L'état du tableur comme poste de travail data B2B en 2026

Dernière mise à jour : 2026-06-18

Demandez à une équipe B2B où vit vraiment sa donnée de prospection, et la réponse honnête est rarement le CRM. C'est un tableur. La liste atterrit dans une feuille, se nettoie dans une feuille, s'enrichit dans une feuille, et n'est poussée au CRM qu'ensuite. Le tableur est devenu en silence le poste de travail data par défaut des équipes revenue modernes, et ce rapport met des chiffres sur cette réalité : à quel point le travail se fait dans la feuille, combien de temps les équipes y perdent à la main, et ce que ce travail manuel coûte.

La conclusion n'est pas que le tableur est le problème. Il ne l'est pas. La feuille est l'endroit où la donnée converge naturellement, et lutter contre ça est une bataille perdue. Le problème, c'est le travail manuel dans la feuille, les heures passées à trouver, compléter et vérifier la donnée à la main, et la solution est de faire ce travail là où la donnée est déjà plutôt que de l'exporter vers un énième outil externe.

Le tableur, poste de travail data par défaut

Le tableur n'est pas un outil legacy subi ; c'est là que se fait le travail data collaboratif moderne. Google indique que sa suite Workspace sert désormais plus de 3 milliards d'utilisateurs, et le tableur en est le centre pour le travail data. Les estimations du marché montrent une collaboration en hausse sur les feuilles, avec une feuille moyenne désormais travaillée par plusieurs collaborateurs, en nette hausse par rapport à il y a quelques années, à mesure qu'une plus grande part de l'équipe touche le même jeu de données.

Pour les équipes revenue B2B en particulier, la feuille est le terrain de transition entre les listes brutes et les systèmes de référence. Une liste de prospects arrive d'un événement, d'un export ou d'une recherche, et atterrit dans un tableur car c'est la seule surface que tout le monde peut ouvrir, éditer et partager sans négociation de licence ni onboarding. Le marketing y construit des segments, les ops y nettoient, les sales y préparent. Le CRM est la destination, mais la feuille est l'établi où la donnée devient réellement utilisable.

Cela compte parce que cela vous dit où mettre le travail. Si la donnée naît, se nettoie et se prépare dans la feuille, alors l'enrichissement, la vérification et la complétion devraient s'y faire aussi. Chaque fois qu'un workflow force une équipe à exporter la feuille vers un outil séparé puis à réimporter le résultat, il ajoute de la friction, casse la piste d'audit et crée une copie de plus qui se périme. Le détail du travail collaboratif sur feuille est dans le guide de la collaboration dans Sheets.

Pourquoi tout reconverge dans la feuille

Les équipes modernes croulent sous les applications. Les recherches de Forrester ont documenté combien d'applications distinctes une grande organisation fait tourner, un nombre monté à plusieurs centaines, et l'effet pratique est la fragmentation : une donnée éparpillée entre des outils qui ne se parlent pas. Le tableur est le terrain neutre où ces fragments se réassemblent, car c'est le plus petit dénominateur commun vers lequel tout outil peut exporter et que toute personne peut lire.

La feuille n'est donc pas l'endroit où la donnée va mourir ; c'est l'endroit où la donnée va être réconciliée. Une liste d'un système, un jeu de champs d'un autre, une correction manuelle d'un troisième, tout converge dans un tableur car c'est le seul endroit où un humain peut tout voir d'un coup et trancher. C'est pourquoi même des équipes aux stacks chers et modernes font encore leur vraie préparation de donnée dans une feuille, et pourquoi leur dire d'arrêter est vain.

L'implication stratégique est d'arrêter de traiter le tableur comme un sas temporaire et de commencer à le traiter comme l'établi qu'il est réellement. Un établi mérite de bons outils qui travaillent sur place. Quand l'enrichissement, la vérification et le travail de formule se font dans la feuille, l'équipe garde une source de vérité unique et une piste d'audit visible, au lieu d'un cimetière de copies exportées. La vue au niveau formule est couverte dans le guide des formules d'enrichissement.

