Comment mettre en place un lead scoring par IA dans n8n ?

Réponse rapide : vous pouvez créer un workflow de lead scoring par IA dans n8n en reliant un déclencheur (formulaire, webhook ou événement CRM) à un nœud d'IA qui évalue chaque lead selon vos critères, puis en réécrivant automatiquement le score et son raisonnement dans votre CRM. Le workflow tourne sans intervention humaine et se configure en moins d'une heure.

La plupart des systèmes de lead scoring sont soit trop rigides (des valeurs de points fixes qui ignorent le contexte), soit trop chers (des outils d'IA d'entreprise facturés par utilisateur). n8n se situe entre les deux : une plateforme d'automatisation auto-hébergeable, où vous assemblez dans un seul workflow un déclencheur, un modèle d'IA et une réécriture dans le CRM.

Ce guide explique pas à pas comment construire ce workflow, du choix du déclencheur à la rédaction du prompt pour l'IA, jusqu'au renvoi des scores vers HubSpot, Salesforce ou le CRM que vous utilisez.

Qu'est-ce que le lead scoring par IA dans n8n ?

Le lead scoring par IA dans n8n consiste à utiliser un nœud de grand modèle de langage (LLM) au sein d'un workflow n8n pour évaluer les données des leads entrants et leur attribuer un score selon les critères que vous définissez. Contrairement au scoring à base de règles (par exemple « taille de l'entreprise > 100 = 10 points »), l'IA lit tout le contexte d'un lead et raisonne sur son adéquation comme le ferait un bon SDR.

Le workflow comporte trois éléments essentiels :

Déclencheur : un événement qui se lance à l'arrivée d'un nouveau lead
Nœud de scoring par IA : un LLM qui lit les données du lead et renvoie un score accompagné de son raisonnement
Réécriture : un nœud CRM qui met à jour la fiche du lead avec le score

Ce qu'il vous faut avant de commencer

Avant de commencer, vérifiez que vous disposez des éléments suivants :

Une instance n8n (cloud ou auto-hébergée, version 1.0 ou supérieure)
Une clé d'API pour un LLM (OpenAI, Google Gemini ou Anthropic Claude fonctionnent tous)
Un CRM avec accès à l'API (HubSpot, Salesforce, Pipedrive ou équivalent)
Une source de leads définie (Typeform, JotForm, webhook ou déclencheur CRM)
Une grille de scoring écrite (vos critères d'ICP en langage clair)

La grille de scoring est l'étape que la plupart des gens sautent. Rédigez-la avant d'ouvrir n8n. Elle doit couvrir les signaux qui comptent pour votre activité : secteur, taille de l'entreprise, intitulé de poste, indicateurs de budget, adéquation avec le cas d'usage et tout facteur disqualifiant.

Étape 1 : configurer votre nœud déclencheur

Le déclencheur lance le workflow. Choisissez celui qui correspond à l'endroit où vos leads apparaissent en premier.

Option A : déclencheur webhook

Utilisez-le si votre source de leads peut envoyer une requête POST (c'est le cas de la plupart des outils de formulaire). Dans n8n :

Ajoutez un nœud Webhook comme premier nœud
Réglez la méthode sur POST
Copiez l'URL du webhook et collez-la dans le point de terminaison de soumission de votre outil de formulaire
Testez en soumettant un faux lead et vérifiez que les données arrivent bien dans n8n

Option B : déclencheur d'outil de formulaire (Typeform ou JotForm)

Ajoutez un nœud Typeform ou JotForm
Authentifiez-vous avec votre compte
Sélectionnez le formulaire précis à surveiller
Réglez le déclencheur sur « On Form Submission »

Option C : déclencheur CRM (nouveau lead dans HubSpot)

Ajoutez un nœud déclencheur HubSpot
Réglez-le pour se lancer sur « Contact Created » ou « Deal Created »
Authentifiez-vous et testez

Quel que soit le déclencheur choisi, assurez-vous que la sortie inclut les champs dont votre nœud d'IA aura besoin : nom de l'entreprise, intitulé de poste, taille de l'entreprise, secteur, ainsi que les champs de texte libre comme « Quel est votre principal défi ? »

Étape 2 : enrichir les données du lead (facultatif mais recommandé)

Les données brutes d'un formulaire sont souvent maigres. Si votre formulaire ne recueille que le nom, l'e-mail et l'entreprise, l'IA dispose de peu de signaux pour travailler.

Ajoutez une étape d'enrichissement entre votre déclencheur et votre nœud d'IA :

Nœud Clearbit ou Apollo.io : récupère la taille de l'entreprise, le secteur, la stack technologique et les données de financement à partir du domaine de l'e-mail
Recherche LinkedIn via un outil comme Phantombuster ou Clay (connecté par un nœud HTTP Request)
Nœud HTTP Request vers votre propre source de données, si vous en avez une

Regroupez les champs enrichis dans un seul objet pour que le nœud d'IA reçoive tout dans une entrée claire.

