In the latest episode of What the Tech, we sat down with Jonathan Kvarfordt, VP of GTM Strategy at Momentum.io and founder of the GTM AI Academy. With over 15 years in revenue excellence and GTM acceleration, Jonathan has developed an AI GTM data orchestration platform that’s fundamentally changing how businesses capture, structure, and activate conversational data.
For customers like Zscaler, DemandBase, Ramp, and 1Password, this has translated into productivity gains of 3-10 hours per rep per week. But the real breakthrough isn’t just about time savings—it’s about unlocking a competitive moat that most companies don’t even realize they’re sitting on.
De représentant des ventes à éducateur en IA
Le parcours de Jonathan dans l’IA a commencé de façon unique : il a travaillé avec quelqu’un qui avait bâti son propre modèle d’IA à partir de zéro. « J’étais responsable de la formation et de l’accompagnement, autant pour les clients que pour l’équipe des ventes, sur ce qu’est l’IA et comment l’utiliser, » explique Jonathan. « J’ai appris directement d’un gars qui avait construit son propre modèle. »
Cette expérience pratique a donné à Jonathan un avantage que peu de gens avaient lors du lancement de ChatGPT il y a trois ans : une compréhension profonde du fonctionnement réel de l’IA, loin des clichés à la Terminator. Quand il a vu des gens sur LinkedIn parler de leur utilisation de ChatGPT, il a tout de suite compris qu’ils s’y prenaient mal.
« Tout le monde faisait juste des recherches comme sur Google, » se souvient Jonathan. « Ils écrivaient une phrase et supposaient que l’IA comprenait tout. Le problème, c’est que les gens ne donnent pas assez d’informations parce qu’ils pensent que l’IA sait des choses qu’elle ne sait pas. »
Son constat :Bien formuler ses requêtes n’est pas optionnel — c’est la différence entre des résultats génériques et des réponses vraiment utiles. Même avec les modèles les plus puissants d’aujourd’hui, la combinaison de bonnes techniques de requêtes et d’une IA avancée crée un effet multiplicateur impossible à obtenir autrement.
La mine d’or des données conversationnelles encore inexploitée
Après avoir lancé la GTM AI Academy il y a trois ans (plus de 10 000 personnes ont suivi ses formations), Jonathan a rejoint Momentum.io — d’abord comme client, puis comme conseiller, et finalement comme VP de la stratégie GTM.
Qu’est-ce qui l’a attiré? Une prise de conscience fondamentale sur une ressource sous-utilisée :
« Je pense que les gens ne réalisent pas à quel point les données conversationnelles sont importantes, simplement parce qu’on n’a pas l’habitude d’y avoir accès. Toutes les conversations de votre équipe — que vous soyez cinq à parler à des clients ou mille — génèrent une quantité de données uniques à ces échanges. Ces conversations, c’est un type de données qui peut vraiment devenir un avantage défendable. »
Pensez-y : chaque fois que votre équipe échange avec des prospects ou des clients, elle recueille de l’information que personne d’autre ne peut reproduire. Les problèmes spécifiques mentionnés, le vocabulaire utilisé, les objections soulevées, les solutions concurrentes envisagées — tout cela, c’est de l’intelligence unique.
Mais voici le problème :Tout ça dort dans les bibliothèques Gong, Fathom, Chorus, sans rien produire. Vous n’y avez pas accès. Impossible de structurer ou d’exploiter ces données.
La couche d’infrastructure qui fait fonctionner l’IA
C’est là que Momentum.io intervient, et l’explication de Jonathan sur la valeur ajoutée est limpide :
« On prend littéralement les données issues des conversations, courriels, billets, appels, peu importe — on les découpe, on les extrait, on les nettoie, on les valide, puis on les intègre dans le CRM pour que vous puissiez avoir confiance en la qualité des données. »
Pourquoi c’est crucial? Parce que l’IA a besoin de données propres pour livrer des résultats.
Comme le dit Jonathan : « Le problème, c’est que les gens veulent automatiser le CRM ou d’autres actions, mais ils ne peuvent pas parce que les données n’existent pas. Momentum devient la couche d’infrastructure — la première étape de l’automatisation IA qui injecte les données issues des conversations. Ensuite, vous pouvez utiliser Zapier, Make, n8n, Agentforce, toutes sortes d’outils, avancés ou nouveaux, parce que vous avez déjà des données structurées, propres et validées. »
C’est l’idée de base : tous les outils d’IA du monde ne servent à rien sans des données propres et structurées pour les alimenter. Momentum fournit cette couche d’infrastructure.
Du gain de temps à l’intelligence stratégique
Le bénéfice immédiat est évident : vos représentants économisent de 3 à 10 heures par semaine, puisqu’ils n’ont plus à mettre à jour le CRM manuellement ou à fouiller dans leurs notes avant une rencontre.
Mais le vrai avantage?Les représentants n’ont même pas à toucher à la plateforme.
