La liste de tous les établissements français, avec leur activité déclarée, leur tranche d’effectif et leur adresse exacte, est publique, gratuite et téléchargeable. Beaucoup de dirigeants l’ignorent et continuent d’acheter des fichiers de prospection dont ils se plaignent ensuite. Trois éléments se croisent pourtant dans cet exercice, la recherche de cible, le biais de l’IA et data.gouv, et c’est leur assemblage qui produit une liste de prospects utilisable plutôt qu’un tableau de plus.
Les gisements publics dont personne ne se sert
Le répertoire des entreprises et de leurs établissements constitue le socle : identifiant, code d’activité, date de création, tranche d’effectif, commune. À côté, la plateforme nationale des données ouvertes héberge des ressources moins connues et souvent plus parlantes commercialement. Les données essentielles de la commande publique disent qui a remporté quel marché, pour quel montant et pour quelle durée. Les autorisations d’urbanisme signalent les extensions de bâtiments avant qu’elles ne sortent de terre. Les inventaires d’installations classées identifient les sites industriels soumis à contrôle, avec leur nature d’activité.
Ajoutez les comptes annuels déposés, quand ils ne sont pas confidentiels, et vous disposez d’un tableau qu’aucun fichier commercial ne vend à ce niveau de détail.
Ces sources ont un défaut réel : elles ne sont pas faites pour vous. Les formats diffèrent, les identifiants ne se recoupent pas toujours, les mises à jour sont irrégulières selon les jeux de données. C’est précisément le travail que la machine sait absorber.
Ce que l’intelligence artificielle fait, et ce qu’elle ne fait pas
Elle ne devine pas vos futurs clients. Elle nettoie, rapproche et hiérarchise, ce qui est déjà considérable. Normaliser des adresses écrites de six façons différentes, rapprocher un établissement d’un site web, lire la page « nos activités » de trois cents entreprises et en tirer une phrase exploitable, repérer que deux lignes désignent la même société : ces tâches occupaient un stagiaire pendant des semaines, elles se traitent maintenant en une soirée.
Le second apport est le classement par ressemblance. Vous fournissez vos vingt meilleurs clients, l’outil identifie ce qu’ils ont en commun au-delà du code d’activité, puis ordonne le reste du marché selon cette proximité. Le commercial n’appelle plus par ordre alphabétique. Il commence par les cent premiers.
Troisième apport, moins visible : la préparation de l’approche. À partir du site de l’entreprise ciblée, d’un marché public qu’elle vient de remporter ou d’un permis déposé, l’outil sort en quelques lignes de quoi accrocher une conversation, une extension de site par exemple, ou un changement d’activité récent. Rien de comparable avec un message type envoyé à cinq cents adresses. Le commercial garde la plume, il gagne le quart d’heure de recherche qui précédait chaque appel important.
Ce qui reste humain : décider si le segment mérite un effort, écrire le premier message, juger si un prospect classé douzième vaut mieux que le troisième parce qu’on connaît son directeur technique.
Partir de ses clients, pas d’une intuition
Un installateur de systèmes de chauffage industriel de Pontault-Combault a mené l’exercice l’hiver dernier. Ses meilleures affaires, une fois posées sur une même feuille, avaient trois traits communs que personne n’avait formalisés : des bâtiments de plus de deux mille mètres carrés, une activité de production plutôt que de stockage, et une distance inférieure à quarante-cinq minutes de son atelier au-delà de laquelle sa marge s’effondrait à cause des déplacements de maintenance.
Ces trois critères, appliqués aux données publiques, ont ramené une liste de deux cent quarante établissements. Aucune magie là-dedans, seulement l’explicitation d’un savoir déjà présent dans l’entreprise. Le dirigeant a découvert au passage qu’il ignorait l’existence de la moitié d’entre eux, dont deux zones d’activité entières qu’il n’avait jamais prospectées.
Deux garde-fous à poser tout de suite
Deux limites encadrent la recherche de cible, le biais de l’IA et data.gouv lui-même, et il vaut mieux les regarder en face avant de lancer une campagne.
Le premier problème est logique. Un modèle qui apprend de vos succès passés vous ramènera des prospects semblables à vos clients actuels, y compris dans leurs travers. Si votre portefeuille est concentré sur un secteur en déclin, le classement vous enfermera dedans avec une belle assurance statistique. Le correctif est simple : réservez systématiquement une part de votre effort, disons une prospection sur cinq, à des cibles que l’outil n’a pas remontées.
