La plupart des grandes entreprises ont désormais activé des fonctionnalités d’IA dans une partie de leur CRM. Bien moins nombreuses sont celles qui peuvent leur attribuer un résultat mesurable.
Cet écart s’est creusé, et non réduit, à mesure que HubSpot est passé de l’IA d’assistance, qui aide les utilisateurs à travailler plus vite, à l’IA agentique : des agents capables d’exécuter seuls des tâches en plusieurs étapes.
Ces capacités sont réelles et présentent un intérêt concret. La valeur que vous en retirez dépend rarement de la technologie elle-même, mais presque toujours de la capacité de vos données, de vos autorisations et de vos processus à encadrer les actions d’un agent.
Cet article présente les capacités actuelles de l’IA de HubSpot, de l’assistant aux agents en passant par Agent Hub, les conditions que votre CRM doit remplir pour les exploiter, les usages qui produisent des résultats concrets dans les grandes entreprises et la gouvernance nécessaire à un déploiement agentique.
Quelles fonctionnalités d’IA sont réellement disponibles dans HubSpot aujourd’hui ?
À la mi-2026, l’IA de HubSpot s’articule autour de trois niveaux : un assistant avec lequel vous interagissez directement, un ensemble d’agents autonomes qui exécutent des tâches et Agent Hub (en version bêta), l’espace de gestion de ces agents.
Il est important de comprendre chacun de ces niveaux, car leurs implications en matière de gouvernance sont très différentes.
Breeze Assistant
Breeze Assistant est l’assistant conversationnel intégré à HubSpot.
Vous lui demandez de rédiger un e-mail, de résumer une fiche CRM, de répondre à une question ou de rechercher des données, et il s’exécute. Utile et peu risqué, son fonctionnement est familier à toute personne ayant déjà utilisé un assistant conversationnel. Du point de vue de la gouvernance, l’essentiel est qu’une personne reste impliquée dans chaque action.
Breeze agents
Les agents représentent un changement de nature, pas simplement de degré. Plutôt que de répondre à une instruction, un agent exécute une tâche complète, comme traiter une conversation d’assistance de bout en bout ou effectuer des recherches sur un compte et préparer une prise de contact, dans le respect de garde-fous et d’étapes de validation configurables.
Cette autonomie constitue à la fois leur levier de valeur et leur source de risque : un agent agit dans votre CRM. La question de gouvernance n’est donc plus « qui peut consulter ces données ? », mais « quels systèmes sont autorisés à agir sur ces données ? ».
Voici les agents préconfigurés les plus pertinents pour les équipes des grandes entreprises, présentés selon leur fonction :
Customer agent. Résout les conversations d’assistance par chat et par e-mail en s’appuyant sur votre base de connaissances, vos tickets et vos contenus connectés. Il passe le relais à une personne, en lui transmettant le contexte, lorsqu’il ne peut pas résoudre la demande ou lorsque le client le souhaite.
Prospecting agent. Surveille le CRM pour repérer les comptes présentant une forte intention d’achat, effectue des recherches sur les décideurs et prépare des prises de contact personnalisées. Repensé en 2026, il couvre une plus grande partie du cycle de prospection, au-delà de la seule rédaction.
Data agent. Enrichit et tient à jour les fiches CRM pour améliorer la qualité des données. Son rôle consiste, en pratique, à fournir aux autres agents des données fiables.
Deal progression. Propose des recommandations fondées sur l’IA pour faire avancer les transactions dans le pipeline, en transformant les données d’activité en indicateurs de pilotage commercial.
AEO agent. Suit la présence de votre marque dans les réponses fournies aux acheteurs par des outils d’IA tels que ChatGPT et Gemini, et recommande des contenus pour améliorer cette visibilité. Cela témoigne de l’importance croissante de la présence dans les réponses de l’IA pour la génération de demande.
Content and Social agents. Rédigent des contenus marketing, notamment des pages de destination, des articles de blog et des publications sur les réseaux sociaux, dans le respect de votre voix de marque et à partir des données CRM, pour relecture et validation humaines.
Knowledge Base agent. Analyse les tickets et les conversations d’assistance pour repérer les lacunes de vos contenus d’aide. Il est particulièrement utile lorsque les mêmes questions génèrent régulièrement des tickets.
Au-delà de ces solutions, un Agent Marketplace propose des agents plus spécialisés, par exemple pour analyser les transactions perdues, évaluer la santé des comptes clients ou traiter les appels d’offres. Leur disponibilité, leur dénomination et les modalités des offres continuent d’évoluer à mesure que la gamme se développe.
Agent Hub
Agent Hub (en version bêta, anciennement « Breeze Agents ») centralise l’activation, le suivi et la création de ces agents. Il indique quels agents sont actifs tout au long de votre parcours client, les résultats qu’ils produisent et ceux qui sont disponibles sans être encore activés.
Il est inclus pour les clients Professional et Enterprise. Les agents personnalisés consomment des HubSpot Credits en fonction de leur utilisation, ce qui fait du coût un enjeu de gouvernance à part entière, comme nous le verrons plus loin.