« La nouvelle génération d’outils IA ne demande pas aux gens de venir vers nous — c’est nous qui allons vers eux, dans leur flux de travail, » explique Jonathan. « Les représentants adorent l’outil, mais ils n’ont jamais à l’ouvrir, parce qu’il fait tout le travail à leur place. »
Les vrais utilisateurs? Les VP des opérations de revenus, les chefs de la direction des revenus et autres dirigeants qui ont soudainement accès à une intelligence structurée et exploitable issue de chaque conversation client.
Une vue globale des données que personne n’a (encore)
Jonathan imagine un avenir où la combinaison de plusieurs ensembles de données crée un avantage stratégique inédit :
« Vous pouvez combiner des données tierces de Clay ou Apollo, des données de R-D de compagnies comme Boast, des données conversationnelles de Momentum, des données CRM sur la taille des transactions — vous commencez à avoir une vue d’ensemble qu’on n’a jamais pu obtenir avant. Ça ouvre des possibilités incroyables, car vous pouvez croiser les données de R-D avec la finance, les ventes, les conversations, le CRM. Vous obtenez une vision complète qui change complètement votre façon de réfléchir et de prendre des décisions. »
Le lien avec Boast est particulièrement pertinent ici. Les données sur les crédits d’impôt R-D vous montrent ce que les entreprises développent réellement et où elles investissent. Si vous combinez ça avec les données conversationnelles sur leurs enjeux et les données CRM sur la progression des ventes, vous obtenez une intelligence que vos concurrents ne peuvent tout simplement pas reproduire.
Repenser les revues de pipeline
Une des applications les plus prometteuses discutées par Jonathan :utiliser des signaux propulsés par l’IA pour enrichir ou même remplacer les revues de pipeline traditionnelles.
Les revues de pipeline actuelles reposent beaucoup sur l’opinion subjective des représentants — ce qui pose des problèmes évidents. « Comment vous sentiriez-vous si chaque semaine, vous deviez justifier votre existence en réunion, sans pouvoir être subjectif? Parce que si l’information est mauvaise, vous risquez de perdre votre emploi. Personne ne ferait ça, mais on demande ça à l’équipe des ventes tout le temps. »
Résultat? Des représentants soit trop critiques, soit trop optimistes. Les CRO entendent « on va conclure 20 ventes sur 30 », alors que la réalité est plus près de cinq.
La vision de Jonathan : des revues de pipeline qui combinent l’avis subjectif des représentants avec des signaux de données objectifs :
- Données conversationnelles de première partie issues de Momentum
- Données d’intention tierces provenant de G2 et d’autres sources
- Analyse des tendances (Est-ce que la mention d’un concurrent augmente semaine après semaine?)
- Reconnaissance de motifs selon l’industrie, la taille des transactions et les personas
« Vous pouvez maintenant voir : est-ce que ça monte, est-ce que ça descend? Quand vous combinez ça avec des données tierces, ça devient vraiment puissant. »
Qu’est-ce qui s’en vient pour 2026
Jonathan et l’équipe de Momentum misent gros surla recherche approfondie et l’analyse globale — ils vont au-delà des analyses appel par appel pour détecter des tendances à travers l’ensemble des données.
Ils développent aussi ce que Jonathan appelle des « signaux » à partir des données conversationnelles de première main. Par exemple : détecter l’arrivée d’un nouveau concurrent, non seulement en le signalant, mais en montrant à quelle fréquence il est mentionné selon l’industrie, la taille des transactions, le persona, et en suivant l’évolution semaine après semaine.
Du côté formation, Jonathan lance un projet audacieux :un cours entièrement généré par l’IA dans la GTM AI Academy. Tout, sauf sa vidéo d’introduction, sera créé par l’IA — contenu, quiz, tout. « Je ne sais pas si ça va fonctionner, mais on va l’essayer et voir ce que ça donne. Je ne le saurai pas tant que je ne l’aurai pas tenté. »
Points clés à retenir
Les données conversationnelles constituent un avantage concurrentiel durable – Les échanges de votre équipe avec les clients contiennent une intelligence unique que vos concurrents ne peuvent pas copier. Mais seulement si vous pouvez structurer et exploiter ces données.
L’IA a besoin de données propres – Tous les outils d’automatisation du monde ne servent à rien sans des données structurées et validées pour les alimenter. L’infrastructure, c’est la clé.
Le nouveau flux de travail : l’IA vient à vous – Les anciens SaaS exigeaient de se connecter à une plateforme. Les outils IA modernes travaillent en arrière-plan, intégrés à votre quotidien, sans vous demander de changer vos habitudes.
Les décisions stratégiques nécessitent à la fois de l’objectif et du subjectif – L’avis des représentants est précieux, mais le combiner avec des signaux de données donne une vision complète, impossible à obtenir autrement.
La formulation des requêtes reste essentielle – Même avec des modèles plus puissants, bien formuler ses requêtes crée des effets multiplicateurs bien supérieurs aux questions génériques.
Écoutez l’épisode complet
Vous voulez en savoir plus sur le parcours de Jonathan, de représentant à formateur en IA, sur la façon dont Momentum.io repense les données conversationnelles et sur l’avenir des revues de pipeline en 2026?
