AIforce, Claudeforce et Koa : les trois étages de la stratégie agentique de Salesforce

Salesforce a profité de Dreamforce 2026 pour présenter plusieurs briques qui peuvent facilement se confondre. AIforce, Claudeforce et Koa parlent toutes d’agents, de CRM et de raisonnement, mais elles ne jouent pas le même rôle. C’est justement ce découpage qui rend l’ensemble intéressant.

AIforce est une couche d’accès et de gouvernance qui expose les données, les workflows, la logique métier et les permissions Salesforce à des interfaces IA. Claudeforce est une intégration concrète de cette logique avec Claude. Koa est, lui, le premier modèle de raisonnement CRM de Salesforce, post-entraîné pour des tâches métier et des appels d’outils.

AIforce : le CRM devient une couche d’exécution

Salesforce décrit AIforce comme une couche d’interface qui rend accessibles à des agents les données, workflows, règles métier, métadonnées, permissions, mécanismes de sécurité et éléments de gouvernance déjà présents dans la plateforme. L’annonce du 15 septembre cite notamment Claude, Slack et Lightning comme points d’entrée. Annonce AIforce de Salesforce

L’idée est importante parce qu’elle inverse le modèle historique du CRM. Jusqu’ici, l’utilisateur devait entrer dans Salesforce et naviguer dans ses objets, vues et écrans. Avec AIforce, Salesforce veut que les données et les actions viennent jusqu’à l’utilisateur, dans l’interface où il travaille déjà. Une revue du pipeline peut être demandée en langage naturel, plusieurs enregistrements peuvent être synthétisés en une seule vue et une action peut être déclenchée sans reproduire tout le CRM dans une nouvelle application.

Salesforce affirme que chaque requête continue d’appliquer les permissions et les règles métier existantes, et que les actions repassent par Salesforce. L’entreprise annonce également une politique de Zero Data Retention côté fournisseur de modèle pour les données utilisées afin de répondre à la requête.

C’est probablement le point le plus structurant pour les équipes CRM. Si cette architecture fonctionne comme annoncé, la valeur du CRM se déplace encore davantage vers son modèle de données, ses métadonnées, ses règles, ses automatisations et ses droits. Une interface peut changer ou être générée à la demande. Les règles qui déterminent ce qu’un utilisateur peut voir ou faire, elles, restent la fondation.

Avant de généraliser ce type d’accès, il faut donc séparer clairement trois niveaux : lire une information, proposer une action et exécuter cette action. La traçabilité doit également permettre de retrouver le demandeur, le modèle utilisé, les outils appelés et l’état des données avant et après une modification. La promesse de ne pas reconstruire un nouveau modèle de permissions réduit potentiellement le travail d’intégration, mais elle ne remplace pas un audit des droits existants.

Claudeforce : 37 skills Salesforce directement dans Claude

Claudeforce donne une première forme concrète à cette stratégie. Salesforce et Anthropic ont annoncé « Salesforce in Claude », un Plugin comprenant 37 skills commerciales préconstruites. Elles couvrent notamment la préparation de réunion, l’analyse de la santé d’une affaire et la revue du pipeline. Annonce commune Salesforce et Anthropic

L’administrateur connecte Salesforce au niveau de l’organisation, avec authentification et permissions gérées de façon centralisée. Les actions doivent ensuite repasser par Salesforce afin que les règles métier soient appliquées. Dans l’autre sens, Claude est disponible comme modèle de raisonnement dans plusieurs produits Salesforce, notamment Agentforce, Agentforce Vibes, Agentforce Coworker et Agent Builder.

L’intégration va plus loin qu’un connecteur de recherche qui se contenterait de renvoyer des fiches CRM. Le pari est qu’un modèle généraliste devient plus utile lorsqu’il reçoit des outils métier précis, du contexte live et des contraintes déterministes. Autrement dit, Claude peut raisonner de manière probabiliste, mais l’exécution reste censée respecter le cadre du CRM.

La disponibilité a d’ailleurs évolué rapidement. L’annonce du 26 août parlait encore de clients pilotes et d’une bêta ouverte prévue en septembre. Le 15 septembre, Salesforce indiquait que Salesforce in Claude était désormais disponible en bêta pour ses clients, tout en rappelant que disponibilité, régions, prix et packaging peuvent varier selon les contrats.

