Comment Trouver la Ville depuis un Profil LinkedIn : Guide Complet 2026

Pour les SDR qui construisent des listes de prospection, les recruteurs ciblant des marchés spécifiques, ou les équipes commerciales menant des campagnes géo-ciblées, connaître la ville exacte d’un prospect fait la différence entre une approche générique et un message personnalisé à fort taux de conversion. Un prospect à Paris n’a pas les mêmes enjeux qu’un prospect à Lyon, même dans le même secteur.

Le problème ? Les URLs de profils LinkedIn n’exposent pas directement la ville. Vous voyez linkedin.com/in/jean-dupont, mais pas où Jean habite réellement. Ce guide vous montre exactement comment extraire la ville depuis une URL de profil LinkedIn grâce aux workflows d’enrichissement de données modernes.

Extrayez les Villes depuis les Profils LinkedIn dans Google Sheets

Derrick enrichit les profils LinkedIn avec les données de localisation, ville incluse, directement dans votre tableur. Trouvez ville, région et pays depuis n’importe quelle URL de profil.

Essayer Derrick Gratuitement →

Ce Que Vous Allez Apprendre et Résultats Attendus

À la fin de ce tutoriel, vous serez capable de :

• Extraire la ville depuis des URLs de profils LinkedIn en masse (des centaines ou milliers de profils)
• Comprendre les deux types de données de localisation disponibles : localisation personnelle et ville de l’entreprise
• Configurer un workflow automatisé qui enrichit les URLs de profils avec la ville en moins de 10 minutes
• Nettoyer et normaliser les données de localisation pour un ciblage géographique précis

Résultat attendu : Transformer une liste d’URLs de profils LinkedIn en un jeu de données complet avec des informations de ville exactes, prêt pour des campagnes d’outreach géo-ciblées. La plupart des outils atteignent des taux de correspondance ville de 85-95% sur les profils LinkedIn publics.

Prérequis

Avant de commencer, vous aurez besoin de :

• Une liste d’URLs de profils LinkedIn (dans un tableur ou fichier CSV)
• Accès à un outil d’enrichissement de données (nous utiliserons Derrick pour ce guide, mais les principes s’appliquent à la plupart des outils)
• 10-15 minutes pour configurer le workflow
• Compréhension basique de Google Sheets ou Excel

Temps estimé : 10 minutes de configuration + 5-10 minutes par 100 profils enrichis (automatisé)

Comprendre les Données de Localisation LinkedIn : Les Deux Types Que Vous Pouvez Extraire

Avant d’extraire les données de ville, il est crucial de comprendre que LinkedIn stocke les informations de localisation de deux façons distinctes.

Localisation Personnelle : Où Vit la Personne

C’est la localisation que les utilisateurs définissent sur leur profil LinkedIn sous “Coordonnées”. Elle apparaît comme “Habite à [Ville, Région]” et reflète généralement leur résidence actuelle. Quand quelqu’un dit “Je suis basé à Paris”, c’est ce point de données que vous accédez.

Exemples de formats :

• Paris et périphérie
• Lyon, Auvergne-Rhône-Alpes, France
• Londres, Angleterre, Royaume-Uni
• Région de Marseille

Selon l’analyse du scraping LinkedIn de Bright Data, environ 92% des profils LinkedIn actifs affichent une localisation personnelle, faisant de ce point de données hautement fiable pour la prospection.

Localisation Entreprise : Où Ils Travaillent

Le second type est dérivé du siège social ou de la localisation du bureau de leur employeur actuel. Cela provient de la page entreprise LinkedIn liée à leur expérience professionnelle. Par exemple, si quelqu’un travaille chez Salesforce, sa localisation entreprise serait “San Francisco, Californie” même s’il vit personnellement à Paris et travaille à distance.

Pourquoi c’est important pour la prospection : Un SDR distant chez HubSpot peut vivre à Bordeaux mais travailler pour une entreprise basée à Boston. Si vous vendez du mobilier de bureau, la localisation personnelle compte. Si vous vendez un SaaS B2B qui s’intègre avec la stack tech de HubSpot, la localisation entreprise est plus pertinente.

Pour la plupart des cas d’usage de prospection B2B, vous voudrez la localisation personnelle car elle indique :

• Les conditions du marché local affectant le budget et les priorités
• Le fuseau horaire pour le timing d’outreach
• Les problématiques régionales et réglementations (RGPD en UE)
• Le contexte culturel pour la messagerie

Maintenant que vous comprenez la distinction, extrayons ces données.

Étape 1 : Préparez Vos URLs de Profils LinkedIn

D’abord, organisez vos données correctement pour maximiser les taux de succès d’enrichissement.

