Intégration IA dans ERP / CRM — Connecter les LLMs à SAP, Odoo, Salesforce, HubSpot

#Intégration IA par ERP — SAP, Odoo, Sage

Chaque ERP a son propre modèle de données, son propre système d'API, et ses propres contraintes. L'intégration IA doit être spécifique à chaque plateforme.

#SAP — BAPI, OData, et SAP AI Core

SAP est l'ERP le plus répandu dans les ETI et grands comptes français. L'intégration IA dans SAP passe par plusieurs canaux d'API. Les BAPI (Business Application Programming Interfaces) exposent les fonctions métier SAP (création de commande, consultation de stock, mise à jour fiche client) — le serveur MCP-SAP encapsule les appels BAPI comme outils IA. L'API OData (Open Data Protocol) expose les données SAP en REST/JSON — idéal pour l'interrogation en langage naturel et le RAG. SAP AI Core (pour les clients SAP BTP) offre une infrastructure managée pour déployer des modèles IA — Nehos peut l'utiliser comme backend IA au lieu d'une infrastructure séparée.

Cas d'usage IA concrets sur SAP. Interrogation du stock en langage naturel : "Quel est le niveau de stock de la référence X dans l'entrepôt de Toulouse ?" → l'agent IA appelle la BAPI BAPI_MATERIAL_AVAILABILITY et retourne le résultat en langage naturel. Automatisation de la saisie de commandes : un agent IA reçoit les bons de commande par email (PDF ou texte libre), extrait les informations (références, quantités, adresse de livraison) via un LLM, et crée la commande dans SAP via la BAPI BAPI_SALESORDER_CREATEFROMDAT2 — le gestionnaire commercial valide en un clic au lieu de saisir manuellement. Prédiction de rupture de stock : un agent IA analyse les historiques de ventes, les tendances saisonnières, et les délais fournisseur pour générer des alertes proactives de risque de rupture.

#Odoo — XML-RPC, REST API, et OCA

Odoo est l'ERP open source en croissance la plus rapide en France, particulièrement dans les PME et ETI de moins de 500 employés. L'API XML-RPC d'Odoo expose tous les modèles (res.partner, sale.order, account.invoice, stock.move) en lecture et écriture. Le serveur MCP-Odoo développé par Nehos expose ces modèles comme outils IA : search_partners(domain: string), create_sale_order(partner_id: int, lines: array), get_invoice_status(invoice_id: int).

Cas d'usage IA sur Odoo. Assistant comptable IA : les comptables interrogent Odoo en langage naturel ("Liste les factures impayées de plus de 30 jours", "Quel est le solde du compte 411000 ?") et l'agent IA exécute les requêtes Odoo correspondantes. Automatisation des relances : un agent IA identifie les factures en retard, rédige des emails de relance personnalisés (ton adapté au montant et au nombre de relances précédentes), et les envoie via le module email d'Odoo — le comptable supervise et valide. Enrichissement automatique des contacts : quand un nouveau contact est créé dans Odoo, un agent IA recherche les informations complémentaires (SIRET, adresse du siège, effectif, secteur d'activité via l'API Sirene ou Societe.com) et complète la fiche.

#Sage — API REST Sage Business Cloud

Sage (Sage 100, Sage X3, Sage Business Cloud) est l'ERP historique des PME françaises. Sage Business Cloud expose une API REST JSON pour les modules comptabilité, gestion commerciale, et paie. Le serveur MCP-Sage encapsule ces APIs comme outils IA accessibles aux agents. Pour les versions on-premise (Sage 100, Sage X3), l'intégration passe par les APIs SOAP ou les connecteurs SQL directs (avec les précautions de sécurité nécessaires — lecture seule recommandée pour les agents IA, écriture via des procédures stockées validées).

#Intégration IA par CRM — Salesforce, HubSpot

#Salesforce — SOQL, REST API, et Einstein

Salesforce est le CRM dominant dans les ETI et grands comptes. L'API REST Salesforce expose tous les objets standard et custom (Account, Contact, Opportunity, Case, Lead) en CRUD. Le serveur MCP-Salesforce développé par Nehos expose ces objets comme outils IA et traduit les requêtes en langage naturel en SOQL (Salesforce Object Query Language).

