Guide Outbound B2B : les 10 chapitres

L'outbound a plus change entre 2023 et 2026 que durant la decennie precedente. Les regles de delivrabilite de Google et Yahoo, entrees en vigueur en fevrier 2024, ont rendu obsoletes les anciennes methodes de cold email de masse. L'intelligence artificielle a simultanement ouvert des possibilites inedites de personnalisation. Comprendre ces changements est indispensable avant de lancer une seule campagne.

Ce qui a change

Les nouvelles regles du jeu

En 2026, une strategie outbound efficace repose sur quatre piliers : un volume maitrise, une personnalisation reelle, une infrastructure technique solide et une approche multicanal.

Inbound vs outbound : complementaires, pas concurrents

L'inbound (SEO, contenu, ads) genere des leads qui viennent a vous. L'outbound vous permet d'aller chercher les prospects que vous voulez. Les deux approches se renforcent mutuellement. Un prospect qui a deja vu votre contenu est 3 a 5 fois plus susceptible de repondre a un cold email. Inversement, un cold email peut diriger un prospect vers votre contenu pour construire la confiance.

La recommandation : lancez l'outbound des que vous avez un product-market fit valide et au moins un case study. L'inbound viendra accelerer les resultats au fil du temps.

La stack technologique gagnante en 2026

Le combo qu'on recommande

Lemlist

Execution des sequences (email + LinkedIn), warm-up (Lemwarm), base de donnees B2B avec signaux d’intent, AI enrichment integre

Clay

Enrichissement avance multi-sources (waterfall), AI columns pour les use cases complexes, 75+ fournisseurs de donnees

Claude

Generation de contenus personnalises (icebreakers, emails, analyse de pain points), scoring de prospects, analyse de reponses

Claude Code

Scripts d’enrichissement custom, nettoyage de donnees, automatisation de taches repetitives, outils internes

HubSpot

CRM central. Sync via Make ou webhooks Lemlist. Pipeline outbound dedie.

Make

Automatisation inter-outils : Lemlist vers HubSpot, scoring automatique, rapports hebdomadaires

Le cout total de cette stack demarre a environ 300 EUR par mois (Lemlist Scale + Clay Starter + Claude Pro). Pour une equipe de 2-3 personnes, comptez 600 a 800 EUR par mois. C'est un investissement minime compare au cout d'un SDR a temps plein.

Un ICP (Ideal Customer Profile) mal defini est la premiere cause d'echec en outbound. Avant de chercher des contacts, de rediger des emails ou de configurer un outil, vous devez savoir exactement qui vous ciblez et pourquoi. Chaque euro et chaque heure investis dans l'outbound sont gaspilles si vous contactez les mauvaises personnes.

Firmographics

Les firmographics definissent le type d'entreprise que vous ciblez. Soyez aussi precis que possible.

Technographics

Les technologies utilisees par une entreprise revelent ses priorites, son niveau de maturite et les opportunites que vous pouvez adresser. Si vous vendez une solution CRM, cibler des entreprises qui utilisent encore des tableurs est plus pertinent que cibler celles qui ont deja Salesforce Enterprise.

Outils pour identifier la stack technique : BuiltWith, Wappalyzer, les donnees Clay (technographics enrichment), les filtres technologiques de la base Lemlist. Sur LinkedIn Sales Navigator, les entreprises qui recrutent un poste specifique (par exemple "Developpeur Salesforce") revelent leur stack.

Signaux comportementaux (intent signals)

Les signaux comportementaux sont les indicateurs les plus puissants pour le timing de votre approche. Un prospect qui vient de lever des fonds est dans une phase d'investissement. Une entreprise qui recrute un Head of Sales a besoin d'outils commerciaux.