Ouvrez votre tableur (Google Sheets ou Excel) et créez un en-tête de colonne intitulé “URL Profil LinkedIn” ou “URL Profil.”

Formatez correctement vos URLs. Les URLs de profils LinkedIn existent en plusieurs formats, et la plupart des outils d’enrichissement gèrent tous ces formats :

• Format standard : https://www.linkedin.com/in/jean-dupont-12345678/
• Format Sales Navigator : https://www.linkedin.com/sales/lead/ACwAAABcD...
• Format raccourci : linkedin.com/in/jean-dupont

Conseil pro : Utilisez toujours le format URL complet HTTPS (https://www.linkedin.com/in/username) pour de meilleurs résultats. Certains outils peinent avec les URLs raccourcies sans le protocole.

Nettoyez vos données avant l’enrichissement :

1. Supprimez les URLs dupliquées en utilisant la fonction “Supprimer les doublons” de votre tableur
2. Vérifiez les URLs cassées ou incomplètes (cherchez les URLs qui ne contiennent pas “/in/” ou “/sales/”)
3. Supprimez toutes les URLs pointant vers des pages entreprises au lieu de profils individuels (elles contiennent “/company/” au lieu de “/in/”)

Résultat à ce stade : Une colonne propre d’URLs de profils LinkedIn valides, prête pour l’enrichissement.

Étape 2 : Choisissez Votre Méthode d’Extraction (Manuel vs. Automatisé)

Vous avez deux approches principales pour extraire les données de ville depuis les profils LinkedIn : scraping manuel ou enrichissement automatisé. Voici comment décider.

Méthode A : Extraction Manuelle (0-50 profils)

Si vous travaillez avec une petite liste, vous pouvez visiter manuellement chaque profil LinkedIn et copier l’information de localisation.

Processus :

1. Cliquez sur chaque URL de profil LinkedIn
2. Cherchez la localisation sous le nom et le titre de la personne
3. Copiez manuellement le texte ville/localisation dans votre tableur

Quand utiliser l’extraction manuelle :

• Vous avez moins de 50 profils
• Vous avez besoin d’une précision à 100% avec vérification visuelle
• Les profils sont privés ou restreints aux connexions

Limitation : Cette méthode ne passe pas à l’échelle. À 2 minutes par profil, 100 profils = plus de 3 heures de travail manuel.

Méthode B : Enrichissement Automatisé (50+ profils)

Pour toute liste de plus de 50 profils, l’enrichissement automatisé est dramatiquement plus efficace. Les outils d’enrichissement accèdent aux données publiques de LinkedIn de manière programmatique et extraient les informations de localisation en masse.

Avantages :

• Traitez 100 profils en 5-10 minutes (vs. plus de 3 heures manuellement)
• Sortie de données structurée et cohérente (pas d’erreurs de copier-coller)
• Points de données additionnels extraits simultanément (titre du poste, entreprise, expérience)

Quand utiliser l’enrichissement automatisé :

• Vous avez 50+ profils à traiter
• Vous avez besoin de workflows répétables pour de la prospection continue
• Vous voulez des données de profil additionnelles au-delà de la ville

Pour le reste de ce guide, nous nous concentrerons sur l’enrichissement automatisé avec Derrick, qui opère nativement dans Google Sheets.

Résultat à ce stade : Décision prise sur la méthode d’extraction basée sur la taille de votre liste et vos besoins.

Étape 3 : Configurez l’Enrichissement de Profils LinkedIn dans Derrick

C’est ici que vous allez connecter vos URLs de profils LinkedIn au moteur d’enrichissement de Derrick. Si vous utilisez un outil différent, la logique reste similaire—vous mappez les URLs de profils à une API d’enrichissement.

Installez Derrick dans Google Sheets :

1. Ouvrez votre Google Sheet avec les URLs de profils LinkedIn
2. Allez dans Extensions > Modules complémentaires > Télécharger des modules complémentaires
3. Recherchez “Derrick” dans le Google Workspace Marketplace
4. Cliquez sur “Installer” et accordez les permissions nécessaires

Lancez Derrick :

1. Une fois installé, cliquez sur Extensions > Derrick > Lancer Derrick
2. La barre latérale Derrick apparaît sur le côté droit de votre feuille

Sélectionnez la fonctionnalité d’enrichissement :

Dans la barre latérale Derrick, vous verrez plusieurs fonctionnalités. Pour extraire la ville depuis les URLs de profils, sélectionnez “LinkedIn Profile Scraper” (aussi appelé “Enrichir les Données de Leads” dans certaines versions).

