Repérez les comptes qui se taisent avant qu’ils ne partent.

Pour un fondateur ou un responsable CS dans une entreprise de moins d’une centaine de personnes, la mission : savoir quels comptes se sont refroidis ce mois-ci (avant le renouvellement, pas après) sans équipe data pour croiser les chiffres en continu.

La mission

« Quels comptes sont devenus plus silencieux ? » est une question pour l’équipe data. Il n’y a pas d’équipe data.

La demande paraît modeste. Y répondre suppose de croiser facturation, support et usage du produit, et de tenir ce croisement à jour : qui s’est moins connecté, qui a cessé d’ouvrir des tickets, chez qui le nombre de sièges a discrètement baissé. Dans une entreprise dotée d’une équipe data, c’est un tableau de bord dont quelqu’un est responsable. Chez vous, c’est un dimanche soir entre trois onglets et un tableur, un exercice si rare que le compte devenu silencieux en mars est repéré au renouvellement de juin, qui ne se signe pas.

Le déroulé

Ce que fait l’agent, outil par outil.

Le signal, c’est une baisse d’activité, et il se trouve déjà dans Pathbound : les événements de chaque source arrivent sur le profil au moment où ils se produisent. L’agent lit d’abord la tendance, puis seulement les comptes qui ont bougé.

  1. #1
    aggregate_data

    Classer les comptes selon leur refroidissement

    Regroupez les événements par compte pour ce mois-ci et pour la période de référence précédente : les comptes en baisse ressortent d’eux-mêmes. Le calcul se fait côté serveur sur tous les comptes sans récupérer un seul profil complet, si bien que passer en revue tout le portefeuille est rapide et gratuit : aucune activation tant que vous ne creusez pas.

  2. #2
    batch_get_details

    Récupérer le contexte des comptes en baisse

    Jusqu’à 25 comptes par appel : offre, nombre de sièges, étape du cycle de vie, l’entreprise derrière le domaine. La liste restreinte n’est plus une colonne d’identifiants, mais les comptes payants dont le renouvellement approche, c’est-à-dire la liste sur laquelle il vaut la peine d’agir.

  3. #3
    get_company_conversations

    Lire le ton, pas seulement le volume

    Un compte peu actif qui s’est aussi tu côté support ne se lit pas comme un compte qui échange encore des réponses cordiales. Rassembler les fils de discussion de tous les contacts de l’entreprise permet de distinguer un vrai désengagement d’un mois calme.

  4. #4
    create_company_note

    Laisser l’analyse là où travaille l’équipe

    Le verdict arrive sous forme de note sur le compte : ce qui s’est refroidi, la raison probable et la prochaine action. Ouvrez le compte lundi, l’analyse est déjà rédigée ; l’envoi des notes vers les CRM synchronisés dans les deux sens est en cours de déploiement.

Lancez-le chaque lundi matin, ou le 1er du mois avant les renouvellements.

Le prompt

Collez-le dans votre agent. C’est toute sa fiche de poste.

D’abord, connectez Pathbound à votre agent : environ cinq minutes, quel que soit le client utilisé par votre équipe. Collez ensuite ce prompt. Voici comment repérer les comptes à risque de façon planifiée : lancez-le comme tâche récurrente chaque lundi matin dans ChatGPT ou Claude, ou comme cron n8n le 1er de chaque mois avant les renouvellements.

Le prompt
Trouvez les comptes dont l’activité a baissé ce mois-ci. Comparez l’activité de chaque compte à son niveau de référence récent et retenez ceux qui ont le plus baissé. Pour chacun, récupérez le détail de l’entreprise (offre, nombre de sièges, étape du cycle de vie) et lisez le ton récent des échanges avec le support et par e-mail pour distinguer un vrai désengagement d’une semaine calme. Classez-les par risque de churn, en donnant plus de poids aux comptes payants proches du renouvellement, et laissez sur chacun une courte note indiquant ce qui s’est refroidi et ce que je devrais faire.
Le résultat

Ce que vous y gagnez.

