Le professionnel B2B moyen reçoit désormais environ 117 e-mails par jour. Votre e-mail à froid ne se bat pas contre le silence : il se bat contre 116 autres messages, dont la plupart sont supprimés en moins de deux secondes.
J'ai passé des années à construire des systèmes de prospection chez Thunderbit, et avant cela chez Automation Anywhere et Jet.com. Le constat est toujours le même : des heures passées à rédiger, pour un taux de réponse qui plafonne à 1–2 %. Le canal n'est pas cassé, c'est l'approche qui l'est. La plupart des modèles d'e-mails à froid semblent écrits par un comité, validés par le juridique, puis envoyés par un robot. Cet article tente d'y remédier.
Vous trouverez ci-dessous 20 modèles d'e-mails à froid prêts à l'emploi, chacun accompagné du framework de copywriting qu'il utilise, du niveau de personnalisation requis, de sa place dans une séquence et du taux de réponse attendu. Surtout, j'explique la logique derrière chacun, pour que vous puissiez les adapter plutôt que de simplement les copier.
Pourquoi la plupart des modèles d'e-mails à froid finissent à la corbeille (et comment l'éviter)
Avant d'aborder les modèles, il faut comprendre pourquoi tant d'e-mails à froid échouent avant même qu'on en lise le corps. D'après mon expérience, les coupables habituels sont :
- Trop génériques. Un e-mail envoyable à n'importe quelle entreprise ne parlera à aucune d'entre elles. Les campagnes avec plusieurs variables de personnalisation atteignent environ 5,3 % de taux de réponse, contre 1,7 % pour les envois génériques.
- Trop longs. Les meilleurs e-mails à froid restent sous les 100 mots. Passé ce seuil, vous perdez le lecteur — surtout sur mobile.
- Centrés sur l'expéditeur, pas sur le prospect. « Nous sommes le leader de… » est le moyen le plus rapide de finir archivé : le prospect se soucie de son problème, pas de votre positionnement.
- CTA faibles ou prématurés. Demander une démo de 30 minutes au premier contact, c'est comme demander en mariage au premier rendez-vous. Une question à faible friction (« Ça vaut le coup d'en parler ? ») bat presque toujours un lien Calendly.
- Mauvaise délivrabilité. Rien de tout cela ne compte si votre e-mail tombe dans les spams. On y revient plus loin.
Tout au long de cet article, chaque modèle est noté sur six critères pour vous aider à choisir le bon au bon moment :
| Critère | Ce que cela vous indique |
|---|---|
| Framework utilisé | Quelle structure de copywriting alimente le modèle (AIDA, PAS, BAB, SAS, PPP ou aucune) |
| Idéal pour | Le cas d'usage ou le persona acheteur visé |
| Longueur idéale | Nombre de mots recommandé |
| Niveau de personnalisation | Faible / Moyen / Élevé — quantité de recherche prospect nécessaire |
| Référence de taux de réponse | Taux de réponse attendu avec un ciblage correct |
| Meilleur associé à | Sa place dans une séquence multi-e-mails |
Quelques règles avant de commencer : gardez les objets d'e-mail entre 3 et 7 mots (la curiosité bat l'originalité), écrivez à un niveau de lecture simple, et testez toujours vos objets et vos CTA en A/B. Même le meilleur modèle du monde a besoin d'itérations.
Les 5 frameworks de copywriting derrière chaque excellent e-mail à froid
Un modèle n'est utile que si sa structure sous-jacente tient la route. Si vous comprenez le framework, vous pouvez réécrire n'importe quel modèle à la volée pour n'importe quel prospect. Si vous vous contentez de copier-coller, vous sonnerez comme tout le monde.