Agent builder et workflows agentiques
Deux fonctionnalités d’Agent Hub sont particulièrement importantes pour les équipes des grandes entreprises.
L’agent builder vous permet de créer sans code des agents personnalisés dans un espace de conception unique, à partir de vos propres instructions, de vos sources de connaissances et des données déjà présentes dans votre CRM. Vous pouvez ainsi concevoir un agent autour d’un processus propre à votre entreprise, plutôt que d’une tâche standard.
Les workflows agentiques, qui comprennent une action « Run Agent » (en version bêta), permettent de déclencher un agent au sein d’une automatisation en plusieurs étapes. Vous pouvez, par exemple, lancer automatiquement des recherches sur un compte et une prise de contact lorsqu’une transaction atteint une étape donnée.
C’est à ce stade que les agents cessent d’être des outils isolés pour s’intégrer à vos processus opérationnels. C’est précisément pourquoi leur gouvernance doit être définie de manière réfléchie.
L’ensemble repose sur une couche de contexte pour l’IA : les informations métier utilisées par les agents, des messages de l’entreprise, du ton et des profils de clients idéaux (ICP) aux référentiels de connaissances contenant des informations précises sur les produits, les politiques internes ou l’assistance.
Avec cette couche de contexte, HubSpot reconnaît dans son produit le principe développé dans la section suivante : la qualité des agents dépend de celle des informations mises à leur disposition.
Pourquoi les données de mon CRM ne sont-elles pas prêtes pour l’IA ?
Si les résultats d’un agent semblent peu fiables, la cause tient presque toujours aux données qu’il consulte plutôt qu’au modèle. Les recommandations de HubSpot sont explicites sur ce point : les agents automatisent ce qui existe déjà dans votre CRM. Les problèmes de qualité des données doivent donc être corrigés avant l’activation, et non après.
Cinq situations sont à l’origine de la plupart des difficultés :
La fragmentation. Lorsque les informations d’un client sont réparties entre plusieurs systèmes, par exemple plusieurs CRM après une acquisition ou des données marketing déconnectées du pipeline, l’agent consulte une fiche partielle et agit avec assurance sur la base d’une vision incomplète.
Les doublons. Si plusieurs fiches existent pour une même entreprise ou un même contact, les résumés, les scores et les décisions des agents ne reposent que sur une fraction de l’historique réel.
Des définitions incohérentes. Si les termes « qualifié » ou « fermé gagné » n’ont pas le même sens d’une région à l’autre, les conclusions que l’agent tire de ces étapes reproduisent cette incohérence et la présentent comme un fait.
La prolifération et l’obsolescence des champs. Des centaines de propriétés existent, dont beaucoup sont inutilisées ou presque identiques. Un agent prend en compte tout ce qui est présent, y compris les champs que plus personne ne tient à jour.
Des données non structurées sans gouvernance. Les notes, les e-mails et les transcriptions d’appels sont précisément les contenus que les agents savent bien exploiter. C’est aussi pourquoi les informations sensibles saisies en texte libre deviennent un risque d’exposition dès qu’un agent peut synthétiser plusieurs fiches.
La conséquence est préoccupante : des données de mauvaise qualité ne limitent pas seulement la valeur des agents. Elles produisent des erreurs plausibles, plus difficiles à détecter qu’une lacune évidente, qui se propagent ensuite aux prévisions, aux règles d’attribution et aux messages adressés aux clients.
Quelles conditions votre CRM doit-il remplir pour que les agents fonctionnent ?
Voici les prérequis opérationnels, dans l’ordre où nous recommandons de les mettre en place :
Une fiche client unique et fiable. Supprimez les doublons, définissez un système de référence pour chaque objet et établissez des règles claires pour déterminer quelle donnée prévaut en cas de conflit.
Un modèle de données conçu et documenté. Les objets, les propriétés et les étapes du cycle de vie doivent avoir la même signification partout et être placés sous une responsabilité définie. Retirez les champs inutilisés avant qu’un agent ne commence à les prendre en compte.
Des sources de connaissances sélectionnées et tenues à jour. Les agents s’appuient sur des bases et des référentiels de connaissances. Un agent fondé sur la recherche d’informations ne peut être meilleur que les contenus qu’il utilise : prévoyez donc un entretien continu de ces connaissances, et non un simple chargement initial.
Une classification des données et des restrictions au niveau des champs. Identifiez les champs contenant des données sensibles ou réglementées et restreignez leur accès avant d’activer un agent qui consulte plusieurs fiches.
Des autorisations adaptées à l’organisation. Un agent agit dans les limites des accès qui lui sont accordés. Des autorisations trop larges deviennent un risque de divulgation dès qu’un agent peut les exploiter.
Une situation de référence mesurée. Relevez les performances actuelles, notamment les délais de réponse, la précision des prévisions et les délais de résolution, avant le déploiement. Sans cette référence, vous ne pourrez pas démontrer les effets obtenus.
