De 2,37 millions de lignes à 120 000 contacts : le ciblage B2B se joue sur des signaux, pas sur des codes

L’an dernier, j’ai construit un fichier de prospection nationale pour un client, à partir du registre officiel des entreprises. Je pensais que le travail consisterait à trouver de la donnée. En réalité, il a consisté à décider laquelle retirer, dans quel ordre, et à quel prix. C’est une nuance qui a l’air anodine ; elle change tout, et c’est ce que je voudrais vous raconter ici.
Un code d’activité dit ce qu’une entreprise a déclaré, pas ce qu’elle fait
La méthode par défaut est toujours la même, et je l’ai appliquée comme tout le monde avant de m’en méfier. On choisit des codes d’activité, on exporte la liste correspondante, on prospecte. Sur le papier, le raisonnement tient parfaitement. Il casse au premier appel.
Pourquoi ? Parce qu’un code d’activité est une déclaration administrative. Il est posé au moment de l’immatriculation, et il n’est presque jamais corrigé ensuite. Pendant ce temps, l’entreprise vit : elle change de métier, en ajoute un, en abandonne un autre. Le code, lui, ne bouge pas. Vous croyez cibler une activité, vous ciblez en fait une intention déclarée à une date que vous ne connaissez même pas.
Le registre officiel a pourtant deux qualités que rien ne remplace : il est exhaustif, et il est public. C’est aussi précisément son problème. On y trouve les entreprises qui travaillent et celles qui ont cessé, les structures créées pour un projet abandonné depuis, les sociétés sans la moindre activité opérationnelle. Tout est là, le meilleur comme le reste.
Mon périmètre de départ : 2,37 millions de lignes. Le fichier finalement livré au client en contenait 120 000.
Je sais à quoi ressemble cet écart quand on le présente en réunion. On croit voir un taux de déchet. C’est l’inverse : c’est le livrable.
Ce que j’appelle un signal d’activité
Un signal d’activité, c’est une trace observable, produite par l’entreprise elle-même, et vérifiable aujourd’hui. Pas une case cochée il y a sept ans dans un formulaire d’immatriculation.
Concrètement, les signaux que je retiens sont ceux-ci : la croissance des effectifs, les postes ouverts, les implantations récentes. Une entreprise qui recrute est réceptive ; une entreprise qui stagne ne l’est pas. Chacun de ces éléments répond au fond à la même question, la seule qui compte quand on s’apprête à décrocher son téléphone : y a-t-il quelqu’un derrière cette ligne, et maintenant ?
Mais la différence entre un code et un signal n’est pas seulement une différence de qualité. Elle est d’abord économique, et c’est ce point qui m’a le plus surpris. Un code se lit dans un fichier déjà téléchargé : il ne coûte rien. Un signal, lui, se vérifie — et vérifier coûte du temps machine, de la bande passante, et un risque de blocage bien réel.
Toute la suite du projet découle de cette asymétrie.
L’ordre des filtres est une décision de budget, pas une question de méthode
Mon débit d’enrichissement s’est stabilisé à 20 000 lignes en 24 heures. Ce seul chiffre règle la question de l’ordre, sans discussion possible : passer l’intégralité du registre à l’enrichissement aurait demandé des mois. Ce n’était pas une option.
J’ai donc organisé le traitement en deux familles de filtres, et je m’y suis tenu.
D’abord les filtres qui ne coûtent rien. Ceux qui n’utilisent que des colonnes déjà présentes dans le registre, sans aucune requête vers l’extérieur. C’est cette première passe, la moins spectaculaire, qui retire l’essentiel du volume.
Ensuite seulement les filtres coûteux. Ceux qui exigent d’aller chercher l’information dehors : l’existence et la réponse du site, la présence d’un nom de dirigeant, la récupération d’un numéro direct ou d’une adresse nominative.
La règle que je retiens de ce projet tient en une phrase, et je la répète à chaque nouveau chantier : le filtre le plus cher passe en dernier, sur la base la plus petite. Si vous enrichissez avant de trier, vous payez pour des lignes que vous allez jeter — et vous le découvrez au moment où la dépense est déjà faite.
J’ajoute une précaution qui m’a sauvé plus tard : à chaque exclusion, conservez la raison. Une ligne retirée sans motif enregistré est une ligne que vous ne pourrez plus récupérer le jour où le client change un critère en cours de route. Et croyez-moi, il change un critère en cours de route.
