Les 30 premiers jours d'un client Orkelia : métriques réelles

On parle beaucoup d'IA verticale en théorie. Voici ce que ça donne en pratique sur les 30 premiers jours d'un client Orkelia. Données agrégées sur les 12 derniers déploiements 2025-2026, anonymisées mais réelles.

Méthodologie

12 workspaces tracés : 6 Clinique (esthétique, dentaire, kiné, dermato, gynéco, podo), 4 Commercial (SaaS B2B, agence, conseil, recrutement), 2 Restauration (bistro, pizzeria). Tous en France, taille 1-8 utilisateurs. Métriques mesurées : day-by-day depuis le Stripe checkout jusqu'au jour 30.

1. Time-to-first-message

Définition : temps entre le Stripe checkout signé et le premier message agent envoyé en production réelle.

Pourquoi Commercial est plus long : la deliverability email demande 3-5 jours de warmup domaine + setup DKIM/SPF/DMARC + branded tracking. Clinique/Restau démarrent direct sur WhatsApp/Insta qui n'ont pas ce délai.

2. Courbe d'activation (% utilisateurs envoyant un message agent)

Insight : 100% d'activation au jour 7, mais 8% de churn d'activité entre J7 et J14. Ces 8% = soit client qui réalise que ce n'était pas pour eux (Tailor aurait mieux fitté), soit problème d'onboarding équipe (le founder a activé mais l'équipe ne l'utilise pas). On les rattrape par appel proactif au J10.

3. Premiers replies entrants

Pour Commercial uniquement (les autres verticaux n'ont pas de notion équivalente de "reply outbound") :

Pourquoi le taux monte : semaine 1, templates encore génériques. À partir de la semaine 2, on calibre le personalizer Sonnet sur les replies réels reçus, le taux progresse.

4. Time-to-first-customer (Clinique uniquement)

Définition : temps entre Stripe checkout et 1ère consultation patient bookée via Orkelia.

Le plus lent (22 jours) était un cabinet dentaire qui n'avait pas connecté son compte Doctolib correctement — l'agent voyait des slots vides en permanence. Fixé au jour 19, premier booking au jour 22.

5. Friction points observés

• Setup WhatsApp Business API (Meta) : 3-7 jours d'attente Meta côté validation business, on ne peut rien y faire. C'est le bottleneck principal Restau/Clinique.
• Calibration ton sur templates Commercial : il faut 2-4 itérations avant que le ton réponde à l'attente du founder. On gagne du temps en partant de templates de marques équivalentes plutôt qu'en réécrivant.
• Documentation pool de remplaçants Restauration : 60% des clients restau n'ont pas documenté leur pool d'extras → on doit le faire avec eux au call d'onboarding.
• Intégration Doctolib Clinique : OAuth Doctolib demande validation Doctolib eux-mêmes (4-10 jours). On opère en parallèle avec une captation WhatsApp standalone en attendant.

6. Ce que personne ne dit

Les 12 workspaces ont tous généré un effet inattendu : un meilleur process interne. Forcer de la documenter le pool de remplaçants restauration, le pool de praticiens cabinet, ou les templates outbound = mettre par écrit ce qui était dans la tête du founder.

Sur 5 des 12 cas, le founder nous a dit : "Au-delà du gain agent, c'est cet exercice de mise à plat qui m'a fait gagner du temps." On vend de l'agent IA, on installe en réalité de la méthode.

7. Ce qui doit s'améliorer côté Orkelia

Honnêtement, sur ces 12 déploiements :

• Notre time-to-first-message Commercial doit descendre sous 5 jours (médiane 7,8j actuelle = trop long)
• Le call d'onboarding Restauration de 1h ne suffit pas — on devrait en faire 2 séparés (doc pool + calibration ton)
• Le dashboard analytics post-J30 manque de profondeur. On regarde nombre messages mais pas la qualité de conversation. À refaire Q3 2026.

Si tu prépares un déploiement Orkelia, ces métriques t'aident à savoir quoi attendre. Pour les détails sur ta vertical précise, 30 min en visio.