Étape 3 : construire le nœud de scoring par IA

C'est ici que le scoring a lieu. n8n prend en charge nativement OpenAI, Anthropic, Google Gemini et d'autres LLM via ses nœuds d'IA.

Configurer le nœud

Ajoutez un nœud AI Agent ou un nœud de message basique OpenAI / Anthropic
Connectez vos identifiants d'API
Choisissez votre modèle (GPT-4o, Claude 3.5 Sonnet et Gemini 1.5 Pro gèrent tous bien les sorties structurées)

Rédiger le prompt système

Le prompt système définit le rôle de l'IA et sa logique de scoring. Voici un modèle fonctionnel que vous pouvez adapter :

You are a lead qualification expert for [Company Name].

Your job is to score inbound leads on a scale of 1 to 10 based on how well they match our ideal customer profile (ICP).

ICP criteria:
- Ideal industry: [e.g. B2B SaaS, professional services]
- Ideal company size: [e.g. 50-500 employees]
- Ideal job title: [e.g. Head of Sales, VP Revenue, Founder]
- Budget signal: [e.g. mentions budget, has funding, revenue above $1M]
- Use case fit: [e.g. looking to automate outbound, replace manual processes]

Disqualifiers (score 1-2 regardless of other signals):
- [e.g. student, freelancer with no team, competitor]

Scoring guide:
- 9-10: Strong ICP match, clear budget signal, decision-maker
- 7-8: Good ICP match, some gaps, worth a follow-up
- 5-6: Partial fit, nurture rather than immediate outreach
- 3-4: Weak fit, low priority
- 1-2: Disqualified

Return your response as valid JSON only, in this format:
{
  "score": [number 1-10],
  "tier": "[Hot / Warm / Cold / Disqualified]",
  "reasoning": "[2-3 sentence explanation of the score]",
  "recommended_action": "[e.g. Assign to AE immediately / Add to nurture sequence / Disqualify]"
}

Rédiger le message utilisateur

Dans le champ du message utilisateur, référencez les données du lead à l'aide d'expressions n8n :

Score this lead:

Name: {{ $json.name }}
Email: {{ $json.email }}
Company: {{ $json.company }}
Job Title: {{ $json.job_title }}
Company Size: {{ $json.company_size }}
Industry: {{ $json.industry }}
Message / Use Case: {{ $json.message }}

Analyser la réponse JSON

Ajoutez un nœud Code après le nœud d'IA pour convertir la chaîne JSON en champs exploitables :

const aiResponse = $input.first().json.message.content;
const parsed = JSON.parse(aiResponse);

return [{
  json: {
    lead_score: parsed.score,
    lead_tier: parsed.tier,
    score_reasoning: parsed.reasoning,
    recommended_action: parsed.recommended_action
  }
}];

Si l'IA renvoie parfois un JSON mal formé, encadrez l'analyse d'un try/catch et dirigez les échecs vers une alerte Slack ou une file de vérification manuelle.

Étape 4 : orienter les leads selon leur score

Avant de réécrire dans votre CRM, ajoutez une étape de routage pour que chaque niveau déclenche des actions différentes.

Ajoutez un nœud IF ou Switch après le nœud Code
Définissez des conditions fondées sur lead_tier:
- Hot (score de 8 à 10) : mise à jour immédiate du CRM et notification Slack à l'AE
- Warm (score de 5 à 7) : mise à jour du CRM et inscription à une séquence d'e-mails
- Cold (score de 3 à 4) : mise à jour du CRM et tag de nurturing à faible priorité
- Disqualified (score de 1 à 2) : mise à jour du CRM et statut clos/perdu

Grâce à ce routage, votre équipe commerciale ne voit que les leads qui méritent son temps.

Étape 5 : réécrire le score dans votre CRM

C'est cette étape qui rend le workflow vraiment utile. Un score qui reste dans n8n ne sert à rien. Il doit se trouver dans votre CRM, là où travaille votre équipe.

Réécriture dans HubSpot

Ajoutez un nœud HubSpot
Réglez l'opération sur Update Contact
Associez le contact à l'aide de l'e-mail issu des données de votre déclencheur
Ajoutez des champs de propriétés personnalisées :
- ai_lead_score → {{ $json.lead_score }}
- ai_lead_tier → {{ $json.lead_tier }}
- ai_score_reasoning → {{ $json.score_reasoning }}
- ai_recommended_action → {{ $json.recommended_action }}

Vous devrez d'abord créer ces propriétés personnalisées dans HubSpot. Si vous avez besoin d'une aide extérieure pour mettre en place proprement les mises à jour du CRM et l'automatisation du cycle de vie, il peut être utile de consulter des agences de marketing ops spécialisées dans le B2B SaaS.

