Se connecterCircle loading spinnerImage of a partial circle indicating "loading."
RejoindreCircle loading spinnerImage of a partial circle indicating "loading."

Évalue ton niveau de maturité IA Marketing — faire le diagnostic gratuit (5 min) →

Stratégie marketing

Prospection IA en B2B : pourquoi l'outil ne rattrape pas un process mal fondé

Publié le 17 novembre 2026
Jolhane Leite
Jolhane Leite
Co-fondateur et DG UnlockM & Part-Time CMO (Bpifrance, Adsteroid, OLY Be, Decathlon Outdoor, The Brand Collector, La Redoute Business))
Prospection IA en B2B : pourquoi l'outil ne rattrape pas un process mal fondé

L'IA change la vitesse à laquelle on construit un pipeline. Elle ne change pas la logique qui le rend solide. Avant de brancher une machine d'acquisition, la question à poser n'est pas "quel outil choisir" mais "est-ce que nos fondations tiennent" : un ICP écrit, des définitions de qualification alignées entre équipes et des données fraîches dans le CRM.

TL;DR

  • Une machine de prospection IA se lit en 4 blocs (sourcer, qualifier, scorer, router) : chaque outil de la stack doit trouver sa place dans l'un d'eux.

  • Sans positionnement, ICP et segmentation écrits, aucune stack ne tient, quelle que soit la qualité des outils.

  • Automatisation et IA sont deux choses distinctes : les scripts traitent la masse, le LLM ne juge que les comptes chauds.

  • Les définitions de MQL et SQL doivent être alignées entre toutes les équipes avant de construire le moindre tableau de bord.

  • Un CRM se dégrade vite et une machine peut dériver sans prévenir : la surveillance fait partie du dispositif.

Les fondations avant les outils

Gabriel Hardy-Françon, Lead GTM Engineer chez Bulldozer, monte des machines d'acquisition pour des entreprises B2B. Avant de parler outils, il attend de ses clients un positionnement clair, un ICP et des personas définis avec les messages adaptés à chacun, et une segmentation rodée.

Ce prérequis sert de filtre de sélection chez Bulldozer :

« C'est aussi une des raisons pour laquelle on va refuser certains clients, parce qu'on va estimer que les conditions ne sont pas réunies pour qu'on puisse travailler de manière sereine. »

Gabriel Hardy-Françon
Gabriel Hardy-Françon
Lead GTM Engineer chez Bulldozer

L'agence ne prend d'ailleurs plus de mission sans équipe commerciale pour traiter les leads : la machine ne vaut que par ce que les sales font du contexte qu'elle leur transmet.

L'ICP écrit ne doit pas pour autant devenir un critère binaire. Gabriel préfère travailler avec des fourchettes, ajustées au fil des retours des sales : « Je préfère mettre des fourchettes plutôt que des hard gates. »

La façon de construire ces fourchettes et le modèle de score qui en découle sont détaillés dans notre article sur le lead scoring B2B.

Les 4 blocs : un cadre pour auditer sa stack

Gabriel aborde chaque machine en architecte de la donnée : quelle donnée passe à quel endroit, dans quel bloc, à quel moment et sous quelles conditions. Toutes ses machines suivent le même chemin en quatre blocs :

  1. Sourcer : construire la liste des comptes de la cible, puis capter qui réagit (engagement LinkedIn, formulaires d'ads, visites du site).

  2. Qualifier : vérifier que le compte est dans la cible, compléter la donnée manquante, exclure concurrents, clients et deals en cours.

  3. Scorer : donner une température à chaque compte, avec un verdict et son motif.

  4. Router : envoyer le bon compte au bon commercial, au bon moment, avec le contexte et les contacts prêts à l'emploi.

Un cinquième temps, convertir, revient aux sales. C'est aussi dans les conditions que se loge la créativité : que fait-on d'un compte qui ne remplit pas une condition ? Beaucoup d'entreprises ne font rien de leurs comptes froids. Pour Gabriel, ce sont des opportunités perdues.