Voici le mémo que je garde épinglé au-dessus de mon bureau :
| Framework | Structure | Le meilleur cas d'usage… | Ton | Exemple |
|---|---|---|---|---|
| AIDA | Attention → Intérêt → Désir → Action | Le prospect ne sait pas encore qu'il a un problème | Ambitieux | Présenter un nouveau workflow ou une nouvelle catégorie |
| PAS | Problème → Agitation → Solution | Le prospect connaît la douleur mais ne l'a pas priorisée | Empathique + urgent | Résoudre une frustration connue (CRM lent, mauvaise qualité de données) |
| BAB | Avant → Après → Pont | Le prospect est ouvert au changement d'outil ou de méthode | Visionnaire | Remplacer un processus manuel ou un concurrent |
| SAS | Star → Arche → Succès | Une proposition de valeur complexe a besoin d'une histoire client | Narratif | Outreach basé sur une étude de cas |
| PPP | Praise → Picture → Push | Prospect déjà un peu réchauffé, qui a déjà interagi | Flatteur + direct | Suivi après un webinar ou un téléchargement de contenu |
AIDA (Attention–Intérêt–Désir–Action)
Captez l'attention avec un fait surprenant ou une question, suscitez l'intérêt en rendant la catégorie pertinente, créez le désir avec un résultat concret, puis concluez par une action claire. AIDA fonctionne bien quand l'acheteur n'est pas en phase d'achat actif et que votre première mission est de rendre le problème tangible.
PAS (Problème–Agitation–Solution)
Nommez la douleur, appuyez légèrement là où ça fait mal, puis proposez la solution. PAS est l'une des structures B2B les plus fiables, car l'évitement de la douleur motive davantage que la recherche du gain chez la plupart des décideurs. Elle est efficace quand le prospect sait déjà que le problème existe, mais ne l'a pas encore priorisé.
BAB (Avant–Après–Pont)
Décrivez le « avant » douloureux, montrez le « après » idéal, puis faites le pont avec votre solution. BAB brille dans les scénarios de remplacement de concurrent ou d'amélioration de workflow, car le prospect peut déjà imaginer un meilleur futur, mais a besoin d'aide pour y parvenir.
SAS (Star–Arche–Succès)
Présentez un client (la star), décrivez son défi (l'arche), puis révélez comment il a gagné (le succès). SAS réduit les résistances en laissant le prospect se projeter dans l'histoire de quelqu'un d'autre plutôt que de recevoir une proposition de vente frontale.
PPP (Praise–Picture–Push)
Ouvrez avec une reconnaissance sincère, peignez ce qui est possible, puis poussez vers l'action. PPP est particulièrement efficace quand il existe déjà un minimum de chaleur dans la relation — un contact LinkedIn, un webinar, une communauté commune.
L'idée clé : la plupart des articles sur les e-mails à froid donnent des modèles sans expliquer quel framework les sous-tend. C'est comme donner une recette sans expliquer pourquoi les ingrédients fonctionnent ensemble. Une fois ces cinq structures intégrées, vous pouvez adapter n'importe quel modèle à n'importe quel prospect.
Benchmarks des e-mails à froid en 2026 : à quoi ressemble vraiment un « bon » résultat ?
Une des questions les plus fréquentes que me posent nos utilisateurs chez Thunderbit est : « Mon taux de réponse est-il normal ? » Voici la réponse honnête, tirée des dernières données de benchmark 2026 :
| Métrique | Faible | Moyen | Bon | Excellent |
|---|---|---|---|---|
| Taux d'ouverture | Sous 30 % | 30–45 % | 45–60 % | 60 %+ |
| Taux de réponse | Sous 1,5 % | 1,5–3,5 % | 3–5 % | 5 %+ |
| Taux de réponse positive | Sous 0,5 % | 0,5–1,5 % | 1,5–3 % | 3 %+ |
| Réunions obtenues / 100 e-mails | Sous 0,3 | 0,3–1 | 1–2 | 2+ |
| Taux de rebond | Plus de 5 % ⚠️ | 3–5 % | 1–3 % | Sous 1 % ✅ |
Quelques précisions utiles. Le taux d'ouverture devient un indicateur de plus en plus relatif, car Apple Mail Privacy Protection le gonfle artificiellement : mieux vaut suivre le taux de réponse, le taux de réponse positive et les réunions obtenues. Et tous les modèles ne performent pas pareil : les modèles basés sur un événement déclencheur dépassent les intros génériques d'un facteur 2 à 3, et les e-mails de recommandation se situent systématiquement entre 7 et 12 %.
