IA pour les commandes B2B en gros : quoi automatiser, quoi faire valider, quoi garder

Que fait vraiment l'IA pour les commandes B2B en gros ?

L'IA pour les commandes B2B en gros est un agent IA dans votre boîte de réception de support qui répond aux questions des détaillants sur leurs commandes en lisant leur compte, leurs commandes et vos règles de prix, puis répond, prépare une commande pour qu'une personne la confirme, ou transmet le ticket avec les faits en pièce jointe.

Je construis les intégrations qui permettent à une IA de lire les boutiques et les systèmes de commandes, et les boîtes de réception du gros sont parmi les plus intéressantes que j'aie vues. Les questions paraissent routinières, mais la réponse à presque chacune dépend de la personne qui la pose. Un consommateur qui demande « combien ça coûte ? » obtient le prix de la page. Un détaillant qui pose la même question a un prix qui appartient à son compte, un minimum à atteindre et des conditions qui décident quand il paie.

Voici ce qui arrive typiquement dans une boîte de réception de gros :

• « Pouvez-vous envoyer la même commande que le mois dernier, mais avec 20 % de bougies en plus ? »
• « Où est la PO 4471 ? Il nous la faut avant le week-end. »
• « Quel est maintenant mon prix pour la bouteille de 500 ml ? »
• « Dois-je acheter les mugs par six ? »
• « Pouvez-vous renvoyer la facture 1092 ? La comptabilité ne la trouve pas. »
• « Nous aimerions passer à 60 jours. Est-ce possible ? »
• « La moitié de la palette est arrivée écrasée. »

La plupart des guides sur le sujet énumèrent des types de questions comme ceux-ci, puis s'arrêtent là. Ce qu'ils omettent, c'est que la même question peut être sûre ou risquée selon le compte qu'elle touche. « Quel est mon prix ? » est une consultation de deux secondes pour un acheteur vérifié et une fuite de données pour un inconnu qui a deviné une adresse e-mail. Le reste de cet article porte sur le tracé de ces limites.

Quelles questions de gros l'IA peut-elle clore, et lesquelles vont à une personne ?

Triez selon ce dont dépend la réponse. Si la réponse est un fait déjà présent dans vos systèmes, l'IA peut la clore. Si elle crée ou modifie une commande, l'IA la prépare et une personne la confirme. Si elle change ce qu'un client vous doit ou ce qui lui est permis, une personne décide.

Cela correspond à la façon dont les clients d'eesel qui ont des acheteurs professionnels organisent leur dispositif. Rúngne, marque norvégienne de vêtements d'escalade sur Gorgias et Shopify, fait tourner un agent de tri qui étiquette un ticket B2B « si le client est un partenaire », et les tickets B2B n'atteignent jamais l'agent qui répond publiquement aux clients. Question Beauty fait dire à son agent aux acheteurs en gros qu'un collègue va les aider, attribue le ticket et laisse une note avec ce qu'il a trouvé dans Shopify.

Ce sont deux points de départ prudents, et je pense que c'est juste pour la première semaine. Une fois que vous faites confiance aux consultations, la première voie peut aussi s'ouvrir aux acheteurs B2B, à condition que la vérification de compte ci-dessous soit en place.

Voici un trieur rapide pour votre propre boîte de réception. Choisissez la question la plus proche du ticket que vous avez sous les yeux :

La voie du milieu a le plus de pièces mobiles, c'est pourquoi les réassorts ont leur propre section plus bas. Pour les conversations d'argent de la dernière voie, le guide d'eesel sur les litiges de facturation va plus loin. Si un acheteur s'est déjà tourné vers sa banque, lisez ensuite le guide des litiges de paiement.

Comment l'IA sait-elle quel détaillant écrit ?

Elle associe l'expéditeur à un compte entreprise avant de lire quoi que ce soit sur ce compte, et traite un expéditeur non reconnu comme inconnu. Tout le reste du support en gros, des prix aux factures en passant par les conditions, dépend de cette correspondance.

