Outils IA de prospection, classés sur la donnée qu'ils lisent et sur ce qu'un run coûte vraiment

Les outils IA de prospection, et la variable qui décide si leur sortie vaut quelque chose

Les outils IA de prospection sont des logiciels qui confient à un modèle une étape de la prospection commerciale : trouver des comptes, trouver les personnes qui y travaillent, lire un signal d'achat, écrire la première prise de contact, ou faire tourner toute la boucle sous forme d'agent. L'étiquette recouvre des produits très différents, et leur seul point commun est que la partie utile n'est plus un filtre que vous réglez à la main mais une décision que le logiciel prend.

C'est aussi là que la catégorie se lit de travers. Presque tous les comparatifs notent ces produits sur ce qu'ils produisent : l'email sorti, le score posé sur le compte, le rendez-vous décroché. Très peu les notent sur ce qu'ils lisent avant de produire, alors que c'est cette variable qui décide si la sortie vaut quelque chose. Un modèle qui ne voit pas l'effectif d'une entreprise vous dira quand même qu'elle fait partie du mid-market. Il le dira avec la même phrase assurée que lorsqu'il a raison.

Cette page est donc organisée dans l'autre sens. Chaque outil ci-dessous est placé sur une étape d'un workflow en cinq temps, et chaque fiche répond aux trois mêmes questions : qu'est-ce qu'il lit, qu'est-ce que le modèle décide réellement, et combien coûte un résultat exploitable. Quand nous n'avons pas pu vérifier un chiffre, nous le disons au lieu de recopier celui d'une page éditeur.

Une distinction à poser avant la liste. Il y a une couche de raisonnement et il y a une couche de donnée, et ce ne sont pas le même achat. Claude et ChatGPT sont la couche de raisonnement : excellents pour lire, trier, résumer et écrire, et aveugles à tout ce qui sort de leur fenêtre de contexte. La couche de donnée est ce qui leur tend des faits sur des entreprises et des personnes qui existent aujourd'hui. Notre rapport sur la donnée prête pour l'IA explique pourquoi c'est là que la plupart des projets échouent, et la suite de cette page part de ce constat.

Un mot sur le périmètre, pour que personne ne perde un clic. Les bases de contacts pures et les plateformes d'envoi pures ne sont pas notées ici, même si on les range souvent sous le même titre, parce que leur valeur est la base ou la délivrabilité plutôt qu'une capacité IA. Elles sont classées par métier sur notre page outils de génération de leads. Un outil a sa fiche sur une page ou sur l'autre, jamais sur les deux.

Où se placent les outils IA de prospection dans le workflow en cinq étapes

La prospection, ce sont cinq étapes, dans cet ordre, et presque toutes les déceptions de cette catégorie viennent d'un achat fait pour l'étape quatre alors que l'étape une est cassée.

Étape 1, trouver les comptes. Vous partez d'une description de ceux à qui vous vendez et vous arrivez à une liste d'entreprises avec un nom, un domaine et assez d'attributs pour filtrer. Rien n'est encore nominatif. C'est l'étape qui fixe le plafond de tout ce qui suit.

Étape 2, trouver les personnes. Pour chaque compte il vous faut un ou deux humains nommés, avec un rôle qui peut dire oui, puis un moyen de les joindre. C'est là que la liste cesse d'être une étude de marché et devient une file de travail.

Étape 3, lire les signaux. Un bon compte sans raison de parler aujourd'hui est un bon compte que vous appellerez dans onze mois. Les signaux transforment une liste statique en liste ordonnée : un poste ouvert, une levée, un outil apparu sur le site, une personne qui change de job.

Étape 4, écrire et envoyer. Le message, la séquence, les relances, la boîte qui doit rester délivrable. C'est un métier à part entière et c'est l'étape dont les logiciels sont les plus matures.

Étape 5, automatiser la boucle. Tout ce qui précède, sur une planification ou sur un déclencheur, avec un humain qui regarde les exceptions plutôt que chaque ligne. C'est ce qu'on appelle un agent, et c'est la partie la plus récente et la moins stabilisée de la catégorie.

Deux observations qui vous feront économiser de l'argent. Les étapes quatre et cinq sont encombrées et la plupart des équipes possèdent déjà quelque chose à cet endroit. Les étapes une à trois sont celles où le coût et l'échec se jouent, parce que c'est de là que viennent les faits, et un agent pointé sur une mauvaise liste échoue simplement plus vite et plus poliment. Et la valeur d'une couche IA sur n'importe laquelle de ces étapes est plafonnée par la donnée qui se trouve dessous : le modèle sait classer, il ne sait pas savoir.

Les outils IA de prospection commerciale en un coup d'oeil, et comment nous les avons notés

Voici la carte complète avant le détail. Lisez-la par étape, pas par marque. La question qui compte est de savoir quelle ligne vous manque, pas quel éditeur a la plus belle démonstration. Le prix est indiqué comme un modèle plutôt que comme un chiffre pour tout le monde sauf Derrick, et la section sur la facture explique pourquoi. Si vous cherchiez des outils IA pour la prospection commerciale plutôt qu'un nom d'éditeur, c'est ce tableau qu'il faut lire.

