Aura : un moteur de prospection B2B propulsé par l'IA

Contexte

La prospection B2B manuelle coûte cher en temps : trouver les bons interlocuteurs, comprendre leur contexte, écrire un message qui ne sente pas le copier-coller, repérer qui est vraiment intéressé et relancer au bon moment. Pour soutenir le développement commercial de L’Envol, j’ai conçu et développé Aura, une application qui industrialise ce travail sans sacrifier la personnalisation.

Ce que j’ai construit

• Une application web (Next.js, Supabase) qui pilote toute la prospection depuis un seul tableau de bord.
• Le sourcing de prospects ciblés via Apollo, à partir de profils de recherche paramétrables, avec import CSV en complément.
• La génération de messages d’approche personnalisés par IA (Anthropic), nourris de l’identité de marque et du contexte de chaque prospect.
• Des séquences d’envoi et de relance automatisées (Instantly), orchestrées par des tâches planifiées en arrière-plan (Inngest).
• Une détection des prospects à forte intention, avec alerte pour réagir au bon moment.
• Un suivi quotidien : actions du jour, statut de chaque prospect, réponses, analytics.

Comment la machine qualifie

Chaque matin de semaine, une tâche planifiée interroge Apollo selon le profil de recherche actif (intitulés de poste, séniorité, taille d’entreprise, zone géographique), ne garde que les contacts pourvus d’une adresse email, puis passe chaque fiche à Claude. L’IA renvoie un score de pertinence de 0 à 100, un résumé de l’entreprise, les points de friction probables du dirigeant, des accroches de personnalisation et une décision binaire : contacter ou non. Seuls les prospects retenus entrent en base.

Le second segment, les mandataires immobiliers, ne passe pas par l’IA. Il a été importé en une fois, le 12 mai 2026, puis noté par une règle fixe : 85 pour une note Google d’au moins 4,5 assortie de plus de 10 biens vendus (ou un statut de formateur habilité), 70 à partir de 5 biens vendus, 55 pour le reste. Le script exclut les adresses personnelles (gmail, hotmail, orange.fr) et dédoublonne le fichier contre lui-même et contre la base existante. Au 2 août 2026, ce tiering répartit 3 259 prospects en rang 1, 6 269 en rang 2 et 31 213 en rang 3.

Deux mécanismes, deux usages : l’IA pour un ciblage fin sur petit volume, une règle lisible pour un fichier de masse.

Les garde-fous d’écriture

Le prompt système qui rédige les trois emails de chaque séquence est plus contraignant que la plupart des briefs. Le premier message tient en quatre blocs imposés : une accroche factuelle sans flatterie ni diagnostic projeté, un constat généralisé, une seule preuve concrète, un appel à l’action unique. Cette preuve ne peut être puisée que dans trois cas clients validés ou dans une liste de chiffres fournie : inventer un cas ou un chiffre est interdit noir sur blanc dans le prompt. Le deuxième message relance sur un autodiagnostic, le troisième propose une réponse directe ou un créneau, et la séquence s’arrête là.

S’y ajoutent des interdits de forme : pas de tiret cadratin, pas de formule de coach. C’est la règle que je m’applique dans mes propres contenus, écrite cette fois dans le code.

Quand un prospect répond, sa réponse repasse par Claude : sentiment, niveau d’intérêt, score révisé, statut suggéré. Un garde-fou empêche l’IA de rétrograder un contact déjà engagé après un rendez-vous.

Le relais humain

Une machine qui envoie seule finit par tourner à vide. Aura remonte donc chaque matin les cinq prospects les plus chauds (ceux qui ont cliqué, ou ouvert au moins deux fois en quatorze jours, sans avoir répondu) à la personne qui pilote la prospection chez L’Envol. Elle envoie un mail personnel. Trois jours plus tard, le contact bascule automatiquement en file d’appel s’il a un numéro en base. Les non-joints repassent en rappel deux jours après, et la relance s’arrête d’elle-même au bout de quatre tentatives. Le rendez-vous se clôt depuis l’application, converti ou sans suite. Onze statuts jalonnent ce parcours, de « nouveau » à « converti ».

Les chiffres, relevés en base le 2 août 2026

Métrique	Valeur
Prospects en base (22 avril → 22 juillet 2026)	40 800
dont import mandataires du 12 mai 2026	40 700
dont dirigeants sourcés par Apollo et qualifiés par IA	56
Emails de séquence envoyés	2 010
Prospects distincts contactés	672
Prospects distincts ayant ouvert au moins un email	547
Taux d’ouverture	56%
Taux de clic parmi les ouvreurs	1,3%
Taux de réponse	0,35%
Taux de rebond	0,65%
Prospects convertis	4
Exécutions du cycle quotidien (22 avril → 22 juillet 2026)	31
Appels journalisés (22 juin → 31 juillet 2026)	339

Deux compteurs coexistent sur les rendez-vous et ne mesurent pas la même chose : 4 appels ont abouti à un rendez-vous décroché sur la période, et 2 prospects portent l’état « rendez-vous pris » dans le pipeline au moment du relevé.

Ce que ces chiffres disent, et ce qu’ils ne disent pas

Les campagnes sont en pause pour le mois d’août 2026, d’un commun accord avec la cliente ; la reprise est prévue à la rentrée. Sur 40 800 prospects en base, 672 ont reçu un email : le stock a été constitué bien plus vite qu’il n’a été travaillé. Le taux d’ouverture tient la comparaison à 56%, le taux de rebond reste sous 1%, et le taux de réponse plafonne à 0,35%. En sortie, cela fait sept conversations, quatre prospects convertis et deux rendez-vous pris.

Le chiffre d’affaires généré, lui, n’est pas mesurable : la colonne existe dans la base depuis le 18 juillet 2026 et n’a pas encore été remplie. Je préfère l’écrire que l’estimer.

Ce que ça change pour vous : une chaîne de ce type ne remplace pas un commercial, elle lui prépare le terrain et journalise tout, du contact sourcé au rendez-vous clos. C’est ce qui rend le point de blocage visible : ici, l’écart entre un stock de 40 800 contacts et 672 réellement travaillés se lit en une requête. Un diagnostic sert justement à repérer ce goulot avant d’écrire la première ligne de code.

Ce que ça montre

Je ne me contente pas de conseiller l’IA, je construis les outils qui la mettent au travail. Aura, c’est une chaîne de prospection complète, du prospect détecté au message envoyé, assemblée avec les mêmes briques (IA générative, automatisation, jobs planifiés) que j’installe ensuite chez mes clients, en diagnostic puis en accompagnement.