Servez-vous de ce tableau pour diagnostiquer vos campagnes actuelles et décider quels modèles tester en priorité.
1. Modèle d'e-mail à froid d'introduction / premier contact
Framework : Aucun (introduction directe) Idéal pour : Les SDR qui prennent contact avec une nouvelle liste de prospects Longueur idéale : 50–80 mots Niveau de personnalisation : Moyen Référence de taux de réponse : 2–4 % Meilleur associé à : E-mail 1 dans n'importe quelle séquence
Objet : petite question à propos de {{company}}
Bonjour {{first_name}} — je vous contacte car j'ai remarqué que {{company}} se concentre sur {{pain_point}}.
Nous aidons des équipes comme la vôtre à obtenir {{result}} sans {{common_tradeoff}}.
Ça vaut le coup d'échanger pour voir si le sujet est pertinent pour vous en ce moment ?
Pourquoi ça fonctionne : en moins de 60 mots, ce message répond à trois questions — qui vous êtes, pourquoi vous écrivez, et pourquoi le prospect devrait s'y intéresser. La question finale est à faible friction. Vous ne demandez pas 30 minutes. Vous demandez si le sujet est pertinent. C'est un « oui » beaucoup plus facile.
2. Modèle d'e-mail à froid basé sur AIDA
Framework : AIDA Idéal pour : Les prospects qui ne connaissent pas encore leur problème ou votre catégorie Longueur idéale : 60–100 mots Niveau de personnalisation : Moyen Référence de taux de réponse : 3–5 % Meilleur associé à : E-mail 1 lorsque le prospect est froid et non conscient du problème
Objet : vous faites encore {{old_way}} ?
Bonjour {{first_name}},
La plupart des {{role_plural}} avec qui j'échange passent encore des heures sur {{old_way}}.
Les équipes qui utilisent {{your_solution_type}} réduisent généralement ce temps à {{better_outcome}} et libèrent du temps pour {{business_priority}}.
Serait-il déraisonnable de vous montrer à quoi cela ressemblerait pour {{company}} ?
Chaque ligne correspond à une étape : l'objet capte l'attention, la première phrase suscite l'intérêt en nommant le statu quo, la seconde crée le désir avec un résultat concret, et la conclusion appelle à l'action — une demande douce, pas une vente forcée.
3. Modèle d'e-mail à froid PAS (Problème–Agitation–Solution)
Framework : PAS Idéal pour : Les prospects qui connaissent la douleur mais n'ont pas encore priorisé sa résolution Longueur idéale : 60–90 mots Niveau de personnalisation : Moyen à élevé Référence de taux de réponse : 4–6 % Meilleur associé à : E-mail 1 ou E-mail 3 (reformulation de valeur) dans une séquence
Objet : quand {{pain_point}} commence à coûter du pipeline
Bonjour {{first_name}},
La plupart des équipes de {{company_stage_or_peer_group}} savent déjà que {{problem}} est pénible.
Ce qu'elles sous-estiment souvent, c'est la vitesse à laquelle cela se transforme en {{cost_or_risk}}.
Nous aidons à corriger cela grâce à {{solution}}.
Un exemple rapide de {{relevant_company}} vous serait utile ?
PAS fonctionne parce qu'il ne se contente pas de nommer la douleur : il fait ressentir au prospect l'urgence de ne pas la résoudre. L'étape d'agitation (« la vitesse à laquelle cela se transforme en {{cost_or_risk}} ») distingue ce modèle d'une intro générique. Attention à ne pas en faire trop : il faut de l'empathie, pas du mélodrame.
4. Modèle d'e-mail à froid BAB (Avant–Après–Pont)
Framework : BAB Idéal pour : Les prospects ouverts à l'idée de changer d'outil ou de concurrent Longueur idéale : 70–100 mots Niveau de personnalisation : Moyen Référence de taux de réponse : 3–5 % Meilleur associé à : E-mail 1 quand on cible des utilisateurs d'un concurrent
Objet : de {{frustrating_before}} à {{desirable_after}}
Bonjour {{first_name}},
Aujourd'hui, la plupart des équipes comme {{company}} sont coincées avec {{before_state}}.