Cette fonctionnalité scrappe les données publiques de profils LinkedIn, incluant les informations de localisation, le titre du poste, l’entreprise, l’expérience, les compétences, et plus—tout depuis l’URL du profil.

Configurez le mapping de vos colonnes :

1. Dans le menu déroulant, sélectionnez l’en-tête de colonne qui contient vos URLs de profils LinkedIn
2. Derrick détecte automatiquement les colonnes avec “LinkedIn,” “Profil,” ou “URL” dans l’en-tête
3. Si votre colonne n’est pas auto-détectée, sélectionnez-la manuellement depuis le menu déroulant

Résultat à ce stade : Derrick est configuré et prêt à enrichir vos URLs de profils LinkedIn avec les données de localisation.

Étape 4 : Lancez l’Enrichissement et Extrayez les Données de Ville

Maintenant exécutez le processus d’enrichissement pour peupler votre tableur avec les informations de ville.

Cliquez sur le bouton “Enrichir” dans la barre latérale Derrick. Le processus d’enrichissement commence automatiquement.

Ce qui se passe en coulisses :

1. Derrick prend chaque URL de profil LinkedIn depuis votre colonne sélectionnée
2. Accède à la page de profil LinkedIn publique (pas besoin de Sales Navigator)
3. Extrait le champ de localisation visible sous le nom de la personne
4. Parse la chaîne de localisation en composants structurés : ville, état/région, pays
5. Écrit les données enrichies dans votre Google Sheet dans de nouvelles colonnes

Suivez la progression :

Derrick affiche un indicateur de progression montrant combien de profils ont été traités. Pour 100 profils, attendez-vous à 5-10 minutes selon la charge serveur.

Examinez les colonnes enrichies :

Une fois terminé, Derrick crée plusieurs nouvelles colonnes dans votre feuille, incluant :

• Localisation (chaîne de localisation complète, ex. “Lyon, Auvergne-Rhône-Alpes, France”)
• Ville (ville seule parsée, ex. “Lyon”)
• État/Région (ex. “Auvergne-Rhône-Alpes”)
• Pays (ex. “France”)
• Titre du Poste, Nom de l’Entreprise, URL LinkedIn Entreprise, et 40+ autres attributs

La colonne Ville est ce dont vous avez besoin pour la prospection géo-ciblée.

Résultat à ce stade : Votre Google Sheet contient maintenant une colonne “Ville” peuplée avec les données de localisation extraites depuis chaque URL de profil LinkedIn.

Étape 5 : Extraire la Ville de l’Entreprise (Enrichissement Secondaire Optionnel)

Si vous voulez aussi savoir où l’entreprise de la personne est localisée (pas seulement où elle vit), vous pouvez lancer une deuxième étape d’enrichissement sur les URLs LinkedIn des entreprises.

Pourquoi vous pourriez avoir besoin de cela :

Marie, manager sales ops dans une entreprise SaaS, vit à Bordeaux mais travaille pour une startup basée à Paris. Si vous ciblez des entreprises dans l’écosystème tech parisien, vous vous souciez de Paris (ville entreprise), pas de Bordeaux (ville personnelle).

Le processus en deux étapes :

Après avoir terminé l’Étape 4, vous avez maintenant à la fois :

1. Ville personnelle (depuis l’enrichissement du profil)
2. URL LinkedIn Entreprise (aussi extraite à l’Étape 4)

Lancez l’enrichissement entreprise :

1. Dans Derrick, sélectionnez la fonctionnalité “LinkedIn Company Scraper” (aussi appelée “Enrichir les Données Entreprise”)
2. Dans le menu déroulant, sélectionnez la colonne contenant les URLs LinkedIn Entreprise (créée à l’Étape 4)
3. Cliquez sur “Enrichir”

Ce que vous obtenez :

Derrick enrichit les URLs des entreprises avec les données au niveau entreprise, incluant :

• Ville Entreprise (localisation du siège social)
• Adresse Entreprise
• Pays Entreprise
• Secteur Entreprise, Nombre d’Employés, Spécialités, et plus

Maintenant vous avez à la fois la ville personnelle et la ville entreprise dans votre tableur, vous permettant de filtrer et segmenter selon l’une ou l’autre.

Exemple de cas d’usage :

Thomas, SDR vendant un logiciel de gestion de bureau, filtre pour les prospects qui :

• Vivent en Île-de-France (ville personnelle) → incitations fiscales locales pertinentes
• Travaillent dans des entreprises de 50-200 employés (taille entreprise)
• Dans le secteur tech (secteur entreprise)

Ce niveau de segmentation améliore dramatiquement la pertinence de l’outreach.