Le second est factuel. Les tranches d’effectif sont approximatives, certaines fermetures mettent des mois à apparaître, et un établissement enregistré à une adresse peut n’y avoir qu’une boîte aux lettres. Vérifiez trente lignes à la main avant d’en exploiter deux cents. Une liste de mille contacts dont on ne sait rien vaut moins que cent lignes contrôlées.
Un mot sur le cadre juridique, qui n’est pas anodin. Les informations sur une société sont des données d’entreprise, mais le nom, la fonction et l’adresse électronique d’un dirigeant sont des données personnelles. La prospection professionnelle reste possible sur une base d’intérêt légitime, à condition d’informer la personne, de faciliter son opposition et de ne pas aspirer des adresses personnelles. Les recommandations de la CNIL sur la prospection B2B tiennent en quelques pages, elles méritent une lecture avant le premier envoi.
La mise en route, semaine par semaine
La séquence que nous appliquons chez nos clients tient en quatre temps. Semaine un, analyse du portefeuille existant et écriture des critères, avec le dirigeant et le commercial le plus ancien. Semaine deux, extraction et rapprochement des sources publiques, contrôle manuel d’un échantillon. Semaine trois, enrichissement et classement, puis découpage en lots exploitables. Semaine quatre, premiers contacts sur le lot le mieux classé, et mesure. Un mois, pas un trimestre.
L’industrialisation vient après, quand la méthode a fait ses preuves sur un premier segment. C’est le rôle de Prospect’IA pour l’identification et le suivi des cibles, et de MINO’BOARD pour garder sous les yeux ce que chaque lot a réellement produit. Les entreprises qui veulent voir l’ensemble des briques disponibles peuvent découvrir tous les modules MINOBIA.
Nous résumons souvent la démarche en trois mots devant un comité de direction : recherche de cible, biais de l’IA, data.gouv. Le premier fixe l’objectif, le deuxième rappelle la prudence, le troisième fournit la matière sans budget d’achat de fichiers. MINOBIA accompagne les PME et ETI franciliennes sur ce type de chantier, en partant toujours des clients qu’elles ont déjà plutôt que d’un marché théorique, et en laissant la décision commerciale là où elle doit rester, entre les mains de ceux qui vendent.
Questions fréquentes
Les données publiques sont-elles vraiment gratuites ?
Oui pour l’essentiel, sous des licences permettant la réutilisation commerciale. Le coût se déplace vers le traitement : nettoyer et rapprocher ces fichiers demande du temps ou un outil adapté.
Peut-on y trouver les coordonnées des dirigeants ?
Certains mandataires sociaux y figurent, mais ces informations sont des données personnelles et leur usage en prospection est encadré. Mieux vaut passer par un contact professionnel identifié qu’accumuler des adresses douteuses.
Quelle taille de liste viser pour commencer ?
Cent à trois cents établissements bien qualifiés suffisent pour un premier segment. Au-delà, l’équipe commerciale ne suit plus et la qualité du contact chute.
Faut-il un data scientist en interne ?
Non pour la démarche décrite ici. Il faut quelqu’un à l’aise avec un tableur, et un accompagnement ponctuel sur le premier montage.
Comment savoir si l’exercice a fonctionné ?
Comparez le taux de rendez-vous obtenu sur le lot issu du ciblage à celui de votre prospection habituelle, sur le même nombre d’appels. L’écart se voit dès la troisième semaine.
Prêt à intégrer l’IA dans votre entreprise ? MINOBIA vous accompagne.
Contactez MINOBIA →À propos de l’auteur
Joël Obitz est entrepreneur et fondateur de MINOBIA, cabinet spécialisé dans l’intégration stratégique de l’intelligence artificielle au sein des PME et ETI. Fort de 20 ans d’expérience dans le B2B industriel, il accompagne les entreprises dans leur transformation numérique, avec une approche directe, pragmatique et orientée résultats.
Contactez-nous : contact@minobia.ai
Suivez-nous sur LinkedIn et Facebook
MINOBIA – Activateur France Num https://www.francenum.gouv.fr/activateurs/minobia