La version meilleure, c'est {{after_state}}, où {{key_benefit}}.
Nous faisons le pont grâce à {{bridge_solution}}.
Ouvert à voir comment {{peer_company}} l'a fait ?
La partie « après » devient nettement plus convaincante quand elle s'appuie sur un chiffre réel. « Passer de 4 heures de saisie manuelle à 15 minutes » est plus percutant que « gagner du temps ». Si vous avez une étude de cas, c'est ici qu'elle prend toute sa valeur.
5. Modèle d'e-mail à froid SAS (Star–Arche–Succès)
Framework : SAS Idéal pour : Les propositions de valeur complexes qui gagnent à être illustrées par une histoire client Longueur idéale : 80–120 mots Niveau de personnalisation : Faible à moyen Référence de taux de réponse : 3–5 % Meilleur associé à : E-mail 3 dans une séquence
Objet : comment {{customer_name}} a résolu {{problem}}
Bonjour {{first_name}},
Une équipe avec laquelle nous avons travaillé, {{customer_name}}, faisait face à {{challenge}}.
Elle avait essayé {{failed_approach}}, mais cela la laissait encore avec {{costly_result}}.
Après être passée à {{your_solution}}, elle a pu {{success_outcome}}.
Si cela vous parle pour {{company}}, je peux vous envoyer la version courte.
J'aime beaucoup SAS pour les e-mails de milieu de séquence : au troisième e-mail, le prospect a déjà vu votre nom deux fois. Une histoire ressemble alors moins à un pitch et davantage à une conversation. L'essentiel est de choisir une histoire client qui colle au secteur ou à la taille de l'entreprise du prospect.
6. Modèle d'e-mail à froid avec mention d'un concurrent
Framework : Aucun (positionnement concurrentiel direct) Idéal pour : Les prospects que l'on sait utiliser ou évaluer un concurrent Longueur idéale : 60–90 mots Niveau de personnalisation : Élevé Référence de taux de réponse : 5–8 % Meilleur associé à : E-mail 1 lorsque l'intelligence concurrentielle est disponible
Objet : si vous comparez {{competitor}}
Bonjour {{first_name}},
J'ai remarqué que {{company}} semble utiliser ou évaluer {{competitor}}.
Les équipes nous contactent généralement lorsqu'elles veulent {{differentiator}} sans renoncer à {{important_requirement}}.
Je peux volontiers vous envoyer un comparatif succinct si cela peut vous faire gagner du temps.
Deux règles ici. D'abord, ne dénigrez jamais le concurrent : mettez en avant ce que vous apportez, pas ce qu'il n'a pas. Ensuite, ce modèle exige de savoir quels outils le prospect utilise réellement — c'est là que l'enrichissement de données entre en jeu (j'y reviens plus loin).
7. Modèle d'e-mail à froid basé sur un événement déclencheur / une actualité récente
Framework : Aucun (personnalisation pilotée par l'événement) Idéal pour : Levées de fonds, nouvelles recrues, lancements produits, résultats financiers, changements de direction Longueur idéale : 50–80 mots Niveau de personnalisation : Élevé Référence de taux de réponse : 6–9 % Meilleur associé à : E-mail 1 — à envoyer dans les 48 heures suivant l'événement
Objet : félicitations pour {{trigger_event}}
Bonjour {{first_name}},
J'ai vu la nouvelle concernant {{trigger_event}} chez {{company}}.
Ce type de moment crée souvent une nouvelle pression autour de {{related_challenge}}.
Nous avons aidé des équipes au même stade à obtenir {{specific_result}}.
Ça vaut le coup de partager un exemple rapide ?
C'est l'un des formats les plus performants de façon constante. La raison est simple : pertinence + timing. Une levée de fonds annoncée il y a deux jours ressemble à une vraie conversation ; la même annonce vieille de trois mois ressemble à un argumentaire commercial. La rapidité compte.
