Cédric Gibiat pilote le Digital, le Marketing client et la Performance commerciale des enseignes de Saint-Gobain Distribution Bâtiment France (SGDBF). Il explique à Soft Atlas comment l’entreprise évalue la place de l’IA dans son futur SFA, a choisi son outil de monitoring GEO, enrichit ses données locales avec Partoo et prépare ses données produits au commerce agentique.
SGDBF évalue actuellement son prochain SFA (Sales Force Automation), c’est à dire l’outil de pilotage commercial pour les forces de vente terrain. Plusieurs éditeurs sont en lice, dont SAP et Salesforce. Mais le benchmark ne porte plus seulement sur les fonctionnalités : l’entreprise cherche à mesurer jusqu’où l’IA peut automatiser la planification des visites, leur préparation, les comptes rendus ou l’analyse du portefeuille client.
Comme nous le verrons plus loin, cette réflexion dépasse le CRM. Elle englobe désormais le GEO, le store locator, la data produit, le search et la BI.
Quelle place pour l’IA dans le futur SFA ?
Les forces de vente terrain utilisent aujourd’hui SAP Cloud for Customer (C4C). Pour sa refonte, SGDBF compare trois approches :
- Buy :
SAP Sales Cloud V2 ou 
Salesforce Sales Cloud, - Make : un développement 100 % interne,
- Hybride : des briques éditeurs complétées par des développements spécifiques.
Le niveau d’IA agentique à intégrer est l’un des principaux critères de choix. L’entreprise étudie en particulier quatre usages autour de la visite commerciale : la planification intelligente, la préparation et le compte rendu automatique de visite et enfin l’analyse assistée du portefeuille client.
La comparaison se déplace donc des fonctionnalités, des workflows et de l’ergonomie vers une autre question : quelles tâches peut-on réellement confier à l’IA, et avec quel gain réel pour l’utilisateur et le client ?
Un TCO devenu difficile à calculer
La place croissante de l’IA complique sérieusement le calcul du coût total de possession (TCO). Aux licences s’ajoutent des coûts variables liés à la consommation des fonctionnalités IA, avec des modèles de tarification qui évoluent au gré des annonces et des partenariats des éditeurs.
« Aujourd’hui, calculer le TCO d’un logiciel sur trois ou cinq ans devient extrêmement difficile. Quel modèle utiliser ? Combien de tokens coûte telle ou telle tâche assistée par l’IA ? Comment le prix évolue-t-il si elle est entièrement confiée à un agent autonome ? »
Difficile, en effet, de prévoir combien de requêtes effectuera un commercial ou quelles fonctionnalités agentiques seront réellement adoptées. La question devient très concrète : sur quels processus l’IA crée-t-elle assez de valeur pour justifier son coût ?
Monitoring GEO : pourquoi Meteoria ?
En parallèle de l’IA intégrée aux outils des vendeurs, SGDBF s’équipe pour répondre à un nouveau défi : le GEO (Generative Engine Optimization), c’est-à-dire la visibilité d’une marque et de ses contenus dans les moteurs et assistants fondés sur l’IA générative.
Après un benchmark approfondi de huit solutions à l’été 2026, les équipes digitales ont retenu 
Meteoria, avec un objectif de déploiement sur toutes les enseignes avant la fin de l’année. Le choix d’un outil unique est délibéré : il évite de multiplier les méthodologies de construction des listes de prompts à suivre.
Deux critères ont été déterminants :
- La méthodologie. Mesurer la visibilité d’une enseigne dans ChatGPT ou d’autres assistants suppose de constituer un échantillon de requêtes. SGDBF a examiné comment chaque solution garantit que ces prompts reflètent réellement son marché, les intentions de ses clients et son univers produits.
- L’actionnabilité. Un tableau de bord indiquant que la visibilité progresse ou recule ne suffit pas. L’outil doit montrer où agir : sur une famille de produits, un fournisseur, une marque, un type d’intention ou, à terme, un prompt stratégique.
Côté contenus, SGDBF travaille en parallèle l’E-E-A-T (expérience, expertise, autorité, fiabilité) : davantage de contenus produits ou incarnés par des experts, et une structuration plus fréquente des FAQ et des réponses aux questions récurrentes des clients.
GEO local : Partoo et le réseau d’agences
Le GEO ne se limite pas aux contenus nationaux ou aux pages produits. Pour un réseau physique de la taille de celui de Saint-Gobain Distribution, la façon dont les moteurs comprennent chaque établissement devient stratégique.
Les agences de SGDBF génèrent plus de 70 millions d’affichages sur Google Maps chaque année, qui se traduisent par plus de 9 millions d’actions : clics vers les sites, demandes d’itinéraire ou appels.
SGDBF s’appuie sur 
Partoo pour gérer et optimiser les informations de ses établissements sur Google et sur d’autres plateformes locales (Apple, Waze, TomTom, HERE). Historiquement, l’enjeu était la fiabilité : horaires, coordonnées, catégories, services, photos.