Deux choses sautent aux yeux dans ce tableau. La ligne agent tout en bas n'est pas une quatrième catégorie d'éditeur, ce sont les trois premières lignes pilotées par un modèle au lieu de votre souris. Et les seules lignes où un prix unitaire peut s'écrire sont celles facturées au crédit, ce qui explique pourquoi la notation juste en dessous donne le maximum à un prix unitaire publié, et pourquoi la section suivante chiffre un brief entier dans cette unité.

Voilà pour la carte. La suite de cette section est la grille de notation, et elle est ici plutôt qu'à la fin volontairement : les critères valent plus que les notes, et vous devez pouvoir contester un chiffre avant de lire les fiches qui le justifient.

Les notes de cette catégorie évaluent en général la démonstration. Nous notons les trois choses qui restent vérifiables un mois après la démonstration, et nous notons chaque outil à l'intérieur de son étape plutôt qu'entre étapes, parce que comparer un agent inbound à une base d'entreprises produit un chiffre qui ne veut rien dire.

Axe 1, profondeur de ce qu'il lit. Combien de faits indépendants sur une entreprise ou une personne l'outil peut-il réellement atteindre, et à quel point sont-ils récents. Trois points pour un outil qui lit des sources publiques vivantes, deux pour un outil qui lit une base rafraîchie, un pour un outil qui ne lit que ce que vous possédez déjà.

Axe 2, prix par résultat dénombrable. Pouvez-vous nommer l'unité et le prix d'une unité avant d'acheter. Trois points pour un prix unitaire publié que vous pouvez multiplier, deux pour un abonnement par paliers avec un volume annoncé, un pour un contrat annuel sur devis.

Axe 3, là où il tourne. L'outil rejoint-il le travail là où il se fait déjà. Trois points pour un outil utilisable depuis un tableur, un assistant et une API, deux pour une plateforme avec une API, un pour une interface fermée.

Lisez ce tableau pour ce qu'il est. Il mesure à quel point un outil est lisible, pas à quel point vous allez l'aimer. Un quatre sur neuf peut être exactement le bon achat pour une entreprise qui a déjà réglé les étapes une à trois et veut fermer la boucle sans recruter ; un neuf sur neuf sur la couche de donnée n'écrit pas un seul email. Les axes ont été choisis parce que ce sont les trois réponses qui survivent au contact d'une facture, et parce qu'un éditeur ne peut pas les améliorer avec une meilleure démonstration.

Remarquez aussi ce que le tableau ne contient pas : une colonne qui désigne un gagnant par catégorie. C'est la sortie la plus paresseuse possible pour un comparatif, parce que le gagnant dépend entièrement de l'étape qui vous manque et de ce que vous possédez déjà. Les notes vous disent ce que vous pouvez vérifier ; l'étape vous dit ce dont vous avez besoin.

La facture : ce que coûte un brief de prospection commerciale, ligne par ligne en crédits

Tous les articles de cette catégorie vous disent que ces outils font gagner du temps. Presque aucun ne dit ce que coûte un brief concret. En voici un, chiffré ligne par ligne à partir des coûts unitaires publiés, avec la disponibilité de chaque étape vérifiée plutôt que supposée.

Le brief : vingt éditeurs de logiciels aux États-Unis entre 50 et 200 salariés, un décideur par compte, un email professionnel vérifié pour chacun. C'est une semaine normale de construction de liste, et c'est volontairement assez petit pour que vous puissiez le rejouer vous-même.

Une correction avant l'arithmétique, parce qu'elle change la première ligne. Importer des entreprises depuis un prompt en langage courant est une recherche sémantique, pas un jeu de filtres. Le service lit votre description et rend des entreprises qui lui ressemblent ; il n'applique ni l'effectif ni le pays comme contraintes. Nous l'avons mesuré le 18 septembre 2026 sur trois lots distincts, pour 80 crédits au total, et dans le meilleur lot 5 entreprises sur les 20 rendues étaient réellement aux États-Unis. Qui vous dit de décrire votre profil client idéal en une phrase et d'attendre vingt lignes conformes décrit un produit qui n'existe pas. L'étape garde toute sa place, parce qu'elle produit des candidats à partir de rien en un appel, mais vous budgétez le rendement et vous filtrez ensuite sur les colonnes enrichies.

Deux cent vingt crédits pour vingt contacts exploitables, cela fait onze crédits par contact. Rapporté aux offres publiées, le brief entier revient à une cinquantaine de centimes sur la première offre payante à 9 EUR, et à environ trente-cinq centimes au tarif au crédit le plus bas publié sur la page tarifs, 0,0016 EUR. Vous pouvez vérifier les deux sur la page des tarifs. Cette facture suppose votre compte LinkedIn connecté via l’extension Chrome : sans cette connexion, l’import coûte 10 crédits par entreprise au lieu de 1, et deux des quatre étapes, Enrich Companies et Import Leads from Target Companies, ne tournent pas du tout.