Où les équipes des grandes entreprises obtiennent-elles une valeur concrète ?
Lorsque ces conditions sont réunies, les usages suivants produisent des résultats mesurables. Chacun est lié à l’agent qui réalise le travail et au prérequis dont dépend son efficacité.
Résolution des demandes d’assistance : Customer agent
L’automatisation du tri, des réponses et de la résolution réduit le délai de première réponse et permet aux spécialistes de se concentrer sur les cas réellement complexes. Cet usage tend à produire de la valeur plus rapidement, car les données d’assistance sont relativement fiables et les résultats faciles à mesurer.
La gouvernance impose une validation humaine pour tout élément ayant une portée contractuelle ou réglementaire, ainsi qu’une base de connaissances bien tenue à jour pour alimenter l’agent.
Productivité commerciale et pipeline
Prospecting agent libère du temps de vente en prenant en charge les recherches et la rédaction initiale des messages de prospection. Les recommandations de Deal progression transforment les données d’activité en indications sur la meilleure action suivante.
Le prérequis concernant le pipeline est strict : des définitions d’étapes cohérentes et une gestion rigoureuse des dates de clôture dans toutes les régions. À défaut, les recommandations reproduisent les incohérences de vos données avec une assurance injustifiée.
Opérations marketing à grande échelle
La rédaction, la création de variantes et la segmentation raccourcissent les cycles de production des équipes présentes dans de nombreuses régions et travaillant dans plusieurs langues. La rigueur est éditoriale : les agents rédigent, les personnes valident, et les contrôles de conformité à la marque et à la réglementation restent intégrés au workflow.
L’enrichissement et la déduplication automatisés améliorent la précision du ciblage et préservent la fiabilité des fiches dont dépendent les autres agents. Ils sont particulièrement utiles pour le marketing des comptes stratégiques (ABM).
Vérifiez l’exactitude des données enrichies en les comparant à vos propres fiches de référence fiables avant de les utiliser pour l’attribution ou le scoring. Consultez notre article sur HubSpot Breeze Intelligence pour découvrir leur fonctionnement en pratique.
Visibilité dans les réponses de l’IA : AEO agent
À mesure que les acheteurs interrogent les outils d’IA plutôt que les moteurs de recherche, la visibilité dans ces réponses devient un enjeu de génération de demande.
AEO agent de HubSpot suit cette visibilité et formule des recommandations directement dans la plateforme. Toutefois, obtenir de véritables citations relève de la qualité des contenus et de l’autorité de la marque, et non de l’activation d’une simple option. C’est l’objet de notre accompagnement en AEO et en recherche par IA.
Quelle gouvernance les agents HubSpot exigent-ils ?
Cette section est trop souvent rédigée après un incident plutôt qu’avant le déploiement. Les agents agissent, ce qui accroît les enjeux par rapport à l’IA d’assistance.
Voici sept mesures de contrôle que nous considérons comme non négociables dans une grande entreprise ou un environnement réglementé :
Des étapes de validation et des garde-fous configurés pour chaque agent afin d’encadrer son autonomie. L’agent propose ou agit dans les limites que vous fixez, plutôt que de fonctionner sans supervision.
Une intervention humaine pour les résultats à fort impact. Tout contenu destiné aux clients, de nature contractuelle, soumis à la réglementation ou alimentant des prévisions fait l’objet d’une validation.
L’audit des actions des agents. Utilisez la piste d’audit des fiches modifiées et des actions réalisées par chaque agent, tant pour enquêter sur les incidents que pour démontrer la conformité. Considérez ce contrôle comme obligatoire, et non facultatif.
Des restrictions d’accès aux données sensibles au niveau des champs avant d’activer un agent qui consulte plusieurs fiches, afin qu’il ne puisse ni révéler ni exploiter des informations qu’un utilisateur ne devrait pas voir.
Une revue des accès fondée sur le principe qu’un agent amplifie la portée des autorisations existantes. Des droits excessifs qui pouvaient être tolérés dans un usage manuel ne le sont plus lorsqu’un agent peut agir à grande échelle.
Une gouvernance des coûts. Les agents reposent sur un modèle de crédits facturés à l’usage, et les paramètres par défaut peuvent entraîner une augmentation automatique des dépenses lors des pics de volume. Fixez des plafonds de crédits et suivez la consommation pour que le coût reste maîtrisé, sans mauvaise surprise.
Une évaluation réglementaire lorsque des données personnelles sont traitées. Elle peut nécessiter une analyse d’impact relative à la protection des données et la documentation d’une base légale, en particulier pour les usages proches d’une prise de décision automatisée concernant des personnes.
Comment organiser le déploiement de l’IA dans HubSpot à l’échelle d’une grande entreprise ?
L’approche efficace consiste à commencer sur un périmètre restreint, à démontrer les résultats et à encadrer le fonctionnement, dans cet ordre.