Template ICP : exemple rempli

L'Anti-ICP : qui NE PAS prospecter

L'Anti-ICP est aussi important que l'ICP. Il vous fait gagner du temps et protege votre reputation d'expediteur. Definissez explicitement les types d'entreprises a exclure : taille trop petite (pas de budget), secteurs non compatibles, entreprises deja clientes de votre concurrent principal (cycle de switch trop long), entreprises en difficulte financiere (gel de budget), decideurs sans pouvoir d'achat. Creez des filtres d'exclusion dans vos outils de sourcing et appliquez-les systematiquement.

La qualite de vos listes determine 80% de vos resultats. Un email parfait envoye a la mauvaise personne ne generera aucun resultat. Cette etape merite autant de temps que la redaction de vos emails.

LinkedIn Sales Navigator

Sales Navigator reste la source la plus fiable pour identifier des decideurs B2B. La cle est de maitriser la recherche booleenne et les filtres avances.

Titre : (DRH OR "Directeur des Ressources Humaines" OR "VP People"
  OR "Head of HR" OR "Chief People Officer")
  NOT (Assistant OR Stagiaire OR Intern)

Entreprise : 201-1000 employes
Geographie : France
Secteur : Software, Internet, Financial Services
Changement recent : Changement de poste dans les 90 derniers jours

Lemlist B2B Database

Lemlist dispose d'une base de donnees de plus de 450 millions de contacts. L'avantage principal : les emails sont directement verifies et vous pouvez importer les prospects dans une sequence sans quitter Lemlist. Mais le vrai differenciant, ce sont les filtres d'intent signals integres.

Lemlist Intent Signals

Apollo.io

Apollo propose une base de 275 millions de contacts avec des filtres de recherche avances. Il est particulierement utile pour le marche americain et pour les recherches croisees entreprise + contact. La fonctionnalite Sequences est un bonus, mais nous recommandons Lemlist pour l'execution. Utilisez Apollo principalement pour le sourcing, puis exportez vers Lemlist ou Clay.

Dropcontact

Dropcontact est l'outil de reference pour l'enrichissement conforme au RGPD, specialement en France. Il ne stocke aucune donnee personnelle dans une base tierce : les emails sont generes algorithmiquement a partir du nom et du domaine, puis verifies en temps reel. Si vous prospectez en France, Dropcontact est indispensable en complement de Lemlist ou Apollo pour maximiser le taux de verification des emails.

Combiner les sources

C'est le chapitre le plus important du guide. L'enrichissement IA est ce qui fait la difference entre un cold email generique (ignore) et un message pertinent (qui recoit une reponse). En 2026, deux solutions dominent : l'AI enrichment integre de Lemlist et les AI columns de Clay. Chacune a ses forces.

Lemlist AI Enrichment : l'enrichissement IA integre

Lemlist a integre un systeme d'enrichissement par IA directement dans sa plateforme. Le concept : vous ajoutez des colonnes enrichies par IA a vos listes de prospects, directement dans Lemlist, sans avoir besoin d'un outil externe. Pour de nombreux use cases, cette fonctionnalite remplace completement Clay.

Clay : enrichissement avance multi-sources

Clay est la plateforme de reference pour l'enrichissement de donnees B2B avance. Son concept central : le waterfall enrichment. Au lieu de dependre d'un seul fournisseur de donnees, Clay interroge sequentiellement jusqu'a 75+ fournisseurs pour chaque donnee. Si le premier fournisseur ne trouve pas l'email, le deuxieme est interroge, puis le troisieme, et ainsi de suite. Le resultat : des taux d'enrichissement de 85 a 95% contre 50 a 70% avec un seul fournisseur.

Prompts Claude pour l'enrichissement

Que vous utilisiez Lemlist AI ou Clay, la qualite de vos prompts determine la qualite de l'enrichissement. Voici 10 prompts testes en production, avec les resultats observes.

Tu es un expert en prospection B2B. A partir des informations suivantes sur un prospect, genere un icebreaker en francais de maximum 20 mots.