8. Modèle d'e-mail à froid basé sur un visiteur du site
Framework : Aucun (outreach basé sur l'intention) Idéal pour : Les prospects dont l'entreprise a visité votre site (repérés via un outil de tracking) Longueur idéale : 50–70 mots Niveau de personnalisation : Moyen Référence de taux de réponse : 5–7 % Meilleur associé à : E-mail 1 envoyé dans les 24 heures suivant la visite
Objet : j'ai remarqué un intérêt de la part de {{company}}
Bonjour {{first_name}},
Il semble que quelqu'un de {{company}} ait récemment passé du temps sur notre page {{page_name}}.
En général, cela signifie qu'une équipe explore {{problem_area}}.
Si cela peut aider, je peux envoyer le résumé de deux minutes que la plupart des équipes demandent ensuite.
La frontière entre « utile » et « intrusif » est fine ici. Évitez « j'ai vu que vous avez consulté notre page tarifaire à 14 h 47 ». Préférez « quelqu'un de votre équipe explorait [le sujet] ». Restez utile, pas surveillance.
9. Modèle d'e-mail à froid avec preuve sociale / témoignage
Framework : PPP ou preuve sociale autonome Idéal pour : Les secteurs où la validation par les pairs influence fortement la décision d'achat Longueur idéale : 60–90 mots Niveau de personnalisation : Moyen Référence de taux de réponse : 4–6 % Meilleur associé à : E-mail 1 ou E-mail 3 dans une séquence
Objet : ce que {{customer_name}} a constaté après {{change}}
Bonjour {{first_name}},
Nous avons récemment aidé {{customer_name}} à obtenir {{result}}.
Leur équipe a décrit l'expérience comme « {{short_quote}} ».
Si {{company}} fait face à {{relevant_problem}}, je peux vous envoyer exactement le plan qu'ils ont suivi.
La validation par un tiers est plus crédible que tout ce que vous pouvez dire sur vous-même. L'astuce consiste à faire correspondre le témoignage au secteur ou au rôle du prospect. Une citation d'un directeur financier du Fortune 500 ne résonnera pas auprès d'un responsable marketing dans une startup.
10. Modèle d'e-mail à froid avec recommandation / connexion mutuelle
Framework : Aucun (transfert de confiance via introduction chaleureuse) Idéal pour : Lorsque vous partagez une connexion, un réseau d'alumni ou une communauté Longueur idéale : 50–70 mots Niveau de personnalisation : Élevé Référence de taux de réponse : 7–12 % Meilleur associé à : E-mail 1 — commencez toujours par la connexion
Objet : {{mutual_connection}} m'a suggéré de vous contacter
Bonjour {{first_name}},
{{mutual_connection}} pensait que nous devrions entrer en contact en raison de votre travail sur {{initiative}} chez {{company}}.
Nous aidons des équipes à gérer {{problem}} avec {{result}}.
Serait-ce exagéré de comparer nos notes pendant 10 minutes ?
Les e-mails de recommandation surperforment systématiquement tous les autres types. Même une connexion légère — même groupe LinkedIn, même conférence, même réseau d'anciens élèves — vaut mieux que rien. L'important, c'est que la connexion soit réelle : inventer une recommandation est le moyen le plus rapide de brûler la confiance.
11. Modèle d'e-mail à froid « demandez le bon interlocuteur »
Framework : Aucun (demande de navigation) Idéal pour : Les grandes organisations avec des organigrammes peu lisibles Longueur idéale : 40–60 mots Niveau de personnalisation : Faible Référence de taux de réponse : 5–8 % Meilleur associé à : E-mail 1 pour les comptes enterprise
Objet : petite question d'orientation
Bonjour {{first_name}},
J'essaie de joindre la personne chez {{company}} qui gère {{topic}}.
Si ce n'est pas vous, pourriez-vous m'indiquer la bonne personne ?
C'est le modèle le plus court de la liste, et il fonctionne précisément parce qu'il est très facile d'y répondre. Les gens sont étonnamment enclins à vous orienter vers la bonne personne quand la demande ne coûte presque aucun effort. Je l'ai vu surpasser des argumentaires élaborés en prospection enterprise plus souvent qu'à mon tour.