Résultat à ce stade : Données de localisation entreprise optionnelles ajoutées, vous donnant à la fois les informations de ville personnelle et corporative pour chaque profil.

Comprendre les Formats de Données de Localisation et Cas Particuliers

Les données de localisation LinkedIn ne sont pas toujours parfaitement structurées. Voici comment gérer les variations de formatage courantes que vous rencontrerez.

Localisations Larges vs. Spécifiques

LinkedIn permet aux utilisateurs de choisir la granularité de leur localisation. Certains profils affichent :

• Ville spécifique : “Lyon, Auvergne-Rhône-Alpes, France”
• Zone métropolitaine : “Paris et périphérie”
• Pays seulement : “France”
• Région : “Région de Marseille”

Selon une étude de Datablist analysant 100 000 profils enrichis, environ :

• 68% affichent une précision au niveau ville
• 22% affichent une zone métro ou région
• 7% affichent le pays seulement
• 3% n’ont pas de données de localisation

Comment gérer les localisations larges :

Si vous voyez “Paris et périphérie” mais avez besoin d’une ville spécifique, vous devrez faire des suppositions basées sur vos critères de ciblage. Par exemple :

• “Paris et périphérie” pourrait être Paris, Nanterre, Boulogne-Billancourt, ou Versailles
• “Région de Marseille” pourrait être Marseille, Aix-en-Provence, ou Aubagne

La plupart des outils d’enrichissement (incluant Derrick) extraient la chaîne de localisation exactement telle qu’elle apparaît sur LinkedIn. Ils ne tentent pas de deviner ou normaliser les zones larges en villes spécifiques, ce qui prévient les faux positifs.

Formats de Localisation Internationaux

Différents pays formatent les localisations différemment :

• Format FR : Ville, Région, Pays (ex. “Toulouse, Occitanie, France”)
• Format UK : Ville, Pays (ex. “Londres, Royaume-Uni”)
• Format US : Ville, État, Pays (ex. “Austin, Texas, États-Unis”)

Votre outil d’enrichissement devrait préserver le format original. Si vous avez besoin d’un formatage standardisé pour des imports de base de données, vous aurez besoin d’une étape de normalisation (couverte dans la section suivante).

Localisations Vides ou Manquantes

Certains profils n’ont légitimement pas de données de localisation :

• Raisons pour une localisation manquante :
  • Profil configuré en privé ou restreint aux connexions
  • L’utilisateur n’a jamais rempli le champ de localisation
  • Le profil est inactif ou obsolète

Quand l’enrichissement retourne un champ de localisation vide, cela signifie typiquement que les données ne sont pas publiquement visibles. Ne supposez pas que cela signifie que le profil est invalide—il pourrait simplement être restreint par la confidentialité.

Nettoyer et Normaliser les Données de Localisation

Les données de localisation brutes de LinkedIn nécessitent souvent un nettoyage avant que vous puissiez les utiliser efficacement dans des campagnes ou systèmes CRM.

Problème 1 : Formatage Incohérent

Symptôme : Votre colonne Ville montre des variations comme :

• “Paris”
• “Paris, France”
• “Région parisienne”
• “Paris et périphérie”

Impact : Quand vous filtrez pour “Paris,” vous ratez les prospects dans “Région parisienne”

Solution : Utilisez une règle de normalisation ou formule pour standardiser les noms de villes

Dans Google Sheets, créez une colonne helper avec une formule comme :

=SI(OU(REGEXMATCH(B2,"Paris");REGEXMATCH(B2,"parisienne");REGEXMATCH(B2,"périphérie"));"Paris";B2)

Cette formule vérifie si la colonne B (Localisation) contient une variation de Paris et la normalise en “Paris.”

Alternative sans code : Utilisez la fonctionnalité “Normalisation de Données” de Derrick, qui nettoie et standardise automatiquement les chaînes de localisation basées sur des patterns courants.

Problème 2 : Caractères Spéciaux et Problèmes d’Encodage

Symptôme : Les villes avec des accents s’affichent incorrectement :

• “São Paulo” devient “S?o Paulo”
• “Montréal” devient “Montréal”

Impact : Les filtres et recherches échouent à matcher ces localisations

Solution : Assurez-vous que votre tableur et CRM utilisent l’encodage UTF-8, qui supporte les caractères internationaux. Lors de l’export en CSV, sélectionnez “UTF-8” comme format d’encodage.