Nom : {firstName} {lastName}
Poste : {jobTitle}
Entreprise : {companyName}
Description entreprise : {companyDescription}
Derniere actualite : {recentNews}

Regles :
- Reference un element SPECIFIQUE et RECENT
- Ton professionnel mais humain
- Pas de flatterie ("Impressionne par votre parcours")
- Pas de mention de LinkedIn
- Commence par une observation, pas une question

Tu es analyste business. L’entreprise {companyName} ({companyDescription}) emploie {employeeCount} personnes dans le secteur {industry}.

Identifie les 3 pain points les plus probables pour un {jobTitle} dans ce type d’entreprise.

Format :
1. [Pain point] - [Impact business en 1 phrase]
2. ...
3. ...

Base-toi sur des problemes reels et mesurables, pas des generalites.

Notre produit : [DESCRIPTION DE VOTRE PRODUIT]
Prospect : {firstName}, {jobTitle} chez {companyName}
Secteur : {industry}
Taille : {employeeCount} employes
Pain point identifie : {ai_pain_point}

Genere une proposition de valeur en 1 phrase qui connecte SPECIFIQUEMENT notre produit au pain point identifie. Maximum 25 mots. Ne commence pas par "Notre solution".

A partir du site web {companyDomain} et de la description {companyDescription}, infere la stack technique probable de {companyName}.

Categories : CRM, Marketing Automation, Analytics, Support Client, RH, Finance.
Pour chaque categorie, donne l’outil le plus probable et ton niveau de confiance (eleve/moyen/faible).

Format : Categorie : Outil (confiance)

Contexte : cold email B2B en francais pour {companyName} ({industry}).
Destinataire : {firstName}, {jobTitle}
Pain point : {ai_pain_point}
Proposition de valeur : {ai_value_prop}

Genere 5 sujets d’email de 3-5 mots maximum.
Regles :
- Tout en minuscules sauf le premier mot
- Pas de ponctuation a la fin
- Pas de clickbait
- Reference au pain point ou au secteur
- Un seul sujet par ligne

Analyse l’entreprise {companyName} ({companyDomain}).
Description : {companyDescription}
Secteur : {industry}
Taille : {employeeCount}

Genere un resume factuel en 2-3 phrases couvrant : activite principale, positionnement marche, phase de croissance probable. Ton neutre et factuel.

Tu es SDR. Tu prospectes {firstName} ({jobTitle}) chez {companyName}.
Pain point probable : {ai_pain_point}

Genere 1 question de qualification ouverte qui :
- Fait reference au pain point
- Invite une reponse de plus de 3 mots
- Ne demande pas directement un rendez-vous
- Montre que tu comprends le metier

Maximum 20 mots.

Profil LinkedIn de {firstName} {lastName} :
- Poste actuel : {jobTitle} chez {companyName} depuis {tenure}
- Poste precedent : {previousJob}
- Formation : {education}
- Competences : {skills}

Identifie le meilleur angle d’approche parmi : evolution de carriere, expertise sectorielle, defi lie au nouveau poste, initiative recente.

Donne l’angle et 1 phrase d’explication.

Email initial envoye a {firstName} il y a 4 jours (pas de reponse) :
"{previousEmailBody}"

Genere un email de relance en 30-50 mots qui :
- Ne repete PAS le premier email
- Ajoute une information nouvelle ou un angle different
- Reste leger et non insistant
- Termine par une question simple

Pas de "Je me permets de relancer".

Prospect : {firstName} {lastName}, {jobTitle} chez {companyName}
Secteur : {industry} | Taille : {employeeCount} | Levee de fonds : {fundingInfo}
Notre ICP : [DESCRIPTION DE VOTRE ICP]

Score ce prospect de 1 a 10 sur les criteres suivants :
- Adequation au poste (0-3)
- Adequation entreprise (0-3)
- Signaux de timing (0-2)
- Potentiel de deal (0-2)

Format : Score total /10 | Detail par critere | Recommandation (prospecter / attendre / exclure)

Claude Code pour l'enrichissement custom

Claude Code permet de construire rapidement des scripts d'enrichissement sur mesure. Au lieu de configurer manuellement des workflows dans Clay ou Lemlist, vous decrivez ce que vous voulez en langage naturel et Claude Code genere le script.

