Enrichissez vos listes de prospects grâce à l'IA ChatGPT, Claude Code et Codex, alimenté par des données réelles

Nourrissez votre IA avec des données, pas avec des intuitions

Demandez à n'importe quel modèle de vous « fournir 50 dentistes à Madrid avec leurs adresses e-mail » et il vous fournira une liste plausible. Les noms semblent réels, mais les numéros de téléphone sont fictifs. Les modèles de langage sont conçus pour prédire du texte, et non pour connaître le numéro de téléphone actuel d'un cabinet. C'est pourquoi l'enrichissement des données commence par une source fiable.

La solution est simple : il faut d’abord recenser les entreprises, puis transmettre ce fichier structuré à l’IA. Lorsqu’un modèle analyse une colonne contenant des notes réelles, le nombre d’avis, les catégories et les sites web, il cesse de deviner et commence à raisonner. C’est le principe même de cette approche Alimentez votre IA avec des données d'entreprise..

Le Vonsel L'extension permet d'obtenir ce fichier. Vous effectuez une recherche sur Google Maps, vous capturez les résultats et vous les exportez. L'intelligence artificielle se charge de l'enrichissement. L'extension est la source, votre outil d'IA est l'atelier, et le tableau de bord Vonsel est l'endroit où les prospects finalisés vont travailler.

Exporter un fichier propre à partir de l'extension

Ouvrez Google Maps, recherchez par exemple « couvreurs à Austin » ou « salons de coiffure à Barcelone », et laissez la fenêtre contextuelle Vonsel récupérer les résultats. Chaque entreprise est référencée avec son nom, son adresse, son numéro de téléphone, son site web, sa catégorie, sa note et le nombre d'avis. Vous pouvez choisir le format qui convient à votre outil d'IA Options d'exportation CSV, XLSX et JSON..

Règle générale : utiliser CSV ou Excel lorsque vous prévoyez de télécharger le fichier sur ChatGPT et d'utiliser JSON Lorsque Claude Code ou Codex le lira, car les champs imbriqués résistent mieux. Si vous débutez, le Formats d'exportation pour le guide IA couvertures lorsque chacune brille.

Une ligne d'en-tête claire et cohérente est plus importante que le volume de données. Des colonnes bien structurées permettent à un modèle d'associer la « note » au « nombre d'avis » et d'en tirer des conclusions. Un texte brut ne produit que des réponses brutes. Il faut structurer les données en entrée pour obtenir des résultats structurés.

ChatGPT : téléchargez le fichier et demandez-lui de le faire

Pour la plupart des utilisateurs, ChatGPT est la solution la plus rapide. Ouvrez une nouvelle conversation, joignez votre fichier CSV ou Excel exporté et décrivez votre besoin. Son mode d'analyse de données lit directement la feuille de calcul ; vous pouvez ainsi poser des questions en langage naturel et obtenir un fichier enrichi téléchargeable. OpenAI documente le fonctionnement sous-jacent dans son… guide de génération de texte..

Quelques pistes de réflexion pour démarrer une fois le fichier joint:

• "Attribuez à chaque entreprise une note de 1 à 5 selon la probabilité qu'elle ait besoin d'un nouveau site web, en utilisant la note, le nombre d'avis et la présence ou non d'un site web."
• "Ajoutez une colonne qui étiquette chaque prospect selon sa taille : indépendant, petit prospect ou prospect établi, en fonction du nombre d’avis."
• "Repérez les entreprises bénéficiant d'une excellente note mais ayant très peu d'avis. Elles sont sous-représentées et faciles à démarcher."
• "Rédigez une phrase d'accroche personnalisée d'une seule ligne pour chaque ligne, en fonction de sa catégorie et de sa ville."

Le flux de travail est couvert de bout en bout dans Téléchargement d'un fichier CSV de prospects sur ChatGPT et dans analyser les listes de prospects avec ChatGPT. Limitez les lots à quelques centaines de lignes par chat afin que le modèle reste précis, puis fusionnez les éléments.

Claude Code : enrichissez un dossier entier sur votre machine

Lorsqu'un fichier se transforme en cinquante, la fenêtre de chat de ChatGPT devient un goulot d'étranglement. Code Claude Ce script s'exécute dans votre terminal, ce qui lui permet de lire un dossier d'exportations, de parcourir des milliers de lignes et d'enregistrer les résultats enrichis sur le disque. C'est ce qui distingue une simple question d'un processus automatisé et reproductible.

Déposez vos fichiers JSON ou CSV dans un dossier, ouvrez Claude Code et indiquez-lui directement : « Lire chaque fichier dans ./leads, ajouter une colonne lead_score et website_gap à chacun, et enregistrer les résultats dans ./enriched. » Comme il fonctionne avec des fichiers locaux, aucune donnée n'est tronquée et vous pouvez réutiliser la même instruction lors de la prochaine extraction de données. Plus de détails dans… Analyser les prospects avec Claude Code..

C'est également ici que vous pouvez créer des invites réutilisables. Enregistrez une instruction d'enrichissement bien formulée une seule fois et appliquez-la à chaque exportation future. Un ensemble de démarrage est fourni dans Claude Code invite à la création de bases de données de prospects..

Codex et modèles locaux pour les travaux scriptés ou privés

Certaines équipes préfèrent que l'enrichissement soit intégré au code plutôt que géré manuellement Codex CLI Il s'intègre parfaitement ici. Indiquez-lui l'emplacement de votre fichier exporté et demandez-lui de générer un petit script qui nettoie les formats de téléphone, supprime les doublons par adresse et ajoute une colonne de score. Vous vérifiez le script, l'exécutez, et vous obtenez ainsi une étape d'enrichissement reproductible dans votre dépôt.

Si les données sont sensibles ou si vous préférez simplement les conserver hors du cloud, un modèle local fonctionne avec le même fichier exporté. Rien ne quitte votre ordinateur portable et l'exportation JSON reste exactement identique à l'entrée. Voir utilisation de LLM locaux avec des données de plomb pour ce chemin. Le point commun entre ChatGPT, Claude Code, Codex et un modèle local est le même fichier propre sous-jacent.

D'un fichier enrichi à un pipeline fonctionnel

L'enrichissement n'est pas une fin en soi. Un fichier CSV annoté, posé sur votre ordinateur, doit encore donner lieu à des échanges et des réunions. C'est le rôle du Tableau de bord Vonsel: Un CRM cartographié où sont hébergées vos entreprises enregistrées, avec des données de ventes, d'avis et d'analyse des e-mails intégrées. L'enrichissement par IA effectué en amont sert de segmentation et de priorisation pour vos actions en aval.

Dans le tableau de bord, un e-mail personnalisé est généré par l'IA pour chaque entreprise, et les bases de données sont contextualisées en fonction des problèmes identifiés dans les avis. Ainsi, l'indicateur « lacune_site_web » généré par votre modèle correspond parfaitement à une véritable stratégie de communication. Une exportation brute constitue un point de départ ; une base de données à valeur ajoutée représente le produit final, comme expliqué dans… Base de données à valeur ajoutée vs fichier CSV brut..

Une autre bonne habitude à conserver : extraire des données de manière responsable et ne travailler qu’avec des données de contacts professionnels. Un aperçu rapide de La question de la légalité du scraping de Google Maps permet de s'assurer que vos listes enrichies sont solides avant d'envoyer un courriel à qui que ce soit.

Ne laissez pas le modèle inventer les données