Les chats Telegram sont devenus un canal stable de génération de leads avec un bot AI à 5 000 roubles

Les chats Telegram peuvent être bien plus qu'un simple endroit pour converser—ils peuvent être un canal de vente opérationnel. L'auteur de cette étude de cas montre comment une agence a construit un bot IA qui surveille les chats ouverts de l'entreprise, filtre les demandes de services et fournit un flux constant de leads qualifiés pour environ 5000 roubles (~50-60 USD) par mois.

Où chercher la demande

L'idée est née d'une observation simple : dans les chats Telegram spécifiques à une industrie, il y a régulièrement des demandes de prestataires, de conseils et d'aide. Pour les équipes B2B, ce sont pratiquement des tableaux d'affichage en direct où entrepreneurs, managers et décideurs communiquent. Le problème est que ces demandes se perdent parmi des milliers de réponses.

Lire manuellement des dizaines de chats est coûteux et chronophage, et il n'a pas de sens d'embaucher un employé uniquement pour la surveillance. C'est pourquoi presque tout le monde a accès à ces canaux, mais peu les utilisent systématiquement. Au lieu d'adopter un service tiers avec un ROI peu clair, l'équipe a décidé de tester son hypothèse en interne.

En une journée de travail, un analyste métier de l'entreprise a construit un bot qui écoute les chats ouverts à partir d'une base de données partagée, passe les messages par une série de filtres et envoie aux managers uniquement ceux qui ressemblent à de véritables demandes de services. Ensuite, une personne décide si elle doit engager un dialogue et faire une offre par message privé.

Comment fonctionne la sélection

La véritable valeur du système s'est avérée être non pas juste la lecture des chats, mais la logique de filtrage du bruit. Telegram contient trop de débris : annonces d'emploi, publicités, bavardages, blagues et spam. Le bot fonctionne donc en plusieurs étapes et ne tente pas de tout déverser dans l'entonnoir du CRM. D'abord, il nettoie le flux, puis vérifie le sens du texte, et enfin évalue si le message est vraiment une demande d'aide plutôt que juste une discussion sur un sujet.

"Le bot n'écoute que les chats ouverts d'affaires de ma base de

données personnelle et de celle que les employés ont construite."

• Un filtre antispam supprime les messages avec excès d'emojis, style publicitaire et listes d'emplois en modèle standard.
• La lemmatisation ramène les mots à leur forme de base et aide à saisir le sens même si l'auteur écrit avec des erreurs ou du jargon.
• Une base de données d'environ 200 lemmes clés relie les messages aux services de l'agence : du marketing de performance à l'audit et à l'analyse.
• L'analyse d'intention recherche des formules comme « j'ai besoin », « je cherche » et « recommandez » pour séparer la demande véritable de la bavardage insignifiant.

Après la notation, le message passe par une vérification finale via un prompt avec la liste des services de l'agence. Si le modèle juge la demande pertinente, le bot l'envoie à un messenger d'entreprise, pas directement au CRM. C'est un détail important : les managers reçoivent une file d'attente compacte pour validation manuelle et peuvent changer la logique sans développeur si nécessaire. Selon l'auteur, les équipes et prompts sont stockés dans Google Sheets, donc les employés eux-mêmes ajoutent de nouveaux services, des lemmes clés et gèrent l'activation ou l'arrêt du bot.

Économie et résultats

Le projet a un budget pratiquement au niveau d'un microservice. Le développement initial a demandé environ 100 dollars de travail d'analyste métier, le serveur coûte environ 5 dollars par mois, et les frais OpenAI sont 20–50 dollars par mois. Au total, cela représente environ 5000 roubles de coûts mensuels. En comparaison, un manager dédié ou un développeur externe aurait coûté beaucoup plus cher, en particulier en tenant compte de la surveillance constante de dizaines de milliers de messages.

Le bot traite des dizaines de milliers de messages par mois, en laissant environ 800–1000 après deux niveaux de filtrage, puis aide les managers à trouver 15–22 demandes qualifiées mensuellement. Parmi les messages qui ont atteint le traitement manuel, 5–8% s'avèrent pertinents, et parmi ceux-ci, 50–60% deviennent des leads pour l'agence. En raison du volume élevé de bruit, les auteurs ont délibérément décidé de ne pas connecter l'outil directement au CRM—sinon les débris auraient faussé les statistiques et gaspillé du temps à l'équipe de ventes.

Ce que cela signifie

L'étude de cas montre que les chats Telegram peuvent devenir un canal peu coûteux de génération de leads B2B si vous n'essayez pas d'automatiser complètement mais laissez la décision finale aux humains. Cette approche fonctionne mieux où les clients se trouvent dans des chats thématiques : marketing, publicité, immobilier, conseil. L'atout principal ici n'est pas le modèle lui-même, mais une logique de filtrage correctement configurée et une opération peu coûteuse que l'équipe peut maintenir sans implication constante du développeur.