Évaluez votre niveau de préparation avec lucidité. Auditez la qualité des données, les sources de connaissances, les autorisations et la classification avant de sélectionner les agents. Cela conduit généralement à revoir les priorités de la feuille de route, car l’agent au plus fort potentiel de valeur repose souvent sur les données les moins fiables.
Corrigez les données dont dépend le premier agent. Ne cherchez pas à traiter l’ensemble du patrimoine de données, mais le sous-ensemble que consultera l’agent choisi. Vous faites ainsi avancer le programme tout en corrigeant ce qui compte.
Testez un agent à partir d’une situation de référence mesurée, sur un périmètre aux risques circonscrits. Customer agent est un premier choix fréquent : des données relativement fiables, un indicateur clair et un champ d’action délimité.
Mettez en place la gouvernance avant le passage à l’échelle, et non après. Il est bien moins coûteux de définir dès le départ les étapes de validation, l’audit, la revue des accès et les plafonds de crédits que de les ajouter à un déploiement déjà étendu.
Traitez l’adoption comme un programme de conduite du changement. Les agents auxquels les utilisateurs ne font pas confiance restent inutilisés. La confiance repose sur la transparence quant à leurs limites et sur un moyen de signaler les résultats incorrects. Notre guide de la conduite du changement dans HubSpot en explique les modalités.
Comment savoir si le déploiement fonctionne ?
Les indicateurs d’adoption, comme le nombre d’utilisateurs ayant utilisé un agent, vous renseignent peu.
Reliez l’évaluation au résultat opérationnel pour lequel l’agent a été choisi : délai de première réponse et de résolution pour Customer agent ; pipeline qualifié et temps de vente récupéré pour la prospection ; durée du cycle de production pour les contenus ; exhaustivité des données et taux de doublons pour Data agent.
Comparez ces résultats à la situation de référence mesurée avant le déploiement. C’est pourquoi cette mesure fait partie de la préparation et ne doit pas être envisagée après coup.
Établir des fondations solides
Les organisations qui tirent une réelle valeur de l’IA dans HubSpot ne sont pas celles qui ont activé le plus d’agents.
Ce sont celles qui ont corrigé leur modèle de données, sélectionné et tenu à jour leurs sources de connaissances, resserré les autorisations, testé un agent à partir d’une situation de référence mesurée et mis en place sa gouvernance : validations, audit et plafonds de coûts, avant de passer à l’échelle.
HubSpot a accompli le travail complexe de conception d’agents performants. Pour les grandes entreprises, l’essentiel du travail porte désormais sur la préparation et la gouvernance.
Nous accompagnons les équipes des grandes entreprises selon cette même séquence : préparation des données, sélection des agents, conception de la gouvernance et déploiement progressif dans HubSpot.
Agent Hub (en version bêta, anciennement appelé Breeze Agents) est l’espace d’activation, de suivi et de création des agents d’IA de HubSpot.
Il indique quels agents sont actifs tout au long de votre parcours client et les résultats qu’ils produisent. Il permet d’activer des agents préconfigurés et d’en créer de personnalisés. Il est inclus pour les clients Professional et Enterprise, les agents personnalisés consommant des HubSpot Credits.
Quelle est la différence entre Breeze Assistant et Breeze agents ?
L’assistant est interactif : vous lui demandez de rédiger, de résumer ou de répondre, et il s’exécute, avec une intervention humaine tout au long du processus.
Les agents sont autonomes : ils exécutent une tâche complète, comme résoudre une conversation d’assistance ou effectuer des recherches sur un prospect et le contacter, dans le respect des garde-fous et des étapes de validation que vous configurez. Cette distinction est importante pour la gouvernance, car les agents agissent dans votre CRM.
Quels agents d’IA HubSpot propose-t-il ?
À la mi-2026, les agents préconfigurés comprennent Customer agent, Prospecting agent, Data agent, Deal progression et AEO agent, ainsi que Content and Social agents et Knowledge Base agent. D’autres agents spécialisés sont proposés dans un Agent Marketplace, avec la possibilité de créer des agents personnalisés.
La disponibilité et les modalités des offres évoluent fréquemment. Vérifiez donc la gamme actuelle dans la documentation de HubSpot.
Les agents d’IA de HubSpot entraînent-ils des coûts supplémentaires ?
Agent Hub est inclus pour les clients Professional et Enterprise, mais la plupart des agents reposent sur un modèle de HubSpot Credits facturés à l’usage. Le coût augmente donc avec l’utilisation.
Certains agents sont facturés en fonction des résultats. Comme les paramètres par défaut peuvent entraîner une augmentation automatique des dépenses lors des pics de volume, fixez des plafonds de crédits et surveillez la consommation dans le cadre de votre gouvernance.
Comment préparer les données CRM pour les agents d’IA ?
Supprimez les doublons pour obtenir une fiche fiable par client, harmonisez les définitions des propriétés et du cycle de vie entre les régions, retirez les champs inutilisés, sélectionnez et tenez à jour les sources de connaissances utilisées par les agents, et classez les données sensibles afin de pouvoir en restreindre l’accès au niveau des champs.