# Demande a Claude Code :
# "Cree un script Python qui prend un CSV de prospects avec
# les colonnes nom, prenom, entreprise, domaine. Pour chaque
# prospect, scrape la page d'accueil du domaine, extrait
# les 3 phrases cles, et genere un icebreaker personnalise
# via l'API Claude. Exporte le resultat dans un nouveau CSV."

import csv, requests, anthropic

client = anthropic.Anthropic()

def scrape_homepage(domain: str) -> str:
    try:
        r = requests.get(f"https://{domain}", timeout=10)
        # Extraction du texte visible (simplifie)
        from bs4 import BeautifulSoup
        soup = BeautifulSoup(r.text, "html.parser")
        return " ".join(soup.get_text().split()[:200])
    except Exception:
        return ""

def generate_icebreaker(prospect: dict, homepage_text: str) -> str:
    response = client.messages.create(
        model="claude-sonnet-4-20250514",
        max_tokens=100,
        messages=[{
            "role": "user",
            "content": f"""Genere un icebreaker de prospection en 1 phrase
pour {prospect['prenom']} {prospect['nom']},
{prospect.get('poste','')} chez {prospect['entreprise']}.
Contexte du site : {homepage_text[:500]}
Maximum 20 mots. Ton professionnel."""
        }]
    )
    return response.content[0].text

# Traitement batch
with open("prospects.csv") as f:
    prospects = list(csv.DictReader(f))

results = []
for p in prospects:
    text = scrape_homepage(p["domaine"])
    icebreaker = generate_icebreaker(p, text)
    p["icebreaker"] = icebreaker
    results.append(p)

# Export
with open("prospects_enrichis.csv", "w", newline="") as f:
    writer = csv.DictWriter(f, fieldnames=results[0].keys())
    writer.writeheader()
    writer.writerows(results)

Comparaison : Lemlist AI vs Clay vs enrichissement manuel

Notre recommandation : utilisez Lemlist AI pour 80% de vos campagnes (icebreakers, pain points, variables simples). Reservez Clay pour les 20% de campagnes strategiques qui necessitent un enrichissement multi-sources ou des workflows complexes. L'enrichissement manuel reste pertinent pour les 10-20 prospects VIP de chaque campagne.

La delivrabilite est le fondement de tout. Vous pouvez avoir le meilleur email du monde : s'il atterrit en spam, personne ne le lira. Cette section est technique mais indispensable. Ne sautez aucune etape.

Configuration DNS pas a pas

Le processus de warm-up

Une boite email neuve n'a aucune reputation. Les fournisseurs d'email (Gmail, Outlook) traitent les nouveaux expediteurs avec suspicion. Le warm-up consiste a envoyer progressivement des emails qui recoivent des reponses positives, pour construire une reputation d'expediteur legitime.

Ce qui tue la delivrabilite

Le cold email n'est pas du marketing. C'est une conversation one-to-one initiee a froid. Le format, le ton et la structure sont fondamentalement differents d'une newsletter ou d'un email marketing.

Le framework AIDA adapte au cold email

12 templates d'emails avec taux de reponse mesures

Bonjour {firstName},

{icebreaker_personnalise}

Je travaille avec des {jobTitle} dans le {industry} qui ont du mal a [pain point specifique]. On les a aides a [resultat mesurable].

Est-ce un sujet chez {companyName} en ce moment ?

{signature}

Bonjour {firstName},

{icebreaker_personnalise}

On vient d’aider {entreprise_similaire_dans_le_secteur} a [resultat specifique]. Leur situation etait similaire a la votre : [contexte commun].

Curieux de savoir si vous faites face aux memes enjeux ?