C'est aussi pourquoi le conseil "utilisez juste le CRM" tient rarement. Un CRM est un système de référence, optimisé pour stocker de la donnée propre, pas pour le travail de réconciliation désordonné qui la produit. Les équipes sortent quand même la donnée dans une feuille pour dédupliquer, segmenter et corriger, puis repoussent le résultat. Le tableur ne concurrence pas le CRM ; c'est la couche de préparation qui l'alimente, et c'est précisément pourquoi le travail de donnée, donc l'enrichissement, a sa place dans la feuille.

Le coût du travail manuel dans la feuille

C'est là que vit le coût. Les recherches très citées de McKinsey ont trouvé que les knowledge workers passent environ 19 pour cent de leur semaine de travail à simplement chercher et rassembler de l'information, avant d'en faire quoi que ce soit de productif. Pour les sales en particulier, les recherches State of Sales de Salesforce ont trouvé que les reps ne passent qu'environ 28 pour cent de leur temps à vraiment vendre ; une large part du reste part en administration, recherche manuelle et saisie, beaucoup dans un tableur.

Traduisez-le sur une journée de travail et c'est environ 60 à 90 minutes par personne perdues à trouver, compléter et corriger de la donnée à la main : chercher l'email d'un décideur, confirmer un numéro, copier un champ d'un onglet à un autre, re-vérifier un enregistrement qui semblait faux. Rien de tout cela n'est de la vente, du marketing ou de l'analyse. C'est la taxe du data-prep manuel, et elle est payée chaque jour sur toute l'équipe.

Le recadrage important est que ce coût n'est pas inhérent au tableur, il est inhérent au fait de faire le travail de donnée à la main. La feuille est juste l'endroit où le travail manuel est visible. Une équipe qui automatise l'étape trouver-et-vérifier sur place récupère ces 60 à 90 minutes sans quitter la surface où elle travaille déjà, ce qui rend le gain de productivité réel plutôt qu'un simple réagencement d'outils. Cela rejoint directement la vue plus large du temps de vente dans nos travaux sur le ROI de l'enrichissement.

Le mur de la collaboration et la péremption

Deux forces érodent une feuille partagée dans le temps. La première est l'interprétation : les recherches de ThoughtSpot et d'autres ont trouvé qu'une large part des utilisateurs, près de la moitié, peinent à interpréter avec confiance la donnée dans un tableur, ce qui veut dire qu'une feuille partagée ne vaut que par la capacité de l'équipe à la lire de la même façon. Plus il y a de collaborateurs qui y touchent, plus s'accumulent interprétations, formats et éditions manuelles, et plus la feuille glisse d'une source de vérité propre vers une source contestée.

La seconde force est la péremption. La donnée de contact B2B se périme d'environ 2,1 pour cent par mois, ce qui se cumule à environ 22,5 à 30 pour cent par an, à mesure que les gens changent de poste et que les entreprises se réorganisent. Une feuille partagée qui vit des mois, exactement le genre sur lequel les équipes s'appuient, pourrit donc en silence sous la collaboration. La liste exacte à sa construction est fausse à un quart un an plus tard, et personne ne le remarque jusqu'à ce qu'une campagne heurte les enregistrements morts.

Ensemble, cela veut dire qu'une feuille statique, maintenue à la main, a une demi-vie. Elle est exacte et fiable au début, puis devient lentement une source de désaccord et de donnée périmée. La sortie n'est pas d'abandonner la feuille, c'est d'y garder la donnée vivante, vérifiée au point d'usage plutôt que figée au point d'import, pour que l'établi reste fiable quel que soit le nombre de personnes qui y travaillent ou le temps qu'il vit. Le volet passage au CRM est couvert dans le guide d'export vers le CRM.