Ce que ces 220 crédits achètent vraiment, dit précisément. Ils achètent vingt comptes qui ont survécu au filtre pays, chacun avec un contact nommé et un email. Le brief pose un second critère, 50 à 200 salariés, et celui-là ne devient testable qu'une fois qu'Enrich Companies a rendu la colonne effectif : une partie des vingt ne le tiendra pas. La logique de rendement qui vaut pour la géographie vaut aussi pour l'effectif. Si vous voulez vingt comptes conformes aux deux critères plutôt que vingt comptes contactables, importez plus large à l'étape une et reportez le ratio jusqu'au bout. L'arithmétique ne change pas, la liste de courses si.

Et maintenant la partie que la plupart des pages sautent : ce brief ne tourne pas sur l'offre gratuite, et ce n'est pas une question de quantité. Email Finder est réservé aux offres payantes. Search Leads aussi, l'autre chemin vers un profil nommé. Vous auriez mille crédits en réserve que cela ne changerait rien. L'offre gratuite donne 100 crédits par mois, ce qui est réel et suffit pour les deux premières étapes : import puis enrichissement font 2 crédits par ligne, donc 100 crédits par mois représentent 50 lignes passées dans les deux. Au rendement du prompt mesuré plus haut, ces 50 lignes vous laissent environ une douzaine de comptes qui survivent à un filtre géographique strict. C'est un vrai palier gratuit pour tester si le segment existe. Ce n'est pas une version gratuite de ce brief, et nous préférons le dire plutôt que vous laisser le découvrir à l'étape quatre.

Pourquoi il n'y a pas de chronomètre sur cette page. Les crédits sont exacts parce qu'ils sont publiés à l'unité et facturés à l'unité. Les minutes ne le sont pas, parce que le seul moment lent de la séquence est le filtrage humain entre l'étape une et l'étape deux, et sa durée dépend de la sévérité de vos critères. Un nombre de minutes que nous n'avons pas chronométré serait de la décoration, alors il n'y en a pas.

Deux détails de facturation qui changent le calcul si on les ignore. Email Finder facture au résultat trouvé, donc un contact dont l'adresse reste introuvable ne vous coûte pas cinq crédits. Et les étapes d'enrichissement qui lisent des profils professionnels ont besoin de votre compte LinkedIn connecté via l'extension Chrome ; sans cette connexion, ces appels reviennent vides et le problème ressemble à un souci de qualité de donnée alors que c'est un souci d'installation.

Étape 1 : trouver les comptes

C'est l'étape qui décide de tout ce qui suit, et c'est celle sur laquelle on passe le moins de temps parce qu'elle ressemble à de l'administratif. Trois formes de produits s'y affrontent, et ce ne sont pas des substituts.

Derrick, à partir de la description que vous tapez. Vous écrivez ce que vous cherchez en une phrase et Import Companies from a Prompt rend des entreprises correspondantes avec nom, secteur, pays, site et URL LinkedIn, à 1 crédit par entreprise, sur l'offre gratuite comme sur les payantes. Ensuite Enrich Companies remplit les colonnes d'attributs à 1 crédit par entreprise pour que vous puissiez filtrer correctement. Lisez ces deux étapes dans cet ordre : la première produit des candidats, la seconde produit les colonnes qui vous permettent d'en jeter. Si vous avez déjà un compte qui colle parfaitement, Find Similar Companies le transforme en liste de jumeaux à 1 crédit par entreprise trouvée, ce qui est souvent un meilleur point de départ qu'une description écrite de mémoire.

Ce que le modèle fait réellement ici. Il rapproche du sens, il n'applique pas une clause WHERE. C'est une force quand votre segment est difficile à exprimer en filtres, c'est-à-dire la plupart des segments intéressants : les entreprises qui gèrent un programme partenaires, les agences qui font de l'outbound pour d'autres, les éditeurs avec une motion en libre-service. C'est une faiblesse sur ce qu'un filtre fait parfaitement, à savoir le pays et l'effectif. La bonne méthode consiste à utiliser le prompt pour la partie floue et les colonnes enrichies pour la partie stricte, et à budgéter les crédits des lignes que vous allez jeter.

La sélection prédictive de comptes. 6sense et Demandbase abordent la même étape par l'autre bout. Au lieu de décrire le segment, vous laissez la plateforme vous dire quels comptes de votre marché montrent une activité de recherche en ce moment. La donnée lue est de la consommation tierce agrégée, donc l'unité est le compte et la résolution est hebdomadaire plutôt qu'instantanée. Ce sont des contrats annuels vendus à des équipes marketing, et ils répondent à une question qui ne devient intéressante qu'une fois le marché défini et un budget disponible pour prioriser à l'intérieur. Si vous cherchez encore qui est votre marché, ce n'est pas l'achat de ce trimestre.