Le vrai goulot n’est pas la donnée, c’est la collecte
Voilà le passage que les retours d’expérience passent généralement sous silence, et c’est dommage, parce que c’est là que se joue la faisabilité.
Sur 48 heures de collecte, j’ai enregistré 362 refus de pare-feu applicatif. Ce n’est pas un incident isolé qu’on corrige en changeant un paramètre : les sites qui publient une adresse se défendent, c’est leur droit, et insister au-delà d’une passe vous fait perdre le domaine pour de bon.
J’ai mesuré sur ce projet un rythme soutenable de 2 300 requêtes par jour sur une même adresse IP. Autrement dit, chaque adresse porte un budget quotidien. Dépassez-le et les sources se ferment, silencieusement : tout ce que vous lancez derrière ne produit plus rien, sans qu’aucune alerte ne vous prévienne.
J’en tire trois conséquences pratiques.
- La première, c’est que la capacité de collecte est une ressource à budgéter, exactement comme un abonnement à une base de données. Elle se raisonne en volume par jour et par adresse, jamais en volume total.
- La deuxième, c’est que respecter les règles techniques d’un site n’est pas une posture morale. C’est ce qui garde votre accès ouvert. Une passe unique et espacée coûte toujours moins cher qu’un domaine perdu en pleine campagne.
- La troisième, et c’est la plus importante : il faut instrumenter les échecs. Un pipeline qui ne compte que ses succès vous rendra un fichier impeccable en apparence, avec des trous invisibles exactement là où les serveurs ont refusé de répondre.
Ce que le fichier permet, et ce qu’il interdit
À l’arrivée, sur les 120 000 contacts livrés : 77 % de téléphones directs, 75 % de noms de dirigeants identifiés, 33 % d’emails professionnels trouvés.
Ce dernier taux est un plafond, et je l’assume comme tel plutôt que de le maquiller. Une séquence exclusivement email s’adresse à un tiers de la base — pas davantage. Ce n’est pas un défaut d’exécution : l’email nominatif d’un dirigeant se déduit, se teste, et se fait refuser. On peut monter au-dessus en brûlant des domaines d’envoi. On ne le fait qu’une fois.
Ce que ce résultat impose, en revanche, c’est un ordre de décision. Le canal se déduit de la couverture du fichier. Pas l’inverse. L’erreur que je vois le plus souvent consiste à choisir la séquence email d’abord, puis à découvrir au chargement qu’une bonne partie de la cible ne pourra jamais la recevoir. À ce stade, il est trop tard : le budget est engagé et le planning est calé.
Dans mon cas, la couverture téléphone et la couverture dirigeant orientaient clairement vers un dispositif où l’email sert de complément, et non de porte d’entrée unique. Ce n’est pas moi qui ai choisi le dispositif. C’est le fichier.
Ce que je ferais différemment la prochaine fois
Je mesurerais la couverture sur un échantillon avant de lancer la collecte complète. Une passe réduite sur un sous-ensemble représentatif donne les taux réels en une fraction du temps, et surtout elle permet d’annoncer un plafond au client avant de le constater ensemble à la livraison. La conversation n’est pas du tout la même.
J’écrirais les règles d’exclusion avec le client avant de commencer, et non en cours de route. Chaque règle décidée après coup oblige à repasser sur une base déjà enrichie, donc à repayer ce qui était déjà payé.
Enfin, je considérerais la collecte comme une infrastructure et non comme un script : avec ses quotas, ses journaux et ses reprises sur erreur. C’est moins gratifiant à construire qu’un beau filtre. C’est ce qui tient la charge.
Ce qu’il faut retenir
- Un code d’activité décrit une déclaration passée ; un signal d’activité décrit une entreprise vivante. Seul le second se vérifie.
- Les filtres qui ne coûtent rien passent en premier, ceux qui coûtent cher passent en dernier, sur le volume déjà réduit.
- Conservez le motif de chaque exclusion : un critère client change souvent après le lancement.
- Une collecte à grande échelle se heurte aux protections des sites bien avant de se heurter à la qualité de la donnée. Comptez vos échecs, pas seulement vos succès.
- Le canal de prospection se choisit après avoir mesuré la couverture réelle du fichier, jamais avant.
A propos de l’auteur

Romain Mention – Consultant indépendant en automatisation B2B. Je construis et j’exploite des bases de prospection B2B : collecte, enrichissement, structuration des données. Je travaille sur des projets à fort volume, où la contrainte technique décide de la méthode. Mes mesures et mes retours d’expérience sont publiés sur Mention digital
Nos certifications

