Pourquoi l'IA seule ne suffit pas
Coller un profil LinkedIn dans ChatGPT et demander un message de prospection donne toujours le même résultat : un texte poli, bien structuré, qui commence par "J'espère que vous allez bien" et se termine par "N'hésitez pas à me revenir". C'est exactement le style que les prospects ont appris à ignorer.
Le problème n'est pas l'outil. C'est que l'outil n'a jamais vu votre marché. Il ne sait pas pourquoi ce profil précis mérite d'être contacté aujourd'hui, ni quelles formulations ont obtenu des réponses dans votre secteur. Il n'a pas le contexte. Il n'a pas les règles. Il a juste du style — et le style sans substance produit exactement ce qu'on veut éviter.
Donnez-lui le contexte, les règles et deux ou trois exemples de messages qui ont marché dans votre secteur — les messages changent de nature. Ils sonnent écrits depuis un téléphone un mardi matin, parce qu'ils le sont presque.
Phase 1 — La calibration : l'œil avant la machine (2 mois)
Avant de pouvoir déléguer à un système, il faut le calibrer. Cette phase dure environ deux mois. Elle est intentionnellement humaine.
Le scoring à l'œil
Chaque profil détecté par l'IA est évalué manuellement selon cinq niveaux de maturité d'achat — du like passif sur un post de découverte au signal fort sur un post d'achat. Ce jugement ne peut pas être entièrement automatisé au départ : c'est l'œil du setter qui construit la référence.
Les 5 niveaux de maturité
Like passif
Intérêt latent. Qualifier avant tout. Template court, question ouverte.
Commentaire neutre
Signal moyen. Lire le commentaire, adapter la réponse au contenu.
Commentaire précis ou question
Signal fort. Répondre directement au fond, proposer le call.
Répond à un DM
En conversation. Prompt Claude inbound. Qualifier avant call.
Signal sur post achat
Phase décisionnelle. Call direct justifié. Fenêtre courte.
Claude Code + Google Sheet
L'analyse de chaque profil est faite via Claude Code : titre, bio, posts récents, connexions communes. Le résultat est déposé dans un Google Sheet structuré — contacter ou non, contexte clé, segment probable, ébauche du message. L'humain consulte la feuille, valide ou corrige le jugement, note ce qui ne correspondait pas.
Le journal de bord : le moteur de l'amélioration
À chaque échange terrain, le setter note ce qu'il observe : un angle qui a déclenché une réponse, une objection qu'il n'avait pas anticipée, une formulation qui sonnait faux à la relecture. Ces notes alimentent directement les documents d'input de Claude — les règles s'affinent, les exemples s'accumulent, les contre-exemples aussi.
Deux mois de ce cycle et le système n'est plus le même. Les messages sortent plus proches de la cible, le setter corrige moins, les réponses arrivent plus vite. C'est itératif dans le sens littéral : chaque échange améliore le suivant.
Les 3 couches du système calibré
Couche 1 — L'IA comme radar et co-rédacteur
Reactin surveille les interactions sur vos posts LinkedIn. Spyer surveille les comptes concurrents et complémentaires — ceux dont l'audience ressemble à votre ICP. L'IA détecte qui a interagi, quand, avec quel type de contenu.
En phase de co-rédaction, Claude analyse le profil du prospect et propose un premier draft. Ce n'est pas de la génération : c'est de la co-rédaction. Claude propose. L'humain valide, ajuste, envoie.
La formation du modèle se fait une fois, en amont. On lui fournit des exemples de messages qui ont obtenu des réponses, des contre-exemples à éviter (bullets, pitch complet en DM 1, formules creuses), et les règles non-négociables. Une fois entraîné, il sort des messages qui sonnent écrits par une vraie personne.
Couche 2 — La méthode comme filtre
La méthode encode ce que le modèle ne sait pas inventer : le niveau de maturité qui détermine quel type de message envoyer, les règles non-négociables de rédaction, et le test du téléphone qui valide chaque draft.
Règles non-négociables transmises au modèle
- →Commencer par "Bonjour Prénom," — jamais Madame, jamais Monsieur
- →2e phrase = fait précis tiré du profil LinkedIn. Jamais une généralité.
- →5 phrases max en outbound. 3 phrases max en réponse inbound.
- →Pas de tirets, pas de bullet points, pas de formules automatiques.
- →Jamais pitcher dans les 2 premiers messages.
- →Test du téléphone avant envoi. Si non : réécrire.
Couche 3 — L'humain comme décideur
Aucun message ne part sans validation humaine. C'est la règle la plus importante du système. Pas parce que l'IA est mauvaise — mais parce que le risque d'envoyer un mauvais message est asymétrique : un message raté brûle le lead, souvent définitivement.