À quoi ressemble une bonne fin d'étape. Vous devez terminer avec un tableau où chaque ligne porte un domaine, un secteur, un pays et un effectif, et où vous pouvez expliquer en une phrase pourquoi chaque ligne est là. Une colonne sur laquelle on ne peut pas filtrer est une décoration. Et si votre liste sort d'un modèle sans que personne n'ait vérifié une seule ligne contre la page réelle de l'entreprise, vous avez une hypothèse, pas une liste.

Une règle pratique qui revient dans chaque audit. Écrivez les critères d'exclusion avant d'importer quoi que ce soit. Les agences quand vous vendez à des éditeurs, les entreprises de moins de vingt personnes quand votre prix exige un porteur de budget, les filiales quand la décision se prend au siège. Les exclusions sont la moitié du profil que tout le monde saute, et celle qui économise le plus de crédits, parce que la ligne la moins chère est celle qu'on n'enrichit jamais.

Étape 2 : trouver les personnes dans ces comptes

Une liste d'entreprises n'est pas une file de travail. Quelqu'un doit être appelé, et ce quelqu'un a un nom, un rôle et un moyen d'être joint. Trois chemins existent, et ils diffèrent surtout par ce que vous avez déjà.

Depuis la liste de comptes, par rôle. Import Leads from Target Companies croise votre liste de comptes avec le rôle que vous visez et rend les profils correspondants à 1 crédit par lead, sur l'offre gratuite également. C'est le chemin pensé pour le travail par compte, parce qu'il préserve le lien entre la personne et le compte que vous avez choisi délibérément.

Depuis l'entreprise, de façon exhaustive. Find a company's people liste les collaborateurs actuels et anciens à 1 crédit par personne, sur les offres payantes uniquement, avec un filtre optionnel par fonction, et sans exiger un siège Sales Navigator. Utile quand vous ignorez quel intitulé porte le budget dans cette organisation précise, ce qui arrive plus souvent qu'on ne l'avoue : la personne qui possède les opérations revenus peut dépendre des ventes, du marketing ou de la finance selon l'entreprise.

Depuis un nom que vous avez déjà. Search Leads retrouve le profil à partir d'un prénom et d'un nom à 1 crédit par profil. Il est réservé aux offres payantes, ce qui compte si vous comptiez faire votre premier test sur le palier gratuit.

La coordonnée elle-même. Email Finder rend un email professionnel vérifié à 5 crédits par email trouvé, sur les offres payantes uniquement, et facture au résultat plutôt qu'à la tentative. Ce détail de facturation mérite d'être vérifié chez n'importe quel fournisseur que vous envisagez, parce qu'un outil qui facture chaque recherche sur un segment mal couvert peut coûter plusieurs fois le prix d'un outil qui facture les trouvailles, tout en produisant moins d'adresses.

Où une couche IA aide vraiment à cette étape, et où elle n'aide pas. Elle aide sur la résolution d'identité : décider que la personne dans une communauté, la personne sur un dépôt de code et la personne dans le CRM ne font qu'un. Common Room est construit autour de ce problème et lit l'activité communautaire, produit et sociale pour le résoudre. Elle n'aide pas sur l'existence de l'adresse. Aucun modèle ne peut déduire une boîte qui n'a jamais été publiée ; soit l'outil a une voie de vérification, soit il devine un format, et un format deviné est la façon la plus sûre d'abîmer la réputation d'un domaine.

La sortie mesurable de cette étape est un taux de contact : sur cent comptes, combien se terminent avec une personne nommée et une adresse joignable. Suivez-le. C'est le seul chiffre qui vous dit si votre problème de liste est un problème de ciblage ou un problème de couverture, et les deux se réparent très différemment.

Étape 3 : lire les signaux qui disent maintenant

Un bon compte sans raison de parler ce mois-ci est un bon compte que vous contacterez dans onze mois. Les signaux ordonnent la liste, et c'est l'étape où une couche IA rentabilise le plus vite, parce que le travail est une surveillance continue plutôt qu'une recherche ponctuelle.

Le recrutement. Company Hiring Signal vous dit quelles entreprises recrutent et sur quels postes, à 1 crédit par entreprise. Le recrutement est le signal le plus sous-estimé du B2B parce que c'est une déclaration publique d'intention avec un budget déjà voté. Une entreprise qui recrute trois commerciaux a décidé de faire grossir une motion, et les décisions d'outillage suivent les décisions d'effectif d'un trimestre ou deux.

L'actualité. Google News Scraper rend l'article récent le plus pertinent par entreprise, avec titre, lien, éditeur et date, à 1 crédit par actualité sur les offres payantes. C'est la matière première d'une accroche qui ne fait pas honte, et c'est aussi la façon la moins chère d'éviter l'inverse : vendre de la croissance à une entreprise qui a annoncé une restructuration la semaine dernière.

L'engagement. Import LinkedIn post likes and comments transforme n'importe quel post en liste de prospection : tous ceux qui ont aimé ou commenté, avec nom et URL de profil, à 1 crédit par personne importée, sur l'offre gratuite comme sur les payantes. L'unité compte plus qu'il n'y paraît : un post à deux cents réactions, ce sont deux cents crédits, soit deux fois la dotation mensuelle gratuite, donc on choisit les posts au lieu de les ratisser. C'est un signal de personne et non de compte, et cette distinction fait l'objet de la section qui suit.

