Le 15 septembre 2026, lors du keynote d'ouverture de Dreamforce à San Francisco, Salesforce et NVIDIA ont annoncé Koa, le premier modèle de raisonnement dédié au CRM jamais publié par Salesforce. Bâti sur les poids ouverts Nemotron-3-Super-120B de NVIDIA et post-entraîné sur des données synthétiques imitant les usages réels du CRM, Koa affiche — selon les benchmarks publiés par Salesforce lors de Dreamforce — trois fois moins d'erreurs que les modèles généralistes de référence sur les tâches CRM.
L'annonce s'inscrit dans un ensemble plus large baptisé AIforce, une couche d'interface qui vise à rendre les données et workflows Salesforce accessibles depuis n'importe quel assistant IA ou plateforme collaborative, sans ouvrir l'application Salesforce elle-même. Koa en constitue le moteur de raisonnement natif.
Cet article décrypte ce que Koa et AIforce signifient concrètement pour les organisations qui utilisent ou évaluent Salesforce, et ce que la tendance plus large des modèles verticaux d'éditeur implique pour les équipes IT, les DSI et les prestataires qui construisent des outils IA sur mesure.
Koa : un modèle de raisonnement dédié au CRM
Koa est désigné par Salesforce comme un modèle de raisonnement spécialisé pour les données CRM. En pratique, il est conçu pour accomplir des tâches précises : qualification de leads entrants, rédaction de propositions commerciales, planification de rendez-vous, mise à jour de fiches contacts, analyse de pipeline et détection de risques de churn. Ces tâches partagent une caractéristique commune : elles s'appuient sur un corpus structuré — champs CRM, historiques d'opportunité, notes de contact, journaux d'activité — plutôt que sur une encyclopédie généraliste.
Un modèle frontier généraliste comme GPT-5 ou Claude Opus 5 excelle dans la synthèse de texte non structuré, le raisonnement en chaîne sur des sujets larges, ou l'analyse de documents complexes. Mais lorsqu'il s'agit d'interpréter correctement un champ CloseDate, de respecter une nomenclature commerciale maison, ou de chaîner correctement une séquence Lead → Contact → Opportunity → Quote, les modèles généralistes introduisent des erreurs de contexte que leurs architectures ne sont pas spécifiquement optimisées pour éviter.
Koa a été entraîné pour réduire précisément ces erreurs de raisonnement sur les workflows CRM. Selon les benchmarks publiés par Salesforce lors de Dreamforce, il commet trois fois moins d'erreurs que les meilleurs modèles généralistes de référence sur les actions CRM définies dans leur suite de tests interne. Ces chiffres sont à interpréter avec la précaution d'usage : il s'agit de benchmarks produits par Salesforce sur son propre référentiel de tâches CRM, pas d'une évaluation indépendante tierce.
Koa est actuellement disponible pour un nombre limité de clients dans le cadre d'un programme pilote élargi dans Agentforce. La disponibilité générale est annoncée pour l'hiver 2026.
Nemotron, données synthétiques et open weights
Koa repose sur Nemotron-3-Super-120B, un modèle de 120 milliards de paramètres publié par NVIDIA sous licence ouverte (open weights). Choisir une base open weights n'est pas anodin : cela signifie que les poids du modèle de base peuvent être téléchargés, examinés et utilisés par des tiers, sous réserve des conditions de la licence NVIDIA.
Pour Salesforce, ce choix présente plusieurs avantages structurels.
- Indépendance vis-à-vis des frontier labs. En post-entraînant un modèle open weights, Salesforce n'est pas tributaire de la roadmap d'Anthropic, OpenAI ou Google DeepMind pour sa propre stratégie de modèle. Elle peut itérer à son propre rythme sur son domaine de compétence.
- Maîtrise des coûts d'inférence. Héberger et inférer Nemotron sur l'infrastructure NVIDIA (DGX Cloud, NIM microservices) revient structurellement moins cher que d'appeler des APIs externes tierces à chaque requête Agentforce, notamment à grande échelle.
- Traçabilité des données d'entraînement. Le post-entraînement sur données synthétiques — Salesforce a précisé ne pas avoir utilisé de données réelles de clients — permet un contrôle plus strict sur ce que le modèle a appris et facilite la documentation de conformité requise par le RGPD et, à terme, par l'AI Act.
Le post-entraînement consiste à reprendre le modèle de base (Nemotron-3-Super-120B) et à lui faire apprendre des tâches très spécifiques via un corpus synthétique qui simule des interactions CRM réalistes — prospects, pipelines, devis, tickets de support — sans exposer de données propriétaires de clients réels. Cette approche, de plus en plus courante dans les grandes organisations, est aussi celle que nous recommandons chez Genee pour les projets d'outils internes sur mesure qui requièrent un modèle adapté à un vocabulaire ou à des processus métier spécifiques.