{signature}

Bonjour {firstName},

J’ai regarde {element_specifique_site_ou_linkedin} et j’ai remarque que [observation factuelle]. C’est un pattern frequent chez les entreprises de {taille} dans le {secteur}.

En general, ca vient de [cause probable]. On a developpe une approche qui [solution en 1 phrase].

Est-ce que ca resonne ?

{signature}

Bonjour {firstName},

J’ai vu que {companyName} {evenement_specifique : levee, recrutement, lancement}. C’est souvent le moment ou les equipes {departement} doivent [challenge lie a l’evenement].

On aide justement les entreprises a cette etape. Ca vaudrait le coup d’en discuter ?

{signature}

Bonjour {firstName},

J’ai fait une analyse rapide de {element_visible : site web, processus, stack}. J’ai identifie 2-3 pistes d’amelioration concretes.

Je vous les partage si ca vous interesse ?

{signature}

Bonjour {firstName},

{icebreaker_personnalise}

Je suis curieux : comment gerez-vous {probleme_specifique} chez {companyName} aujourd’hui ? La plupart des {jobTitle} que je rencontre hesitent entre [option A] et [option B].

{signature}

Bonjour {firstName},

Je cherche la personne qui gere {sujet_specifique} chez {companyName}. On aide les entreprises de {secteur} a [resultat mesurable].

Est-ce vous ou quelqu’un de votre equipe ?

{signature}

Bonjour {firstName},

Je vous ai contacte 3 fois sans reponse, ce que je comprends parfaitement.

Si [sujet] n’est pas une priorite en ce moment, je cloture. Mais si ca le devient, ce message sera facile a retrouver.

Bonne continuation,
{signature}

{firstName},

Je me doute que votre semaine a ete chargee. Je voulais juste ajouter un point : [information nouvelle ou angle different].

Est-ce que ca merite 10 minutes de discussion ?

{signature}

Bonjour {firstName},

{prenom_contact_commun} de {entreprise_contact} m’a recommande de vous contacter. On travaille ensemble sur {sujet} et il pensait que ca pourrait vous etre utile chez {companyName}.

Vous avez 10 minutes pour en discuter cette semaine ?

{signature}

Bonjour {firstName},

En analysant les entreprises de {secteur} de taille similaire a {companyName}, on observe que [statistique pertinente]. Ca represente environ [impact business en euros ou en temps].

Votre equipe a identifie ce sujet ?

{signature}

Bonjour {firstName},

On s’etait parle il y a {duree} a propos de {sujet_initial}. Depuis, on a {evolution_produit_ou_offre}.

Je me demandais si {sujet} etait revenu sur votre radar ?

{signature}

Utilisez Claude pour generer des variantes de chaque template. Demandez-lui de creer 3-4 versions avec des angles differents, puis A/B testez sur des lots de 50 prospects. Gardez la version gagnante et iterez.

L'email seul genere des resultats. L'email combine a LinkedIn genere des resultats significativement meilleurs, surtout pour les deals a forte valeur (ACV de plus de 5 000 EUR) et les decideurs C-level. Lemlist permet de creer des sequences combinant email, visite de profil LinkedIn, demande de connexion et message LinkedIn.

Quand ajouter LinkedIn

5 sequences completes

A/B testing des sequences

Le A/B testing est obligatoire pour optimiser vos sequences. La regle d'or : testez une seule variable a la fois. Si vous changez le sujet ET le corps de l'email, vous ne saurez pas lequel a impacte les resultats.

Lemlist est l'outil d'execution central de la stack outbound. Cette section couvre la configuration de A a Z, de la connexion des boites email a l'integration CRM.

Setup initial

Connexion des boites email

Lemlist supporte Google Workspace et Microsoft 365. Pour chaque boite, la connexion se fait via OAuth (Google) ou via identifiants SMTP/IMAP (Microsoft). Nous recommandons Google Workspace pour la simplicite de configuration et la meilleure delivrabilite initiale.