Le modèle B2B de Shopify donne une bonne image de ce que l'IA doit respecter. Dans Shopify B2B, chaque acheteur professionnel appartient à une entreprise, et le commerce auquel vous vendez réellement est un site de l'entreprise. Selon le guide des entreprises de Shopify, chaque site « peut avoir son propre numéro fiscal, ses exonérations de taxes, son adresse de livraison, son adresse de facturation, ses prix, ses conditions de paiement et ses contacts ». Une entreprise peut avoir jusqu'à 10,000 sites, et chaque site jusqu'à 50 clients et 25 catalogues.

Les contacts ont aussi des autorisations différentes. Un contact avec Commande uniquement peut acheter pour le site et voir les commandes qu'il a passées. Un Administrateur du site peut voir les commandes passées par tous pour ce site et mettre à jour ses adresses.

Cela donne une règle simple que j'écrirais mot pour mot dans les instructions de l'IA : ne dites jamais à un acheteur quoi que ce soit que son propre identifiant ne lui montrerait pas. Si un assistant d'achat avec accès en commande uniquement pose une question sur une commande passée par un collègue, l'IA ne doit pas non plus la décrire ; elle peut dire que la commande existe sous un autre contact et proposer de l'associer.

En pratique, la vérification se déroule ainsi :

1. Associer l'e-mail de l'expéditeur à un contact d'un compte entreprise.
2. S'il n'y a pas de correspondance, demander le numéro de compte ou de client, ou transmettre le ticket à une personne. Ne pas deviner à partir du seul domaine de l'e-mail, car le propriétaire d'un magasin peut écrire d'une adresse personnelle et un ancien employé peut encore avoir une adresse de l'entreprise.
3. Si la correspondance est ambiguë (un e-mail sur deux sites d'entreprise), demander de quel magasin il s'agit. Shopify fait de même à la connexion, en invitant les acheteurs ayant accès à plusieurs sites à en choisir un.
4. Ne jamais envoyer de documents du compte à une nouvelle adresse. « Envoyez la facture à mon e-mail personnel » est une phrase classique d'ingénierie sociale, et c'est une décision pour une personne. Le guide de récupération de compte explique pourquoi.

BEAUTEK est l'exemple le plus net que j'aie vu de cela en production. C'est un fournisseur B2B de Siegen, en Allemagne, qui vend depuis 2006 des tables de soin, des fauteuils et du mobilier d'institut. Lorsqu'un gérant d'institut pose une question sur une commande dans le chat du site, eesel demande son adresse e-mail, exécute une courte vérification d'identité, puis lit la commande dans le propre système de commandes de BEAUTEK : « numéro de commande, date, statut, numéro de suivi, date d'expédition et si le paiement est encore ouvert ». Entre le 8 août et le 8 septembre 2026, il a répondu à 77 chats du site et préparé environ 110 tickets Zendesk, tous en allemand.

D'où l'IA doit-elle tirer les prix de gros ?

Du prix que le compte possède déjà : le catalogue de l'entreprise, une grille de prix à paliers ou le prix client de votre ERP. L'IA doit lire ce nombre et l'indiquer, jamais en calculer un à partir d'un pourcentage de remise ou d'une règle empirique.

C'est la partie du support en gros que la plupart des démos d'IA sautent, et c'est là que je passerais l'essentiel du temps de configuration. Les règles de prix de gros s'empilent de façon à rendre « appliquer simplement la remise » faux plus souvent qu'on ne le croit. La documentation sur les prix de catalogue de Shopify en montre trois :

• Les prix fixes l'emportent sur les ajustements en pourcentage. L'exemple de Shopify lui-même : des bougies se vendent $10, un catalogue B2B applique 20% de remise sur tout, mais une bougie a un prix fixe de $9. Une IA qui calcule « 20 % de remise sur $10 » annonce $8 pour cette bougie. La bonne réponse est $9.
• Le prix le plus bas gagne entre les catalogues. Si un site a deux catalogues avec le même produit à $9 et $7, l'acheteur voit $7. Une IA qui ne lit qu'un catalogue annonce le mauvais.
• Les paliers de volume suivent le catalogue le moins cher. Les règles de quantité et les paliers de prix affichés viennent du catalogue qui a le prix le plus bas pour cette variante.

