Photo : Julia M Cameron · PexelsIntégration IA dans ERP / CRM — Connecter les LLMs à SAP, Odoo, Salesforce, HubSpot
Vos ERP et CRM contiennent l'essentiel de vos données métier : clients, commandes, factures, stocks, contrats, historiques. Mais ces données sont enfermées dans des interfaces rigides et des processus manuels. Nehos connecte les LLMs (OpenAI, Anthropic, Mistral) et les agents IA à vos ERP (SAP, Odoo, Sage) et CRM (Salesforce, HubSpot) existants via le Model Context Protocol (MCP) et les APIs natives. Résultat : des agents IA qui interrogent vos données en langage naturel, automatisent les tâches répétitives, et assistent vos équipes dans la prise de décision. À partir de 11 000 € HT pour un premier agent connecté à un ERP ou un CRM.
Nos clients types
#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 encapsulé 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 un ERP open source très répandu, notamment dans les PME et ETI. 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 encapsulé 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.
#Des agents IA branchés sur Odoo
Beaucoup de PME qui nous contactent travaillent déjà sur Odoo : le CRM, les devis, les factures et le stock vivent au même endroit. Le problème n'est pas l'outil, c'est tout ce qu'il faut y saisir. Un commercial sort d'un rendez-vous avec trois informations importantes en tête, et la fiche du client ne sera mise à jour que le vendredi, s'il a le temps.
Un agent IA est un programme qui lit une demande écrite ou dictée en langage courant, consulte vos données et prépare l'action à votre place. Ici, il travaille directement dans Odoo, par son API, la porte d'entrée que le logiciel ouvre aux autres outils.
Voici les quatre tâches qu'on confie le plus souvent à un agent sur Odoo :
| Tâche | Ce que fait l'agent | Ce qui reste à vous |
|---|---|---|
| Mettre à jour le CRM | Il lit un compte rendu vocal dicté sur le téléphone ou un mail reçu, retrouve le contact et l'opportunité, propose les champs à modifier et la prochaine action | Vous validez la mise à jour |
| Relancer les devis | Il repère les devis envoyés restés sans réponse et rédige une relance qui tient compte de l'historique du client | Vous envoyez, modifiez ou attendez |
| Produire les documents | Il prépare un contrat, un bon de commande ou une attestation à partir des données déjà présentes dans Odoo et de vos modèles | Vous relisez avant signature |
| Contrôler les données | Il signale les contacts en double, les fiches sans adresse de facturation, les devis sans date d'échéance | Vous décidez des corrections |
Le principe ne change pas d'une tâche à l'autre : l'agent prépare, une personne valide. Par défaut, il écrit des brouillons et n'envoie rien seul. Quand une tâche a fait ses preuves pendant plusieurs semaines, on peut l'autoriser à agir sans validation, sur un périmètre précis que vous fixez.
Un exemple que nous connaissons de l'intérieur : VektoPrint, la boutique d'objets publicitaires du groupe. Le site est construit sur mesure avec Next.js, et le catalogue, les prix et les comptes clients sont servis par Odoo. C'est l'architecture sur laquelle un agent se branche : un outil séparé qui lit et écrit dans Odoo par son API, sans toucher au cœur du logiciel.
Ce que ce projet nous a appris vaut pour vous : la qualité des données dans Odoo décide de la qualité de ce que l'agent produit. Si les fiches articles ou clients sont incomplètes, on commence par là.
Deux conseils avant de vous lancer. D'abord, commencez par une seule tâche, celle qui vous coûte le plus de temps chaque semaine ; la mise à jour du CRM après un rendez-vous est souvent la bonne. Ensuite, vérifiez votre version d'Odoo et vos modules sur mesure : un Odoo standard se connecte plus vite qu'une base très personnalisée.
Si votre Odoo doit d'abord être installé, migré ou complété, c'est le travail de notre équipe intégration Odoo, avec qui on prépare le terrain avant de brancher l'agent.
#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. Le commercial n'a plus qu'à valider un brouillon au lieu de ressaisir le bon de commande.