C'est aussi l'humain qui lit la conversation, sent si le prospect est prêt ou pas, et décide si on pousse ou si on laisse maturer. La machine ne peut pas faire ce jugement. Pas encore — et probablement pas pour ce type de vente.
Deux modes de message selon la qualité du signal
Tout signal ne se traite pas de la même façon. La qualité de l'interaction détermine le mode d'approche. Deux modes coexistent dans le système.
Mode One Shot — Signal fort ou lead tier 1
Quand l'utiliser
Signal récent (moins de 2 semaines), interaction forte — commentaire précis, question publique, partage avec avis. Ou lead tier 1 : connexion commune solide, profil correspondant exactement à l'ICP prioritaire. La fenêtre est courte.
Structure
- →Phrase 1 : Bonjour Prénom + référence directe au signal
- →Phrase 2 : Fait précis qui montre que vous avez lu (connexion commune, question spécifique)
- →Phrase 3 : Une seule phrase de différenciation, pas un pitch
- →Phrase 4 : Question ou proposition de call directe
Objectif : call direct dans les 48h. Ne pas passer en mode conversation si le signal est fort.
Mode Conversation — Signal faible ou profil froid
Quand l'utiliser
Like passif, signal ancien (plus de 2 semaines), prospect sur-sollicité, lead tiers sans interaction directe récente. La fenêtre n'est pas fermée, mais elle n'est pas ouverte non plus.
Structure séquentielle
- →DM 1 : court, question ouverte pour qualifier. Pas de pitch.
- →Si réponse : prompt Claude inbound → qualifier → call si niveau 4–5
- →J+3 à J+5 sans réponse : angle différent, fait nouveau
- →J+8 à J+12 : dernière relance, nouvelle information
- →J+21 à J+28 : fermeture propre. Pas de pression.
Jamais mentionner l'absence de réponse. Apporter quelque chose de nouveau à chaque étape.
En pratique : mauvais draft vs version corrigée
Ces exemples sont anonymisés depuis des situations réelles sur deux marchés B2B différents. Même logique dans les deux cas : le premier draft ignore les règles, la version corrigée les applique toutes. Les erreurs les plus communes — et comment les corriger — sont analysées dans Pourquoi vos messages LinkedIn n'obtiennent pas de réponses.
Exemple 1 — SaaS B2B, cible agence digitale
Contexte
Profil : Camille D., fondatrice agence digitale, 12 personnes, clients PME régionaux. Post récent : “Nos clients nous posent de plus en plus de questions sur la visibilité IA. On réfléchit à structurer une offre.” Signal : commentaire public → mode one shot justifié.
Premier draft — à ne pas envoyer
“Bonjour Camille, j'espère que vous allez bien. Je travaille avec des agences digitales pour les aider à proposer des offres IA à leurs clients. Notre solution mesure la visibilité de vos clients sur ChatGPT et les LLM. Setup en 5 minutes, rapports automatiques. Vous auriez 20 minutes cette semaine ?”
- ✗ "J'espère que vous allez bien" → marqueur automatique immédiat
- ✗ 2e phrase = généralité sur "les agences digitales" → rien sur Camille
- ✗ Pitch produit dans le premier DM → trop tôt
- ✗ Test du téléphone : non
Version corrigée — mode one shot
“Bonjour Camille, j'ai vu votre post sur l'offre GEO en construction. Ce qui manque souvent à ce stade : une métrique pour prouver à vos clients que ça fonctionne. Vous avez déjà trouvé comment mesurer la visibilité sur les LLM concrètement ?”
Exemple 2 — Finance alternative, cible dirigeant
Contexte
Profil : Thomas M., directeur financier, startup parisienne. Posts récents : questions sur les structures d'investissement alternatif, fiscalité internationale. Connexion commune avec un client existant. Signal : like + connexion commune → mode conversation.
Premier draft — à ne pas envoyer
“Bonjour Thomas, je me permets de vous contacter car je travaille avec des dirigeants qui cherchent des placements à fort rendement. Mon approche combine sélection d'actifs et structure juridique optimisée. Rendement cible : 15% annuel. Vous seriez disponible pour un appel de 20 minutes ?”