Le prix par volume a aussi son propre piège. Le guide des quantités et des prix par volume de Shopify autorise jusqu'à 10 paliers de prix par produit, et ils s'appliquent par variante. Voici l'exemple de Shopify lui-même :

« Les clients doivent atteindre la quantité requise pour chaque variante afin de bénéficier du palier de prix », dit le guide. Ainsi, 10 chapeaux bleus et 10 chapeaux gris font deux lignes de 10 à $20, pas une ligne de 20 à $18.50. Un détaillant qui demande « si je commande 20 chapeaux, ai-je le meilleur prix ? » mérite la bonne réponse. Une IA qui lit la règle la donne correctement là où une IA qui calcule se trompe souvent.

Voici maintenant le point inconfortable, côté ingénierie. Vérifiez quel prix votre IA voit réellement. Beaucoup de connexions d'IA à une boutique lisent le prix propre à la variante du produit, qui est généralement votre prix de détail, pas le prix du catalogue B2B que l'acheteur paie. Si c'est ce que lit votre configuration, l'IA annoncera le prix de détail à un acheteur en gros avec une parfaite assurance. La connexion Shopify d'eesel, par exemple, lit les produits avec « variantes, codes de référence, prix et descriptions ». Avant de laisser une IA annoncer un prix professionnel, demandez-lui un prix que vous connaissez déjà sur un compte B2B et comparez les deux.

Si le prix de l'acheteur se trouve là où l'IA ne peut pas lire, il y a deux options honnêtes :

1. Lui donner la grille de prix comme connaissance, étiquetée par niveau. Poseidon Animal Health, qui vend des compléments pour chevaux aux États-Unis, en Australie et en Nouvelle-Zélande depuis une seule boîte de réception Gorgias, étiquette chaque ticket détail ou gros, et par région. eesel lit l'étiquette et n'utilise que le contenu de cette région, et « les clients grossistes sont traités comme des grossistes ».
2. Renvoyer l'acheteur vers son propre portail. IC Intracom, entreprise de matériel réseau, fait envoyer par son agent toute personne qui demande des tarifs professionnels vers la page d'inscription de compte revendeur ou entreprise au lieu d'annoncer un chiffre.

L'une ou l'autre vaut mieux qu'un faux prix annoncé avec assurance. Un faux prix de gros n'est pas une faute de frappe, c'est un problème de marge sur chaque carton de la commande, et l'acheteur à qui l'on a annoncé $8 vous le fera honorer.

L'IA peut-elle gérer les réassorts et les modifications de commande ?

Oui, sous forme de brouillons. L'IA peut retrouver la dernière commande, appliquer la modification de l'acheteur, la vérifier avec les règles de quantité et préparer un brouillon au prix du compte. Une personne le confirme avant tout débit ou toute expédition.

Les réassorts sont la demande que j'automatiserais en premier dans la voie du milieu, car ils sont fréquents et les données sont déjà en dossier. Prenons « comme le mois dernier, plus 20 % sur les bougies ». La ligne du mois dernier était de 25 bougies. Plus 20 %, cela fait 30. Mais les bougies se vendent par cartons de 12, donc 30 n'est pas une quantité valide.

Shopify applique cela au paiement. D'après les règles de quantité par multiple, « si vos produits sont emballés par multiples de 10, vous pouvez régler la règle de multiple sur 10 pour que les clients doivent acheter 10, 20, 30 produits à la fois ». Les minimums et les maximums fonctionnent de la même façon, par variante.

L'IA ne doit pas arrondir à la place de l'acheteur. Elle doit demander : « Les bougies se vendent par cartons de 12, donc 30 n'est pas disponible. Souhaitez-vous 24 ou 36 ? » Cette seule question évite un aller-retour après l'échec du brouillon au paiement, ou pire, après que quelqu'un à l'entrepôt a modifié discrètement la quantité.

