Un guide concret de l’IA prospection pour les indépendants, les agences et les petites entreprises françaises : les étapes que l’IA gère bien, celles qu’elle invente, et comment bâtir une liste de prospects locaux fiable, dans le respect des règles de la CNIL.
L’IA prospection consiste à utiliser l’intelligence artificielle pour trouver, analyser, qualifier et contacter plus vite des clients potentiels. Elle donne de bons résultats quand elle part de données d’entreprise réelles, comme les fiches Google Maps, et qu’une personne relit chaque message. Sans source fiable, elle ne produit que des listes plausibles, impossibles à vérifier.
L’IA prospection consiste à appliquer l’intelligence artificielle à la génération de leads : repérer des clients potentiels et susciter leur intérêt. Concrètement, elle couvre quatre étapes : identifier les entreprises qui correspondent à votre client idéal, se renseigner sur chacune, décider lesquelles contacter en premier et rédiger le premier message.
Elle remplace la partie lente et répétitive de ce travail. Votre offre, votre jugement sur la pertinence d’un prospect et la conversation qui suit une réponse restent de votre côté. Un modèle peut rédiger mille e-mails, mais il ne peut pas inventer une proposition qui mérite qu’on y réponde.
Méfiez-vous de l’étiquette. Beaucoup de produits vendus comme « IA prospection » sont des enchaînements fixes qui appellent un modèle de langage à un moment donné. Anthropic fait la distinction dans son article Building Effective AI Agents (en anglais) : les workflows suivent des chemins de code prédéfinis, tandis que les agents dirigent eux-mêmes leur déroulement et leurs outils, et l’éditeur recommande de chercher la solution la plus simple possible. Pour une petite équipe, un workflow prévisible et vérifiable est presque toujours plus sûr. Pour le cadre général de l’IA dans la vente, lisez notre article sur ChatGPT pour la prospection commerciale.
L’IA excelle pour lire et écrire de gros volumes de texte, mais elle ne connaît pas les faits qu’on ne lui a jamais fournis. Le tableau suit le parcours typique d’une prospection locale.
| Étape | Ce que l’IA fait bien | Ce qu’il lui faut de votre part |
|---|---|---|
| Constituer la liste | Filtrer et trier une liste qui existe déjà | Une source de données vérifiable, comme Google Maps, pour que chaque entreprise soit réelle |
| Trouver les contacts | Lire le texte que vous lui donnez | Les coordonnées que l’entreprise publie vraiment, jamais des e-mails devinés |
| Se renseigner sur chaque entreprise | Résumer des centaines d’avis en quelques secondes | Les vrais avis et le site web comme matière première |
| Noter l’adéquation | Classer les comptes selon les règles que vous écrivez | Un client idéal clair et des critères de notation précis |
| Rédiger le premier message | Produire vite des brouillons qui citent un fait vrai | Une relecture humaine avant l’envoi |
| Traiter les réponses et conclure | Trier les réponses par intention | Une personne pour tout ce qui est tendu, ambigu ou commercial |
Toutes les lignes dépendent de la première : sans liste, un modèle ne peut qu’en inventer une.
Elle échoue parce qu’un chatbot non connecté à des données réelles répond avec ce qu’il a retenu de son entraînement. Demandez-lui « 40 dentistes à Lyon avec leurs e-mails » : vous obtiendrez des noms, des téléphones et des adresses plausibles, mais périmés ou simplement inventés. Vous le découvrirez au moment des rejets.
Une mauvaise donnée coûte plus cher qu’un envoi raté. Les rejets et les plaintes dégradent votre réputation d’expéditeur, et un message qui affirme un fait faux est pire qu’un message générique. Séparez donc les deux tâches : une source de données apporte les faits, l’IA les exploite pour écrire.