Problème 3 : Données de Localisation Obsolètes

Symptôme : Le LinkedIn d’un prospect montre “Lyon, France” mais il a récemment déménagé à Marseille (et n’a pas mis à jour LinkedIn)

Impact : Votre message géo-ciblé référence Lyon alors qu’il n’y est plus

Solution : Pour les prospects à forte valeur, vérifiez manuellement la localisation via :

• Les posts ou activités récentes LinkedIn (montrent souvent la ville actuelle)
• Les annonces d’entreprise sur les localisations de bureaux
• D’autres profils sociaux (bio Twitter, site personnel)

Selon la recherche sur la qualité de données de HubSpot, environ 35% des données de localisation CRM deviennent obsolètes dans les 12 mois. Pour le ciblage géo sensible au temps, envisagez de ré-enrichir les profils trimestriellement.

Méthode Alternative : Trouver la Ville depuis les Données Entreprise

Si vous n’avez pas d’URLs de profils directs mais avez des informations d’entreprise, vous pouvez toujours inférer la localisation ville probable via une approche basée sur l’entreprise.

Quand Utiliser Cette Méthode

Cette approche fonctionne quand :

• Vous avez des noms d’entreprises mais pas d’URLs de profils individuels
• Vous ciblez des décideurs dans des entreprises spécifiques
• Vous avez besoin de construire une liste de prospection depuis zéro

Le Workflow

Étape 1 : Commencez avec des noms d’entreprises ou URLs LinkedIn d’entreprises dans votre tableur

Étape 2 : Utilisez “LinkedIn Company Finder” ou “LinkedIn Company Scraper” de Derrick pour enrichir les données entreprise

Cela retourne :

• Ville du siège social de l’entreprise
• Localisations de l’entreprise (si plusieurs bureaux)
• Nombre d’employés et secteur

Étape 3 : Utilisez la ville du siège social comme proxy pour la localisation employé

Limitation : Cela ne fonctionne que pour les employés susceptibles d’être au siège social. Les employés distants ou ceux dans des bureaux satellites ne correspondront pas à la ville HQ. Pour les équipes distribuées, vous aurez besoin de l’enrichissement de profils individuels (Méthode couverte aux Étapes 1-4).

Cas d’usage : Sarah, recrutant pour une startup parisienne, cible des employés dans des entreprises concurrentes. Elle enrichit les pages entreprises concurrentes pour obtenir les localisations HQ, puis lance des recherches LinkedIn filtrées par ces villes pour construire sa liste de candidats.

Les 5 Erreurs les Plus Courantes (et Comment les Corriger)

Problème 1 : Aucune Donnée de Localisation Retournée

Symptôme : L’enrichissement se termine mais la colonne Ville est vide pour de nombreux profils

Impact : Impossible de géo-cibler ces prospects

Solution :

1. Vérifiez si les URLs de profils sont valides (visitez-en quelques-unes manuellement pour vérifier qu’elles se chargent)
2. Vérifiez que les profils sont configurés en public (les profils privés n’exposent pas les données de localisation)
3. Pour les profils sans localisation publique, essayez la méthode d’enrichissement entreprise comme solution de repli
4. Acceptez que certains profils (typiquement 5-10%) n’ont simplement pas de données de localisation publiques

Problème 2 : L’Outil Retourne “Région de [Ville]” au Lieu de la Ville Spécifique

Symptôme : La localisation montre “Région de Bordeaux” mais vous avez besoin de “Bordeaux”

Impact : Le filtrage par noms de villes exactes exclut ces localisations larges

Solution : Créez une table de mapping qui convertit les zones métro en villes principales. Par exemple :

Utilisez RECHERCHEV ou INDEX-EQUIV dans votre tableur pour convertir automatiquement les zones métro en villes.

Problème 3 : Les Localisations Internationales ne Correspondent pas à Votre Base de Données

Symptôme : LinkedIn retourne “München, Bavaria, Germany” mais votre CRM attend “Munich”

Impact : Les règles d’automatisation basées sur la localisation échouent à se déclencher

Solution : Construisez une table de normalisation pour les villes internationales avec des noms alternatifs :

Problème 4 : L’Outil d’Enrichissement est Rate-Limité

Symptôme : L’enrichissement s’arrête à mi-chemin avec une erreur type “Limite de débit dépassée” ou “Trop de requêtes”

Impact : Seulement des données partielles extraites

Solution :

1. La plupart des outils (incluant Derrick) ont une limitation de débit intégrée pour prévenir cela
2. Si vous atteignez des limites, divisez votre liste en lots plus petits (ex. 500 profils à la fois)
3. Attendez 10-15 minutes entre les lots pour rester dans les quotas API
4. Pour de l’enrichissement à grande échelle (10 000+ profils), considérez les plans entreprise avec des limites de débit plus élevées