Une fois les quantités valides, le brouillon de commande est le bon contenant. Les brouillons de commande B2B de Shopify reprennent automatiquement les prix, conditions de paiement et options de paiement de l'entreprise quand un site de l'entreprise est attribué. L'envoi d'une facture ou d'un lien de paiement verrouille les prix par défaut, de sorte qu'un changement de prix ultérieur ne déplace pas un devis que l'acheteur a déjà. Si une personne doit proposer un prix négocié, elle définit un prix personnalisé sur la ligne, et cette partie reste humaine.

Dans eesel, les actions Shopify comprennent Create Draft Order, décrite comme « laissée à une personne pour confirmation », ainsi que Get Order History et Search Orders pour retrouver la dernière commande. Le paiement reste dans Shopify, donc l'acheteur paie via votre facture ou lien de paiement habituel.

Les modifications de commande suivent le même schéma, avec une vérification de plus : a-t-elle été expédiée ? Update Shipping Address et Cancel Order d'eesel ne fonctionnent que sur les commandes qui n'ont pas encore été préparées. Pour un compte de gros, je mettrais quand même les deux derrière une validation. Une adresse de livraison modifiée sur une palette de $4,000 vaut les dix secondes de coup d'œil d'une personne.

Une dernière chose à vérifier avant de promettre un statut : Shopify permet de régler un site d'entreprise sur « Soumettre toutes les commandes en brouillon pour examen ». Ces acheteurs voient un bouton Soumettre pour approbation au paiement au lieu de passer la commande. Si l'IA lit cette commande comme « pas encore expédiée » sans dire qu'elle attend votre examen, l'acheteur ira relancer l'entrepôt au lieu de votre équipe commerciale.

Que doit dire l'IA sur les factures, les délais de paiement et le crédit ?

Elle peut dire à un acheteur ce qui est déjà vrai : les conditions de son compte, la date d'échéance d'une facture, si elle est payée et où payer. Elle ne doit rien changer de tout cela. Accorder des conditions, relever une limite, lever un acompte ou passer un solde en perte sont des décisions pour une personne.

Les conditions sont simples à lire et coûteuses à se tromper. Dans Shopify, les conditions de paiement B2B peuvent être aucune (payer maintenant), net 7, 15, 30, 45, 60 ou 90 jours, à l'expédition ou une date fixe sur un brouillon de commande. Les délais « commencent le jour où la commande est passée ». Un acheteur à 30 jours qui a commandé le 2 octobre doit payer au 1er novembre, et l'IA peut le dire exactement ainsi.

Quelques détails du même document qui changent ce que l'IA doit dire :

• Les acheteurs peuvent payer plus tôt. Pendant le délai, ils peuvent se connecter et cliquer sur Payer maintenant sur la commande. Après l'échéance, ils peuvent encore payer, mais la commande apparaît comme En retard. Un ticket « comment payer la facture 1092 ? » est une consultation avec un lien, pas un transfert.
• Le paiement n'est pas prélevé automatiquement à l'échéance. Si un acheteur a enregistré une carte, quelqu'un doit la débiter dans l'administration. Donc « vous serez débité automatiquement le 30 » est ce que l'IA ne doit pas dire, sauf si votre propre configuration le fait.
• Les acomptes changent la première réponse. Un site peut exiger un acompte en pourcentage au paiement, par exemple 20%, le reste à terme. La commande apparaît alors comme Partiellement payée.

Vient maintenant la partie risquée. Une phrase large dans votre base de connaissances devient une promesse. Lors d'un appel commercial d'eesel, une équipe de support technique B2B a décrit son bot confirmant la prise en charge de marques de voitures absentes de sa base de données, parce que la base de connaissances disait « nous prenons en charge tous les modèles ». Le gros a exactement le même piège. Si votre FAQ dit « les comptes professionnels ont 30 jours net », une IA proposera 30 jours à un détaillant approuvé uniquement pour paiement par carte à la commande. Écrivez la règle telle qu'elle est : « Les délais de paiement sont fixés par compte après une étude de crédit. L'IA peut lire les conditions existantes, pas en proposer. »

L'autre chose que j'écrirais dans les instructions est encore plus simple, et elle vient du retour d'un administrateur de support e-commerce à eesel sur un agent IA qui promettait trop :

"stop promising customer things we cant do. we cannot guarantee this customer's order to them by friday"

Il en va de même pour l'argent. L'IA ne doit pas dire « je suis sûr que nous pouvons vous accorder 60 jours » ni « je déduirai cela de votre prochaine facture ». Elle doit dire qui décide et transmettre le ticket avec les conditions actuelles du compte, le solde ouvert et l'historique des commandes dans la note. Cela transforme une recherche de dix minutes en une décision d'une minute pour votre responsable financier ou commercial.

