.avif)
.avif)
"Aujourd’hui, dès que les gens me parlent d’IA, ils me demandent : ’Clay peut-il faire ça ?’ Ce qu’ils veulent dire, c’est : existe-t-il un workflow IA pour résoudre ce problème ?" Arthur Lorente, Director of GTM Operations chez A-LIGN
A-LIGN est un partenaire spécialisé dans la sécurité et la conformité, et dont les services reposent sur la technologie. Plus de 5 000 organisations dans le monde lui font confiance pour réduire leurs risques en matière de cybersécurité.
Conformité et cybersécurité
Tampa, Floride
Le problème : payer pour des recherches qui n’aidaient pas les commerciaux à vendre
Avant Clay, A-LIGN payait 60 000 $ par an pour qu’un prestataire recherche manuellement 2 000 comptes sur une période de six mois. Le résultat était un tableau de 15 colonnes de réponses oui/non. Cette entreprise réalise-t-elle des audits SOC 2 ? Oui. Cette entreprise a-t-elle besoin de tests d’intrusion ? Oui. Arthur Lorente, Director of GTM Operations chez A-LIGN, décrit le problème de fond : "Je dis à mon commercial : 'Oui, ils font du SOC 2.' Et mon commercial regarde ça et dit : 'D’accord, mais qui le fait ?' Ce n’était tout simplement pas très informatif."
L’équipe avait besoin de délais de traitement plus courts, d’informations plus riches et de données de déplacement concurrentiel. Elle étudiait Clay depuis plusieurs mois, mais c’est lorsqu’elle a vu comment Vanta l’utilisait pour mener des recherches à grande échelle que le déclic s’est produit.
Voici ce que l’équipe a construit :
- Des workflows automatisés qui ont fourni 450 000 constats détaillés en un mois, en remplacement d’une recherche manuelle qui prenait six mois et fournissait 30 000 points de données de base.
- Des données de déplacement concurrentiel déployées en mars 2025 et pleinement opérationnelles en mai 2025.
- La correction de 23 % de leurs données de contact supposées fiables, en récupérant les localisations actuelles directement depuis LinkedIn au lieu de se fier à des signatures d’e-mail obsolètes.
- Des mises à jour de données 24 fois plus rapides, grâce à la suppression des goulots d’étranglement administratifs dans les opérations Salesforce.
- Un changement de culture où les commerciaux non techniques ont commencé à penser à l’automatisation.
- Une expansion brute auprès des clients existants qui dépasse désormais les ventes à de nouveaux clients.
- Un passage de workflows manuels qui prenaient six mois à des workflows automatisés qui prennent un mois.
Le premier projet Clay d’A-LIGN a permis de remplacer le prestataire de recherche manuelle par un workflow automatisé fournissant 15 fois plus d’informations utiles, à moindre coût et plus rapidement.
La construction : Au lieu de cocher des cases pour des services de conformité, l’équipe a cherché à savoir si les entreprises utilisaient 15 services spécifiques, pourquoi elles les utilisaient et quels concurrents les fournissaient. Le workflow a parcouru 2 000 comptes et a livré plus d’un million de points de données.
Le calendrier : Clay a été déployé le 20 mars 2025. Toutes les données de déplacement concurrentiel étaient en ligne dans Salesforce le 22 mai 2025 : un développement de deux mois qui aurait pris six mois manuellement.
Le coût : Le contrat Clay a coûté 10 000 $ de moins que le contrat de recherche manuelle : A-LIGN a économisé tout en obtenant 15 fois plus de données.
L’impact sur le chiffre d’affaires : A-LIGN a suivi les résultats au moyen du programme "Displacement SPIFF", dans lequel les commerciaux signalaient les opportunités comme des deals de déplacement. Du 20 mars au 12 décembre (6 mois et demi de données réelles) :
- 6,8 M$ de pipeline total généré ou identifié (4,2 M$ créés, 2,6 M$ tagués)
- 5,7 M$ de pipeline qualifié (au-delà de la 2e étape) (3,6 M$ créés, 2,1 M$ tagués)
- 3,3 M$ de chiffre d’affaires signé (2,2 M$ créés, 1,1 M$ tagués)
Pour situer le contexte, la génération totale de pipeline d’A-LIGN s’est nettement améliorée au cours de cette période. En comparant les mois de mars à décembre 2025 à la même période en 2024 :
- Pipeline total : 185 M$ (contre 132 M$ en 2024, +40 %)
- Pipeline qualifié : 83 M$ (contre 57 M$ en 2024, +46 %)
La recherche de déplacement concurrentiel a directement contribué à cette croissance tout en représentant une petite fraction du pipeline total, démontrant son efficacité comme stratégie d’outbound ciblé.
Tout cela reposait sur un choix de conception déterminant : au lieu de dire aux commerciaux "cette entreprise utilise des services de conformité", le système leur a indiqué quels services spécifiques l’entreprise utilisait et pourquoi elle en avait besoin.
"Nous avons recherché 15 services, ainsi que la justification derrière ces services et les concurrents présents sur ce marché", Arthur Lorente, Director of GTM Operations chez A-LIGN
Grâce à ce contexte, les commerciaux ont changé leur manière d’entamer les échanges : ils pouvaient désormais s’appuyer sur des besoins précis plutôt que sur des argumentaires génériques.
Lorsque A-LIGN a organisé des événements régionaux en présentiel, l’équipe chargée des événements s’est heurtée au problème que rencontrent toutes les équipes événementielles : les données de contact provenant des fournisseurs de données reposaient sur des informations obsolètes issues des signatures d’e-mail. Les gens déménagent, mais ne mettent pas à jour leur signature d’e-mail pendant des mois.
