Bâtir un Agent Commercial Autonome avec Cloudflare Email & Agents SDK
Le plus gros goulot d'étranglement de la Lead Gen n'est pas l'acquisition. C'est le suivi.
Chez Sevya, je génère des leads pour mes clients. Mais une fois le lead envoyé, la donnée devient floue. Est-ce que le prospect a été rappelé ? Est-ce que le devis est en cours ? Sans cette information, mes algorithmes publicitaires pilotent à l'aveugle.
J'ai décidé de régler ce problème en construisant une "couche d'intelligence" entre mes clients et mon CRM. J'ai documenté mon chantier sur le déploiement d'un agent autonome utilisant Cloudflare Email for Agents.
Mon défi : Supprimer la saisie manuelle
Personne n'aime remplir un CRM. Mes clients les premiers. Par contre, tout le monde sait répondre à un email.
Mon objectif était simple :
- Envoyer une question par email au client 24h après un lead.
- Interpréter sa réponse (langage naturel).
- Mettre à jour l'état du lead dans Sevya automatiquement.
L'Architecture Technique
J'ai choisi la stack Cloudflare pour une raison majeure : les Durable Objects. Ils permettent à mon agent d'avoir une "mémoire vive" persistante pour chaque discussion, sans avoir à gérer une base de données complexe.
1. Le déclencheur (Webhook)
Dès qu'un lead est qualifié dans Sevya, un webhook est envoyé à mon Cloudflare Worker. L'agent crée alors une instance unique pour ce lead spécifique.
2. Le hook onEmail (Réception)
C'est la nouveauté d'avril 2026. L'agent possède son propre canal de communication. Voici comment j'ai configuré la réception des réponses :
import { Agent, routeAgentEmail } from "agents";
export class SevyaAssistant extends Agent {
async onEmail(email: AgentEmail) {
const raw = await email.getRaw();
const parsed = await PostalMime.parse(raw);
// Analyse de l'intention avec Workers AI
const analysis = await this.env.AI.run("@cf/meta/llama-3-8b-instruct", {
prompt: `Analyse cette réponse client : "${parsed.text}".
Le lead est-il : GAGNÉ, PERDU, EN_COURS ou À_RAPPELER ?
Réponds uniquement avec le mot-clé.`
});
// Mise à jour de l'état interne
this.setState({ ...this.state, lastStatus: analysis });
// Appel à l'API Sevya pour fermer la boucle
await updateSevyaLead(this.state.leadId, analysis);
}
}3. La persistance du dialogue
Grâce au SDK Agents, l'agent se souvient des échanges précédents. Si le client répond "Pas encore eu le temps", l'agent peut programmer lui-même un rappel 48h plus tard avec this.schedule().
Pourquoi c'est une révolution pour la Performance
Ce système ne me fait pas juste gagner du temps. Il change ma stratégie publicitaire.
En automatisant le retour terrain, Sevya dispose d'un pipeline de données 100% à jour. Je peux désormais utiliser le Value-Based Bidding sur Meta et Google Ads.
- Avant : J'optimisais pour le "Lead" (volume).
- Maintenant : J'optimise pour le "Lead Gagné" (profit).
L'IA publicitaire reçoit un signal de valeur réelle pour chaque vente conclue, ce qui lui permet de chercher des profils jumeaux de mes meilleurs clients, et non plus seulement des "curieux" qui remplissent des formulaires.
Ce que j'ai appris en construisant ce système
- Le non-dev peut construire : En utilisant le CLI de Cloudflare (
wrangler) et le SDK Agents, la complexité de l'infrastructure est masquée. On assemble des comportements plutôt que de coder des serveurs. - La puissance du contexte : Le fait que l'agent possède son propre état (Durable Object) change tout. Il n'est pas un robot qui répète une boucle, il est un assistant qui suit une affaire.
Conclusion
La performance agentique, c'est l'art de déléguer la rigueur à la machine pour garder l'intuition pour l'humain. En connectant l'email à Sevya, j'ai transformé une corvée administrative en un levier de croissance massif pour mes clients.
Mon système vous inspire ? Je partage régulièrement mes schémas de flux et mes retours d'expérience sur l'automatisation de la croissance.