Pour les marchés locaux et les petites entreprises, Google Maps est la source la plus riche, car elle recense déjà les commerces que vos clients cherchent. En revanche, Maps ne publie pas les e-mails des entreprises : il manque donc l’essentiel, c’est-à-dire les coordonnées affichées sur le site de chaque entreprise. Pour comprendre comment une carte devient un fichier exploitable, consultez notre guide du fichier de prospects à importer dans ChatGPT.
Celui qui vend régulièrement au même type d’entreprise locale en profite le plus, car la recherche et la rédaction se répètent d’une cible à l’autre.
Les freelances vendent en général un seul service : création de site, référencement, photo. Un webdesigner à Nantes peut lister les restaurants du quartier, écarter ceux qui n’ont pas de site et envoyer à chacun un court message qui mentionne sa catégorie et son quartier.
Les agences appliquent la même logique à plusieurs clients. Une agence spécialisée dans les salles de sport à Toulouse peut classer les clubs selon leur note et leur nombre d’avis, lire les reproches récurrents des adhérents et ouvrir la conversation sur ce point précis.
Les petites entreprises qui ont une équipe terrain, comme une société de nettoyage de locaux à Lille ou un installateur de chauffage à Strasbourg, utilisent la même liste pour décider qui visiter ou appeler en premier. L’IA fait gagner le temps de recherche, et le dirigeant garde la relation.
Si votre offre n’est pas encore testée, ou si chaque vente repose sur une relation de longue date, attendez un peu. Un message écrit à la main à un compte bien choisi vaut mieux qu’un envoi automatisé.
Construisez-le en six étapes, en commençant par les données, puis l’IA. Vonsel prend en charge la collecte, la recherche et la rédaction à partir de données réelles, et vous gardez la main sur ce qui est envoyé.
Écrivez précisément à qui vous vendez et où, par exemple « salles de sport indépendantes à Rennes ». Plus la cible est étroite, plus il est facile de juger la suite.
Tapez la catégorie, cliquez sur « Start » dans l’extension Vonsel et parcourez la carte. Elle relève le nom, l’adresse, le téléphone, le site, la catégorie, la note et le nombre d’avis au fil de votre exploration.
Vonsel ouvre en arrière-plan le site de chaque entreprise pour y chercher les e-mails, les mobiles, les profils WhatsApp et les réseaux sociaux affichés. Ce que vous obtenez dépend de ce que chaque site publie.
Le résumé IA des avis condense ce que disent les clients de chaque entreprise, réponses du propriétaire comprises, pour repérer le problème que vous pouvez résoudre.
L’IA rédige un premier e-mail à partir des données de l’entreprise. Vous le lisez, le modifiez et l’envoyez depuis votre propre messagerie.
Chaque entreprise arrive dans un CRM cartographique avec des étapes, des notes et un tableau Kanban, de sorte que chaque relance ait un responsable et une date.
Pour voir la capture de bout en bout, regardez le tutoriel en vidéo. Pour les fonctions d’IA, l’export et les volumes supérieurs, consultez la page des tarifs. Si vous préférez travailler avec votre propre modèle, exportez les données et donnez-les-lui comme dans notre guide du SDR IA.
Demandez-leur d’analyser et de rédiger à partir des données que vous leur fournissez, jamais de fournir les données eux-mêmes. Ces cinq demandes fonctionnent bien une fois votre liste exportée :
Le principe est toujours le même : donner les lignes au modèle, le limiter à ces lignes et lui demander de justifier. Pour approfondir la notation des comptes, lisez notre article sur le lead scoring.
Oui, à condition de respecter les règles de toute prospection par voie électronique : l’outil ne déplace pas la responsabilité de l’expéditeur. La CNIL rappelle dans sa fiche sur la prospection par courrier électronique, SMS-MMS et automate d’appel que le consentement préalable est la règle pour les particuliers (B to C), alors que pour les professionnels (B to B) les personnes doivent pouvoir s’opposer à la prospection.