Les agents automatisent ce qui existe déjà dans le CRM. Ces corrections doivent donc précéder l’activation, et non la suivre.
Peut-on utiliser les agents HubSpot en toute sécurité avec des données sensibles ?
Uniquement si les contrôles sont déjà en place. Restreignez l’accès aux champs sensibles, révisez les autorisations, maintenez une intervention humaine pour les actions à fort impact, auditez les actions des agents et évaluez les obligations réglementaires lorsque des données personnelles sont traitées.
Un agent agit dans les limites des accès qui lui sont accordés. Ces accès doivent donc être encadrés avant son activation.
Unlock new possibilities with AI solutions tailored for marketing, sales, and service. Our consulting approach combines innovative AI strategies with practical execution to give your business a competitive edge. Partner with us to stay ahead in an AI-driven world.
Migrer de Salesforce vers HubSpot : ce que les équipes Enterprise doivent savoir
Vous préparez une migration de Salesforce vers HubSpot ? L’essentiel pour les équipes Enterprise : données, processus, gouvernance et choix du partenaire.
Migration de Dynamics 365 vers HubSpot : ce que les équipes enterprise doivent savoir
Vous envisagez de migrer de Dynamics 365 vers HubSpot ? Voici ce que les équipes enterprise de plus de 200 collaborateurs doivent savoir sur le processus, les coûts et les pièges les plus fréquents
Pourquoi les implémentations CRM échouent (et ce que les équipes enterprise peuvent y faire)
La plupart des implémentations CRM échouent sur l'adoption, pas sur la technologie. Comment les équipes enterprise peuvent diagnostiquer les problèmes d'adoption tôt et intégrer le change management à leur projet CRM.
Huble obtient le badge HubSpot dédié au secteur logiciel
Huble a obtenu le badge HubSpot dédié au secteur logiciel. Voici ce que cela signifie pour les entreprises software et SaaS qui développent leur moteur commercial sur HubSpot.
Comment corriger une stratégie GTM défaillante avant d’investir davantage de budget
Un cadre de diagnostic pour aider les équipes enterprise à repérer les désalignements GTM, corriger les failles structurelles et améliorer la croissance du pipeline avant d’augmenter les budgets.
HubSpot AEO vs outils autonomes : quelle approche de la visibilité IA convient réellement à votre entreprise ?
HubSpot AEO, Profound et Peec AI suivent tous votre marque dans la recherche IA. Voici comment ils se comparent et ce qui compte vraiment pour les équipes enterprise.
Comment mesurer le ROI d’une implémentation HubSpot
Découvrez comment mesurer le ROI de votre implémentation HubSpot sur le marketing, les ventes et le service. Un guide pratique pour les dirigeants de grandes entreprises.
There are no results
01.08.2026
AI Solutions
Comment les équipes enterprise utilisent l’IA dans HubSpot
17 min read
Matthew
La plupart des grandes entreprises ont désormais activé des fonctionnalités d’IA dans une partie de leur CRM. Bien moins nombreuses sont celles qui peuvent leur attribuer un résultat mesurable.
Cet écart s’est creusé, et non réduit, à mesure que HubSpot est passé de l’IA d’assistance, qui aide les utilisateurs à travailler plus vite, à l’IA agentique : des agents capables d’exécuter seuls des tâches en plusieurs étapes.
Ces capacités sont réelles et présentent un intérêt concret. La valeur que vous en retirez dépend rarement de la technologie elle-même, mais presque toujours de la capacité de vos données, de vos autorisations et de vos processus à encadrer les actions d’un agent.
Cet article présente les capacités actuelles de l’IA de HubSpot, de l’assistant aux agents en passant par Agent Hub, les conditions que votre CRM doit remplir pour les exploiter, les usages qui produisent des résultats concrets dans les grandes entreprises et la gouvernance nécessaire à un déploiement agentique.
Quelles fonctionnalités d’IA sont réellement disponibles dans HubSpot aujourd’hui ?
À la mi-2026, l’IA de HubSpot s’articule autour de trois niveaux : un assistant avec lequel vous interagissez directement, un ensemble d’agents autonomes qui exécutent des tâches et Agent Hub (en version bêta), l’espace de gestion de ces agents.
Il est important de comprendre chacun de ces niveaux, car leurs implications en matière de gouvernance sont très différentes.
Breeze Assistant
Breeze Assistant est l’assistant conversationnel intégré à HubSpot.
Vous lui demandez de rédiger un e-mail, de résumer une fiche CRM, de répondre à une question ou de rechercher des données, et il s’exécute. Utile et peu risqué, son fonctionnement est familier à toute personne ayant déjà utilisé un assistant conversationnel. Du point de vue de la gouvernance, l’essentiel est qu’une personne reste impliquée dans chaque action.
Breeze agents
Les agents représentent un changement de nature, pas simplement de degré. Plutôt que de répondre à une instruction, un agent exécute une tâche complète, comme traiter une conversation d’assistance de bout en bout ou effectuer des recherches sur un compte et préparer une prise de contact, dans le respect de garde-fous et d’étapes de validation configurables.