Réécriture dans Salesforce

Ajoutez un nœud Salesforce
Réglez l'opération sur Update Lead ou Update Contact
Associez les mêmes champs à des champs personnalisés de l'objet Lead
Utilisez l'e-mail du lead ou son identifiant Salesforce comme clé de recherche

Réécriture dans Pipedrive

Ajoutez un nœud Pipedrive
Réglez l'opération sur Update Person ou Update Deal
Associez les champs de score aux champs personnalisés que vous avez créés dans Pipedrive

Étape 6 : prévenir votre équipe

Un score dans le CRM, c'est bien. Pour les leads chauds, un message Slack au bon AE, c'est mieux.

Après la réécriture dans HubSpot, sur la branche Hot :

Ajoutez un nœud Slack
Réglez le canal sur celui de votre équipe commerciale ou sur un message direct au commercial concerné
Utilisez un modèle de message comme :

🔥 New Hot Lead (Score: {{ $json.lead_score }}/10)

Name: {{ $('Trigger').item.json.name }}
Company: {{ $('Trigger').item.json.company }}
Title: {{ $('Trigger').item.json.job_title }}

AI Reasoning: {{ $json.score_reasoning }}
Recommended Action: {{ $json.recommended_action }}

View in HubSpot: [link]

Comment tester votre workflow avant la mise en production

N'activez pas le workflow sans l'avoir testé sur des exemples de leads réels.

Utilisez le Manual Trigger de n8n pour exécuter le workflow avec des données de test statiques
Testez au moins cinq profils de leads : un Hot évident, un Disqualified évident et trois cas limites
Vérifiez que la sortie de l'IA est à chaque fois un JSON valide (sinon, resserrez le prompt)
Vérifiez que les champs du CRM se mettent à jour correctement pour chaque contact de test
Vérifiez que la notification Slack ne se déclenche que pour les leads Hot

Une fois les cinq tests réussis, activez le workflow et contrôlez manuellement les 20 premiers leads réels pour confirmer que le scoring correspond au jugement de votre équipe.

Problèmes courants et solutions

L'IA renvoie du texte au lieu de JSON : ajoutez « Return valid JSON only, no markdown, no explanation outside the JSON object » à la fin de votre prompt système.

Les scores semblent incohérents : votre grille est probablement trop vague. Ajoutez des exemples explicites au prompt système : « A score of 9 means: Head of Sales at a 200-person SaaS company with a stated budget. »

La mise à jour du CRM échoue : vérifiez que vos propriétés personnalisées existent dans le CRM avant l'exécution du workflow. n8n renverra une erreur si le champ cible n'existe pas.

Les données d'enrichissement sont manquantes : créez une branche de repli avec un nœud IF qui vérifie si l'enrichissement a renvoyé des données. Si ce n'est pas le cas, transmettez les données brutes du formulaire à l'IA, en précisant dans le prompt que l'enrichissement n'était pas disponible.

FAQ

Qu'est-ce que le lead scoring par IA dans n8n ?
Le lead scoring par IA dans n8n est un workflow dans lequel les données des leads entrants sont transmises à un nœud LLM, qui évalue le lead par rapport à vos critères d'ICP et renvoie un score numérique accompagné de son raisonnement. Le score est ensuite réécrit automatiquement dans votre CRM, sans aucune étape de vérification manuelle.

Quel modèle d'IA fonctionne le mieux pour le lead scoring dans n8n ?
GPT-4o, Claude 3.5 Sonnet et Gemini 1.5 Pro produisent tous une sortie JSON structurée fiable pour le lead scoring. GPT-4o est le plus constant dans le respect de consignes strictes de format JSON. Claude 3.5 Sonnet tend à rédiger un raisonnement plus nuancé. L'un comme l'autre convient très bien à ce cas d'usage.

Puis-je utiliser le lead scoring par IA de n8n sans CRM ?
Oui. Si vous n'avez pas de CRM, vous pouvez écrire les scores dans un Google Sheet. Ajoutez un nœud Google Sheets à la fin du workflow et ajoutez une nouvelle ligne contenant les données du lead et les champs de score. C'est une solution légère en attendant d'adopter un CRM complet.

Comment empêcher l'IA de scorer deux fois le même lead ?
Ajoutez une vérification de doublons avant le nœud d'IA. Utilisez une recherche dans HubSpot ou Airtable pour vérifier si un contact ayant cet e-mail a déjà un score. Si c'est le cas, utilisez un nœud IF pour ignorer l'étape d'IA et terminer le workflow.

Ce workflow convient-il à de gros volumes de leads ?
n8n gère les exécutions simultanées, le workflow s'adapte donc à votre volume de leads. Le facteur limitant est la limite de débit de l'API de votre LLM. Au-delà de 500 leads par jour, ajoutez un nœud Wait ou utilisez le mode file d'attente de n8n pour éviter d'atteindre ces limites. Si vous comparez aussi les outils à utiliser pour les audits techniques ou l'accompagnement autour de ce dispositif, consultez ce comparatif : Screamingfrog, SEMRush ou AHREFS.