- ✗ "Je me permets de vous contacter" → formule automatique classique
- ✗ 2e phrase = généralité → aucun fait tiré du profil de Thomas
- ✗ Chiffre mis en avant sans contexte → sonne comme une promesse commerciale
- ✗ La connexion commune n'est pas mentionnée → signal social manqué
Version corrigée — mode conversation (DM 1 de qualification)
“Bonjour Thomas, j'ai vu votre question sur les structures d'investissement à l'international. On a un contact en commun : Marc travaille avec moi depuis quelques mois sur un sujet assez proche. Ce que je fais est différent du classique — vous avez 20 min cette semaine pour que je vous explique la structure ?”
Phase 2 — Le scale : quand le nurturing devient utile
Le nurturing LinkedIn n'est pas une stratégie de départ. C'est une stratégie de triage. Elle n'a de sens que quand le problème a changé.
Avant le nurturing (phase 1)
Le problème : pas assez de RDV. La solution : setting direct, signal + message + qualification. À ce stade, le nurturing ajoute de la complexité sans ajouter de rendez-vous.
Quand le nurturing s'active (phase 2)
Le problème : trop de leads, comment trier. Les leads chauds (niveaux 4–5) sont priorisés pour le call. Les leads tièdes (niveaux 2–3) entrent dans une newsletter. Ils reviennent quand leur contexte change.
La newsletter n'est pas là pour “engager la communauté”. Elle existe pour que les leads tièdes — ceux qui ne sont pas encore prêts — restent dans l'orbite jusqu'à ce que leur contexte change. Le moment où ça change, ils pensent à vous en premier.
Ce mécanisme ne fonctionne qu'une fois que le pipeline principal est stable. Construire le nurturing avant d'avoir les 10 premiers RDV est une façon de ne jamais avoir les 10 premiers RDV.
Ce que ça change dans la pratique
Détection des premiers signaux, analyse de profils, Google Sheet rempli. Premiers messages envoyés. Premiers retours notés dans le journal de bord.
Le scoring s'affine. Les règles sectorielles se précisent. La base de connaissance s'enrichit. Les premiers RDV arrivent dès la fin de la première semaine.
Le système est calibré. Les modes one shot / conversation sont appliqués automatiquement selon le signal. Le setter intervient moins sur la rédaction, plus sur la qualification.
Le nurturing s'active si le volume le justifie. Les leads tièdes rentrent dans la newsletter. Les chauds sont traités en priorité. Le closing structure les appels.
Questions fréquentes
Combien de temps faut-il pour calibrer le système ?
Environ deux mois. La première phase est humaine : l'œil du setter juge chaque profil, valide ou corrige chaque message, et prend des notes dans un journal de bord. Ces notes alimentent les documents d'input en continu. Au bout de deux mois, le système est assez calibré pour tourner avec moins d'intervention manuelle. C'est ce travail de calibration qui fait la différence entre un système qui tient et un qui produit du bruit.
Quelle est la différence entre le mode 'one shot' et le mode 'conversation' ?
Le mode one shot s'applique aux signaux forts et aux leads tier 1 : un seul message bien construit, qui référence le signal et propose directement le call. Le mode conversation s'applique aux signaux faibles, aux profils sur-sollicités ou aux prospects tiers sans signal récent : un premier message court pour qualifier, puis une séquence en plusieurs étapes avec des angles différents à chaque relance. Le mode est déterminé par la qualité du signal, pas par le secteur.
Pourquoi l'IA seule produit-elle des messages de mauvaise qualité ?
Parce que sans base de connaissance métier ni règles explicites, un LLM produit un style formel et générique — des formules creuses, des deuxièmes phrases qui s'appliquent à des milliers de profils, des structures qui sonnent comme des emails automatiques. L'IA devient utile quand on lui a appris le contexte spécifique du client, les règles non-négociables et les exemples de messages qui ont réellement obtenu des réponses. Elle devient alors co-rédacteur, pas générateur.
Le nurturing LinkedIn est-il utile dès le départ ?
Non. Le nurturing n'a de sens que quand le volume de RDV est déjà là — quand le problème devient 'comment trier les leads chauds des leads tièdes' plutôt que 'comment obtenir plus de RDV'. Pour un solopreneur qui démarre ou qui a du mal à remplir son agenda, la priorité est le setting direct. Les leads tièdes qui ne sont pas prêts rentrent en nurturing vers une newsletter — mais seulement une fois que le pipeline principal est stable.
Comment améliorer la base de connaissance au fil du temps ?
Via le journal de bord du setter. À chaque échange terrain — une réponse inattendue, une objection nouvelle, un angle qui a fonctionné — le setter note ce qu'il observe. Ces notes alimentent directement les documents d'input de Claude : les exemples de bons messages, les contre-exemples, les règles sectorielles. C'est un système cyclique : plus on prospècte, meilleure devient la base, meilleurs deviennent les messages.