#21 - CRM obsolète : voilà comment on a trié les entreprises.

La situation

Tu sais que ton CRM est obsolète. Tu l'as ouvert la semaine dernière pour retrouver une entreprise : elle datait de trois ans. Il n’y a aucun signal qui t’intéresse à exploiter dedans. Elle a été rachetée par une autre entreprise il y a un an et le rattachement dans ton CRM n’a pas été fait. Tu as refermé ton CRM.

Tes commerciaux s'en tiennent aux comptes qu'ils connaissent déjà ; les autres restent dans la base sans que personne ne les regarde ni ne les mette à jour.

Ce que je voulais, quand j'ai pris ce chantier chez un client : une base qualifiée pour ne mettre l'énergie commerciale et marketing que sur les entreprises qui ont de bonnes chances de signer rapidement, au regard de notre proposition de valeur et de nos offres. Avec, pour chaque entreprise, les derniers signaux faibles et une idée de la façon de l'approcher.

L'enjeu pour le dirigeant

Le budget marketing et le temps commercial que tu mets sur une entreprise qui ne signera jamais, tu ne les mets pas sur celle qui aurait pu signer rapidement. Et le problème ne s'arrête pas aux entreprises. Tes séquences d'emails partent vers des contacts partis à la retraite, vers des gens qui ont changé d'entreprise, vers d'autres qui ont changé de poste et ne décident plus de rien. Alors tu arroses tout le monde. Ici on va se concentrer déjà sur les entreprises dans ton CRM.

Peu de personnes le font, et ce n'est pas par négligence. Remettre au carré les entreprises dans ton CRM, cela veut dire : vérifier pour chaque entreprise son historique, vérifier qu'elle correspond à ton offre et ce qui le prouve ; repérer les signaux qui disent qu'elle est prête maintenant, mettre à jour les propriétés qui t’intéressent, faire les fusions quand il le faut... Sur quelques milliers de fiches, c'est des mois de travail pour quelqu'un qui connaît ton métier, et il faut d'abord avoir pris le temps d'écrire toutes les règles métier qui expliquent qui est une cible et qui ne l'est pas. Un stagiaire ou un renfort externe sans la connaissance du métier trie sur la taille et le secteur, et la base reste fausse. Le chantier reste donc dans la liste des choses à faire un jour.

Ce que l'IA change : elle fait le travail que personne ne pouvait financer. Chercher la preuve pour chaque entreprise, vérifier les informations, écrire ce qu'elle trouve avec sa source et sa date, sur des milliers de fiches.

Attention, écrire les règles métier et trancher les cas douteux restent de ton côté, et c’est ce qui est le plus long. Mais c’est aussi cette connaissance, dorénavant structurée, qui a beaucoup de valeur ! Et un CRM à jour bien sûr.

Le cas testé, ce qu'on en retient

Le chantier a été mené chez un client qui vend un logiciel spécialisé à de grandes organisations, sur un marché de niche, avec un CRM de plusieurs années que personne n'avait remis à jour depuis longtemps.

La chaîne complète, en cinq étapes. Je te les partage toutes, même si ici on ne va se concentrer que sur la première étape : le nettoyage des entreprises. Voici ce qui se passe à chaque étape, et ce que ça rapporte.

1. Nettoyer les sociétés. Pour chaque entreprise de la base, dire si elle est une cible, avec la preuve, la priorité et l'angle d'approche, les signaux forts et faibles. Ce que ça rapporte : on sait enfin sur qui porter l'effort, et pourquoi.
2. Nettoyer et compléter les contacts. Pour chaque entreprise gardée, vérifier qui est encore en poste, écarter ceux qui sont partis, trouver les décideurs qui manquent avec une adresse réelle, les bons personas. Ce que ça rapporte : on écrit à des gens qui existent et qui décident.
3. Basculer les bons contacts en contacts marketing. Un geste humain, qui ouvre la liste d'envoi compte par compte. Ce que ça rapporte : la campagne ne part que vers des personnes vérifiées, et le CRM ne facture que celles-là.
4. Lancer la campagne marketing et scorer. Des séquences d'emails par angle, et un score d'engagement sur les réponses, les téléchargements et les visites. Ce que ça rapporte : les comptes chauds se désignent d'eux-mêmes.
5. Mettre en place un agent qui fait de la prospection. Des emails personnalisés, rédigés par l'IA à partir de ce que la fiche contient mais aussi combinée avec une approche LinkedIn et des appels. Ce que ça rapporte : l'agent écrit de manière juste et éclairée à chaque contact parce que la fiche est juste. Bien sûr, le commercial relit avant envoi et participe : il garde la main sur LinkedIn. Il l’appelle quand c’est nécessaire.