La grille d'audit, outil par outil

Ces quatre blocs servent surtout à évaluer la stack existante. Pour chaque outil, Gabriel pose les mêmes questions : dans quel bloc s'inscrit-il ? Que reçoit-il, et de qui ? À qui passe-t-il la donnée ? Si on le coupe demain, est-ce que ça casse ?

Si l'équipe ne sait pas y répondre, l'analyse n'est pas faite. On ne coupe pas un outil sans avoir regardé tout le flux de données et repéré où il apporte de la valeur. Gabriel se dit d'ailleurs agnostique à l'outil : il fait de la veille, teste, et change dès qu'un outil fait mieux.

Ce qu'il couperait en premier

Dans ses missions, Gabriel couperait l'emailing et les messages LinkedIn : pour lui, ce sont des leviers au service des ads, qui restent le levier principal. Le contexte compte : ses missions durent de trois mois à un an, chez des clients qui ont un budget ads et cherchent une réaction rapide du marché. Une entreprise qui se lance doit raisonner autrement.

Automatisation et IA sont deux choses différentes

C'est l'une des confusions les plus coûteuses en production : appeler "IA" tout ce qui est automatisé. Elle pousse à solliciter un LLM pour des tâches qu'un script fait très bien, et fait grimper les coûts d'API.

Chez Gabriel, le tri, le dédoublonnage, l'enrichissement et le scoring tournent avec des scripts Python et des conditions. Même la fiche envoyée aux sales, qui explique pourquoi appeler, est produite par un script. Le LLM n'est appelé que pour les comptes qui dépassent un seuil.

Ce déclenchement conditionnel est aussi une question de budget.

« Mes machines coûtent pas très cher, c'est un peu la première chose que j'ai en tête : monter des machines qui sont performantes, mais à bas coût. »

Gabriel Hardy-Françon
Gabriel Hardy-Françon
Lead GTM Engineer chez Bulldozer

Sa stack, et comment s'en approcher

Sa base centrale est Supabase, avec des scripts Python hébergés sur Railway : ses automatisations vont plus loin que ce que savent faire Zapier, Make ou n8n. Il utilise Clay seulement pour trouver des personnes et des entreprises, puis sa propre cascade d'enrichissement (Apollo, puis Lusha ou FullEnrich). La distribution se fait vers le CRM du client et vers Slack.

Sans GTM Engineer dans l'équipe, Gabriel recommande de faire construire la machine une première fois, puis de la reprendre en interne. Pour les équipes moins techniques, un CRM avec des workflows comme HubSpot permet déjà de planifier les envois et de plafonner les volumes.

Aligner les définitions avant de brancher la machine

Le problème n'est pas toujours l'ICP. Parfois, l'ICP est défini, mais les équipes ne parlent pas de la même chose quand elles disent "MQL" ou "SQL". Victoire Baba, Head of Marketing chez Empowill, a fait le test en interne :

« J'ai demandé à un SDR, un AE, un CSM et à ma collaboratrice en marketing. Tous avaient une définition différente du MQL. »

Victoire Baba
Victoire Baba
Head of Marketing chez Empowill

Le résultat est mécanique : avec plusieurs définitions du MQL, les chiffres sont gonflés partout. Pour Matys Beuriot, GTM Engineer chez Bulldozer, cet alignement est presque la partie la plus difficile du projet, surtout dans une scale-up de plusieurs centaines de personnes réparties dans plusieurs pays.

La structure de donnée comme prérequis au dashboard

Une fois les étapes définies (lead, MQL, SQL, opportunité, deal gagné ou perdu), il faut structurer les champs dont le reporting aura besoin : marché, pays, source, raisons de perte. Chez Empowill, une quinzaine de raisons de deal perdu existaient, impossibles à analyser : l'équipe les a ramenées à quatre ou cinq.

