La semaine dernière j'ai publié une seule ligne sur le nouveau modèle Fable et elle n'a plus arrêté de bouger. La ligne était simple : Fable est le premier modèle qui se comporte comme s'il te disait, je sais ce que je fais, reste en dehors s'il te plaît. Elle a réuni 131 709 impressions et 784 réactions, et les commentaires se sont transformés en débat sur la capacité de l'IA à vraiment mener le travail toute seule. Sous le bruit se trouvait la question qui compte pour moi, quelqu'un qui vend chaque semaine. Si le modèle a enfin l'assurance d'agir sans qu'on le tienne par la main, l'AI SDR qu'on continue tous de nous vendre est-il réel maintenant, ou toujours une démo habillée pour une vidéo de lancement ?
Je dirige Growth Cab, le cabinet GTM que j'ai fondé, et l'outbound pour moi n'est pas de la théorie. Je le fais, mon équipe le fait, et nous construisons les outils que nous utilisons. Donc ceci n'est pas la critique d'un produit vu une fois. C'est ce que j'ai appris en confiant un vrai travail de prospection à un AI SDR bâti sur cette nouvelle classe de modèles, y compris les parties qui me mettent encore mal à l'aise.
in
“Fable is the first model to go like: Bro I know what I'm doing. Stay out of it please. That confidence makes sense when you see how Anthropic shipped it.”
Ce qu'est vraiment un AI SDR aujourd'hui
Un AI SDR est un logiciel qui fait le travail d'un sales development rep. Il choisit les comptes à poursuivre, étudie chacun, écrit le premier message, gère les relances et tente de décrocher le rendez-vous. La catégorie vit sur les slides depuis deux ans. Pendant presque tout ce temps c'était un mail merge avec une page marketing très sûre d'elle, et quiconque faisait du vrai outbound sentait l'écart en une semaine. Les messages étaient génériques, le ciblage était paresseux, et le tout produisait un volume auquel aucun acheteur sérieux ne répondrait jamais.
Ce qui a changé, ce n'est pas la coque logicielle. C'est le modèle en dessous. Les modèles de la classe Fable font de la recherche comme un analyste et prennent les petites décisions qui exigeaient auparavant une personne. Cette seule amélioration explique pourquoi l'AI SDR est passé du gadget à quelque chose que je garde vraiment dans le pipeline.
Pourquoi le saut du modèle est toute l'histoire
Voici le workflow qui m'a convaincu. Nous avons construit une skill au-dessus de Claude qui prend un contact cible et fait une recherche approfondie sur l'entreprise, lit comment ils décrivent leur propre produit, trouve l'événement déclencheur qui mérite d'être cité et rédige un premier message qui n'a de sens que pour cette personne. Si tu envoyais le même message à une autre entreprise, il s'effondrerait, et c'est précisément le point. Une pertinence aussi précise était impossible quand le modèle ne pouvait pas tenir assez de contexte ni raisonner dessus.
Les anciens outils échouaient parce qu'ils ne savaient rien décider. Ils remplissaient un template. Un bon SDR est surtout une suite de petites décisions : ce compte vaut-il l'effort, qu'est-ce qui compte vraiment pour cette personne, est-ce le bon moment, que dire pour mériter une réponse. Les nouveaux modèles réussissent assez de ces décisions pour que le résultat cesse de ressembler à du spam. C'est là le vrai déblocage, et c'est pourquoi un fondateur qui avait écarté cette catégorie l'an dernier devrait la regarder à nouveau.
Les trois tâches que je confie à l'AI SDR
Je ne le laisse pas mener toute la machine. Je lui donne les trois tâches qu'il fait mieux qu'un humain fatigué à 8 heures du matin.