Pour une entreprise, les questions utiles restent très concrètes : quelles éditions sont éligibles, quels coûts supplémentaires s’appliquent, quelles données transitent réellement vers le modèle, quelle est la portée exacte des 37 skills et comment sont gérées les validations avant une écriture sensible. Le discours produit donne une direction, mais ces points doivent être testés dans le contexte réel de chaque organisation.

Koa : Salesforce spécialise aussi le modèle

Avec Koa, Salesforce descend d’un étage supplémentaire. Il ne s’agit plus seulement de donner des outils Salesforce à un modèle généraliste. Koa est présenté comme le premier modèle de raisonnement CRM de Salesforce, construit par post-entraînement de NVIDIA Nemotron 3 Super. Annonce Salesforce et NVIDIA

Salesforce indique avoir construit un jeu de scénarios synthétiques couvrant plus de 14 secteurs, sans utiliser de données clients pour l’entraînement. Le post-entraînement combine fine-tuning supervisé et apprentissage par renforcement avec Group Relative Policy Optimization. Le but est d’améliorer la capacité du modèle à choisir une suite d’actions et d’outils pour réaliser des tâches telles que mettre à jour une opportunité, router un dossier ou planifier un suivi.

Salesforce conserve les poids du modèle et affirme réaliser le post-entraînement et l’inférence dans sa propre infrastructure. Koa est déjà utilisé en interne et passe en pilotes clients chez 1-800Accountant, Baxter Credit Union, Engine, Formula 1, UChicago Medicine et Xero. La disponibilité générale est annoncée pour l’hiver 2026 dans les régions américaines.

Sur les performances, il faut garder une marge de recul. Salesforce affirme que Koa égale ou dépasse des modèles de pointe sur des actions CRM, avec trois fois moins d’erreurs. Le benchmark CRM utilisé est documenté par Salesforce AI Research et couvre notamment l’exactitude, le coût, la vitesse et la confiance. Benchmark CRM de Salesforce AI Research

Cela reste néanmoins une évaluation conçue et publiée par le fournisseur qui présente le modèle. Avant d’en tirer une conclusion sur la supériorité de Koa, il faudra regarder les résultats détaillés, les conditions de test et idéalement des reproductions indépendantes. En production, le meilleur indicateur n’est pas seulement la qualité d’une réponse, mais le taux de tâches correctement terminées, le nombre d’appels d’outils erronés, les violations de règles et le coût par tâche utile.

Ce que ces trois annonces changent vraiment

Pris séparément, AIforce, Claudeforce et Koa peuvent ressembler à une nouvelle série de marques autour de l’IA. Pris ensemble, ils dessinent une architecture assez cohérente. AIforce expose le contexte et les actions. Claudeforce montre comment un modèle externe peut les exploiter. Koa montre que Salesforce veut aussi maîtriser une partie du raisonnement spécialisé à l’intérieur de sa propre infrastructure.

Pour les équipes Salesforce, le travail se déplace donc moins vers la création d’un nouvel écran que vers la qualité du socle : objets, données, règles de partage, permissions, Flow, API, actions disponibles et journalisation. C’est une évolution logique. Un agent ne peut pas compenser durablement un CRM mal gouverné. Il peut, en revanche, rendre ses incohérences beaucoup plus visibles et beaucoup plus rapides à exploiter.

Pour une PME ou une équipe métier, le bon point de départ n’est donc pas « quel agent devons-nous acheter ? », mais « quelles données et quelles actions voulons-nous rendre accessibles, à qui, avec quel niveau de contrôle ? ». C’est à partir de ce périmètre qu’un projet AIforce, Claudeforce ou Agentforce peut devenir réellement utile plutôt qu’une nouvelle couche technologique difficile à gouverner.

Chez Clarifya, c’est aussi l’angle que je privilégie sur les projets Salesforce et d’intégration : partir du processus réel, nettoyer les accès et les échanges de données, puis ouvrir progressivement les actions à l’IA quand le gain est mesurable et que le niveau de contrôle est clair.