Il vaut la peine d'être concret sur ce que la taxe manuelle représente à l'échelle d'une équipe. Une équipe revenue de dix personnes qui perd une heure par jour chacune en préparation de donnée, c'est environ cinquante heures par semaine, plus qu'un poste entier de plus, passées non à vendre ou analyser mais à chercher et corriger des champs. C'est le coût réel et récurrent que le modèle de maturité de la section suivante est conçu pour supprimer.

Le modèle de maturité du tableur comme poste data

Les équipes se situent à l'un de quatre niveaux de maturité data du tableur, et le niveau détermine largement combien de cette taxe manuelle elles paient. Niveau un, la saisie manuelle : la donnée est tapée, copiée et corrigée à la main, avec la taxe quotidienne pleine de 60 à 90 minutes. Niveau deux, les formules : l'équipe utilise les fonctions du tableur pour nettoyer et transformer, ce qui aide sur la forme mais ne fait rien pour la donnée de contact manquante ou périmée. Niveau trois, les add-ons qui tirent de la donnée, ce qui réduit les recherches mais implique souvent encore un changement de contexte ou un export. Niveau quatre, l'enrichissement live sur place : trouver et vérifier la donnée à la demande dans la feuille, au moment de l'usage.

Le saut qui compte est celui du niveau trois au niveau quatre, car il supprime entièrement l'étape exporter-puis-réimporter et garde la donnée fraîche au moment où une personne agit dessus. C'est le niveau où la taxe du data-prep manuel disparaît vraiment au lieu de juste diminuer, et c'est le niveau vers lequel argumente le reste de ce rapport. Diagnostiquer votre propre niveau est simple : comptez combien de fois par semaine quelqu'un exporte la feuille pour lui faire quelque chose, et combien de minutes par jour partent à chercher ou corriger de la donnée de contact à la main.

C'est exactement là que Derrick s'inscrit, et c'est un choix de conception délibéré plutôt qu'une liste de fonctionnalités. Parce que la donnée vit déjà dans la feuille, Derrick fonctionne comme une sidebar Google Sheets : il trouve et vérifie emails et numéros de téléphone, et enrichit les données LinkedIn et entreprise, à la demande et en temps réel sans quitter le tableur. Pas d'export, pas de second outil, pas de copie qui se périme, l'établi reste l'établi, et la taxe manuelle est automatisée sur place. Enrichissez et vérifiez votre donnée dans Google Sheets avec Derrick, gratuit jusqu'à 100 crédits par mois. Pour l'installation, voyez le guide d'installation.

Méthodologie et sources

Ce rapport s'appuie sur des recherches neutres et primaires : les chiffres publiés par Google sur l'adoption de Workspace ; McKinsey sur la part du temps des knowledge workers passée à chercher et rassembler de l'information ; Salesforce State of Sales sur la part du temps de vente réellement vendue ; Forrester sur la prolifération d'applications dans les grandes organisations ; ThoughtSpot sur la difficulté des utilisateurs à interpréter la donnée dans un tableur ; et le repère canonique de péremption des données B2B. Les chiffres d'adoption et de collaboration des tableurs sont présentés comme des estimations de marché, normalisées en fourchettes comparables. Quand un chiffre ne se traçait que via le marketing d'un fournisseur de données, nous ne l'avons pas utilisé.

Une dernière réflexion. L'instinct de beaucoup de programmes data est de sortir le travail du tableur pour le mettre dans un vrai outil. Les faits disent que l'inverse est plus réaliste : le travail revient sans cesse à la feuille car la feuille est là où les humains peuvent réellement voir et réconcilier la donnée. Le bon mouvement n'est pas de lutter contre cette gravité mais d'amener un bon outillage live dans la feuille, pour que l'établi que les équipes utilisent déjà devienne rapide et actuel au lieu de manuel et périmé. Enrichissez là où la donnée vit, vérifiez au point d'usage, et le tableur cesse d'être un passif pour devenir l'actif qu'il est déjà, en silence.