Pourquoi on a décidé d'avoir plus de CSM que de commerciaux chez Feedae

Le problème que personne ne veut regarder en face

J'ai acheté beaucoup de logiciels dans ma vie d'entrepreneur, des bons, des moins bons, des très chers et pas chers.

À chaque fois, la même mécanique : une belle démo, un contrat signé, un onboarding expédié en deux heures (quand il y a un), un accès aux ressources d'auto-formation, et puis… le plus souvent plus rien.

Quelques mois plus tard, l'outil tourne mais on l'utilise à 20 % de ce qu'il peut faire. On a payé pour 100 %. Je ne suis pas une exception, c'est l'état normal du marché.

Une étude récente (CloudNuro, 2025) mesure ça précisément : 51 % des licences SaaS achetées par les entreprises restent inutilisées. Sur les outils analytiques précisément, ceux qui demandent justement le plus d'accompagnement, le taux de gaspillage monte à 54%.

Ce n'est pas un problème technique, c'est un problème d'adoption.

L'adoption, c'est là que commence le vrai travail

Les éditeurs SaaS ont longtemps sous-estimé une réalité simple : les gens n'ont plus le temps de s'approprier les outils qu'on leur vend.

Les chiffres les plus récents sont sans appel.

Le Microsoft Work Trend Index 2025 (Breaking Down the Infinite Workday, juin 2025, enquête sur 31 000 salariés dans 31 pays) documente ce qu'il appelle la "journée de travail infinie" :

• Un salarié est interrompu toutes les 2 minutes en moyenne pendant ses heures de travail.
• Il reçoit 117 emails et 153 messages Teams par jour.
• 48 % des employés et 52 % des managers décrivent leur travail comme "chaotique et fragmenté".

À cela s'ajoute la recherche de Gloria Mark, Chancellor's Professor à UC Irvine, publiée dans son livre Attention Span (2023) : notre capacité d'attention moyenne sur un écran est tombée à 47 secondes. En 2004, c'était 2'30". Sans commentaires.

Dans ce contexte, un onboarding SaaS de deux heures ne suffit plus. Et sur un outil analytique IA, ça ne suffit pas d'apprendre où cliquer. Il faut se poser des questions structurantes que personne ne se pose spontanément :

• Quels sont les motifs d'appels qui émergent vraiment chez nous ? Pas les 8 catégories qu'on a figées il y a trois ans, celles que les clients disent, aujourd'hui.
• Quels sont les irritants invisibles ? Ceux qu'aucun reporting historique ne remonte parce qu'ils n'étaient dans aucune case.
• Où se joue la satisfaction client ? Sur quel moment précis de l'appel elle bascule.
• Ma grille qualité mesure-t-elle ce qui compte ? Ou une exigence théorique sans corrélation avec la satisfaction réelle ?
• Qu'est-ce que je dois faire remonter au Comex ? Et comment ?

Ce ne sont pas des questions de tuto, ce sont des questions de réorganisation métier.

L'IA déverrouille un accès à des milliers de verbatims et des dizaines de dimensions analysables. Laissée seule, n'importe quelle équipe se noie. C'est une remise en cause des process, pas un paramétrage.

C'est exactement ce que les éditeurs ne fournissent pas, parce que c'est cher, parce que ça scale mal, parce que le modèle SaaS classique préfère investir dans le sales qui ramène l'ACV suivant.

Le saut d'échelle que permet l'analyse conversationnelle

Parce que c'est important de dire ce qui change, en vrai, dans un service client qui passe à l'analyse conversationnelle.

Aujourd'hui, dans la majorité des services clients, on écoute manuellement 2 % des appels. Le reste passe sous les radars. Les responsables qualité écoutent 20 appels, discutent avec 3 agents, et construisent un reporting qui représente une goutte d'eau.

Quand on passe à 100 % d'appels analysés :

• On découvre des motifs d'appels qu'on n'avait jamais catégorisés.
• On identifie des irritants qu'aucune enquête post-appel n'aurait fait remonter.
• On met le doigt sur l'écart entre qualité délivrée (ce que fait le conseiller) et qualité perçue (ce que ressent le client) et là, parfois, on prend une claque.

Ça ne se gère pas en ouvrant un dashboard. Ça se construit.

Le choix qu'on a fait chez Feedae

Quand on a construit Feedae, on s'est dit : on ne reproduira pas le pattern SaaS classique. On a pris quatre décisions qui, sur le papier, vont contre les standards.

