Prospection B2B automatisée sur mesure

Le marché de la prospection B2B est dense. Apollo, Cognism, Lusha, Pharow, Lemlist, La Growth Machine, Waalaxy. Chacun excelle dans sa fenêtre. Aucun ne couvre la chaîne complète. Et cinq limites structurelles, qu'aucun acteur grand public ne peut traiter sans renoncer à son modèle économique, expliquent pourquoi.

• Première limite, la détection des nouvelles entreprises françaises.
  

  Aucun outil du marché ne propose nativement la captation et l'analyse quotidienne du flux d'immatriculation française. Pourtant, ce sont précisément ces entreprises-là qui ont besoin de tout : d'un comptable, d'un site internet, d'une signature électronique, d'une assurance professionnelle, d'un avocat conseil, d'une agence de communication, d'un CRM, d'une banque pro. La fenêtre commerciale est ouverte, brève, instrumentée par personne.

• Deuxième limite, la profondeur d'enrichissement.
  

  Les plateformes type Apollo s'arrêtent à la surface : nom, secteur, contact, taille déclarée. Au mieux. La cible reste une ligne dans un fichier, jamais un dossier instruit. Là où Apollo livre une carte de visite, nous voulions livrer une biographie d'entreprise : comptes, effectif réel, parcours du prospect, anciennes procédures, sociétés liées, signaux historiques publics passés au peigne fin avant qualification.

• Troisième limite, la personnalisation des messages.
  

  Le ton est mauvais. Le contexte est superficiel. L'enrichissement amassé en amont n'est presque jamais mobilisé en aval. Les emails rédigés par les IA grand public ne sont pas vraiment personnalisés, ils en imitent la forme sans en avoir la substance. Et c'est normal, pour deux raisons. Refondre une application à chaque sortie d'un nouveau modèle de langage est un chantier qu'aucun éditeur SaaS de masse ne mène en continu.

  Faire tourner un modèle de pointe sur chaque rédaction effondrerait leur marge. Avec l'arrivée d'alternatives locales puissantes (Mistral, Gemma, Llama), la première contrainte se résoudra. La seconde, sur le coût, restera. Et l'enrichissement profond, lui, ne descendra jamais à un coût compatible avec un abonnement de masse.

• Quatrième limite, la qualité perçue de l'entreprise émettrice se dégrade.
  

  Un destinataire qui reçoit un cold email standardisé ne lit pas seulement un message, il en tire une déduction sur l'entreprise qui l'a envoyé. Mauvaise écriture, ton mécanique, pertinence approximative : trois signaux qui, en moins de cinq secondes de lecture, abaissent la perception de l'expéditeur d'un cran, parfois deux. Et la perception abaissée, contrairement à l'email lui-même, ne s'efface pas. Elle s'inscrit.

  Le destinataire associe désormais votre marque à un cold email maladroit, à un message qu'il aurait préféré ne pas recevoir, à une entreprise qui ne sait pas s'adresser à lui correctement. Effet de halo : votre marque a perdu un cran d'autorité dans son esprit, et il faudra en gagner deux pour rattraper. Vous avez consommé un capital de réputation pour un message qui n'aurait jamais dû partir.

  La prospection mal calibrée n'est pas neutre ; elle est destructrice.

  Cette dégradation n'est pas anecdotique. Dans un marché où les dirigeants reçoivent quotidiennement des dizaines de sollicitations B2B, l'écart entre un message qui élève l'expéditeur et un message qui le rabaisse devient le critère silencieux de tri. Le premier ouvre une porte, parfois plus tard, parfois jamais, mais elle reste ouverte. Le second ferme la porte, et ferme aussi celles que l'expéditeur n'a pas encore frappées.

  Les outils grand public, parce qu'ils encouragent le volume au détriment du soin, font perdre à leurs utilisateurs ce qu'ils prétendent leur faire gagner.

  Notre conviction est rigoureusement inverse. L'objectif n'est pas la campagne à un million d'emails, c'est la prise de contact unique, motivée, défendable. Nous écrivons à ce prospect-là parce que notre analyse a établi qu'il rencontre un besoin concret que nous savons servir, pas parce qu'il figure dans une liste tirée d'un filtre approximatif.