AIforce : le contexte Dreamforce
Koa s'inscrit dans une annonce plus large faite lors du même keynote : AIforce. Salesforce présente AIforce comme une couche d'interface live qui rend toutes les données, workflows, règles métier, permissions et gouvernance hébergés dans Salesforce accessibles depuis n'importe quelle interface IA ou collaborative, sans que l'utilisateur ait besoin d'ouvrir l'application Salesforce.
AIforce se décompose en trois surfaces au lancement :
- Claudeforce : les données Salesforce directement dans Claude, via un serveur MCP préconfiguré avec 37 compétences commerciales prêtes à l'emploi (prospection, suivi de pipeline, hygiène des données). Les fondations avaient été posées fin août 2026 avec l'annonce de la collaboration Salesforce–Anthropic. Notre article dédié Claudeforce : Salesforce fait de Claude son moteur IA central couvre cette surface en détail.
- Slackforce : les données Salesforce directement dans Slack, permettant de créer des interfaces riches et d'activer des agents Agentforce sans quitter la plateforme collaborative. Les agents peuvent agir sur les objets Salesforce — créer une opportunité, mettre à jour un compte, déclencher un workflow — depuis une conversation Slack.
- Agentforce Coworker : un assistant IA intégré directement dans l'interface Salesforce native, capable de traiter des demandes en langage naturel sur les données du CRM en contexte d'utilisation.
La fondation technique sous-jacente est ce que Salesforce appelle Headless 360 : un ensemble de serveurs MCP et d'APIs qui expose l'intégralité de la plateforme Salesforce comme un ensemble de connecteurs standardisés. AIforce productise ces connecteurs en solutions activables par organisation. Le protocole MCP (Model Context Protocol) est ainsi au cœur de l'interopérabilité entre Salesforce et les interfaces IA externes — une tendance que nous mettons en œuvre dans nos projets d'automatisation métier.
Ce mouvement s'inscrit dans une stratégie plus large détaillée dans notre article Salesforce : sept agents métier et un Control Plane multi-fournisseur, qui couvre les annonces pre-Dreamforce de la semaine précédente.
La tendance des modèles verticaux d'éditeur
L'annonce de Koa illustre une tendance structurelle : les grands éditeurs de logiciels d'entreprise construisent désormais leurs propres modèles de raisonnement verticaux, plutôt que de déléguer entièrement aux frontier labs. Ce mouvement s'accélère en 2026.
- Salesforce lance Koa (CRM, post-entraîné sur Nemotron).
- ServiceNow a déployé ses propres LLM internes pour les workflows IT et ITSM.
- SAP intègre des modèles Joule optimisés pour les processus ERP et FI.
- Databricks a publié DBRX et des variantes post-entraînées pour les cas d'usage analytiques et data engineering.
La logique est similaire dans chaque cas : un modèle généraliste fait beaucoup de choses correctement, mais un modèle post-entraîné sur les données et les tâches d'un domaine précis fait les tâches de ce domaine mieux, plus vite et souvent à moindre coût — en particulier pour des requêtes à fort volume et à faible complexité sémantique.
Pour les équipes techniques et les DSI, cela soulève une question pratique : faut-il toujours passer par un modèle frontier pour ses agents d'entreprise, ou est-il plus pertinent d'utiliser le modèle vertical de son éditeur principal ?
La réponse dépend du cas d'usage :
- Tâches purement CRM ou ERP, à fort volume et bien définies : le modèle vertical gagnera souvent sur la précision, la latence et le coût unitaire.
- Tâches transversales (rédaction avancée, analyse documentaire multi-sources, raisonnement complexe hors périmètre CRM) : un modèle frontier reste supérieur.
- Cas hybrides : router les requêtes selon leur nature — modèle vertical pour les actions CRM standardisées, modèle frontier pour les tâches ouvertes — est une architecture d'agent qui émerge en production et que nous intégrons dans nos projets de développement sur mesure.
Cette évolution crée aussi une pression structurelle sur les labs fondateurs (OpenAI, Anthropic, Google DeepMind) : à mesure que les éditeurs couvrent les cas d'usage les plus standardisés avec leurs propres modèles verticaux, les labs doivent se différencier sur le raisonnement avancé, la polyvalence et les capacités difficiles à répliquer sans investissements massifs en données et en compute.