Matys déconseille aussi les Google Sheets partagés comme outil de reporting : chacun les modifie sans prévenir, et le savoir part avec la personne qui les maintenait. Il ne les garde que pour les données qui n'ont pas d'API, faute de mieux. Son conseil de méthode : « Il faut pas être trop ambitieux, il faut commencer simple et construire son dashboard étape par étape pour être sûr que ça fonctionne. »

Pour relier cette structure à l'attribution, voir comment aligner marketing et revenu grâce à l'attribution.

La donnée CRM se dégrade vite : surveiller la machine en continu

Une machine d'acquisition IA peut s'arrêter ou dériver sans avertissement visible. Une condition qui saute, un rate limit API, un crédit épuisé : rien ne clignote, le pipe se vide sans que l'équipe le réalise.

Gabriel estime qu'environ 30 % d'un CRM devient obsolète en un an : il faut des scripts qui rafraîchissent la donnée en continu. Un CRM bien tenu reste pourtant le premier gisement à travailler : deals perdus, anciens clients satisfaits, clients qui ne connaissent pas toute l'offre.

Le cas qu'il cite concerne un refresh de CRM : une condition a sauté dans un de ses scripts, et Apollo a enrichi beaucoup trop de comptes hors ICP, avec une dépense de crédits non planifiée. L'IA permet de construire très vite, mais on ne sait pas toujours ce qui tourne dedans.

Les points de contrôle à intégrer dès le déploiement

  • Contrôler que les conditions de filtre des scripts tiennent, surtout lors d'un refresh.

  • Suivre la dépense de crédits des outils d'enrichissement (Apollo, Lusha, Kaspr).

  • Tester la qualité de la donnée qui arrive aux sales.

  • Demander aux sales la raison précise de chaque lead refusé, puis affiner le filtre.

La surveillance fait partie du dispositif au même titre que le scoring ou le routing. Une machine sans supervision dérive, et la dérive ne se voit qu'une fois les dégâts faits.

Les questions fréquentes sur la prospection IA en B2B

Comment utiliser l'IA pour prospecter en B2B sans envoyer des messages génériques ?

Dans l'architecture décrite par Gabriel, le LLM ne rédige pas les messages : il juge les comptes chauds. Ce qui évite le générique, c'est le contexte transmis aux sales : ce que le compte a fait, les contenus avec lesquels il a interagi, les contacts prêts à l'emploi, souvent un pitch et de petits scénarios d'appel. Comme deux équipes sales ne veulent jamais la même chose, ce contexte se définit avec elles.

L'IA peut-elle remplacer un SDR ou un BDR dans la prospection ?

La machine automatise la recherche, l'enrichissement, le scoring et la préparation de la fiche compte. La conversion reste aux sales, et leur efficacité dépend de la qualité du contexte que la machine leur transmet. C'est pour cette raison que Bulldozer ne prend plus de mission sans équipe commerciale.

Quelle différence entre automatisation et personnalisation dans une séquence de prospection ?

L'automatisation gère le tri, le dédoublonnage, l'enrichissement, le scoring et même la fiche de contexte : ce sont des scripts, sans LLM. Le LLM intervient uniquement sur les comptes qui passent le seuil, pour juger leur intérêt comme le ferait un humain. Le traiter comme un outil de traitement de masse fait grimper les coûts sans gain de qualité.

Faut-il un GTM Engineer pour monter une machine de prospection IA ?

Pas forcément pour la faire vivre. Gabriel recommande de la faire construire une première fois, puis de la reprendre en interne : il livre à ses clients une machine déjà branchée et leur montre comment l'ajuster. Le terminal fait peur, mais avec l'IA, l'utiliser et le déboguer est moins compliqué qu'il n'y paraît.

Comment rester conforme au RGPD quand on utilise l'IA pour prospecter ?

