.

Ce niveau de personnalisation nécessite plusieurs jours de recherche par compte, c’est pourquoi les agents Clay se chargent de la collecte d’informations :

• Les pages d’atterrissage sont personnalisées grâce à de vraies recherches. Un·e agent visite le site du compte, consulte ses clients les plus impressionnants et vérifie des détails comme l’utilisation de Salesforce ou HubSpot. Tout cela alimente la page.
• Le mouvement de vente du compte façonne le pitch. Le même agent parcourt la page d’accueil pour voir comment il vend. Un formulaire de démo est un Signal d’une approche dirigée par les ventes, un bouton d’inscription est un Signal du self‑service, et le texte de la page s’ajuste en conséquence.
• Même l'Envoi postal repose sur la recherche d’agents. Pour savoir où une cible travaille réellement, un agent compare son emplacement LinkedIn à tous les bureaux répertoriés sur le site de l’entreprise, et le bureau le plus proche reçoit le courrier.

Veille concurrentielle

Un nouveau concurrent de Clay apparaît chaque semaine. Suivre ce que chacun expédie et la façon dont ils se montrent là où les acheteurs recherchent serait un travail à plein temps. Nous confions cette veille concurrentielle à nos agents.

• Un digest concurrent arrive chaque semaine. Un Claygent dédié explore les sites concurrents selon un planning et envoie un rapport sur ce qu’ils ont expédié et lancé, pour que personne n’ait à vivre dans les notes de sortie des concurrents.
• La visibilité de l'IA est suivie comme un classement dans les recherches. Les acheteurs demandent de plus en plus à ChatGPT et Claude quels outils choisir, alors une table Clay exécute les prompts courants et note à quelle fréquence Clay apparaît avec ZoomInfo et des produits similaires comme HubSpot.

Cas d’usage de transformation de données

Tout ce que nous avons fait jusqu’à présent a consisté à faire regarder les agents vers l’extérieur, à puiser des réponses sur le Web public. Ce deuxième volet les recentre sur l’interne. Une grande partie des informations que notre équipe GTM cherche n’a jamais été en ligne : pourquoi une affaire a échoué, si un client commence à se désengager, et d’où proviennent nos inscriptions.

Exploitez vos données de première partie

Nous disposons de plus de données non structurées que quiconque ne pourrait lire : appels Gong, données produit, notes Salesforce, tickets de support et formulaires libres sur les sites web.

Deux agents assurent la majeure partie du travail pour transformer cette pile en quelque chose d’utile : l’un avant la clôture d’un accord, l’autre après.

• Deal postmortem (pré-vente). Quand on perd un deal, un·e agent revoit les transcriptions Gong et l’historique Salesforce. Il/elle remplit ensuite deux champs dans notre CRM : la vraie raison de la perte et le moment où il faut reprendre contact. D’autres actions découlent de ces champs. Si un Prospect choisit ZoomInfo plutôt que nous et que son contrat se termine en janvier, on sait lancer une campagne de reconquête en janvier.
• santé du compte (post‑vente). Nos responsables du succès humains sont en contact avec les clients, mais un agent travaille en coulisses, en se mettant dans la peau d’un CSM senior. Il analyse la consommation de Crédits de chaque Compte par rapport à leurs achats, leur activité sur notre canal Slack partagé, ainsi que le ton de leurs récents appels, puis il Score le risque de désabonnement. Les Comptes qui semblent fragiles sont surveillés dès le départ, et ceux qui épuisent leurs Crédits plus vite que prévu bénéficient d’une proposition d’upsell avant le renouvellement.

Structurez les données désordonnées

Beaucoup de ce que nous collectons est court et désordonné. Cela inclut les titres de poste tapés de cinquante façons différentes (« VP Marketing », « V.P. de Marketing », « Vice‑président, Marketing », « vp mktg ») et les formulaires remplis avec ce que le Prospect a eu envie d’écrire ce jour‑là. Nos campagnes ont besoin de catégories propres à cibler, alors nous utilisons des agents pour trier. Ces deux processus tournent en continu :

• Analyse de persona. Nos e‑mails du cycle de vie ciblent par rôle et ancienneté, donc chaque contact doit porter une étiquette de persona claire. Un agent lit le titre et la description du poste, puis classe le contact dans ops, marketing, sales ou exec, et lui attribue un niveau de seniorité. Les intitulés sont trop vagues pour une règle automatique, mais l’agent place correctement « Head of Growth ».
• Attribution. La question « Comment avez‑vous entendu parler de nous ? » sur nos formulaires reste en texte libre : les réponses sont souvent trop précises pour une liste déroulante, comme le nom d’un podcast ou d’un influenceur. Un agent lit chaque réponse et la classe dans une catégorie. Comme le texte original est conservé, on peut toujours revenir en arrière et identifier le podcast qui a réellement généré les inscriptions.