Cette autonomie constitue à la fois leur levier de valeur et leur source de risque : un agent agit dans votre CRM. La question de gouvernance n’est donc plus « qui peut consulter ces données ? », mais « quels systèmes sont autorisés à agir sur ces données ? ».
Voici les agents préconfigurés les plus pertinents pour les équipes des grandes entreprises, présentés selon leur fonction :
Au-delà de ces solutions, un Agent Marketplace propose des agents plus spécialisés, par exemple pour analyser les transactions perdues, évaluer la santé des comptes clients ou traiter les appels d’offres. Leur disponibilité, leur dénomination et les modalités des offres continuent d’évoluer à mesure que la gamme se développe.
Agent Hub
Agent Hub (en version bêta, anciennement « Breeze Agents ») centralise l’activation, le suivi et la création de ces agents. Il indique quels agents sont actifs tout au long de votre parcours client, les résultats qu’ils produisent et ceux qui sont disponibles sans être encore activés.
Il est inclus pour les clients Professional et Enterprise. Les agents personnalisés consomment des HubSpot Credits en fonction de leur utilisation, ce qui fait du coût un enjeu de gouvernance à part entière, comme nous le verrons plus loin.
Agent builder et workflows agentiques
Deux fonctionnalités d’Agent Hub sont particulièrement importantes pour les équipes des grandes entreprises.
L’agent builder vous permet de créer sans code des agents personnalisés dans un espace de conception unique, à partir de vos propres instructions, de vos sources de connaissances et des données déjà présentes dans votre CRM. Vous pouvez ainsi concevoir un agent autour d’un processus propre à votre entreprise, plutôt que d’une tâche standard.
Les workflows agentiques, qui comprennent une action « Run Agent » (en version bêta), permettent de déclencher un agent au sein d’une automatisation en plusieurs étapes. Vous pouvez, par exemple, lancer automatiquement des recherches sur un compte et une prise de contact lorsqu’une transaction atteint une étape donnée.
C’est à ce stade que les agents cessent d’être des outils isolés pour s’intégrer à vos processus opérationnels. C’est précisément pourquoi leur gouvernance doit être définie de manière réfléchie.
L’ensemble repose sur une couche de contexte pour l’IA : les informations métier utilisées par les agents, des messages de l’entreprise, du ton et des profils de clients idéaux (ICP) aux référentiels de connaissances contenant des informations précises sur les produits, les politiques internes ou l’assistance.
Avec cette couche de contexte, HubSpot reconnaît dans son produit le principe développé dans la section suivante : la qualité des agents dépend de celle des informations mises à leur disposition.
Pourquoi les données de mon CRM ne sont-elles pas prêtes pour l’IA ?
Si les résultats d’un agent semblent peu fiables, la cause tient presque toujours aux données qu’il consulte plutôt qu’au modèle. Les recommandations de HubSpot sont explicites sur ce point : les agents automatisent ce qui existe déjà dans votre CRM. Les problèmes de qualité des données doivent donc être corrigés avant l’activation, et non après.
Cinq situations sont à l’origine de la plupart des difficultés :
La conséquence est préoccupante : des données de mauvaise qualité ne limitent pas seulement la valeur des agents. Elles produisent des erreurs plausibles, plus difficiles à détecter qu’une lacune évidente, qui se propagent ensuite aux prévisions, aux règles d’attribution et aux messages adressés aux clients.
Nous avons expliqué le principe sous-jacent dans notre article sur la nécessité de fiabiliser vos données avant d’exploiter votre IA.
Quelles conditions votre CRM doit-il remplir pour que les agents fonctionnent ?
Voici les prérequis opérationnels, dans l’ordre où nous recommandons de les mettre en place :
Où les équipes des grandes entreprises obtiennent-elles une valeur concrète ?
Lorsque ces conditions sont réunies, les usages suivants produisent des résultats mesurables. Chacun est lié à l’agent qui réalise le travail et au prérequis dont dépend son efficacité.
Résolution des demandes d’assistance : Customer agent
L’automatisation du tri, des réponses et de la résolution réduit le délai de première réponse et permet aux spécialistes de se concentrer sur les cas réellement complexes. Cet usage tend à produire de la valeur plus rapidement, car les données d’assistance sont relativement fiables et les résultats faciles à mesurer.
La gouvernance impose une validation humaine pour tout élément ayant une portée contractuelle ou réglementaire, ainsi qu’une base de connaissances bien tenue à jour pour alimenter l’agent.
Productivité commerciale et pipeline
Prospecting agent libère du temps de vente en prenant en charge les recherches et la rédaction initiale des messages de prospection. Les recommandations de Deal progression transforment les données d’activité en indications sur la meilleure action suivante.
Le prérequis concernant le pipeline est strict : des définitions d’étapes cohérentes et une gestion rigoureuse des dates de clôture dans toutes les régions. À défaut, les recommandations reproduisent les incohérences de vos données avec une assurance injustifiée.