Problème 5 : Les Profils Montrent des Anciennes Localisations

Symptôme : Les données enrichies montrent une ville où la personne vivait, pas sa localisation actuelle

Impact : L’outreach référence la mauvaise localisation, apparaissant impersonnel ou obsolète

Solution :

1. Filtrez pour les profils avec activité récente (mis à jour dans les 3-6 derniers mois)
2. Croisez la localisation avec les posts récents ou changements de poste
3. Utilisez des outils d’enrichissement temps réel qui récupèrent des données live (pas de bases de données en cache)
4. Pour les comptes critiques, vérifiez manuellement la localisation avant l’outreach

Cas d’Usage Avancés : Au-delà de l’Extraction Basique de Ville

Une fois que vous avez les données de ville, voici comment les meilleures équipes commerciales les utilisent stratégiquement.

Cas d’Usage 1 : Campagnes d’Outreach Géo-Ciblées

Marie, SDR enterprise dans une entreprise martech, segmente sa liste de prospects par ville et personnalise les cold emails avec des références spécifiques à la ville :

“Bonjour [Nom], j’ai remarqué que vous êtes basé à Lyon. Avec la foire de Lyon qui approche, j’imagine que votre équipe planifie des activations majeures…”

Résultat : 34% de taux d’ouverture en plus comparé à l’outreach générique (selon le rapport State of Sales de Salesforce).

Cas d’Usage 2 : Attribution de Territoire de Vente Régional

Thomas, manager sales ops, utilise les données de ville enrichies pour assigner automatiquement les leads aux commerciaux régionaux :

1. Enrichit les leads entrants avec les données de ville
2. Utilise une table de mapping de territoire pour assigner les leads selon la ville
3. Déclenche un handoff automatisé vers le commercial approprié

Résultat : Les leads atteignent le bon commercial 2,3 heures plus vite, améliorant les taux de qualification de 18%.

Cas d’Usage 3 : Prospection Basée sur les Événements

Jonathan, responsable croissance dans une SaaS B2B, identifie les prospects dans les villes où son entreprise organise des événements :

1. Filtre la liste enrichie pour les prospects à “Paris”
2. Déclenche une séquence email : “Nous organisons un dîner pour les responsables revenue à Paris le 15 mars…”

Résultat : 41% de taux de présence des prospects ciblés vs. 12% des invitations générales.

Cas d’Usage 4 : Analyse d’Expansion de Marché

Avant de se développer dans une nouvelle ville, cette stratégie aide à valider la taille du marché :

1. Enrichissez une base de données de personas cibles (ex. “VP des Ventes dans des entreprises SaaS de 50-500 personnes”)
2. Groupez par ville pour voir la concentration de prospects
3. Découvrez “Lyon a 240 prospects qualifiés vs. Toulouse avec 45”

Résultat : Décision data-driven de prioriser l’expansion du marché lyonnais, menant à une montée en puissance 3x plus rapide que les expansions précédentes sans cette analyse.

Cas d’Usage 5 : Segmentation Conformité et RGPD

Pour les entreprises avec des exigences de conformité régionale, les données de ville permettent une segmentation automatique :

1. Enrichissez les profils avec ville et pays
2. Marquez les prospects basés dans l’UE pour les workflows conformes RGPD
3. Filtrez les prospects français pour la conformité spécifique France

Résultat : Risque légal réduit et suivi approprié du opt-in/opt-out maintenu par région.

Considérations Légales et de Confidentialité

Le scraping et l’enrichissement des données de profils LinkedIn opèrent dans une zone grise légalement. Voici ce que vous devez savoir pour rester conforme.

Ce Que Dit le Règlement LinkedIn

Les Conditions d’Utilisation de LinkedIn interdisent :

• Le scraping automatisé via bots ou crawlers
• L’utilisation de données scrapées à des fins commerciales sans consentement
• Le contournement de mesures techniques qui restreignent l’accès aux données

Cependant, les tribunaux dans plusieurs juridictions ont statué que le scraping de données publiquement accessibles (données visibles sans se connecter) relève de l’usage équitable et ne viole pas les lois sur la fraude informatique.

Cas clé : hiQ Labs v. LinkedIn (2019) – La Cour du Neuvième Circuit a statué que LinkedIn ne peut empêcher le scraping de données de profils publics. Cependant, cette décision s’applique spécifiquement au droit américain.