Cas d'usage IA sur Salesforce. Préparation de rendez-vous commercial : le commercial demande "Prépare un brief pour mon RDV avec le client ABC demain" → l'agent IA compile l'historique des interactions (emails, appels, tickets) depuis Salesforce, identifie les pain points mentionnés, résume le pipeline en cours, et génère un brief de 1 page avec les recommandations d'approche. Scoring prédictif des leads : un agent IA analyse les données historiques de conversion (quels leads sont devenus clients, quels attributs corrèlent avec la conversion) et attribue un score de probabilité de conversion à chaque nouveau lead — le commercial priorise les leads à forte probabilité. Automatisation des relances post-démo : après une démo, un agent IA rédige un email de suivi personnalisé incluant un résumé de la démo, les pain points identifiés, et les prochaines étapes — le commercial valide et envoie en un clic.

#HubSpot — REST API, Workflows, et Operations Hub

HubSpot est le CRM de référence pour les PME B2B et le mid-market. L'API REST HubSpot v3 expose les contacts, entreprises, deals, tickets, et activités marketing (emails, formulaires, landing pages) en CRUD. Le serveur MCP-HubSpot développé par Nehos expose ces objets et s'intègre avec les workflows HubSpot pour l'automatisation.

Cas d'usage IA sur HubSpot. Qualification automatique des leads inbound : un agent IA analyse les informations des leads (formulaire rempli, pages visitées, entreprise identifiée via enrichissement) et détermine s'ils correspondent à l'ICP (Ideal Customer Profile) — les leads qualifiés sont routés vers le commercial approprié, les autres reçoivent un nurturing automatique. Résumé d'engagement par compte : pour chaque compte client, l'agent IA agrège les interactions marketing (emails ouverts, pages visitées, contenus téléchargés), les interactions commerciales (appels, emails, rendez-vous), et les tickets support pour générer un score de santé du compte et des recommandations d'actions. Rédaction de séquences email : un agent IA génère des séquences de prospection email personnalisées basées sur le secteur d'activité du prospect, ses pain points supposés (déduits du contenu consulté), et le ton de la marque.

#MCP — Le protocole qui connecte les LLMs aux systèmes métier

Le Model Context Protocol (MCP) est le standard ouvert développé par Anthropic pour connecter les LLMs à des systèmes externes. En 2026, MCP est supporté par Claude (Anthropic), adopté par la communauté open source, et en cours d'adoption par d'autres providers IA.

#Architecture MCP pour ERP/CRM

Un serveur MCP est un service léger qui expose les fonctionnalités d'un système (ERP, CRM, base de données) sous forme d'outils structurés. Chaque outil est défini par un nom, une description en langage naturel, des paramètres typés (JSON Schema), et une implémentation qui exécute l'action correspondante dans le système cible. Le LLM décide quels outils utiliser et avec quels paramètres en fonction de la demande de l'utilisateur — c'est le LLM qui orchestre, pas un workflow pré-programmé.

Exemple concret : un serveur MCP-Odoo expose l'outil get_overdue_invoices(days_overdue: int, min_amount: float). L'utilisateur demande : "Quelles factures de plus de 5 000 euros sont en retard de plus de 45 jours ?". Le LLM identifie qu'il doit utiliser l'outil get_overdue_invoices avec les paramètres days_overdue=45 et min_amount=5000, appelle le serveur MCP, reçoit les résultats, et formule une réponse en langage naturel avec un tableau formaté. L'utilisateur n'a pas à connaître l'interface Odoo, la structure de données, ni le langage de requête.

#Sécurité MCP — Authentification et autorisations

La sécurité est critique quand un agent IA a accès en écriture à un ERP/CRM. Le serveur MCP intègre plusieurs niveaux de sécurité. Authentification : chaque appel MCP est authentifié (API key, OAuth2, ou JWT selon le système cible). Autorisations granulaires : les outils disponibles dépendent du rôle de l'utilisateur — un commercial voit les outils CRM mais pas les outils comptabilité. Mode read-only par défaut : les outils de lecture sont activés par défaut, les outils d'écriture nécessitent une validation explicite ("L'agent IA propose de créer cette commande. Confirmer ?"). Audit trail complet : chaque action exécutée par l'agent IA via MCP est journalisée (utilisateur, outil, paramètres, résultat, timestamp).

#Agents IA workflow — Automatisation des processus métier

Les agents IA ne se contentent pas de répondre à des questions — ils exécutent des workflows métier complets en autonomie (avec validation humaine aux étapes critiques).

#Architecture agents workflow

Un agent workflow est un orchestrateur IA qui enchaîne plusieurs actions pour accomplir une tâche métier. L'architecture utilise un framework d'orchestration multi-agent (LangGraph ou CrewAI) connecté aux serveurs MCP des systèmes cibles. Le LLM orchestre le workflow : il détermine les étapes nécessaires, exécute chaque étape via les outils MCP, gère les erreurs et les cas limites, et demande une validation humaine quand une décision dépasse son périmètre.