Le scoring de l'emailing est le point le plus sensible. Dans sa recommandation du 14 avril 2026, la CNIL considère que les pixels de suivi des ouvertures d'emails exigent en principe le consentement du destinataire. Côté désanonymisation des visites, RB2B n'identifie les personnes que sur le trafic américain. Avant de scorer ouvertures et clics, vérifiez votre cadre avec votre DPO. Notre article sur le RGPD et l'IA en marketing B2B détaille les bases légales du scoring.

Ce que les équipes B2B retiennent avant de déployer une prospection assistée par l'IA

L'IA en prospection B2B est un accélérateur qui rend visible, et plus rapide, ce qui est déjà bien construit.

Les prérequis ne changent pas : un ICP écrit et partagé, des définitions de MQL et SQL alignées entre toutes les équipes qui touchent au funnel, des données CRM rafraîchies en continu. Sans eux, la machine tourne, mais elle produit du bruit plutôt que du pipeline.

Les 4 blocs (sourcer, qualifier, scorer, router) donnent un cadre pour auditer chaque outil sans se laisser guider par la hype. Les scripts font le travail de masse, l'IA juge les comptes chauds, et l'humain surveille, calibre et corrige.

Membres de la communauté UnlockM
Membres de la communauté UnlockM

Envie d’aller plus loin ?

Vous voulez structurer votre machine d’acquisition avec des praticiens qui la font tourner au quotidien ? Les Office Hours UnlockM réunissent des GTM Engineers, des CMO et des leaders marketing qui partagent leurs méthodes en détail.

Rejoindre UnlockMCircle loading spinnerImage of a partial circle indicating "loading."

Pour aller plus loin

Lead scoring B2B
Stratégie marketing
Lead scoring B2B : construire un modèle que vos commerciaux utilisent vraiment

Le lead scoring B2B est l’un des sujets les plus documentés du marketing, et l’un des plus mal déployés. Les modèles et les outils existent. Ce qui manque, c’est la boucle entre les signaux captés par le marketing et les retours des commerciaux sur les leads qu’ils reçoivent. Sans elle, le score devient un chiffre que personne ne regarde. Cet article détaille une méthode éprouvée en conditions réelles : qualifier, scorer, router, puis ajuster le modèle avec les sales.

AI Overviews en B2B : comment rester dans la shortlist de vos acheteurs
Stratégie marketing
AI Overviews en B2B : comment rester dans la shortlist de vos acheteurs

Depuis fin 2025, plusieurs CMO B2B membres d’UnlockM font le même constat : le SEO rapporte moins, ou rapporte les mauvais leads. Google ne les a pas pénalisés. Leurs acheteurs posent désormais leurs questions à ChatGPT, Perplexity ou Gemini, et depuis le 22 juillet 2026, Google affiche aussi en France ses AI Overviews (« Aperçus IA ») et son Mode IA. L’enjeu n’est plus seulement de bien se positionner : il faut figurer dans les réponses que l’IA construit pour vos acheteurs.

GEO SEO : pourquoi votre trafic organique s'érode
SEO / SEA
GEO SEO : pourquoi votre trafic organique s’érode et comment y remédier sans tout reconstruire

Le trafic organique baisse, et GA4 le montre. Ce qu’il ne montre pas, c’est pourquoi : les prospects arrivent moins nombreux depuis Google, et certains déclarent en post-conversion avoir « trouvé via ChatGPT » sans qu’aucun outil d’analytics ne l’ait enregistré. Ce que beaucoup d’équipes marketing B2B vivent en ce moment n’est pas un bug de mesure : c’est le début d’un changement structurel dans la manière dont les moteurs sélectionnent et citent les sources. Le GEO n’est pas un nouveau canal à construire depuis zéro.

Membres de la communauté UnlockM
Membres de la communauté UnlockM

Rejoignez la plus grande communauté
de leader marketing FR

Rejoignez dès maintenant UnlockM et accédez à une communauté active de leaders marketing français : partage d’expériences, formations.

Devenir membreCircle loading spinnerImage of a partial circle indicating "loading."