Implications RGPD (Prospects UE)

Si vous enrichissez des profils de résidents UE, le RGPD s’applique :

Exigences :

• Intérêt légitime comme base légale pour le traitement des données personnelles
• Transparence : Votre politique de confidentialité doit divulguer les activités d’enrichissement de données
• Droit d’accès et de suppression : Les prospects peuvent demander que leurs données soient supprimées de vos systèmes

Conformité pratique :

1. Limitez l’enrichissement aux points de données nécessaires (ville, titre du poste, entreprise)
2. N’enrichissez pas les données personnelles sensibles (race, religion, santé, opinions politiques)
3. Implémentez un processus pour les demandes de suppression de données
4. Documentez votre évaluation d’intérêt légitime

Directives d’Usage Éthique des Données

Au-delà de la conformité légale, l’usage éthique des données enrichies construit la confiance :

1. Utilisez les données uniquement pour l’objectif prévu : Si vous avez enrichi des profils pour l’outreach commercial, ne les réutilisez pas pour le marketing sans consentement
2. Respectez la confidentialité de la localisation : N’utilisez pas les données de ville pour traquer ou harceler les prospects
3. Soyez transparent : Si on vous demande comment vous avez obtenu la localisation de quelqu’un, soyez honnête sur l’enrichissement de profil public
4. Honorez les opt-outs rapidement : Si quelqu’un demande à être retiré de votre liste d’outreach, conformez-vous immédiatement

Selon un sondage Gartner, 78% des acheteurs B2B sont plus susceptibles d’engager avec des entreprises qui démontrent des pratiques de données responsables.

Comparaison Outils : Derrick vs. Alternatives

Bien que ce guide utilise Derrick, plusieurs autres outils peuvent extraire la ville depuis les profils LinkedIn. Voici comment ils se comparent.

Pourquoi choisir Derrick pour l’extraction de ville :

1. Intégration native Google Sheets : Pas d’exports, pas d’imports—travaillez directement dans votre tableur
2. Pas besoin de Sales Navigator : Contrairement à certains outils, Derrick accède aux profils publics sans nécessiter un abonnement Sales Navigator coûteux (économise 1 200 €/an)
3. Report des crédits : Les crédits non utilisés sont reportés, contrairement aux modèles d’abonnement qui se réinitialisent mensuellement
4. Prix transparent : À partir de 9 €/mois pour 4 000 crédits vs. prix entreprise uniquement des concurrents

Pour des scénarios plus complexes comme la combinaison de données de ville LinkedIn avec d’autres sources d’enrichissement (scraping de sites web, vérification d’email, recherche de téléphone), envisagez des outils comme Clay qui agrègent plusieurs fournisseurs de données.

Automatisation du Workflow : Connecter les Données de Ville à Votre CRM

Une fois que vous avez extrait les données de ville, intégrez-les dans votre workflow commercial pour un impact maximal.

Option 1 : Import CRM Direct (Manuel)

Processus :

1. Enrichissez vos URLs de profils LinkedIn avec les données de ville dans Google Sheets (Étapes 1-4)
2. Exportez la feuille enrichie en CSV
3. Importez le CSV dans votre CRM (HubSpot, Salesforce, Pipedrive)
4. Mappez la colonne “Ville” au champ de localisation de votre CRM

Idéal pour : Enrichissement ponctuel de listes de leads existantes

Option 2 : Automatisation Zapier (Sans Code)

Processus :

1. Configurez un Zap : “Quand nouvelle ligne ajoutée à Google Sheets → Enrichir avec Derrick → Créer/Mettre à jour contact CRM”
2. Configurez Derrick pour auto-enrichir les nouvelles lignes dans votre feuille
3. Zapier synchronise automatiquement les données enrichies (ville incluse) vers votre CRM

Idéal pour : Enrichissement continu des leads au fur et à mesure qu’ils sont ajoutés à votre feuille

Option 3 : Make (Integromat) pour Workflows Complexes

Processus :

1. Construisez un scénario Make : “URL profil LinkedIn → Enrichir via Derrick → Vérifier si la ville correspond aux territoires cibles → Si oui, ajouter à la séquence d’outreach”
2. Ajoutez de la logique conditionnelle basée sur la ville
3. Automatisez le scoring des leads basé sur la localisation

Idéal pour : Workflows complexes avec conditions multiples et logique de branchement

Option 4 : Intégration API (Développeur Requis)

Pour les équipes d’ingénierie, utilisez l’API de Derrick ou des alternatives comme Bright Data pour enrichir les profils de manière programmatique :

import requests

api_key = "VOTRE_CLE_API_DERRICK"
profile_url = "https://www.linkedin.com/in/jean-dupont/"

response = requests.post(
    "https://api.derrick-app.com/v1/enrich",
    headers={"Authorization": f"Bearer {api_key}"},
    json={"profile_url": profile_url, "fields": ["city", "state", "country"]}
)

data = response.json()
ville = data.get("city")
print(f"Ville: {ville}")

Idéal pour : Enrichissement haut volume intégré directement dans votre application ou pipeline de données

Conclusion : Transformez les Données de Localisation en Revenus

Extraire la ville depuis les URLs de profils LinkedIn peut sembler une étape mineure d’enrichissement de données, mais comme nous l’avons vu, l’intelligence de localisation alimente certaines des stratégies de prospection B2B les plus efficaces—de l’outreach géo-ciblé à l’analyse d’expansion de marché.