Si une partie de vos commandes de gros arrive par une place de marché, vérifiez à qui appartient le paiement avant que l'IA ne réponde. Sur Faire, les détaillants paient Faire, pas la marque. Ils choisissent le paiement à l'expédition ou net 60, que les détaillants « doivent demander et faire approuver par Faire pour l'utiliser ». Faire dit aux marques que si un détaillant les contacte au sujet d'un paiement, elles doivent « les diriger vers notre équipe ». Un détaillant Faire qui pose une question sur sa facture est donc renvoyé vers Faire, et votre IA ne doit pas lui annoncer vos propres conditions.

À quoi l'IA doit-elle se connecter ?

Au service d'assistance où écrivent les détaillants, au système qui contient les commandes, et à ce qui contient les prix et conditions de chaque compte. Le suivi et la facturation complètent le reste. Si les prix ou les conditions se trouvent là où l'IA ne peut pas lire, cette voie reste à une personne jusqu'à ce qu'elle le puisse.

Le côté boutique est généralement le plus facile à connecter. L'intégration Shopify d'eesel consulte en direct les commandes, la préparation et les variantes de produits. Ses consultations de commandes couvrent une commande par numéro, l'historique de commandes d'un client par e-mail, et une recherche par code produit, statut, date ou étiquette. Côté service d'assistance, eesel travaille dans votre configuration Zendesk, Gorgias ou Freshdesk existante plutôt que de la remplacer.

Si vous vendez en gros sur une autre plateforme, le panorama du support pour BigCommerce couvre les options. Les boutiques WooCommerce ont leur propre panorama.

La partie expédition recoupe le support aux consommateurs, donc le guide du suivi de commande et l'article sur les notifications de retard d'expédition s'appliquent presque sans changement. La différence en gros, c'est le numéro de PO. Les détaillants citent leur propre bon de commande et non votre numéro de commande, alors assurez-vous que la PO se retrouve quelque part où l'on peut la chercher, comme une étiquette ou une note de commande, sinon l'IA ne pourra pas trouver « PO 4471 ».

Comment le mettre en place sans risquer un mauvais devis ?

Commencez avec l'IA qui prépare et une personne qui envoie, ouvrez d'abord la voie des consultations, gardez chaque action d'écriture derrière une validation et testez sur vos propres anciens tickets de gros avant qu'aucune réponse ne parte seule. Les déploiements d'eesel prennent de 2 à 8 semaines entre la connexion et la confiance dans la première voie sans supervision.

1. Récupérez 200 à 500 anciens tickets de gros et triez-les dans les trois voies. Vous découvrirez vite votre répartition réelle, et cette répartition dit quelle voie ouvrir en premier.
2. Écrivez les règles comme des règles. Qui compte comme acheteur vérifié, d'où viennent les prix, ce que l'IA ne doit jamais faire (accorder des conditions, modifier des prix, envoyer des documents à de nouveaux e-mails) et qui reçoit chaque transfert. Le guide d'eesel sur les bonnes pratiques de transfert propose des formulations qui fonctionnent.
3. Étiquetez les tickets de gros dès leur arrivée. L'agent de tri de Rúngne étiquette à partir d'une liste fixe, B2B compris, avant toute autre chose. Les étiquettes permettent d'orienter le B2B vers son propre agent, ses propres connaissances ou une personne. Plus de détails dans l'étiquetage de tickets par IA pour l'e-commerce.
4. Réglez les actions d'écriture sur Needs approval. Dans les Actions and Approvals d'eesel, chaque action est Auto, Needs approval ou Disabled. Avec Needs approval, l'agent prépare le brouillon de commande ou la réponse et une personne voit exactement ce qu'il veut faire, puis choisit Approve, Always allow ou Deny, depuis le tableau de bord, Slack ou le terminal.
5. Rejouez les tickets du mois dernier avant la mise en service. eesel permet d'exécuter un agent sur des tickets historiques et de lire ce qu'il aurait dit, ce qui permet d'attraper un prix de détail annoncé à un acheteur professionnel. Le guide des tests par simulation traite des tailles d'échantillon.
6. Ouvrez d'abord la voie des consultations. Statut de commande, conditionnements et copies de factures pour les acheteurs vérifiés. Passez les réassorts en brouillons quand les consultations sont propres, et gardez la dernière voie humaine pour de bon.