#Mesurer le gain des agents workflow
Le gain des agents IA workflow est parmi les plus faciles à mesurer en entreprise, car ils remplacent des tâches manuelles chronométrables. Nous ne promettons pas de chiffre à l'avance. Avant le pilote, on chronomètre la tâche actuelle (traitement d'un bon de commande, qualification d'un lead, relance d'une facture impayée, préparation d'un rendez-vous commercial) ; pendant le pilote, on mesure le temps restant et le taux de corrections apportées par la personne qui valide. C'est cette mesure, sur vos données et vos volumes, qui sert à décider d'aller plus loin ou non.
#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 — à partir de 11 000 € HT
Intégration IA mono-système — à partir de 11 000 € HT (MVP agent IA). 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 — sur devis, chiffré en 48 h après un premier échange. 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 — à partir de 50 000 € HT (plateforme multi-agents). 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 après déploiement.
Coûts d'infrastructure IA récurrents : API LLM, hébergement des agents et, si vous choisissez l'on-premise, serveur GPU. Ils dépendent du volume traité et du provider choisi ; nous les estimons lors du cadrage, avant tout engagement. Estimation en 30 minutes : Prendre RDV IA ERP/CRM.
Photos : Yan Krukau sur Pexels.
Questions & réponses
Questions fréquentes sur l'intégration IA dans les ERP et CRM
Les deux sont possibles, et la configuration est granulaire. Par défaut, Nehos configure les agents IA en mode read-only + draft : l'agent peut lire toutes les données (interrogation, recherche, résumé) et créer des brouillons (commandes brouillon, tickets brouillon, emails brouillon) qui nécessitent une validation humaine avant d'être confirmés. Le mode écriture directe (l'agent confirme une commande, envoie un email, modifie une fiche) est activable par type d'action et par rôle utilisateur, avec des garde-fous configurables : montant maximum autorisé sans validation (ex : commandes sous un seuil fixé avec vous confirmées automatiquement, au-dessus en attente de validation), types d'actions autorisées en écriture directe (ex: enrichissement de fiches OK, suppression de données jamais), et horaires d'exécution (ex: relances emails uniquement les jours ouvrés 9h-18h). Chaque action est journalisée dans un audit trail consultable.
La confidentialité des données ERP/CRM est une préoccupation légitime et critique. Trois niveaux de protection. Niveau 1 — Provider IA cloud avec DPA : OpenAI, Anthropic et Mistral proposent des Data Processing Agreements qui garantissent la non-utilisation des données pour l'entraînement des modèles et la suppression des données après traitement (0 jours de rétention sur les APIs). Les données transitent chiffrées (TLS 1.3) et ne sont pas stockées côté provider. Niveau 2 — Provider IA européen : Mistral héberge ses APIs en France et dans l'UE — les données ne quittent pas l'espace européen, ce qui simplifie la conformité RGPD et les discussions avec les DPO. Niveau 3 — On-premise : Ollama avec Llama 3.1 ou Mistral Nemo déployé sur l'infrastructure du client (serveur GPU dédié). Aucune donnée ne quitte le réseau interne. C'est le choix recommandé pour les secteurs réglementés. Le choix du niveau dépend de la sensibilité des données et des contraintes réglementaires — on en discute lors du cadrage. Voir aussi notre page sécurité LLM OWASP.
6 à 10 semaines pour une intégration IA opérationnelle sur Odoo. Semaines 1-2 : audit de l'instance Odoo (version, modules installés, modèles custom, API disponibles), identification des cas d'usage IA prioritaires avec les utilisateurs métier, conception de l'architecture technique (serveur MCP, outils IA, interface conversationnelle). Semaines 3-6 : développement du serveur MCP-Odoo (3-5 outils initiaux), développement de l'interface conversationnelle (chatbot dans le back-office Odoo ou application web dédiée), intégration du premier agent workflow. Semaines 7-8 : tests avec les utilisateurs métier, ajustement des prompts et des outils, formation. Semaines 9-10 : déploiement en production, monitoring, optimisation. Le facteur principal de variation : la complexité des modèles Odoo custom (un Odoo standard avec des modules communautaires s'intègre plus rapidement qu'un Odoo avec 50 modèles custom).