Les visites du site. Warmly et la catégorie de la désanonymisation se placent ici : ils identifient les entreprises derrière les sessions anonymes de votre site et font remonter celles qui semblent tièdes. La donnée lue est votre propre trafic joint à une base de résolution, donc la qualité dépend de votre volume. En dessous d'un certain nombre de sessions mensuelles il n'y a rien à désanonymiser, et ce seuil est la question à poser avant la démonstration, pas après.

Le scoring. MadKudu lit l'usage produit, la firmographie et les affaires closes, et rend un score de probabilité. La propriété importante de cette catégorie est qu'elle a besoin de votre historique : un modèle qui ne vous a jamais vu gagner ne peut pas vous dire qui vous gagnez. C'est une étape pour une entreprise qui a quelques centaines d'affaires signées, pas pour une entreprise qui en a onze.

L'intention par thème. Bombora rapporte des pics de recherche au niveau de l'entreprise, à partir de la consommation de contenu dans une coopérative d'éditeurs. L'unité est l'entreprise et le thème, jamais la personne, et le décalage se compte en jours. Utile pour prioriser une liste que vous avez déjà, inutile comme seule raison d'ajouter une entreprise à cette liste.

La limite honnête de tout cela : un signal vous dit quand, jamais si. Empiler six sources de signaux sur un segment mal défini produit une liste très bien ordonnée des mauvaises entreprises, livrée plus vite. Réparez l'étape une avant d'acheter l'étape trois.

Signal au niveau du compte et signal au niveau de la personne

Cette distinction décide de l'outil dont vous avez besoin, et elle est écrasée en permanence parce que les deux se vendent sous le mot intention.

Un signal de compte dit quelque chose sur l'entreprise. Elle recrute sur trois postes revenus. Elle a levé. Elle a ajouté un outil sur son site. Elle est passée dans la presse. L'unité est l'organisation, le signal est en général public, et il reste normalement vrai la semaine suivante. Les signaux de compte répondent à la question de savoir si cette entreprise vit un moment.

Un signal de personne dit quelque chose sur un humain. Elle a changé de poste il y a six semaines. Il a commenté un post sur le problème exact que vous résolvez. Elle suit le sujet. L'unité est l'individu, le signal est souvent éphémère, et il désigne quelqu'un qui pense déjà à la question aujourd'hui.

L'erreur la plus coûteuse consiste à utiliser l'un là où l'autre a sa place. Une levée de fonds n'est pas une raison d'écrire à un ingénieur en particulier, et un commentaire réfléchi d'un analyste junior n'est pas le signe que l'entreprise achète. Utilisés ensemble ils sont puissants : le signal de compte vous dit quelle porte, le signal de personne vous dit quelle phrase.

Il y a aussi un effet cumulatif qu'il vaut la peine d'anticiper. Deux signaux indépendants sur le même compte valent bien plus que le même signal deux fois, parce que le second met le premier à l'épreuve. Une entreprise qui recrute sur un poste et dont le nouveau responsable de cette fonction vient d'arriver est un prospect très différent d'une entreprise qui recrute, point. La plupart des stacks achètent trois sources du même signal de compte et aucune au niveau de la personne, alors que c'est le trou le moins cher à combler de toute la catégorie : l'import des réactions à un post tourne sur l'offre gratuite, à 1 crédit par personne collectée, donc un post bien choisi coûte quelques dizaines de crédits et pas un contrat.

Étape 4 : écrire et envoyer, là où la couche de donnée s'arrête

Derrick s'arrête ici, volontairement. Il produit la liste, les contacts, les signaux et les champs, et il ne fait rien de ce qui fait arriver un message : il ne gère pas vos boîtes, il ne chauffe pas un domaine, il ne pilote pas une séquence. Ce travail appartient à une plateforme d'envoi, et la catégorie est assez mature pour que le choix soit rarement le point dur.

La couche d'envoi, en un lien. Les plateformes d'envoi pures ont leur fiche sur notre page outils de génération de leads, avec ce que coûte un siège et l'endroit où la délivrabilité se joue vraiment, et elles ne sont pas notées une seconde fois ici. Ce qui appartient à cette page, c'est le passage de relais : Derrick pousse les lignes enrichies directement dans un outil de séquence, donc la liste ne transite pas par un CSV et ne perd pas la moitié de ses colonnes en chemin.

La génération de contenu au niveau de la séquence. Regie.ai se place entre le message et la séquence : il génère et adapte le contenu outbound à partir de vos éléments de discours et de l'historique d'engagement. La capacité IA y est réelle et porte sur la variation à grande échelle plutôt que sur l'email parfait unique.