Cet épisode se concentre sur la première étape, nettoyer les sociétés. Le nettoyage des contacts fait l'objet du prochain épisode. Tout ce qui suit en dépend : une société mal qualifiée entraîne des contacts triés pour rien, une campagne envoyée aux mauvaises personnes, et un agent qui écrit avec aplomb des choses fausses.

Comment on a construit les règles métier ? Par entretiens avec les commerciaux et le dirigeant : qui est une bonne cible ? Qu'est-ce qui le prouve ? Quels secteurs ? Quelle taille ? À qui on vend en direct et à qui on vend par un partenaire ? Quels sont les signaux forts et faibles ? Où est-ce que je peux les trouver ? Et plein d’autres questions pour être le plus pertinent possible.

Je ne connaissais pas ce marché, et ça s'est révélé un avantage : je n'avais aucune évidence, donc il a fallu tout écrire, y compris ce qui allait de soi pour l'équipe. Une règle qui n'est pas écrite n'existe pas pour une IA.

Ce marché est une niche fermée. Les gens n'ont aucune envie d'être trouvés, communiquent peu, et laissent peu de traces numériques. Il a donc fallu chercher les sources où un maximum de signaux se concentrent, et apprendre à lire une donnée secondaire pour en déduire une donnée primaire.

Il a fallu trouver un moyen d'exploiter LinkedIn, la partie derrière la connexion, en navigation mesurée depuis un profil réel, sans se faire bloquer.

Et réfléchir sérieusement à deux axes qu'on confond souvent : le type de client, qui dit comment on lui vend, et la priorité, qui dit si on l'attaque maintenant. Un gros compte sans signal n'est pas une priorité ; un compte moyen avec un nouveau directeur technique en est une.

Enfin, le CRM n'avait pas les propriétés nécessaires pour tout ça. On a créé les propriétés qui manquaient, en décidant pour chacune de sa forme : une liste déroulante quand les valeurs sont fermées (le statut, le type de client, la priorité), un texte libre à format imposé quand il faut la preuve, sa source et sa date. Ce choix de format est ce qui rend la base CRM lisible et exploitable par les listes, les séquences et l'agent qui viennent après.

Le résultat : une base de sociétés qu'un commercial peut lire et croire, chaque verdict avec sa source et sa date, une priorité posée sur un signal réel et non sur la taille, et un angle d'approche par compte.

La limite : sur un marché aussi silencieux, beaucoup de cibles réelles n'ont aucun signal récent ; elles sont gardées en attente d'un déclencheur ou d'une passe avec l'équipe qui connaît le marché, et une veille doit être mis en place pour traquer les nouveaux signaux.

L’outil principal : Claude, application de bureau, connecté au CRM (ici HubSpot), à l'outil d'enrichissement (ici Apollo, qui donne les personnes en poste et les offres d'emploi) et à un dossier de travail pour écrire ainsi qu’à mon profil LinkedIn via Chrome. L'IA a fait la recherche et l'écriture par lots de cinquante sociétés, une conversation séparée relisant en base ce qui avait vraiment été écrit. Le montage est dans le kit à la suite de cet épisode.

Où vont tes données, et de qui dépend ton accès : dans ce chantier, l'IA n'a extrait du CRM que le nom des sociétés. Tout le reste est de la donnée publique, trouvée sur le web, traitée pour qu'elle fasse sens dans la prospection de l'entreprise, puis écrite dans la fiche. Le CRM, l'outil d'enrichissement et le modèle sont américains dans le cas testé (HubSpot, Apollo, Claude).