Une, la recherche. Il lit le compte, la personne, les actualités récentes et la pile technologique plus vite que je n'ouvre les onglets, et il me tend du contexte que j'aurais sauté. Deux, le premier brouillon. Il écrit un premier message assez précis pour l'envoyer après une édition rapide, ce qui supprime la taxe de la page blanche qui tue la régularité en silence. Trois, la mémoire des relances. Il suit qui est devenu silencieux, ce qui a été dit et quand relancer, pour que rien ne tombe dans les fissures entre les rendez-vous.
Ces trois-là seules m'ont rendu les deux heures de préparation manuelle qui précédaient chaque bonne journée d'outbound. C'est un chiffre réel, et il se répète chaque matin.
Où l'AI SDR casse encore
Maintenant la partie honnête, parce que les vidéos de lancement ne te la diront jamais. Trois choses cassent encore, et deux sont inscrites dans l'économie de l'affaire.
D'abord, le coût et les limites. Si le résultat est enfin bon, c'est parce qu'il tourne sur le meilleur modèle disponible, et le meilleur modèle est cher et bridé exprès. Mon propre post en plaisantait : tu peux brûler la limite hebdomadaire en une poignée de prompts puis rester en timeout pendant des jours. Pointe un AI SDR totalement autonome sur une grande liste et tu rencontres ce mur vite. La qualité à l'échelle coûte de l'argent réel, et celui qui promet un volume personnalisé illimité pour un tarif bas et fixe baisse le modèle en silence pour que les comptes tiennent.
Ensuite, le jugement sur quand se taire. Le modèle est bon pour décider quoi dire et faible pour décider s'il faut dire quoi que ce soit. Il écrira un message assuré et bien documenté à un compte que n'importe quel rep expérimenté sauterait. Laissé seul, il optimise pour l'activité, et l'activité contre la mauvaise liste, c'est comme ça que tu brûles un domaine et une réputation en même temps.
Enfin, la vraie conversation. L'AI SDR peut ouvrir un fil. Il ne sait pas encore tenir l'échange humain et brouillon qui transforme une réponse en rendez-vous fixé, lire l'hésitation derrière une réponse courte, ou savoir quand lâcher le pitch et se rendre simplement utile. Dès qu'une vraie personne répond avec quelque chose d'inattendu, il faut un humain pour reprendre le volant.
Comment je le pilote vraiment
Donc la configuration qui marche pour moi n'est pas un robot qui remplace l'équipe. C'est l'AI SDR qui fait la recherche, les brouillons et la mémoire des relances, tandis qu'un humain possède la liste cible et chaque conversation en direct. Le modèle apporte l'assurance dont mon vieux post plaisantait. J'apporte le jugement sur où le pointer. Cette répartition du travail fixe des rendez-vous dont je suis fier, et elle le fait sans les deux heures de corvée.
Si tu évalues l'un de ces outils, teste-le contre cette ligne. Demande-lui de prospecter dix comptes et lis ce qu'il produit. Si les messages auraient pu être envoyés à n'importe qui, le modèle en dessous est trop faible ou le fournisseur l'a baissé pour économiser. Si chaque message appartient clairement à une seule entreprise, tu as devant toi la vraie chose, et ça vaut la peine de construire autour.
À toi de jouer
Tout le débat sous ce post sur Fable se résumait à un instinct : les gens veulent savoir s'ils peuvent enfin faire confiance à l'IA pour mener le travail. Pour la prospection, la réponse est un oui prudent, tant que tu gardes le jugement et les conversations humains. Commence par la recherche et les brouillons cette semaine et mesure le temps de préparation que tu récupères.
Chaque jour je décortique une play de revenue IA comme celle-ci dans The Revenue AI Brief, la newsletter quotidienne pour les opérateurs B2B, y compris les prompts exacts derrière notre skill de prospection. Laisse ton email professionnel ci-dessous et l'édition de demain arrive dans ta boîte. Et si tu penses que je me trompe sur les endroits où l'AI SDR casse, dis-le-moi sur LinkedIn. Je réponds à tout.