Opérations marketing à grande échelle
La rédaction, la création de variantes et la segmentation raccourcissent les cycles de production des équipes présentes dans de nombreuses régions et travaillant dans plusieurs langues. La rigueur est éditoriale : les agents rédigent, les personnes valident, et les contrôles de conformité à la marque et à la réglementation restent intégrés au workflow.
Notre guide de l’IA dans le marketing détaille les usages par canal.
Qualité et enrichissement des données
L’enrichissement et la déduplication automatisés améliorent la précision du ciblage et préservent la fiabilité des fiches dont dépendent les autres agents. Ils sont particulièrement utiles pour le marketing des comptes stratégiques (ABM).
Vérifiez l’exactitude des données enrichies en les comparant à vos propres fiches de référence fiables avant de les utiliser pour l’attribution ou le scoring. Consultez notre article sur HubSpot Breeze Intelligence pour découvrir leur fonctionnement en pratique.
Visibilité dans les réponses de l’IA : AEO agent
À mesure que les acheteurs interrogent les outils d’IA plutôt que les moteurs de recherche, la visibilité dans ces réponses devient un enjeu de génération de demande.
AEO agent de HubSpot suit cette visibilité et formule des recommandations directement dans la plateforme. Toutefois, obtenir de véritables citations relève de la qualité des contenus et de l’autorité de la marque, et non de l’activation d’une simple option. C’est l’objet de notre accompagnement en AEO et en recherche par IA.
Quelle gouvernance les agents HubSpot exigent-ils ?
Cette section est trop souvent rédigée après un incident plutôt qu’avant le déploiement. Les agents agissent, ce qui accroît les enjeux par rapport à l’IA d’assistance.
Voici sept mesures de contrôle que nous considérons comme non négociables dans une grande entreprise ou un environnement réglementé :
Pour comprendre les mécanismes de sécurité de la plateforme qui sous-tendent ces contrôles, consultez notre article Sécurité de l’IA de HubSpot : ce que les directeurs techniques et les DSI doivent savoir ainsi que notre guide de la sécurité et de la conformité de HubSpot.
Comment organiser le déploiement de l’IA dans HubSpot à l’échelle d’une grande entreprise ?
L’approche efficace consiste à commencer sur un périmètre restreint, à démontrer les résultats et à encadrer le fonctionnement, dans cet ordre.
Comment savoir si le déploiement fonctionne ?
Les indicateurs d’adoption, comme le nombre d’utilisateurs ayant utilisé un agent, vous renseignent peu.
Reliez l’évaluation au résultat opérationnel pour lequel l’agent a été choisi : délai de première réponse et de résolution pour Customer agent ; pipeline qualifié et temps de vente récupéré pour la prospection ; durée du cycle de production pour les contenus ; exhaustivité des données et taux de doublons pour Data agent.
Comparez ces résultats à la situation de référence mesurée avant le déploiement. C’est pourquoi cette mesure fait partie de la préparation et ne doit pas être envisagée après coup.
Établir des fondations solides
Les organisations qui tirent une réelle valeur de l’IA dans HubSpot ne sont pas celles qui ont activé le plus d’agents.
Ce sont celles qui ont corrigé leur modèle de données, sélectionné et tenu à jour leurs sources de connaissances, resserré les autorisations, testé un agent à partir d’une situation de référence mesurée et mis en place sa gouvernance : validations, audit et plafonds de coûts, avant de passer à l’échelle.
HubSpot a accompli le travail complexe de conception d’agents performants. Pour les grandes entreprises, l’essentiel du travail porte désormais sur la préparation et la gouvernance.
Nous accompagnons les équipes des grandes entreprises selon cette même séquence : préparation des données, sélection des agents, conception de la gouvernance et déploiement progressif dans HubSpot.
Notre évaluation de l’utilisation de l’IA permet de déterminer votre situation et les corrections prioritaires. Vous pouvez également échanger directement avec notre équipe.
Questions fréquentes
Qu’est-ce que HubSpot Agent Hub ?
Agent Hub (en version bêta, anciennement appelé Breeze Agents) est l’espace d’activation, de suivi et de création des agents d’IA de HubSpot.
Il indique quels agents sont actifs tout au long de votre parcours client et les résultats qu’ils produisent. Il permet d’activer des agents préconfigurés et d’en créer de personnalisés. Il est inclus pour les clients Professional et Enterprise, les agents personnalisés consommant des HubSpot Credits.
Quelle est la différence entre Breeze Assistant et Breeze agents ?
L’assistant est interactif : vous lui demandez de rédiger, de résumer ou de répondre, et il s’exécute, avec une intervention humaine tout au long du processus.
Les agents sont autonomes : ils exécutent une tâche complète, comme résoudre une conversation d’assistance ou effectuer des recherches sur un prospect et le contacter, dans le respect des garde-fous et des étapes de validation que vous configurez. Cette distinction est importante pour la gouvernance, car les agents agissent dans votre CRM.
Quels agents d’IA HubSpot propose-t-il ?