Ce qui fait vraiment mouche, et ce n'est pas le rédacteur. Un modèle qui écrit depuis une ligne contenant un nom, une entreprise et un intitulé produit exactement l'email que tout le monde produit, parce que tout le monde a ces trois champs. Un modèle qui écrit depuis une ligne contenant en plus un poste ouvert, une annonce récente et un outil détecté sur le site produit ce qu'un humain aurait écrit après un quart d'heure de recherche. La couche d'écriture est devenue une commodité ; le champ qu'elle lit ne l'est pas. Notre page sur l'assistant commercial IA reprend cet argument tâche par tâche, y compris ce qu'un assistant invente quand le champ est vide.

Dans le tableur. Si vous préférez garder l'écriture là où la liste se trouve déjà, Ask Claude fait passer un modèle sur chaque ligne à 2 crédits la ligne sur les offres payantes, et Ask Open AI fait la même chose à 1 crédit la ligne, également sur les offres payantes. Scorer un lead, classer une liste, résumer une page, réécrire une phrase. Le détail des deux, avec des prompts qui se tiennent, est sur nos pages Claude dans Google Sheets et OpenAI dans Google Sheets.

La complémentarité est le propos, pas une concession. Une plateforme d'envoi avec une liste vide n'a rien à envoyer. Une liste parfaite sans outil de séquence reste dans un onglet. Achetez les deux, et dans cet ordre, parce qu'un bon séquenceur sur une mauvaise liste échoue de façon invisible pendant six semaines, puis se manifeste sous la forme d'un domaine grillé.

Étape 5 : automatiser la boucle avec un agent

C'est la partie la plus récente et la plus bruyante de la catégorie, et elle se coupe proprement en deux dès qu'on demande ce que l'agent a le droit de toucher.

Les agents qui possèdent la motion. 11x, Artisan et AiSDR se vendent comme des collaborateurs numériques : ils cherchent, écrivent, envoient, traitent la réponse et rendent un rendez-vous posé. Qualified applique la même idée à l'inbound, en parlant au visiteur déjà présent sur votre site. La donnée que ces agents lisent est principalement fournie par l'éditeur, plus ce que contient votre CRM, et c'est l'échange que vous acceptez : vous achetez la boucle et la donnée ensemble, et vous héritez de la couverture que l'éditeur a achetée. Demandez précisément quelle base se trouve sous l'agent et ce qui se passe sur un segment mal couvert, parce que l'agent ne vous dira pas qu'il devine. Il enverra.

Les agents que vous pilotez, sur votre donnée. L'autre forme est un assistant généraliste branché sur les outils que vous payez déjà. Vous demandez un résultat à Claude ou à ChatGPT en une phrase, le modèle décide quelles recherches lancer et dans quel ordre, et les résultats reviennent dans la conversation. Derrick MCP est ce branchement : chaque feature citée sur cette page devient quelque chose que l'assistant peut appeler, depuis Claude Desktop, ChatGPT ou tout client compatible MCP. Le serveur MCP et l'API demandent tous les deux une offre payante, c'est le détail de disponibilité qu'on découvre tard ; la barre latérale Google Sheets est la surface qui tourne sur l'offre gratuite. Les crédits sont les mêmes à l'unité que dans le tableur, et vous gardez les deux propriétés qui comptent : vous voyez chaque appel, et la couche de donnée est la vôtre plutôt que louée dans une boîte noire. L'installation pas à pas est sur notre page enrichir des données B2B depuis un agent IA, et la suite de cette section la suppose faite.

La troisième voie, pour ceux qui y viendront de toute façon. Si la boucle doit vivre dans un produit ou dans un CRM plutôt que dans un chat, l'API d'enrichissement expose les mêmes features sous forme de points d'entrée, et plus de 3000 intégrations via Zapier, Make et N8N couvrent les cas où vous préférez ne pas écrire de code du tout. Une application web arrive également, donc le même workflow tournera bientôt sans tableur ni terminal.

Quoi automatiser en premier, et ce n'est pas l'envoi. Les étapes qui méritent une planification sont les répétitives et ennuyeuses : réenrichir les comptes devenus obsolètes, vérifier qui s'est mis à recruter cette semaine, récupérer l'engagement sur un post que vous avez publié. Elles produisent une file qu'un humain travaille ensuite. Automatiser le message avant d'avoir automatisé la liste est l'ordre coûteux, et c'est celui que la plupart des équipes choisissent parce que le message est la partie visible.

Un point de gouvernance qu'on saute souvent. Décidez d'avance quelles actions l'agent peut faire sans demander. Lire est sans danger et se défait. Dépenser des crédits ne se défait que dans le sens où vous pouvez arrêter. Envoyer ne se défait pas du tout. Un réglage sain consiste à laisser l'agent lire et rédiger librement, dépenser dans une limite annoncée, et ne jamais envoyer sans qu'un humain clique.

Comment choisir ses outils IA de prospection : cinq questions à poser

Cinq questions, dans cet ordre. L'ordre compte plus que les réponses, parce que la première élimine l'essentiel de la liste avant même le premier rendez-vous commercial.

1. Quelle étape me manque vraiment ? Écrivez les cinq étapes et marquez celle qui est cassée. La plupart des équipes découvrent qu'elles font leurs courses pour l'étape quatre alors que l'étape une est le problème, parce que l'étape quatre ressemble à de la vente. Si vous ne savez pas nommer l'étape, vous n'êtes prêt à acheter rien du tout.