Avec l’essor des moteurs de réponse et des agents IA, l’objectif évolue vers l’enrichissement : décrire plus finement chaque agence, ses produits et ses services. La question devient : un moteur dispose-t-il d’assez d’informations pour comprendre précisément ce que propose un point de vente ?
Les avis contribuent aussi à cette information locale. Les agences des différentes enseignes cumulent près de 100 000 avis en ligne, avec une note moyenne supérieure à 4/5. En cinq ans de collaboration avec Partoo, certaines enseignes ont amélioré leur taux de réponse et divisé par deux leur délai de traitement des avis.
Donner la main aux équipes en agence
Le prochain défi consiste à rapprocher la production d’informations de ceux qui connaissent le mieux le terrain : les collaborateurs en agences.
Une grande partie des contenus reste aujourd’hui gérée par les équipes marketing centrales ou régionales. Une enseigne Saint-Gobain Distribution va prochainement tester avec Partoo une organisation qui laisse davantage de place aux collaborateurs en agence, mieux placés pour signaler les services réellement disponibles, mettre à jour les informations locales, partager les événements commerciaux et la vie de l’agence et, bien sûr, répondre aux questions des clients de l’agence.
« Pour maximiser la pertinence et l’ancrage local, il faudra demain confier la solution aux collaborateurs en agence. »
Il ne s’agit pas de décentraliser toute la gestion des contenus, mais de permettre aux équipes locales d’y contribuer pour garder une information « à jour, fraîche et vivante ». La réflexion s’étend au store locator et aux pages d’agences, avec un objectif de cohérence entre les fiches Google, les données des établissements, les avis et les pages locales des enseignes.
Vers un « catalogue agentique »
L’IA transforme aussi la gestion de l’information produit. SGDBF utilise 
Stibo comme PIM et a engagé sa transition vers ce que Cédric Gibiat appelle le « catalogue agentique ».
L’entreprise a déjà testé plusieurs développements internes qui utilisent l’IA pour automatiser le scoring et une partie de l’enrichissement des fiches produits. Le sujet rejoint celui du GEO local : pour qu’un agent recommande précisément un produit, un service ou une agence, les données mises à sa disposition doivent lui permettre de relier ce produit, ce service ou cette solution à l’intention de recherche du client.
Du search assisté par l’IA au commerce agentique
Les sites e-commerce de SGDBF utilisent le moteur de recherche de Google, historiquement appelé Vertex AI Search for Commerce, renommé AI Commerce Search en juin 2026 et intégré à 
Gemini Enterprise for Customer Experience.
Le retour opérationnel est très positif :
« Depuis que nous avons déployé cette solution, nous avons divisé par trois le taux de recherches sans résultat. »
Cédric Gibiat souligne aussi la capacité d’apprentissage du moteur, qui a permis aux enseignes de réaliser un véritable saut de performance sur la recherche.
SGDBF veut désormais s’appuyer sur ce socle pour lancer ses premières expériences de commerce agentique d’ici début 2027. Là encore, la réussite dépendra moins de l’ajout d’une fonctionnalité IA que de la qualité et de la structuration des données auxquelles elle accède.
Outils cités dans cette partie
Résumé des logiciels mentionnés dans cet article sur la stack de Saint-Gobain
| État | Workflow | Logiciel | Usage |
|---|---|---|---|
| En usage | CRM / SFA | SAP | Outil de pilotage des forces de vente terrain, dont la refonte est à l'étude. |
| Écarté | CRM / SFA | SAPÉcarté | Solution envisagée pour remplacer C4C, notamment sur les fonctionnalités d'IA agentique. |
| Écarté | CRM / SFA | Salesforce Sales CloudÉcarté | Alternative à SAP pour le futur SFA, comparée sur les capacités d'automatisation et d'IA. |
| En usage | GEO / AI Search Monitoring | Meteoria | Monitoring de la visibilité des enseignes dans les moteurs IA, analyse des prompts et identification des actions d'optimisation. |
| En usage | Presence Management / Reputation Management | Partoo | Gestion des informations locales, optimisation des fiches d'établissements, suivi des avis et enrichissement des données locales. |
| En usage | PIM / Product Information Management | Stibo Systems | Gestion des données produits et préparation d'un catalogue enrichi et exploitable par les agents IA. |
| En usage | E-commerce Search / IA |  Google Antigravity | Moteur de recherche des sites e-commerce. Taux de recherches sans résultat divisé par trois après déploiement. |
| En usage | IA / Commerce agentique | Gemini | Environnement Google intégrant AI Commerce Search, en lien avec les futurs usages de commerce agentique. |
| En usage | Assistant IA / Moteur de réponse |  OpenAI | Moteur dans lequel SGDBF souhaite mesurer et améliorer la visibilité de ses enseignes. |
Inscrivez-vous pour lire la suite
L'inscription est gratuite et vous donne accès à la suite de ce cas d'usage, ainsi qu'à tous les autres articles que nous publions.
S'inscrireDéjà inscrit ? Se connecter