Creez des adresses sur votre domaine de prospection (pas votre domaine principal). Format recommande : prenom@prospection-votreentreprise.com ou prenom@go-votreentreprise.com. Creez 3 a 5 boites par domaine.

Email rotation

Lemlist AI Variables

Les AI Variables sont differentes des AI columns d'enrichissement (chapitre 4). Les AI Variables sont generees automatiquement au moment de l'envoi de chaque email, en fonction du template et du contexte du prospect. C'est une couche de personnalisation supplementaire.

Lemlist AI Campaign Generator

Lemlist propose un generateur de campagne par IA. Vous decrivez votre ICP et votre proposition de valeur, et l'IA genere une sequence complete : sujets, emails, timing, conditions. C'est un bon point de depart, mais nous recommandons toujours d'adapter et d'affiner le contenu genere en utilisant vos propres donnees de performance. Ne lancez jamais une campagne IA-generee sans relecture.

Integration CRM (HubSpot)

Pour les workflows avances (creation de deal automatique, routing vers le bon commercial, notification Slack), utilisez Make ou n8n comme couche d'orchestration. Le chapitre 9 detaille ces workflows.

Ce chapitre est destine aux equipes qui veulent aller plus loin que la configuration standard. Claude Code, Make et les integrations API permettent d'automatiser des taches qui prendraient des heures manuellement.

Claude Code pour l'outbound

Claude Code est un environnement de developpement assiste par IA. Vous decrivez ce que vous voulez en langage naturel et Claude Code ecrit, execute et itere le code pour vous. Voici les trois scripts les plus utiles pour l'outbound.

# Demande a Claude Code :
# "Prends ce CSV de 3 000 prospects. Nettoie les noms
# (majuscules correctes), deduplique par email ET par
# combo nom+entreprise, supprime les emails invalides,
# standardise les noms d'entreprise, et exporte un CSV
# propre avec un rapport de ce qui a ete supprime."

import pandas as pd
import re

df = pd.read_csv("prospects_raw.csv")
initial_count = len(df)

# Nettoyage des noms
df["firstName"] = df["firstName"].str.strip().str.title()
df["lastName"] = df["lastName"].str.strip().str.title()

# Validation email
email_pattern = r'^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$'
df = df[df["email"].apply(lambda x: bool(re.match(email_pattern, str(x))))]

# Deduplication par email
df = df.drop_duplicates(subset=["email"], keep="first")

# Deduplication par nom + entreprise
df = df.drop_duplicates(
    subset=["firstName", "lastName", "companyName"],
    keep="first"
)

# Suppression des domaines generiques
generic = ["gmail.com", "yahoo.com", "hotmail.com", "outlook.com"]
df = df[~df["email"].str.split("@").str[1].isin(generic)]

final_count = len(df)
print(f"Prospects : {initial_count} -> {final_count}")
print(f"Supprimes : {initial_count - final_count}")

df.to_csv("prospects_clean.csv", index=False)

# Demande a Claude Code :
# "Pour chaque prospect du CSV, genere un email
# personnalise en utilisant le template suivant et
# l'API Claude. Genere aussi un sujet et un icebreaker.
# Exporte dans un CSV pret a importer dans Lemlist."

import csv, anthropic, time

client = anthropic.Anthropic()

TEMPLATE = """Tu es un expert en cold email B2B.
Prospect : {firstName} {lastName}, {jobTitle} chez {companyName}
Secteur : {industry} | Description : {companyDescription}

Genere un JSON avec :
- "subject": sujet de 3-5 mots, minuscules
- "icebreaker": 1 phrase max 20 mots, specifique
- "body": email complet de 50-80 mots avec icebreaker +
  proposition de valeur + question ouverte
- "cta": question de qualification en 1 phrase

Notre produit : [VOTRE DESCRIPTION]
Ton : professionnel, direct, pas de flatterie."""