12. Modèle d'e-mail à froid direct en 3 phrases
Framework : Aucun (approche minimaliste) Idéal pour : Les dirigeants très occupés et les profils C-level Longueur idéale : 30–50 mots Niveau de personnalisation : Moyen Référence de taux de réponse : 4–7 % Meilleur associé à : E-mail 1 pour une prospection auprès des dirigeants
Objet : une idée pour {{company}}
Bonjour {{first_name}} — nous aidons des {{peer_type}} à obtenir {{result}}.
J'ai pensé que cela pouvait compter, car {{specific_relevance_to_company}}.
Partant pour un oui/non rapide sur l'intérêt d'aller plus loin ?
Trois phrases, c'est tout. Ce format fonctionne particulièrement bien sur mobile, là où la plupart des dirigeants lisent leurs e-mails. La phrase du milieu est l'endroit où vit la personnalisation — si elle est générique, tout l'e-mail s'effondre.
13. Modèle d'e-mail à froid basé sur le partage de valeur / une ressource
Framework : Aucun (approche donnant-donnant) Idéal pour : Construire la confiance avec des prospects plus tôt dans le parcours d'achat Longueur idéale : 50–80 mots Niveau de personnalisation : Moyen Référence de taux de réponse : 3–5 % Meilleur associé à : E-mail 3 dans une séquence (après la prise de contact initiale et un premier suivi)
Objet : j'ai pensé que cela pourrait vous être utile
Bonjour {{first_name}},
Je ne sais pas si le timing est bon, mais je suis tombé sur cette {{resource_type}} sur {{relevant_topic}} et j'ai pensé à {{company}}.
Aucun pitch derrière — juste quelque chose d'utile si vous réfléchissez à {{challenge}}.
Vous voulez que je vous l'envoie ?
Commencer par de la valeur crée un principe de réciprocité : le prospect ne se sent pas vendu, il se sent aidé. Ce format fonctionne mieux en milieu de séquence, après vous être déjà présenté et après un premier suivi. La ressource doit être réellement utile, pas une brochure produit à peine déguisée.
14. Modèle d'e-mail à froid basé sur une question
Framework : Aucun (engagement guidé par la curiosité) Idéal pour : Ouvrir la conversation quand vous voulez que le prospect se qualifie lui-même Longueur idéale : 40–70 mots Niveau de personnalisation : Moyen Référence de taux de réponse : 4–6 % Meilleur associé à : E-mail 1 ou comme reformulation dans l'e-mail 4
Objet : comment gérez-vous {{challenge}} ?
Bonjour {{first_name}},
Par curiosité — comment {{company}} gère-t-elle actuellement {{specific_problem}} ?
Je demande cela parce que la plupart des équipes avec lesquelles j'échange sont encore coincées avec {{common_issue}}.
Je peux partager ce qui fonctionne ailleurs si cela vous est utile.
La magie ici, c'est que vous ne vendez pas — vous interrogez. Les questions ouvertes de type « comment » et « quoi » suscitent de vraies réponses. Évitez les questions fermées (« Êtes-vous intéressé par… ? »), car elles permettent de dire trop facilement non.
15. Modèle d'e-mail à froid ABM (Account-Based Marketing)
Framework : Hybride (peut combiner AIDA + preuve sociale) Idéal pour : Les comptes cibles Tier 1 à forte valeur, pour lesquels vous avez fait une recherche approfondie Longueur idéale : 80–120 mots Niveau de personnalisation : Très élevé Référence de taux de réponse : 8–15 % Meilleur associé à : E-mail 1 pour les comptes Tier 1 dans une campagne ABM multicanale
Objet : une idée pour {{initiative}} chez {{company}}
Bonjour {{first_name}},
J'ai remarqué que {{company}} investit dans {{initiative}}, surtout depuis {{recent_event}}.
Cela crée généralement une pression autour de {{specific_operational_problem}}.
Nous avons aidé {{similar_company}} à résoudre un problème similaire et obtenu {{specific_result}}.
Si cela vous aide, je peux vous esquisser à quoi cela pourrait ressembler pour {{company}} dans une courte note.