La construction : En partant de 11 000 contacts cibles, l’équipe a utilisé Clay pour :
- trouver les URL LinkedIn des contacts lorsque les fournisseurs standards ne trouvaient rien ;
- extraire directement les villes actuelles à partir des profils LinkedIn ;
- comparer les données des fournisseurs aux données LinkedIn.
L’impact de la qualité des données : Clay a trouvé 4 500 nouvelles URL LinkedIn que les fournisseurs standards avaient manquées (hausse de 41 %). Plus surprenant encore, Clay a établi que 1 500 des 6 500 fiches existantes comportaient une localisation erronée. Cela signifie que 23 % des données "supposées fiables" contenaient en réalité des erreurs.
L’impact sur le chiffre d’affaires : Ces contacts corrigés et enrichis ont généré 9,3 M$ de pipeline influencé, 8,4 M$ de pipeline en dernier contact et 558 k$ de chiffre d’affaires signé. Arthur note qu’une grande partie de ces contacts étaient déjà clients, mais que le ciblage précis a rendu ces événements bien plus efficaces que les tentatives précédentes.
La vitesse : Arthur estime que la conception de l’ensemble du workflow d’enrichissement a pris environ 20 minutes.
Ce gain n’apparaît pas dans les rapports de pipeline, mais il a profondément changé la façon de travailler de l’équipe RevOps d’A-LIGN.
Ancien workflow : Toute opération sur les données Salesforce imposait une série de transferts entre équipes. Le marketing transmettait les données à l’équipe sales ops, qui préparait ensuite un fichier CSV et soumettait un ticket à l’équipe d’administration Salesforce. Celle-ci s’occupait de la tâche, l’équipe sales ops vérifiait, puis confirmait finalement au demandeur initial. Temps de cycle habituel : 48 heures.
Nouveau workflow : L’équipe sales ops reçoit la demande, traite les données dans Clay, les transfère directement dans Salesforce, les vérifie et les confirme. Temps de cycle habituel : deux heures.
Soit une vitesse multipliée par 24. Avec au moins un import majeur par semaine, A-LIGN économise environ 46 heures hebdomadaires. Son équipe ops consacre désormais ce temps à des projets stratégiques plutôt qu’à des tâches administratives.
Dimitrios Gatsos, analyste chez A-LIGN et membre de l’équipe d’Arthur, explique : "Clay élimine cette barrière. Il manipule littéralement votre CRM comme un fichier CSV. Je peux confier n’importe quelle tâche à des personnes non techniques, qui ne disposent pas des autorisations Salesforce."
Construire une culture AI-first dans une entreprise de services
A-LIGN n’est pas un éditeur de logiciels aux collaborateurs nativement IA. C’est un cabinet de services professionnels où beaucoup d’employés ne sont pas particulièrement techniques.
Mais Clay a modifié la manière dont l’organisation perçoit l’automatisation. Lorsque les commerciaux ont commencé à voir des recherches de conformité assorties d’explications générées par l’IA à la place de simples indicateurs binaires oui/non, ils ont compris que l’IA pouvait produire un raisonnement, et pas seulement extraire des données.
"Aujourd’hui, dès que les gens me parlent d’IA, ils me demandent : ’Clay peut-il faire ça ?’ Ce qu’ils veulent dire, c’est : existe-t-il un workflow IA pour résoudre ce problème ? Certaines personnes pensaient que Clay était une personne. Pour elles, Clay apparaît simplement dans Salesforce." Arthur Lorente, Director of GTM Operations chez A-LIGN
L’équipe Talent a vu Arthur utiliser Clay et s’est montrée curieuse. Elle a donc demandé une mise en relation. Les commerciaux ont commencé à repérer des erreurs dans les résultats de l’IA et à proposer des améliorations de prompts. La question est passée de "Pouvez-vous construire cela ?" à "Comment devrions-nous automatiser cela ?"
Pour une entreprise où l’adoption de l’IA pourrait facilement s’enliser face à la résistance au changement, Clay est devenu le point d’entrée qui a rendu l’automatisation accessible plutôt qu’inquiétante.
Le scénario
Le succès d’A-LIGN repose sur une séquence claire :
Un workflow de recherche central qui remplace un processus manuel coûteux. Mise en production dans Salesforce, là où les commerciaux travaillent vraiment. A-LIGN est passé du déploiement de Clay (20 mars) à la mise en production complète (22 mai) en deux mois.
Des données qui fructifient. Les opportunités de déplacement ont continué à générer du pipeline tout au long de l’année, les commerciaux signalant de nouvelles opportunités et identifiant le paysage concurrentiel des deals en cours.
L’ajout de gains opérationnels. L’enrichissement pour les événements et l’accélération des opérations de données renforcent la confiance de l’organisation et démontrent la polyvalence de Clay au-delà du cas d’usage principal.
Des constats issus de l’enrichissement pour orienter la stratégie. A-LIGN a utilisé les tendances de ses données enrichies pour allouer son budget, affiner son approche des grands comptes et fixer des objectifs de rétention fondés sur les attributs réels des clients plutôt que sur des suppositions.
Un changement de culture qui se fait naturellement. L’adoption de l’IA ne se force pas. Mieux vaut laisser les équipes voir les résultats, poser des questions et comprendre progressivement qu’elles peuvent automatiser leur propre travail répétitif.
Le résultat : 6,8 M$ de pipeline de déplacement concurrentiel (dont 3,3 M$ de chiffre d’affaires signé), une réduction de 83 % des coûts de recherche, des économies significatives, un NRR de 108 %, une contribution à une croissance du pipeline de plus de 40 % d’une année sur l’autre, et une organisation qui demande désormais par défaut "Pouvons-nous automatiser cela ?" au lieu de considérer les processus manuels comme une fatalité.
.svg){kind=icon}