Exemple — Agent de traitement des bons de commande fournisseur. Le workflow complet : (1) l'agent reçoit un email avec un bon de commande PDF en pièce jointe, (2) il extrait le contenu du PDF via un LLM multimodal (GPT-4o Vision ou Claude), (3) il identifie les lignes de commande (référence, quantité, prix unitaire, date de livraison souhaitée), (4) il vérifie la disponibilité du stock dans l'ERP (outil MCP-ERP check_stock), (5) il vérifie les conditions tarifaires du client dans le CRM (outil MCP-CRM get_client_pricing), (6) il crée le brouillon de commande dans l'ERP (outil MCP-ERP create_draft_order), (7) il envoie une notification au commercial pour validation. Temps de traitement : 15-30 secondes au lieu de 10-15 minutes manuellement.

#ROI des agents workflow

Les ROI des agents IA workflow sont parmi les plus mesurables en entreprise car ils remplacent des tâches manuelles chronométrables. Chiffres consolidés Nehos sur 5 projets d'agents workflow ERP/CRM depuis 2025. Traitement des bons de commande : temps réduit de 12 min à 30 sec par BC (-96 %), volume traité multiplié par 20. Qualification des leads CRM : temps de qualification réduit de 8 min à 45 sec par lead (-91 %), qualité de qualification identique (mesuré par taux de conversion post-qualification). Relances factures impayées : temps de rédaction et envoi réduit de 15 min à 1 min par relance (-93 %), taux de recouvrement +8 % (les relances sont plus rapides et plus personnalisées). Préparation de RDV commerciaux : temps de préparation réduit de 25 min à 2 min par RDV (-92 %), qualité du brief jugée supérieure par les commerciaux.

#Providers IA pour les ERP/CRM — Choix stratégique

Le choix du provider IA pour l'intégration ERP/CRM est plus sensible que pour un site web — les données ERP/CRM sont confidentielles (prix, marges, clients, contrats).

OpenAI (GPT-4o) : meilleur pour l'orchestration d'agents complexes (tool use performant), le function calling fiable, et la latence faible. Les données transitent par les serveurs OpenAI aux USA — la data retention policy est de 0 jours sur l'API, mais les données traversent l'Atlantique.

Anthropic (Claude Sonnet 4) : contexte de 200K tokens (idéal pour les RAG avec documents longs), tool use (MCP natif), et engagement fort sur la sécurité des données. Serveurs aux USA également.

Mistral (Mistral Large) : hébergé en France et en UE. Conforme RGPD sans transfert hors UE. Performances proches de GPT-4o pour l'orchestration d'agents. Recommandé pour les ETI avec des contraintes de souveraineté des données.

Ollama on-premise (Llama 3.1 70B, Mistral Nemo) : aucune donnée ne quitte l'infrastructure du client. Nécessite un serveur GPU (NVIDIA A100 ou H100 pour Llama 3.1 70B). Performances suffisantes pour l'interrogation et la classification, limitées pour l'orchestration multi-étapes complexe. Recommandé pour les secteurs réglementés (banque, assurance, défense, santé).

#Tarification — 1,5 k€ HT

Intégration IA mono-système — 20 à 711 k€ HT, 6 à 10 semaines. Connexion IA à un ERP ou un CRM : serveur MCP custom, 3-5 outils IA (interrogation, recherche, résumé), interface conversationnelle dans le SI existant, 1 agent workflow simple (ex: qualification leads ou traitement BC). Formation des utilisateurs.

Intégration IA bi-système — 715 k€ HT, 10 à 16 semaines. Connexion IA à un ERP + un CRM : serveurs MCP pour chaque système, 8-12 outils IA, 2-3 agents workflow (traitement BC, qualification leads, relances factures), RAG sur les données combinées ERP+CRM, dashboard monitoring des agents.

Intégration IA complète multi-systèmes — 121 k€ HT, 16 à 24 semaines. Connexion IA à l'ensemble du SI (ERP + CRM + outils métier spécifiques), 15+ outils IA, agents workflow autonomes avec validation humaine, RAG multi-sources, scoring prédictif, reporting IA, optimisation continue sur 2 mois post-déploiement.

Coûts d'infrastructure IA récurrents (estimatifs) : API LLM : à partir de 800 €/mois selon le volume. Infrastructure agents (compute) : à partir de 400 €/mois. Serveur GPU pour on-premise : à partir de 496 €/mois (location OVHcloud ou Scaleway). Estimation en 30 minutes : Prendre RDV IA ERP/CRM.