L'outreach ABM est l'exact opposé de l'e-mail à froid à grande échelle. Moins d'envois, davantage de recherche par e-mail, et des taux de réponse nettement plus élevés quand c'est bien fait. Ici, la personnalisation doit donner l'impression que vous avez réellement lu leur rapport annuel — parce que vous devriez l'avoir fait.
16. Modèle passerelle LinkedIn vers e-mail
Framework : Aucun (passerelle entre canaux) Idéal pour : Les prospects avec lesquels vous avez déjà échangé sur LinkedIn Longueur idéale : 50–70 mots Niveau de personnalisation : Élevé Référence de taux de réponse : 6–10 % Meilleur associé à : E-mail 1 après 1 à 2 vrais points de contact LinkedIn
Objet : j'ai aimé votre post sur {{topic}}
Bonjour {{first_name}},
J'ai aimé votre post sur {{topic}} sur LinkedIn, surtout le point sur {{specific_point}}.
Cela faisait écho à ce que nous observons autour de {{related_problem}}.
Je me suis dit qu'il serait peut-être plus simple de poursuivre la conversation ici — partant ?
Le mot important ici, c'est « vrai ». Si vous n'avez pas réellement interagi avec leur contenu sur LinkedIn, ne faites pas semblant. Mais si vous l'avez fait — aimé un post, laissé un vrai commentaire, envoyé une invitation avec note — cet e-mail passerelle paraît naturel, pas forcé.
17. Modèle d'e-mail à froid avec offre limitée dans le temps
Framework : Aucun (piloté par l'urgence) Idéal pour : Fin de trimestre, offres d'essai gratuit, programmes en accès anticipé, invitations à un pilote Longueur idéale : 60–80 mots Niveau de personnalisation : Faible à moyen Référence de taux de réponse : 3–5 % Meilleur associé à : E-mail 4 ou campagne autonome pendant les périodes promotionnelles
Objet : nous ouvrons quelques places pour {{offer}}
Bonjour {{first_name}},
Nous ouvrons un petit nombre de créneaux {{offer_type}} jusqu'au {{deadline}} pour les équipes qui travaillent sur {{relevant_goal}}.
Si {{company}} explore ce sujet ce trimestre, je peux vous envoyer la version courte.
À utiliser avec parcimonie. L'urgence réelle fonctionne ; l'urgence artificielle (« cette offre expire dans 24 heures » alors que ce n'est manifestement pas vrai) détruit la confiance plus vite que presque tout le reste. Si l'échéance est réelle, dites-le. Sinon, choisissez un autre modèle.
18. Suivi n°1 : le léger rappel
Framework : Aucun (point de contact léger) Idéal pour : Relancer les prospects qui n'ont pas répondu au premier e-mail Longueur idéale : 30–50 mots Niveau de personnalisation : Faible Référence de taux de réponse : 3–5 % Meilleur associé à : E-mail 2 dans une séquence, envoyé environ 3 jours après l'e-mail 1
Objet : ça vaut un petit retour ?
Bonjour {{first_name}},
Je me permets de revenir vers vous au cas où mon message se serait perdu.
Un détail supplémentaire qui pourrait être pertinent : {{new_stat_or_proof}}.
Une réponse vaut-elle le coup si le sujet est sur votre radar ?
Le péché cardinal des relances, c'est le simple « je me permets de revenir vers vous » : ces mots disent au prospect que vous n'avez rien de nouveau à apporter. Ajoutez toujours un élément de valeur — une statistique, un lien, un résultat client pertinent. Environ 55 % des réponses viennent des relances, pas du premier envoi. Ce message compte donc plus qu'on ne le pense.
19. Suivi n°2 : le nouvel angle
Framework : PAS ou BAB (changez d'angle par rapport à l'e-mail 1) Idéal pour : Les prospects qui ont ignoré le premier e-mail et le rappel léger Longueur idéale : 50–80 mots Niveau de personnalisation : Moyen Référence de taux de réponse : 2–4 % Meilleur associé à : E-mail 4 dans une séquence, envoyé 5 à 7 jours après le suivi n°1
Objet : un autre angle sur {{problem}}
Bonjour {{first_name}},
Mon message précédent mettait l'accent sur {{angle_one}}.