Le dispositif de BEAUTEK montre ce que cela donne après quelques mois. Son chat de site répond en direct aux questions sur les produits et les commandes. Dans Zendesk, chaque ticket reçoit un brouillon de réponse et une note interne, et une personne l'envoie. Quand quelqu'un veut un devis, une consultation ou une plus grosse commande, eesel recueille ses coordonnées et ouvre un ticket Zendesk étiqueté comme lead commercial. Il a créé 20 tickets Zendesk à partir du chat en un mois, la plupart des leads commerciaux. Ce dernier flux est la version B2B de « l'IA prépare, une personne confirme », et c'est celui que je copierais en premier.

Si vous voulez un plan de déploiement plus complet, le guide du calendrier de mise en œuvre le détaille semaine par semaine, et les workflows de validation du support client traitent de qui valide quoi.

Comment savoir si cela marche ?

Mesurez la justesse des prix et les réponses sur un mauvais compte avant de mesurer le taux de résolution. Une IA de gros qui clôt beaucoup de tickets mais annonce un mauvais prix sur certains vous coûte de l'argent au lieu d'en économiser.

Les chiffres que je suivrais, dans cet ordre :

• Justesse des prix. Chaque prix annoncé par l'IA dans un échantillon de tickets, vérifié par rapport au catalogue du compte. L'objectif est tous.
• Réponses sur un mauvais compte. Toute réponse qui a touché un compte autre que celui de l'expéditeur. L'objectif est zéro, et un seul est une raison de faire une pause.
• Taux d'acceptation des brouillons. À quelle fréquence une personne envoie le réassort ou la réponse de l'IA sans modification. Cela indique quand une voie est prête pour moins de relecture.
• Taux de résolution sur la voie des consultations. Statut de commande, conditionnements et factures clos sans personne. Le guide d'eesel sur le taux de résolution de l'IA explique comment le compter honnêtement.
• Délai de première réponse pour les détaillants. Les acheteurs en gros passent souvent commande pour les ventes du week-end, donc une réponse le vendredi après-midi compte plus qu'une le lundi.

Si vous comparez des outils pour ce travail, commencez par le panorama d'eesel sur la meilleure IA pour le support B2B. Les boutiques uniquement Shopify peuvent passer directement au panorama du support Shopify.

Le côté consommateur de la même boutique utilise la même approche par voies. Le guide sur la gestion des retours répartit les retours par motif, et celui sur les questions avant achat couvre les clients qui n'ont pas encore acheté.

Essayer eesel pour le support des commandes en gros

Si vos détaillants vous écrivent à propos de commandes, de prix et de factures, eesel fonctionne comme un collègue de support qui se branche sur votre service d'assistance et votre boutique Shopify. Il consulte leurs commandes en direct, répond aux questions de conditionnement et de statut, prépare les réassorts pour que votre équipe les confirme et transmet les conditions de paiement et le crédit à une personne avec l'historique du compte joint. C'est le dispositif que BEAUTEK utilise pour des gérants d'instituts dans toute l'Europe, les demandes de devis arrivant dans Zendesk comme leads commerciaux.

Les offres démarrent à $299 par mois pour 500 crédits sur la page tarifs d'eesel, où un ticket ou un chat vaut un crédit, et l'essai gratuit inclut 100 crédits pour tester sur vos propres tickets de gros. Essayer eesel