Copie d'email

Abordez la rédaction des e‑mails Outbound avec l’IA avec prudence ; c’est ainsi que les messages commerciaux se transforment en « slop » d’IA. Dès le départ, le texte généré atteint environ 80 % de qualité. Mais quand l’e‑mail arrive à un acheteur clé, 80 % ne suffit pas. Les 20 % restants, c’est ce sur quoi nous avons concentré notre travail.

Nos séquences Outbound sont composées de quatre e‑mails distincts, envoyés l’un après l’autre, que nous construisons dans des tableaux. L’entrée est un résumé contextuel, une agrégation de nos données internes et tierces sur le compte.

Chacun des quatre e‑mails adopte un angle différent, et chaque e‑mail est rédigé par son propre agent :

1. Insight. Le premier e‑mail commence par une observation précise, issue de recherches, sur le compte, tirée de ce résumé contextuel.
2. Étude de cas. Le deuxième partage une histoire client déjà existante. Le contexte de l’agent, c’est notre bibliothèque d’étude de cas : chaque récit est lié à des entreprises et à des personas, ce qui lui permet de choisir le bon pour le **Compte** et d’en écrire autour.
3. Pépite de valeur. Le troisième propose une proposition de valeur unique. En nous basant sur l’analyse de la persona et les propositions de valeur que nous pouvons revendiquer légitimement, l’agent sélectionne celle qui correspond le mieux au lecteur.
4. Étape désespoir. Le dernier e‑mail, un dernier coup pour les comptes quand les trois premiers angles n’ont pas bougé.

Chaque agent dispose d’un contexte et d’instructions sur‑mesure pour limiter les hallucinations, ainsi que de règles claires sur ce qu’il peut dire ou non. Il n’y a aucun dump de connaissances : trop de contexte embrouille l’agent, alors qu’un contexte trop restreint l’incite à produire du charabia.

Visionnez la démo complète de construction Claygent

Regardez le livestream pour voir Nicole construire en direct, partant d’un écran vierge de Claygent Builder jusqu’à un agent de recherche de centre d’achat fonctionnel dans un tableau. Elle montre aussi les petites fonctionnalités qui permettent d’économiser des Crédits. Ses conseils se déclinent en quatre étapes :

Mettez les bases

Un Claygent n’est aussi affûté que ce que vous lui donnez. Explorez ces réglages avant de commencer à rédiger :

• Configurez d’abord votre contexte IA. Dans les paramètres, indiquez la description de votre entreprise, le profil client idéal et les personas d’acheteur pour que chaque agent s’en inspire. Saisissez votre domaine pour générer automatiquement les trois, mais charger les documents que votre équipe possède déjà donne des résultats encore meilleurs.
• Commencez avec un Template. Clay propose quatre Template de base : Prospect, scoring de Compte, scoring de contacts et rédaction. Vous pouvez aussi appliquer un Template enregistré qu’un collègue a partagé dans l’espace de travail.
• Laisse Clay assigner le modèle. Clay choisit le modèle le moins cher capable de gérer la tâche, et le travail quotidien en GTM n’a presque jamais besoin d’un modèle de pointe. Si tu préfères facturer sur un contrat existant, tu peux connecter tes propres clés API.
• Connectez‑vous à un serveur MCP personnalisé. Cela donne à l’agent un outil supplémentaire quand il en a besoin, par exemple pour lire un canal Slack précis.