2. Qu'est-ce qu'il lit, et à quel point est-ce frais ? Demandez quelles sources se trouvent sous le produit et quand une fiche a été rafraîchie pour la dernière fois. Un outil qui lit une source publique vivante et un outil qui lit une photo de l'an dernier se comportent de façon identique en démonstration et complètement différemment sur votre segment. Demandez un échantillon sur vingt de vos propres comptes, pas sur leur liste de référence.

3. Qu'est-ce qui compte exactement comme une unité, et que facture-t-on quand il n'y a pas de résultat ? C'est la question qui sépare une dépense prévisible d'une surprise. Le crédit est-il prélevé à la tentative ou au résultat trouvé. Une réponse vide coûte-t-elle quelque chose. L'enrichissement est-il facturé à la ligne ou au champ. Un fournisseur incapable de répondre à cela en une phrase vous dit quelque chose.

4. Où est-ce que ça tourne ? L'outil doit rejoindre le travail là où il se fait. Si votre liste vit dans un tableur, une belle interface séparée ajoute une étape d'export, et les étapes d'export sont l'endroit où les colonnes meurent. Si votre workflow vit dans une conversation avec un assistant, demandez si l'outil s'expose en MCP. S'il vit dans votre produit, demandez l'API et lisez les limites de débit avant les tarifs.

5. Que se passe-t-il quand le modèle se trompe ? Tous les outils de cette catégorie auront tort avec assurance de temps en temps. La question est de savoir si vous le remarquez. Pouvez-vous voir la source d'un champ. Pouvez-vous voir quelles recherches un agent a lancées. Une correspondance douteuse ressemble-t-elle à une correspondance certaine. Un produit qui rend tout sur le même ton est celui qui vous mettra dans l'embarras devant un prospect.

Alors, et alors seulement, la question du budget. Le calculateur ci-dessous chiffre la couche de donnée exactement, parce que ces coûts unitaires sont publiés par feature. Il ne peut pas chiffrer l'agent que vous posez par-dessus, puisque c'est un siège ou un contrat que seul votre devis connaît, et inventer un chiffre à cet endroit rendrait l'ensemble inutile.

Ce que le calculateur montre vraiment, c'est la forme de la dépense plutôt que le total. La couche de donnée coûte quelques dizaines d'euros par mois aux volumes que travaillent réellement la plupart des équipes, et elle évolue linéairement avec le nombre de comptes. La couche agent au-dessus est un siège ou un contrat, et elle n'évolue avec rien que vous contrôlez. Les équipes surprises par la facture sont presque toujours surprises par la seconde ligne, pas par la première.

Quand les outils IA de prospection ne sont pas la réponse

La section honnête. Il existe des situations où ajouter un modèle à la prospection dégrade le résultat, et elles sont assez fréquentes pour mériter d'être nommées avant que vous ne dépensiez.

Quand la donnée sous-jacente est fausse. Un modèle ne corrige pas une fiche erronée, il l'amplifie. Donnez-lui une entreprise avec le mauvais effectif et il écrira un paragraphe assuré sur une équipe mid-market qui n'existe pas. La panne est pire qu'un champ vide, parce qu'un champ vide arrête un humain et qu'une phrase plausible ne l'arrête pas. C'est l'argument de notre rapport sur la donnée prête pour l'IA, et c'est la raison pour laquelle la couche de donnée passe avant la couche de raisonnement dans toutes les recommandations de cette page.

Quand vous n'avez pas défini à qui vous vendez. L'automatisation multiplie ce sur quoi vous la pointez, y compris la confusion. Si trois personnes dans l'entreprise décrivent le client idéal différemment, acheter un outil qui produit mille contacts par semaine produit mille désaccords par semaine. Écrivez le profil d'abord, en langage filtrable, puis automatisez.

Quand le volume n'est pas votre contrainte. Certaines activités ont quarante clients possibles au monde. Pour elles la réponse est la recherche et la relation, et un outil qui génère des listes à grande échelle résout un problème qu'elles n'ont pas. Le test est simple : si vous pouvez nommer tout votre marché sur une page, vous n'avez pas besoin de génération, vous avez besoin de profondeur.

Quand personne ne lira les exceptions. Toute boucle automatisée produit des cas que les règles n'avaient pas prévus. Si personne n'est chargé de les regarder, ces cas ne disparaissent pas, ils partent. Un agent sans relecteur n'est pas un gain de productivité, c'est un éditeur non supervisé qui utilise votre nom de domaine.

Quand la question de la conformité n'est pas réglée. Traiter des données personnelles obéit à des règles, et elles s'appliquent qu'un modèle soit impliqué ou non. Ayez la base légale, la durée de conservation et le mécanisme d'opposition réglés avant que le volume ne monte, pas après la première réclamation. Derrick est conforme aux réglementations applicables ; c'est une affirmation sur nous, pas une comparaison avec qui que ce soit, et elle ne fait pas votre travail de conformité à votre place.