Lecture décision pour les PME/ETI
Si vous utilisez Salesforce dans votre organisation, voici ce que ces annonces impliquent concrètement à court terme.
- Programme pilote Koa : demandez à votre Account Executive Salesforce si vous êtes éligible au programme pilote. Les gains sur la qualification de leads entrants et la mise à jour des données CRM peuvent être significatifs si votre équipe commerciale utilise activement Agentforce. La disponibilité générale est prévue pour l'hiver 2026.
- Claudeforce et MCP : si vous avez déjà intégré Claude dans vos workflows, Claudeforce permet de connecter vos données Salesforce sans développement custom supplémentaire. Les 37 compétences commerciales disponibles au lancement couvrent la prospection, le suivi de pipeline et l'hygiène des données. Vérifiez les conditions de résidence des données dans votre contrat Salesforce si vous opérez sous contrainte RGPD stricte ou sous exigences sectorielles.
- Pour les PME non encore sur Salesforce : ces annonces illustrent que le choix d'un CRM en 2026 se fait aussi sur la maturité de sa couche IA et sa capacité à s'intégrer nativement avec les modèles et assistants que vous utilisez déjà. L'écosystème Salesforce–Anthropic–Slack–NVIDIA est désormais très cohérent sur ce plan.
- Pour les équipes IT et prestataires : la tendance des modèles verticaux sur open weights (Koa sur Nemotron) crée une opportunité de fine-tuning interne pour les organisations qui veulent aller au-delà des modèles packagés. Si vous avez un corpus de données métier structurées et des workflows répétitifs à fort volume, un modèle post-entraîné peut offrir un meilleur rapport qualité/coût qu'une API frontier à la requête.
Si vous souhaitez évaluer si un modèle vertical ou une architecture d'agent hybride est pertinent dans votre contexte, contactez notre équipe — nous démarrons par un cadrage court (3 à 5 jours) qui produit une recommandation de stack chiffrée.
FAQ — Koa : Salesforce et NVIDIA lancent un modèle de raisonnement CRM — les éditeurs entrent dans la course aux modèles
Qu'est-ce que Koa, le modèle de Salesforce ?
Koa est le premier modèle de raisonnement CRM développé par Salesforce, en partenariat avec NVIDIA. Il est bâti sur les poids ouverts Nemotron-3-Super-120B et post-entraîné sur des données synthétiques représentant des tâches commerciales réelles (qualification de leads, mise à jour d'opportunités, analyse de pipeline). Il est disponible dans Agentforce via un programme pilote, avec une disponibilité générale prévue pour l'hiver 2026.
Koa est-il entraîné sur les données réelles de mes clients Salesforce ?
Non, selon les déclarations publiques de Salesforce lors de Dreamforce. Koa a été post-entraîné sur des données synthétiques conçues pour imiter les patterns d'usage réels, sans utiliser de données appartenant à des clients réels. Ce point est important pour les organisations soumises au RGPD ou à des obligations contractuelles de confidentialité des données CRM.
Quelle est la différence entre Koa et un modèle frontier comme Claude Opus 5 ou GPT-5 ?
Les modèles frontier sont des modèles généralistes très capables sur une large gamme de tâches. Koa est un modèle spécialisé, post-entraîné spécifiquement pour les tâches CRM. Sur les actions Salesforce standardisées (qualification, mise à jour de records, analyse de pipeline), Koa devrait être plus précis et moins coûteux à l'usage. Sur des tâches ouvertes ou transversales, un modèle frontier reste supérieur. L'architecture idéale combine les deux en routant les requêtes selon leur nature.
Qu'est-ce qu'AIforce et en quoi est-il différent d'Agentforce ?
Agentforce est la plateforme de création et d'exécution d'agents IA dans l'écosystème Salesforce. AIforce est la couche d'interface qui rend les données et workflows Salesforce accessibles depuis des interfaces externes — Claude (via Claudeforce), Slack (via Slackforce) ou l'assistant Agentforce Coworker. Là où Agentforce exécute des agents à l'intérieur de Salesforce, AIforce sort les données Salesforce vers des interfaces tierces, en s'appuyant sur le protocole MCP.
Ces annonces concernent-elles les PME ou seulement les grandes entreprises ?
Les deux. Koa sera disponible dans Agentforce, accessible selon les tiers de licence Salesforce. Claudeforce cible aussi bien les équipes de 10 commerciaux que les grandes forces de vente. La condition principale est d'utiliser déjà Salesforce comme CRM et d'avoir un usage actif d'Agentforce. Pour les PME qui démarrent, l'intégration Slackforce est souvent le point d'entrée le plus simple car elle ne nécessite pas de reconfigurer les workflows existants.