Rédige le prompt

Le prompt lui‑même peut être construit de plusieurs façons :

• Construis dans le Claygent Builder. Décris l'agent que tu veux en langage clair. Tu peux joindre des fichiers, Google Docs ou des documents Notion pour ajouter du contexte supplémentaire.
• Tapez @ dans votre prompt. Cela fait référence à votre contexte métier enregistré ou à tout autre document, par exemple un plan de territoire de la direction commerciale.
• Dictez avec Wispr Flow. Discutez de l’idée à voix haute et laissez le Meta‑prompteur la transformer en consigne structurée. Relisez le résultat et corrigez ce qui ne va pas.
• Utilisez Sculptor pour éditer. Sculptor est le panneau de discussion intégré au constructeur. Dites‑lui « ne lancez cela que sur les comptes américains », il réécrira la demande pour vous.

Testez et itérez

Avant qu’un agent ne touche une table remplie, vérifiez qu’elle se comporte comme prévu.

• Testez avant de déployer. Le panneau de test exécute votre agent sur une seule entrée, renvoie le résultat avec le raisonnement et le niveau de confiance. Ajustez et relancez jusqu’à être satisfait avant de consommer des Crédits sur une table complète.
• Utilisez l’historique des versions. Chaque modification est enregistrée comme une version que vous pouvez consulter et restaurer.

Déployez et surveillez attentivement

Une fois que vous avez confiance en l’agent, mettez‑le au travail et suivez ce qu’il dépense.

• Ajoute l’agent à un tableau. Les entrées sont automatiquement associées à tes Colonne existantes. Tu peux aussi cliquer sur Utiliser l’IA dans n’importe quel tableau pour parcourir chaque agent que ton équipe a enregistré.
• Surveille l’utilisation des agents. Tu peux voir sur quelles tables chaque agent travaille, définir des limites de crédit par agent et fixer un plafond de dépenses pour les coéquipiers.

Ce qui suit pour les Claygent

Nous sommes en plein lancement de 12 fonctionnalités en 12 semaines, et beaucoup d’entre elles répondent à des demandes de la Clay Community depuis longtemps.

• Nouveau. Nous venons de lancer Agents de compte dans les workflows, qui s’insèrent dans n’importe quel play en tant que nœud, arrivent en connaissant l’historique complet du compte et décident de l’Action suivante, comme le routage d’un Lead inbound ou le timing d’une reconquête.
• Bientôt. Les boucles d’apprentissage rendront les agents plus performants à chaque exécution, en intégrant de meilleurs ciblages et des actions plus efficaces tirées de ce qui fonctionne déjà dans votre espace de travail.

Pour les suivre dès leur sortie, surveillez nos livestreams. C’est là que les nouveaux épisodes de How Clay Uses Clay arrivent, ainsi que les streams de lancement pour tout le reste prévu ce trimestre.

FAQ

Puis‑je exploiter les compétences de Claude et de ChatGPT dans Clay ?

Oui. Une compétence est un playbook empaqueté : des instructions réutilisables qui apprennent à un agent à bien exécuter une tâche, chargées uniquement quand la tâche apparaît, et Claude ainsi que ChatGPT les prennent en charge. Elles sont utiles pour les tâches récurrentes, comme rédiger des Outbound dans un format prédéfini ou créer des présentations selon les directives de marque, et vous pouvez toujours appeler des compétences depuis les agents Clay.

Quelle est la différence entre Claygent Builder et Sculptor ?

Sculptor est le Copilote IA de Clay, un chat qui parcourt l’ensemble du produit pour vous aider à configurer les flux de travail, proposer des Enrichissement et répondre à vos questions sur les données en langage clair. Claygent Builder est l’endroit où l’on crée les agents, et Sculptor apparaît à l’intérieur comme le panneau qui transforme votre langage naturel en ajustements de prompts.

Comment évaluer le coût des agents ?

Commencez par vous demander si la tâche nécessite réellement l’IA. Un travail déterministe doit être intégré à une formule ; les formules sont gratuites, donc la plupart des dépenses inutiles proviennent d’une IA qui fait du travail de formule. Ensuite, le coût dépend du modèle qui exécute votre prompt. Laissez Clay choisir ; il opte généralement pour un petit modèle à un crédit par ligne, la plupart des prompts se situant à cinq crédits ou moins. Enfin, comparez ces crédits au temps qu’ils remplacent, par exemple les 30 à 40 minutes qu’un SDR passerait à cartographier manuellement un centre d’achat.