  Nous le contactons correctement, sans lui sauter à la gorge, sans le presser, sans lui infliger la cinquième relance d'une séquence générée à la chaîne. La prospection redevient ce qu'elle aurait toujours dû rester : un acte chirurgical, pas une avalanche.

• Cinquième limite, les emails finissent tous en spam.
  

  Le problème n'est plus ici la perception du destinataire, mais celle de sa boîte mail. Les filtres modernes (Gmail, Outlook, Proofpoint) ne lisent plus seulement les mots-clés, ils lisent les patterns. Une séquence envoyée à dix mille destinataires, avec la même structure, les mêmes hooks rotatifs, les mêmes images dynamiques génériques, est détectée comme du cold mass mailing en quelques heures.

  Le résultat est implacable : ces messages finissent presque mécaniquement en courrier indésirable, jamais lus, jamais répondus. Le destinataire ne voit même plus le message ; le filtre l'a écarté avant lui. La conséquence est double : le coût de l'envoi est consommé sans contrepartie, et la réputation du domaine émetteur se dégrade à chaque vague, rendant les envois suivants encore moins délivrables. La spirale est descendante.

  Plus l'éditeur pousse au volume, plus le volume se transforme en bruit que personne n'entend, parce que personne ne le reçoit.

Quatre temps, un atelier intégré.

• Détection.
  

  Logiks Detect orchestre cinq bases publiques de l'État français pour capter chaque jour les unités légales nouvellement immatriculées, filtrées sur la forme juridique, l'activité, la géographie et le statut de diffusion. Pas un stock à rafraîchir : un flux à traiter, dès l'inscription au registre.

• Qualification.
  

  Deux scores distincts, jamais confondus. Un score d'opportunité qui mesure la qualité commerciale intrinsèque de la cible : forme juridique, capital lu en percentile sur la cohorte sectorielle, code d'activité, objet social, fraîcheur. Un score de contactabilité qui mesure une chose différente : peut-on, et doit-on, contacter cette société, et avec quelle qualité de canal.

  Un troisième garde-fou structurant : la diffusion commerciale française, qui bloque par défaut tout outreach sur les sociétés qui ont demandé à ne pas être démarchées.

• Fact-check IA.
  

  C'est ici que l'outil cesse d'être un outil de prospection pour devenir un atelier de qualification. Une chaîne de requêtes ratisse les profils LinkedIn publics du prospect, à partir de son identité registre et non du nom de la société. Un algorithme déterministe score chaque candidat sur dix critères. Seule la shortlist passe au modèle, qui doit produire un profil structuré sur six dimensions de validation.

  Règle dure et non négociable : si le modèle propose un profil hors shortlist, on le refuse. L'IA ne choisit pas, elle vérifie.

• Génération.
  

  Un score de confiance synthétise l'ensemble et détermine cinq régimes d'outreach, du blocage total à la personnalisation autorisée. L'agent rédacteur reçoit le contexte autorisé, et seulement lui. Il n'a pas le droit d'inventer un fait, de citer une biographie non validée, ou de mobiliser un signal interdit. La rédaction tourne sur des modèles frontière, ceux que les outils grand public ne peuvent pas se permettre.

  Saint-Exupéry le formulait pour le vol : la perfection est atteinte non lorsqu'il n'y a plus rien à ajouter, mais lorsqu'il n'y a plus rien à retrancher. On filtre durement en amont pour ne mobiliser la puissance de calcul que sur les cibles qui le méritent.

L'outil est particulièrement adapté aux entreprises B2B qui opèrent sur plusieurs secteurs avec une palette large de services. C'est précisément là que l'enjeu de personnalisation devient redoutable : il ne suffit plus de varier le ton, il faut convoquer la bonne offre au bon prospect, sans hésitation, sans approximation.

Le pipeline reçoit en contexte l'ensemble de vos use cases, vos services, vos arguments par segment, et c'est l'IA, instruite par votre catalogue, qui choisit ceux qu'elle mobilise pour chaque cible.