À la mi-2026, les agents préconfigurés comprennent Customer agent, Prospecting agent, Data agent, Deal progression et AEO agent, ainsi que Content and Social agents et Knowledge Base agent. D’autres agents spécialisés sont proposés dans un Agent Marketplace, avec la possibilité de créer des agents personnalisés.
La disponibilité et les modalités des offres évoluent fréquemment. Vérifiez donc la gamme actuelle dans la documentation de HubSpot.
Les agents d’IA de HubSpot entraînent-ils des coûts supplémentaires ?
Agent Hub est inclus pour les clients Professional et Enterprise, mais la plupart des agents reposent sur un modèle de HubSpot Credits facturés à l’usage. Le coût augmente donc avec l’utilisation.
Certains agents sont facturés en fonction des résultats. Comme les paramètres par défaut peuvent entraîner une augmentation automatique des dépenses lors des pics de volume, fixez des plafonds de crédits et surveillez la consommation dans le cadre de votre gouvernance.
Comment préparer les données CRM pour les agents d’IA ?
Supprimez les doublons pour obtenir une fiche fiable par client, harmonisez les définitions des propriétés et du cycle de vie entre les régions, retirez les champs inutilisés, sélectionnez et tenez à jour les sources de connaissances utilisées par les agents, et classez les données sensibles afin de pouvoir en restreindre l’accès au niveau des champs.
Les agents automatisent ce qui existe déjà dans le CRM. Ces corrections doivent donc précéder l’activation, et non la suivre.
Peut-on utiliser les agents HubSpot en toute sécurité avec des données sensibles ?
Uniquement si les contrôles sont déjà en place. Restreignez l’accès aux champs sensibles, révisez les autorisations, maintenez une intervention humaine pour les actions à fort impact, auditez les actions des agents et évaluez les obligations réglementaires lorsque des données personnelles sont traitées.
Un agent agit dans les limites des accès qui lui sont accordés. Ces accès doivent donc être encadrés avant son activation.
Popular Posts
Lead the Future with AI-Powered Transformation
Dernières idées
AI Solutions
6 min read
Comment être cité dans la recherche IA en 6 étapes (2026)
Découvrez six étapes pour améliorer vos chances d'être cité dans la recherche IA : questions des acheteurs, indexation, contenu original et mesure.
HubSpot Implementations
12 min read
Ce qui peut mal tourner lors d’une migration CRM (et comment l’éviter)
Découvrez les cinq causes évitables d’échec des migrations CRM : données, adoption, périmètre, bascule et gouvernance après la mise en production.
HubSpot Implementations
20 min read
Migrer de Salesforce vers HubSpot : ce que les équipes Enterprise doivent savoir
Vous préparez une migration de Salesforce vers HubSpot ? L’essentiel pour les équipes Enterprise : données, processus, gouvernance et choix du partenaire.
HubSpot Implementations
17 min read
Migration de Dynamics 365 vers HubSpot : ce que les équipes enterprise doivent savoir
Vous envisagez de migrer de Dynamics 365 vers HubSpot ? Voici ce que les équipes enterprise de plus de 200 collaborateurs doivent savoir sur le processus, les coûts et les pièges les plus fréquents
HubSpot Implementations
16 min read
Pourquoi les implémentations CRM échouent (et ce que les équipes enterprise peuvent y faire)
La plupart des implémentations CRM échouent sur l'adoption, pas sur la technologie. Comment les équipes enterprise peuvent diagnostiquer les problèmes d'adoption tôt et intégrer le change management à leur projet CRM.
HubSpot Implementations
6 min read
Huble obtient le badge HubSpot dédié au secteur logiciel
Huble a obtenu le badge HubSpot dédié au secteur logiciel. Voici ce que cela signifie pour les entreprises software et SaaS qui développent leur moteur commercial sur HubSpot.
AI Solutions
9 min read
AEO pour HubSpot : ce que les équipes enterprise doivent faire dès maintenant
Les cinq priorités AEO que les équipes enterprise sur HubSpot doivent traiter pour gagner en visibilité dans ChatGPT, Gemini et Perplexity.
HubSpot Implementations
12 min read
Comment corriger une stratégie GTM défaillante avant d’investir davantage de budget
Un cadre de diagnostic pour aider les équipes enterprise à repérer les désalignements GTM, corriger les failles structurelles et améliorer la croissance du pipeline avant d’augmenter les budgets.
AI Solutions
12 min read
HubSpot AEO vs outils autonomes : quelle approche de la visibilité IA convient réellement à votre entreprise ?
HubSpot AEO, Profound et Peec AI suivent tous votre marque dans la recherche IA. Voici comment ils se comparent et ce qui compte vraiment pour les équipes enterprise.
HubSpot Implementations
23 min read
Comment mesurer le ROI d’une implémentation HubSpot
Découvrez comment mesurer le ROI de votre implémentation HubSpot sur le marketing, les ventes et le service. Un guide pratique pour les dirigeants de grandes entreprises.