La question du lundi sur le churn, il suffit désormais de la poser, au lieu d’en faire un projet data que vous repoussez sans cesse. Le compte qui se tait en mars est signalé en mars, quand il est encore temps d’envoyer un vrai e-mail ou de planifier un appel, et non découvert au renouvellement qui ne se signe jamais. Et comme le classement repose sur une agrégation qui ne récupère jamais de profil complet, passer en revue tous les comptes ne coûte rien tant que vous ne choisissez pas de creuser les quelques comptes qui importent.

Compatible avec

Compatible avec n’importe quel client MCP.

Pathbound est un serveur MCP distant unique : la recette s’exécute partout où s’exécute votre agent. Choisissez le produit que votre équipe utilise déjà et suivez les étapes de configuration.

Le vôtre n’est pas dans la liste ? Tout client MCP se connecte de la même façon.

Recettes associées
Questions fréquentes

Signaux de churn, sources et fonctionnement du classement.

L’IA peut-elle me dire quels clients sont sur le point de partir ?

Elle peut vous dire quels comptes sont devenus plus silencieux, ce qui est le premier signal fiable : une baisse des connexions, des tickets et des e-mails par rapport à la référence propre à chaque compte. Cette recette classe les comptes selon cette baisse et lit le ton des échanges avec le support pour distinguer un vrai désengagement d’un mois calme. Pathbound est le MCP données clients que lit l’agent ; la décision vous appartient.

Que veut dire « plus silencieux » ?

Moins d’événements suivis que d’habitude pour ce compte ces derniers temps : sessions produit via Événements, fils de discussion du support depuis Intercom ou Zendesk, e-mails, réunions. L’agent compare la période en cours à la référence propre à chaque compte : un compte naturellement peu actif n’est pas signalé simplement parce qu’il l’est.

Est-ce un CSM IA ?

Non. Pathbound est la couche de contexte que lit votre CSM, ou l’agent de votre CSM : un profil par compte, qui réunit l’activité, les conversations et l’état du CRM nécessaires pour répondre à « quels comptes sont devenus plus silencieux ? ». C’est l’assemblage qui est automatisé ; le jugement et la relation restent à la personne responsable du compte. Si vous utilisez un agent CSM dans Claude, Cowork ou n8n, c’est cette recette qui l’alimente.

Faut-il un entrepôt de données ou une équipe data ?

Non, et c’est tout l’intérêt. Les croisements qu’une équipe data construirait à la main (facturation, support et usage, tenus à jour) sont déjà faits sur le profil. aggregate_data répond côté serveur à la question « quels comptes ont bougé ? » : vous n’exportez pas de CSV pour les croiser à la main. Un entrepôt de données est le bon outil pour une analyse historique approfondie ; ici, il s’agit de la lecture opérationnelle dont vous avez besoin un lundi.

Passer en revue tous les comptes coûte-t-il cher ?

Non. Le classement repose sur aggregate_data, qui n’active aucun profil : c’est gratuit. Vous ne consommez une activation que lorsque vous récupérez un compte complet avec batch_get_details ou get_company, ce que la recette ne fait que pour les comptes réellement en baisse.

Qu’écrit l’agent ?

Une note sur chaque compte à risque, avec create_company_note : ce qui s’est refroidi, la raison probable et une prochaine étape suggérée. La note se trouve sur le profil unifié que lit chaque agent connecté ; l’envoi des notes vers les CRM synchronisés dans les deux sens, comme HubSpot, est en cours de déploiement. Rien d’autre ne change, sauf si vous demandez à l’agent de mettre à jour des champs ou d’envoyer un e-mail.

À quelle fréquence la lancer ?

Un rythme mensuel couvre les renouvellements ; un rythme hebdomadaire repère un churn plus rapide. Les appels sont sans état : une tâche planifiée dans ChatGPT ou Claude, un cron n8n ou votre propre runner conviennent tous. Commencez une fois par mois avec un humain qui relit le résultat, puis resserrez la boucle une fois que vous faites confiance aux analyses.

Essayez-le sur vos propres données

En cinq minutes, votre agent interroge un vrai contexte client.

Inscrivez-vous, connectez un CRM ou ajoutez le snippet d’événements, puis pointez votre client MCP sur mcp.pathbound.ai/mcp.