Cinq projets concrets que j'ai menés.

Contexte

Quand j'ai pris la direction commerciale du segment, j'étais seul AE sur le portefeuille public France. L'UGAP venait d'élargir son cadre langues, le portefeuille de projets grossissait, mais nous n'avions ni méthodologie partagée, ni outils standardisés, ni profil-type pour recruter.

Problème

Recruter trois Account Executives en 12 mois capables de tenir des cycles longs (6-18 mois), multi-décideurs, dans un environnement réglementaire complexe. Les bons profils pour le secteur public ne ressemblent pas à ceux du privé : moins de hunters, plus de farmers patients.

Approche

• Définition d'une grille de recrutement à 3 questions filtrantes (publiée dans cet article)
• Plan d'onboarding 90 jours structuré en 3 phases (immersion / accompagnement / autonomie)
• Formation interne sur la mécanique centrales d'achat avec un playbook documenté
• Mise en place de 1-1 hebdomadaires non négociables et d'un débriefing GROW post-call client

Résultat

Trois AE recrutés et onboardés sur 12 mois, sans démission. Productivité opérationnelle atteinte à 4 mois en moyenne (vs 6+ chez d'autres acteurs du secteur). Méthodologie de vente partagée entre l'équipe, qualifiable en revue hebdo via MEDDPICC adapté au secteur public.

Contexte

Le secteur public français est immense — administrations centrales, ministères, opérateurs, collectivités, hôpitaux, universités, agences. Sans priorisation, l'équipe ratisse large et fait peu.

Problème

Comment scorer 1 200+ comptes pour qu'un AE sache dès le lundi matin sur quoi prospecter, avec quel angle, et quelle est la valeur attendue ?

Approche

• Excel MasterFile structuré par typologie (centrale, opérateur, collectivité, santé, éducation)
• Score d'éligibilité centrales d'achat basé sur la commande publique récente
• Score de priorité (taille, budget formation, signaux faibles type RAP/Bilan Social)
• Angles commerciaux pré-rédigés et adaptables
• Tests à grande échelle sur des comptes pilotes (MEAE, GRDF, SNCF, Ministère de la Culture, Institut Pasteur)

Résultat

Outil utilisé quotidiennement par l'équipe AE/AM. Réduction du temps de qualification d'environ 60%. Premiers contacts qualifiés sur 14 institutions tests, plusieurs deals matures à 6 mois.

Contexte

2025 marque le tournant IA en secteur public : la DINUM pousse les solutions souveraines (La Suite Numérique), les ministères déploient Copilot, les collectivités s'interrogent sur leur stack. La formation linguistique doit s'inscrire dans cet écosystème.

Problème

Construire un pitch et une offre crédibles techniquement face à des DSI et DRH qui ne supportent plus le discours IA générique. Comment positionner goFLUENT comme partenaire stratégique IA, pas comme un fournisseur de cours ?

Approche

• Cartographie des intégrations possibles (Microsoft Copilot, plateformes souveraines, La Suite Numérique) avec leurs cas d'usage formation
• Construction d'un deck de 15 slides intégrant les données Cegos Baromètre 2026 et notre vision IA
• Préparation d'arguments souveraineté pour les comptes ministériels (hébergement France, RGPD, données)
• Piloter avec deux institutions test pour itérer le pitch

Résultat

Pitch validé en interne et utilisé sur les rendez-vous stratégiques 2026. Deux deals en cours d'instruction sur le segment ministériel. Positionnement progressif de goFLUENT comme acteur IA-natif en formation publique.

Contexte

L'équipe maniait BANT par défaut — efficace en B2B classique, inadapté au secteur public où le cycle implique 5-7 décideurs (prescripteur, acheteur public, décideur, financier, utilisateur, juridique).

Problème

Doter l'équipe d'un cadre méthodologique partagé qui colle aux réalités du secteur public, sans qu'on perde 6 mois en formation théorique.

Approche

• Document Word de 12 sections, en français, avec exemples concrets tirés de cas centrales d'achat réels
• Comparaison BANT / MEDDPICC / SPIN / Challenger Sale avec recommandation d'usage par phase de cycle
• Repositionnement de goFLUENT en partenaire stratégique RH plutôt qu'en fournisseur de cours
• Discovery scripts spécifiques aux acheteurs publics (questions ouvertes adaptées)

Résultat

Playbook adopté par l'équipe et utilisé en revue de portefeuille de projets hebdo. Qualification améliorée — moins de deals fantômes en portefeuille de projets. Première version publiée en interne, déjà 2 itérations.

Contexte

La veille concurrentielle prenait deux jours par mois à mon équipe — recherche manuelle sur SIRENE, scraping de sites concurrents, synthèse à la main. Pas scalable.

Problème

Automatiser la veille pour récupérer les données financières et juridiques de chaque concurrent, et générer une synthèse exploitable en 30 secondes.

Approche

• App web vanilla HTML/JS, hébergée en interne
• Connecteur SIRENE pour les données financières et juridiques
• API Claude pour synthétiser les données en analyses lisibles (positionnement, force/faiblesse)
• Tableau de bord avec scoring multi-critères (Prix, Valeur technique, Qualité de service, PMDD)

Résultat

Temps de veille divisé par 10. Battle cards générées automatiquement et utilisées en réunion d'équipe avant tout deal stratégique. Premier exemple concret d'IA appliquée dans mon équipe — ce qui a aussi alimenté ma crédibilité IA en pitch client.