Voici votre plan d’action :

1. Commencez petit : Enrichissez 50-100 profils pour valider le workflow
2. Testez la messagerie : Lancez des tests A/B comparant l’outreach générique vs. personnalisé par localisation
3. Scalez graduellement : Une fois que vous voyez des taux de conversion améliorés, passez à l’échelle sur votre base de données complète de prospects
4. Automatisez : Configurez une intégration Zapier ou Make pour enrichir automatiquement les nouveaux leads

Les équipes commerciales voyant les plus gros gains des données de localisation partagent un trait : elles agissent immédiatement. Ne laissez pas les données enrichies dans un tableur—utilisez-les pour personnaliser votre toute prochaine campagne d’outreach.

Commencez à Enrichir les Profils LinkedIn avec les Données de Ville

Installez Derrick dans Google Sheets et extrayez la ville depuis les URLs de profils en quelques minutes. Essayez gratuitement avec 200 crédits—aucune carte bancaire requise.

Démarrer Gratuitement →

FAQ

Puis-je extraire la ville depuis les profils LinkedIn sans me connecter ?

Oui, mais seulement pour les profils configurés en public. Les profils publics affichent les informations de base (nom, titre, localisation, entreprise actuelle) sans nécessiter d’authentification. Cependant, environ 30-40% des profils LinkedIn sont privés ou restreints aux connexions, ce qui signifie que leurs données de localisation ne seront pas accessibles sans se connecter avec eux d’abord.

Quelle est la précision des données de ville extraites depuis les profils LinkedIn ?

La précision des données de ville dépend de deux facteurs : la précision du profil maintenue par l’utilisateur et la qualité de l’outil d’enrichissement. Les profils LinkedIn sont auto-déclarés, donc la précision dépend des utilisateurs qui maintiennent leur localisation à jour. Les études montrent que 85-95% des données de ville extraites correspondent à la réalité pour les profils actifs (mis à jour dans les 6 derniers mois). Pour les profils non mis à jour depuis plus d’un an, la précision tombe à 60-70%.

Ai-je besoin de LinkedIn Sales Navigator pour extraire la localisation ville ?

Non. Les données de localisation basiques (ville, région, pays) sont visibles sur les profils LinkedIn publics et ne nécessitent pas Sales Navigator. Cependant, Sales Navigator fournit des capacités de filtrage et de recherche de localisation plus détaillées si vous prospectez directement sur LinkedIn plutôt que d’enrichir des listes existantes.

Est-ce légal de scraper les données de ville depuis les profils LinkedIn ?

Le scraping de données publiquement visibles depuis les profils LinkedIn existe dans une zone grise légale. L’affaire hiQ Labs v. LinkedIn a établi que le scraping de données publiques ne viole pas le Computer Fraud and Abuse Act aux États-Unis. Cependant, les Conditions d’Utilisation de LinkedIn interdisent le scraping automatisé. Utilisez l’enrichissement de manière responsable, limitez-vous aux données publiques uniquement, et respectez le RGPD pour les prospects UE respectivement.

Quelle est la différence entre ville personnelle et ville entreprise ?

La ville personnelle est où vit l’individu (affichée sous son nom sur LinkedIn). La ville entreprise est la localisation du siège social de son employeur (affichée sur la page entreprise). Pour la prospection B2B, la ville personnelle est généralement plus pertinente car elle indique les conditions du marché local du prospect, le fuseau horaire et l’environnement réglementaire. Utilisez la ville entreprise lors du ciblage de décideurs corporate dans des localisations de bureaux spécifiques.

Puis-je extraire la ville depuis les pages entreprises LinkedIn au lieu des profils ?

Oui. Les pages entreprises LinkedIn affichent la localisation du siège social et listent souvent plusieurs localisations de bureaux. Utilisez la fonctionnalité “LinkedIn Company Scraper” de Derrick pour enrichir les URLs d’entreprises avec les données de localisation. Cette méthode fonctionne bien pour le marketing basé sur les comptes où vous ciblez des entreprises plutôt que des individus. Cependant, la localisation entreprise ne vous dit pas où les employés spécifiques sont localisés (particulièrement les travailleurs distants).