Le cas B2B. Selon la CNIL, la prospection à l’égard de professionnels peut être fondée sur l’intérêt légitime lorsque l’objet de la sollicitation est en rapport avec la profession de la personne démarchée. Les personnes doivent avoir été informées de l’utilisation de leur adresse et pouvoir s’y opposer. Chaque message doit permettre d’identifier l’organisation qui l’envoie et d’exprimer un refus par un moyen simple. Les adresses génériques de type contact@ ou info@, qui concernent des personnes morales, ne sont pas soumises à ces principes. Les textes de référence cités par la CNIL sont l’article L. 34-5 du Code des postes et des communications électroniques et les articles 6 et 21 du RGPD.
Ne devinez jamais une adresse. Une IA qui « déduit » prenom.nom@entreprise.fr à partir d’un nom et d’un domaine fabrique une adresse que la personne n’a jamais communiquée : elle n’a donc pas pu être informée de son usage pour de la prospection, ce que la CNIL demande. À notre lecture, c’est un risque de conformité en plus d’un risque de rebond. N’utilisez que les adresses publiées par l’entreprise. Pour les sanctions réelles, lisez notre dossier sur les amendes RGPD liées à l’e-mail à froid.
Vos prompts sont aussi un traitement de données. Coller des noms et des e-mails de personnes dans un chatbot revient à traiter des données personnelles. Dans ses recommandations sur l’IA et le RGPD, la CNIL précise que lorsque le RGPD s’applique, les données doivent être protégées jusque dans l’utilisation des modèles au moyen des invites. Envoyez seulement les colonnes utiles à la tâche, vérifiez les conditions de votre fournisseur d’IA et informez les personnes de l’usage de leurs coordonnées. Ces informations sont générales et ne constituent pas un avis juridique.
Gardez un volume faible et une pertinence élevée, et surveillez le taux de spam. Les consignes de Gmail pour les expéditeurs demandent à tous les expéditeurs d’authentifier leur domaine avec SPF ou DKIM. Elles demandent aussi de maintenir le taux de spam affiché dans Postmaster Tools sous 0,10 % et d’éviter d’atteindre 0,30 % ou plus. Au-delà de 5 000 messages par jour, les exigences montent : SPF, DKIM et DMARC, plus le désabonnement en un clic pour les messages marketing.
Un petit expéditeur n’en est pas là, mais il a intérêt à viser ces repères dès le début. Notre guide du warm-up e-mail détaille la mise en route d’une boîte d’envoi. Le tableau suivant résume les contrôles à faire avant chaque lot.
| Avant d’envoyer | Pourquoi c’est important | Source |
|---|---|---|
| Chaque adresse vient d’une source publiée | Une adresse devinée n’a jamais été communiquée par la personne | CNIL |
| Le message est en rapport avec la profession du destinataire | Condition de l’intérêt légitime en B2B | CNIL |
| L’expéditeur est identifié et un refus est possible simplement | Obligatoire dans chaque sollicitation | CNIL |
| Domaine authentifié avec SPF ou DKIM | Exigence de Gmail pour tous les expéditeurs | Aide Gmail |
| Taux de spam sous 0,10 % | Seuil recommandé par Google, à ne jamais porter à 0,30 % ou plus | Aide Gmail |
| Colonnes minimales envoyées à l’IA | Limiter le traitement de données personnelles dans les invites | CNIL (IA et RGPD) |
Jugez-la aux réponses et aux rendez-vous obtenus, pas au nombre de messages envoyés. Suivez quatre indicateurs par lot : le taux de délivrabilité, le taux de réponse, le taux de réponse positive et le nombre de rendez-vous fixés. Ajoutez le taux de spam de votre messagerie, pour que le volume ne dégrade jamais la qualité de l’envoi.
Comparez chaque lot préparé avec l’IA à un lot manuel de même taille. Si le lot IA n’égale pas le lot témoin en réponses positives, corrigez les données ou l’offre avant d’augmenter le volume. Une fois les réponses arrivées, un suivi régulier dans le CRM vous évite de perdre les prospects qui ont dit « pas maintenant ».