Alternative européenne : je n'en ai pas testé, et je te dis pourquoi. Au 18 octobre 2026, Mistral n'a pas de connecteur HubSpot que j'aie trouvé, et il n'a pas de mode qui navigue sur LinkedIn avec ton profil, ce que la recherche de preuves exige. Deux manques à combler avant qu'il puisse porter ce chantier.

Mes erreurs, pour que tu ne les refasses pas

J'ai pris un comptage pour une preuve. Sur LinkedIn, une recherche sur une entreprise affiche le nombre de profils qui contiennent un mot-clé. Ce nombre a été lu comme la preuve qu'elle était une cible. Or il compte tous ceux qui ont ce mot quelque part dans leur profil : un ancien poste, une compétence, une mission chez un autre employeur. Ce n'est pas une lecture du site de l'entreprise, c'est un compteur de moteur de recherche. Une passe entière a remis des comptes en cible sur ce seul critère, et presque tous étaient faux. La leçon : une preuve, c'est une source qu'on peut rouvrir, avec son adresse et sa date. Un chiffre qui sort d'un outil est au mieux un déclencheur de vérification.

J'ai pris une absence de résultat pour une absence. Zéro titre trouvé dans l'outil d'enrichissement, rien sur le web, donc pas de cible. Sauf que l'outil ne connaissait pas l'entreprise, ou que le site carrières ne se lit qu'avec un navigateur ouvert, et qu'une recherche simple y lit une page vide. La leçon : avant de conclure à une absence, vérifier que l'outil connaît l'entreprise, en lui demandant d'abord des titres ordinaires ; s'il n'en trouve aucun, c'est un trou de données, pas une absence. Derrière, il y a un choix à faire : accepter des faux positifs (garder dans le doute) ou des faux négatifs (écarter dans le doute). On a choisi d'écarter dans le doute, de façon réversible. Cette approche stricte n'a de sens qu'avec une passe avec l'équipe et un système de veille qui repasse sur les sociétés écartées faute de signal ; sans cela, elles ne reviennent jamais dans le périmètre à prospecter.

J'ai trouvé la bonne entreprise, mais pas la bonne situation. Un homonyme dans un autre pays. Un équipement qui existait, mais chez un prestataire qui l'exploitait pour elle. Un équipement qui avait existé, remplacé depuis par un progiciel, et la migration lue comme une fenêtre de vente alors que c'était une sortie. La leçon : six questions avant d'écrire, posées pour contredire le verdict. Bonne entité ? Bon équipement ? Chez elle ou chez un tiers ? Au cœur du métier ou à côté ? Encore en service ? La source est-elle écrite dans la fiche ? Un seul « non », le compte reste douteux.

Ce que je voulais et ce que j'ai en vrai

Je voulais une base qualifiée pour cibler uniquement les sociétés qui signeraient rapidement au regard de notre proposition de valeur, les derniers signaux faibles sur chacune, et une idée de la façon de l'approcher.

La base qualifiée, je l'ai : chaque société gardée porte sa preuve, sa priorité et son angle, et chaque société écartée porte son motif, réversible. Les signaux faibles, je les ai en partie : sur un marché qui communique peu, une bonne part des cibles réelles n'a rien publié depuis douze mois, et il faut donc être vigilant pour ne pas perdre des cibles pertinentes. C'est pourquoi, dans un second temps, chaque entreprise écartée faute de signal numérique sera reprise avec les experts de l'équipe, pour voir s'ils ont détecté, eux, des signaux ou s’ils ont des connaissances qui complètent l'analyse ; ça ne concerne qu'une petite partie du CRM. Et ce que le web ne dira jamais (le contrat en cours, la taille réelle de l'installation, la personne qui portera le sujet en interne..), reste à comprendre lors du premier contact humain. Chaque fiche entreprise finit par la liste de ce qu'il faut y vérifier alors.

Ce que ça a demandé : Le dirigeant a tranché des cas tous les jours pendant le chantier, parce que les règles ne couvrent jamais tout au départ, et chaque arbitrage est devenu une règle de plus dans notre méthode. C’est un temps à ne pas sous-estimer.

Mais c’est la première étape de notre projet nettoyage de CRM et ca fonctionne pour pas très chère en licences supplémentaires !