Un exemple concret. Une agence immobilière est créée à Lyon. Le code NAF la classe sans ambiguïté. Le parcours du prospect, vérifié par fact-check, indique une expérience préalable dans la transaction haut de gamme.

Le pipeline assemble alors une approche calibrée : pour cette cible, ce sont nos services de site internet immobilier, de référencement local, de branding pour agence indépendante qui sont mis en avant, pas ceux que nous proposons à un cabinet d'avocats ou à un éditeur de logiciel.

Le message ne dit pas « nous proposons plein de choses » ; il dit « voilà ce dont vous allez avoir besoin dans les semaines qui viennent, et voilà pourquoi nous savons le faire pour vous ». La cible reçoit une proposition qui semble écrite à la main, parce qu'elle l'est, par une chaîne automatisée pilotée comme un atelier.

Le niveau d'automatisation, lui, ne se règle pas globalement, par bloc monolithique. Il se règle étape par étape, en un clic, sur chaque maillon du pipeline. Détection, qualification, enrichissement, fact-check, rédaction, envoi : chaque étape peut basculer indépendamment entre trois régimes. Le mode automatique déroule le maillon sans intervention.

Le mode règles ne déclenche le maillon que si les conditions que vous avez fixées sont remplies (par exemple, qualification automatique uniquement pour les SASU au-dessus de dix mille euros de capital, dans les codes NAF que vous avez retenus). Le mode manuel garde l'humain à la barre sur ce maillon précis.

Concrètement, la configuration que nous utilisons pour notre propre prospection illustre la philosophie. Détection, qualification, enrichissement et fact-check tournent en automatique, parce que ce sont des étapes de tri et d'instruction où la machine excelle. La rédaction tourne en automatique elle aussi, parce que le contexte amont est suffisamment cadré pour que le modèle frontière produise une première version solide. Mais l'envoi, lui, reste manuel. L'IA crée un brouillon directement dans notre compte Gmail.

Nous vérifions, nous ajustons une formulation si besoin, nous envoyons nous-même. C'est une décision assumée. Nous voulons agir avec précision, jamais spamer, jamais laisser partir un message que nous n'aurions pas pu signer en personne. La machine fait tout le travail d'instruction. L'humain garde le dernier mot.

Notre objectif n'est pas de spamer, ni de prétendre comprendre des prospects que nous ne connaissons pas. Il est plus modeste, et plus exigeant à la fois : chercher à comprendre, en amont du contact, le besoin réel d'une entreprise, et lui proposer des solutions précises qui apportent une valeur ajoutée concrète et mesurable. C'est tout. Le reste, c'est le travail d'enquête en amont qui détermine si l'approche tient ou pas.

Cette discipline produit trois effets directs.

• D'abord, un meilleur ciblage.
  Nous ne contactons une entreprise que si l'analyse établit qu'elle rencontre un besoin que nos services adressent réellement. Les autres restent en base, scorées, mais non démarchées. Le volume de contact baisse ; la pertinence de chaque contact monte.

• Ensuite, un capital de réputation préservé.
  Là où une campagne de masse mal calibrée associe durablement votre marque à un cold email maladroit, une approche chirurgicale produit l'inverse : aucune trace négative, aucun classement automatique en spam, aucun effet de halo destructeur. Les outils grand public produisent du volume qui finit en spam ; nous produisons des messages qui arrivent.

• Enfin, une valeur commerciale documentable.
  Pour un coût d'envoi équivalent, le taux de réponse, le taux de conversion et le coût par rendez-vous qualifié évoluent dans le bon sens. Ce n'est pas une question de volume, c'est une question d'arithmétique commerciale élémentaire.

Nous travaillons à mesurer précisément cet écart sur des cohortes contrôlées. Si votre entreprise prospecte activement et souhaite participer à une étude comparée (votre stack actuelle face à un Detect calibré sur votre vertical, mesure du taux de réponse, du taux de conversion, du coût par rendez-vous qualifié), nous serions ravis d'en discuter.