1. Plus de CSM que de commerciaux

Le benchmark le plus récent du marché, le Gainsight Customer Success Index 2024 (publié en collaboration avec Benchmarkit, basé sur 17 034 CSMs analysés) indique qu'un CSM gère en médiane 1,4 M$ d'ARR dans une société SaaS, et jusqu'à 4,2 M$ dans le quartile supérieur.

Chez nous, on a un ratio plus serré que ça, assumé parce qu'on vend un outil qui nécessite un vrai travail de co-construction, pas un SaaS transactionnel.

2. Des CSM qui interviennent dès l'avant-vente, pas seulement après la signature

Chez Feedae, nos CSM ne débarquent pas le jour de la signature. Ils interviennent aux côtés des commerciaux dès les phases de réflexion du prospect.

Ce n'est pas un détail d'organisation, c'est une conviction.

La peur numéro un d'un directeur customer care qui s'engage sur une plateforme d'analyse conversationnelle, ce n'est pas le prix. Ce n'est pas la feature qui manque. C'est l'angoisse de se retrouver, six mois après la signature, seul devant un dashboard qu'il ne sait pas interpréter, avec une équipe qualité qui attend des instructions qu'il n'a pas.

On connaît cette peur, on l'entend à chaque avant-vente. Alors on la désamorce concrètement.

Quand un CSM Feedae, qui a 20 ans de relation client dans les jambes, s'assoit à la table d'un RFP ou d'une deuxième démo, la conversation change. On ne vend plus une fonctionnalité, on raconte comment ça va se passer chez eux, avec leurs équipes, sur leurs motifs d'appels, avec leurs contraintes Comex.

Le futur client arrête de comparer des grilles de features. Il commence à se projeter dans une relation de travail, et c'est là, avant même la signature, que l'adoption commence.

3. Des CSM qui viennent du terrain, pas du SaaS

C'est sans doute notre choix le plus radical.

Nos CSM ne sont pas d'ex-CSM qui ont appris à parler relation client. Ce sont des gens qui ont fait la relation client. 20 à 30 ans de métier. Managers d'équipe, responsables qualité, directeurs de centres de contact.

Quand ils parlent à un directeur customer care chez Nocibé, Cdiscount, Diot-Siaci ou Acadomia, ils ne découvrent pas le vocabulaire. Ils l'ont pratiqué.

Ça change tout. Le client ne nous explique pas son métier, on le comprend. On challenge ses grilles d'évaluation, on propose des angles qu'il n'avait pas envisagés, on relie ce qu'on voit dans ses appels à ce qu'il tente de piloter au Comex.

4. Un accompagnement long et terrain, pas un onboarding express

Pas de "48h et ça tourne". Un vrai parcours :

• Kick-off avec identification d'un porteur qualité et d'un porteur voix du client côté client.
• Écoutes terrain sur site chez nos clients. Nos équipes vont écouter les appels en conditions réelles sur site. C'est là que le paramétrage devient pertinent.
• Comités de pilotage mensuels pour cruncher la donnée en profondeur et identifier les plans d'action.
• Météo clients hebdomadaire en interne : chaque semaine, l'équipe revoit ensemble la santé de chaque compte, les signaux, les risques. Ça nous oblige à voir venir.

Ce qu'on voit au bout de 18 mois

• Nos clients renouvellent à une écrasante majorité.
• Ils étendent leur usage, sans qu'on les pousse à upseller parce que d'autres équipes internes (marketing, produit, Comex) commencent à demander accès aux insights.
• Nos CSM sont devenus des interlocuteurs que les clients sollicitent, pas qu'ils subissent.

Pour moi, c'est ça la vraie preuve du product-market fit d'un SaaS IA. Ce n'est pas la signature. Ce n'est pas la démo réussie. C'est le mois 12.

Le moment où le client, de lui-même, vous dit : "J'ai besoin d'un point avec ton équipe, on veut creuser un nouveau cas d'usage."

La contrepartie qu'on assume

Ce modèle coûte un peu plus cher que la moyenne au début. Il rend notre scaling plus lent que celui d'éditeurs qui font du volume transactionnel. On le sait. On le choisit.

Parce qu'on a vu ce que produit l'autre modèle : des clients déçus 6 mois après la signature, des renouvellements arrachés, du churn caché dans des extensions artificielles.

Et parce qu'on est convaincus d'une chose : dans l'IA appliquée à la relation client, ce qui fait la différence, ce n'est pas le modèle. C'est ce qu'on en fait.

Un bon modèle sans accompagnement métier, ça produit des dashboards que personne ne regarde.

Un accompagnement métier sans bon modèle, ça produit des analyses limitées.

Les deux ensemble, ça produit des décisions.

Et c'est ça qu'on vend chez FEEDAE, des décisions.

‍