Et une raison plus douce : quand l'équipe ne s'en servira pas. Le meilleur indicateur de la production réelle d'un outil est de savoir s'il vit dans une surface que les gens ouvrent déjà. Une plateforme puissante dans laquelle personne ne se connecte perd à chaque fois contre une capacité un peu moins bonne qui vit dans le tableur déjà à l'écran. C'est un fait d'adoption plutôt qu'un fait produit, et c'est celui qui décide discrètement de la plupart des renouvellements.

Cinq prompts qui marchent quand l'agent est branché sur votre donnée

Ils supposent un assistant connecté à une couche de donnée, pour que chaque instruction déclenche de vraies recherches plutôt qu'une supposition. Ils sont courts volontairement : un prompt long cache quelle partie a fait le travail. Chacun annonce le coût en crédits de ce qu'il déclenche, pour que vous sachiez ce que vous autorisez.

1. Construis la liste de candidats, puis dis-moi ce que tu as jeté.

« Importe des entreprises correspondant à cette description : éditeurs de logiciels qui vendent à des équipes marketing, basés aux États-Unis. Enrichis ensuite chacune et montre-moi un tableau avec nom, domaine, secteur, pays et effectif. À la fin, liste celles qui ne correspondent pas aux États-Unis et à 50-200 salariés, et donne-moi le ratio. »

Deux recherches, 1 crédit par entreprise sur chacune, donc 2 crédits la ligne. La dernière phrase est l'essentiel : elle rend le rendement visible au lieu de laisser le modèle présenter discrètement les survivants comme la réponse entière.

2. Transforme mon meilleur client en segment.

« Prends cette entreprise comme graine. Trouve des entreprises similaires, enrichis-les, et regroupe les résultats par secteur et par pays. Dis-moi quel attribut la graine et les meilleures correspondances partagent, que je n'ai pas demandé. »

La recherche de jumeaux facture par entreprise trouvée, l'enrichissement par entreprise. La seconde phrase est celle qui rentabilise le prompt, parce que l'attribut commun n'est en général pas le secteur : c'est une propriété structurelle comme la taille de l'équipe commerciale ou l'existence d'un programme partenaires.

3. Trouve une personne par compte, et dis à quel point tu es sûr.

« Pour chaque entreprise de cette liste, trouve la personne qui porte les opérations revenus, ou l'intitulé le plus proche. Donne-moi l'URL du profil et marque chaque ligne comme intitulé exact, intitulé approchant, ou introuvable. N'invente pas de nom. »

La recherche de profil facture au profil. L'instruction de marquer l'approximation transforme une liste inutilisable en liste exploitable, parce que les comptes intéressants sont précisément ceux où l'intitulé n'est pas standard.

4. Classe la liste selon qu'il se passe quelque chose.

« Pour chaque compte, vérifie s'il recrute et sur quels postes, et remonte son actualité récente la plus pertinente avec la date. Trie ensuite la liste selon la fraîcheur de ce qui s'est passé, et explique les cinq premiers en une phrase chacun. »

La vérification du recrutement facture par entreprise, l'actualité par article remonté. L'explication en une phrase compte plus que le tri : si le modèle ne sait pas dire en une phrase pourquoi un compte est en tête, le signal est décoratif.

5. Rédige l'accroche à partir du signal, et cite le champ.

« Pour les dix premiers comptes, écris une accroche de deux phrases qui s'appuie sur un fait précis de la ligne enrichie. Après chaque accroche, cite le champ dont il vient. S'il n'y a pas de fait exploitable, ne dis rien plutôt que d'écrire une phrase générique. »

Aucun coût de recherche, c'est la couche de raisonnement qui travaille sur des lignes déjà payées. L'instruction de citer le champ est toute l'astuce : elle rend l'invention visible, et elle transforme une page de texte plausible en quelque chose que vous auditez en dix secondes. La même discipline, appliquée tâche par tâche, est le sujet de notre page sur l'assistant commercial IA.

Lancez-les depuis Derrick MCP dans Claude ou ChatGPT, ou faites les mêmes étapes depuis la barre latérale Google Sheets si vous préférez une grille, ou depuis l'API si la boucle appartient à votre propre produit. Le choix de la surface est une question sur l'endroit où votre travail se fait déjà plutôt qu'une question sur le produit, dès lors que vous êtes sur une offre payante, ce qu'exigent le MCP et l'API. La barre latérale Google Sheets est celle qui tourne sur l'offre gratuite, et une application web arrive pour ceux dont la réponse est aucune des trois.

Une dernière chose à retenir, parce que c'est le fil des quatorze sections. Le modèle n'est plus la variable. Le raisonnement est devenu bon marché et bon, et tout le monde a accès au même. Ce qui sépare un stack qui produit des rendez-vous d'un stack qui produit des paragraphes assurés, c'est le taux de remplissage de quatre ou cinq champs, et l'honnêteté de l'outil qui les remplit. Commencez par là, chiffrez-le à l'unité, et ajoutez l'agent une fois que les lignes en dessous méritent d'être automatisées.