with open("prospects_clean.csv") as f:
    prospects = list(csv.DictReader(f))

results = []
for i, p in enumerate(prospects):
    prompt = TEMPLATE.format(**p)
    response = client.messages.create(
        model="claude-sonnet-4-20250514",
        max_tokens=300,
        messages=[{"role": "user", "content": prompt}]
    )
    # Parse JSON response et ajouter au prospect
    import json
    data = json.loads(response.content[0].text)
    p.update(data)
    results.append(p)

    if i % 10 == 0:
        print(f"Traite : {i+1}/{len(prospects)}")
    time.sleep(0.5)  # Rate limiting

# Export
keys = results[0].keys()
with open("prospects_with_emails.csv", "w", newline="") as f:
    writer = csv.DictWriter(f, fieldnames=keys)
    writer.writeheader()
    writer.writerows(results)

# Demande a Claude Code :
# "Analyse les reponses exportees de Lemlist. Classifie
# chaque reponse (positif, negatif, question, OOO,
# desabonnement). Identifie les patterns qui generent
# des reponses positives."

import csv, anthropic

client = anthropic.Anthropic()

with open("replies_export.csv") as f:
    replies = list(csv.DictReader(f))

CLASSIFY_PROMPT = """Classifie cette reponse a un cold email :
"{reply_text}"

Categorie (1 seul choix) :
- positive (interet, demande d'info, accepte un call)
- negative (pas interesse, mauvais timing)
- question (demande de precision avant de decider)
- ooo (out of office / absence)
- unsubscribe (demande de ne plus contacter)
- referral (redirige vers un collegue)

Reponds uniquement avec la categorie."""

for r in replies:
    response = client.messages.create(
        model="claude-sonnet-4-20250514",
        max_tokens=20,
        messages=[{"role": "user",
                   "content": CLASSIFY_PROMPT.format(
                       reply_text=r["reply_body"])}]
    )
    r["category"] = response.content[0].text.strip()

# Analyse des patterns
import collections
cats = collections.Counter(r["category"] for r in replies)
print("\nDistribution des reponses :")
for cat, count in cats.most_common():
    pct = count / len(replies) * 100
    print(f"  {cat}: {count} ({pct:.1f}%)")

Workflows Make / n8n

AI Scoring des prospects

Utilisez Claude pour scorer automatiquement la qualite des reponses recues. Un prospect qui pose une question technique est plus qualifie qu'un prospect qui demande juste un prix. Le scoring permet de prioriser les follow-ups et d'allouer le temps commercial la ou il a le plus d'impact.

Automatisation des comptes-rendus d'appels

Le workflow Claap (ou tout outil de transcription) vers Claude vers HubSpot automatise la prise de notes. La transcription est envoyee a Claude qui extrait les points cles : pain points confirmes, budget mentionne, timeline, prochaines etapes, objections. Le resume structure est automatiquement pousse dans la note du contact HubSpot via Make.

Sans mesure, pas d'amelioration. Ce chapitre couvre les KPIs essentiels, les benchmarks 2026 et la methode pour scaler progressivement votre outbound sans perdre en qualite.

Les 8 KPIs outbound

Comment A/B tester correctement

Scaler de 1 a 15 boites email

SDR ou DIY : quand recruter

Recrutez un SDR quand : votre processus est documente et reproductible, vous avez des benchmarks clairs (taux de reponse, templates qui fonctionnent), votre volume depasse ce qu'un fondateur peut gerer (generalement 200+ emails par jour), et votre CAC outbound est inferieur au seuil de rentabilite. Continuez en DIY si vous etes en phase de validation, si votre ACV est eleve (peu de prospects, approche tres personnalisee), ou si vos outils d'automatisation gerent la majorite du travail operationnel.

Budget planning

Comparez ce budget au cout d'un SDR (40-55K EUR brut annuel en France, soit 3 300-4 500 EUR par mois charges comprises). Les outils permettent a 1 personne de faire le travail de 2-3 SDR sur la partie prospection.