Oui, avec des adaptations. Pour les ERP anciens sans API REST moderne, trois approches d'intégration. (1) Connecteur base de données : le serveur MCP se connecte directement à la base de données de l'ERP (SQL Server pour Sage 100, SAP HANA ou Oracle pour SAP ECC) en lecture seule. L'agent IA interroge les données via des requêtes SQL paramétrées et sécurisées (pas de requêtes dynamiques générées par le LLM — les requêtes sont pré-définies et le LLM fournit les paramètres). C'est l'approche la plus simple pour l'interrogation et le RAG. (2) Connecteur API legacy : SOAP pour SAP ECC (BAPI), COM/ODBC pour Sage 100. Le serveur MCP encapsulé ces protocoles legacy et les expose comme des outils modernes. (3) Middleware iPaaS : pour les cas complexes, on utilise un middleware comme n8n (open source) ou Make qui se connecte à l'ERP via son connecteur natif, et le serveur MCP appelle le middleware. Cette approche ajoute une couche mais simplifie les intégrations multi-systèmes. Dans tous les cas, l'écriture dans un ERP legacy nécessite une validation renforcée (mode draft obligatoire, double validation humaine).
Cela dépend du volume de leads et d'interactions CRM, et nous ne promettons pas de chiffre sans l'avoir mesuré chez vous. Trois usages donnent généralement le gain le plus net. Qualification des leads : l'agent analyse les signaux disponibles (formulaire, pages visitées, entreprise) et propose un score ; on compare ses décisions à celles de vos commerciaux pendant le pilote. Préparation de rendez-vous : l'agent compile l'historique des échanges en un brief que le commercial relit en quelques minutes. Relances et nurturing : l'agent rédige des séquences personnalisées que vous validez. Pour chacun, on chronomètre la tâche avant, on la mesure pendant le pilote, puis vous décidez d'étendre ou non. Un premier agent connecté à votre CRM démarre à partir de 11 000 € HT.
Non — c'est le principe fondamental de notre approche. L'intégration IA Nehos est non invasive : elle se connecte à votre ERP/CRM via les APIs existantes (REST, GraphQL, XML-RPC, SOAP, ou SQL en lecture seule pour les systèmes sans API). L'ERP/CRM n'est pas modifié, pas mis à jour, pas patché. Le serveur MCP et le backend IA sont des services séparés, déployés sur une infrastructure distincte, qui communiquent avec l'ERP/CRM via les mêmes APIs que vos intégrations existantes. L'interface conversationnelle (chatbot IA) peut être intégrée dans l'interface de l'ERP/CRM (iframe, widget JavaScript) ou être une application web séparée accessible depuis le navigateur. Les mises à jour de l'ERP/CRM ne cassent pas l'intégration IA tant que les APIs restent compatibles (ce qui est le cas pour les mises à jour mineures et la plupart des mises à jour majeures).
Oui. Le commercial dicte son compte rendu sur son téléphone après le rendez-vous. L'enregistrement est transcrit en texte, puis l'agent retrouve le client et l'opportunité dans Odoo, propose les champs à modifier (étape du devis, date de la prochaine relance, remarques) et prépare la note. Rien n'est écrit dans Odoo sans votre validation tant que vous n'en avez pas décidé autrement. La seule condition : que le contact existe déjà dans Odoo, ou que l'agent puisse le créer en brouillon.
Il peut les préparer seul ; au départ, l'envoi reste votre décision. Chaque matin, l'agent liste les devis envoyés sans réponse, rédige une relance adaptée à l'historique du client et la place en brouillon. Quand vous avez relu assez de relances pour leur faire confiance, on peut l'autoriser à envoyer seul certains cas simples, par exemple une première relance sur un devis standard. Les relances délicates restent en validation.
Parlons de votre projet
Un devis chiffré, sans engagement
Décrivez votre besoin en deux minutes : un consultant senior vous répond avec une première estimation et les prochaines étapes.
- Réponse sous 24 h ouvrées
- Sans engagement
- Un consultant senior vous répond