L'opportunité la plus importante est peut-être plutôt {{angle_two}}, surtout si {{company}} essaie de {{business_goal}}.
Si cela vous aide, je peux envoyer la courte étude de cas qui l'illustre.
C'est ici que le changement de framework montre toute sa valeur. Si votre premier e-mail était une intro AIDA sur le gain de temps, celui-ci peut reformuler l'argument en PAS autour du risque concurrentiel. Même produit, autre angle. La répétition tue la curiosité ; la reformulation la ravive.
20. Modèle de break-up / dernier appel
Framework : Aucun (orienté clôture) Idéal pour : Le dernier e-mail d'une séquence Longueur idéale : 30–50 mots Niveau de personnalisation : Faible Référence de taux de réponse : 4–7 % Meilleur associé à : E-mail 5, envoyé environ 7 jours après le suivi « nouvel angle »
Objet : dois-je clôturer la boucle ?
Bonjour {{first_name}},
Je ne veux pas encombrer votre boîte si ce sujet ne vous concerne pas.
Souhaitez-vous que je clôture ce dossier pour le moment ?
Paradoxalement, les e-mails de break-up obtiennent souvent les meilleurs taux de réponse d'une séquence. Pourquoi ? Parce que donner au prospect la permission de dire « non » déclenche l'aversion à la perte : il réalise soudain que la conversation se termine, et certains décident qu'ils veulent bien échanger. Un peu comme dire « je vais partir » à une soirée : tout le monde veut soudain discuter.
Les 20 modèles d'e-mails à froid en un coup d'œil
| # | Modèle | Framework | Idéal pour | Longueur idéale | Personnalisation | Taux de réponse attendu | Position dans la séquence |
|---|---|---|---|---|---|---|---|
| 1 | Introduction | Aucun | Prospection initiale | 50–80 | Moyen | 2–4 % | E-mail 1 |
| 2 | AIDA | AIDA | Prospects non conscients | 60–100 | Moyen | 3–5 % | E-mail 1 |
| 3 | PAS | PAS | Douleur connue | 60–90 | Moyen–élevé | 4–6 % | E-mail 1 ou 3 |
| 4 | BAB | BAB | Changement / alternatives | 70–100 | Moyen | 3–5 % | E-mail 1 |
| 5 | SAS | SAS | Preuve par l'histoire | 80–120 | Faible–moyen | 3–5 % | E-mail 3 |
| 6 | Mention d'un concurrent | Aucun | Utilisation connue d'un concurrent | 60–90 | Élevé | 5–8 % | E-mail 1 |
| 7 | Événement déclencheur | Aucun | Outreach basé sur l'actualité | 50–80 | Élevé | 6–9 % | E-mail 1 |
| 8 | Visiteur du site | Aucun | Outreach basé sur l'intention | 50–70 | Moyen | 5–7 % | E-mail 1 |
| 9 | Preuve sociale | PPP / preuve | Acheteurs sensibles à la confiance | 60–90 | Moyen | 4–6 % | E-mail 1 ou 3 |
| 10 | Recommandation / connexion mutuelle | Aucun | Transfert de confiance chaleureux | 50–70 | Élevé | 7–12 % | E-mail 1 |
| 11 | Bonne personne / demande d'orientation | Aucun | Navigation organisationnelle | 40–60 | Faible | 5–8 % | E-mail 1 |
| 12 | 3 phrases | Aucun | Dirigeants | 30–50 | Moyen | 4–7 % | E-mail 1 |
| 13 | Partage de valeur | Aucun | Construction de confiance | 50–80 | Moyen | 3–5 % | E-mail 3 |
| 14 | Basé sur une question | Aucun | Curiosité / auto-qualification | 40–70 | Moyen | 4–6 % | E-mail 1 ou 4 |
| 15 | ABM | Hybride | Comptes Tier 1 | 80–120 | Très élevé | 8–15 % | E-mail 1 |
| 16 | Passerelle LinkedIn vers e-mail | Aucun | Prospect réchauffé via LinkedIn | 50–70 | Élevé | 6–10 % | E-mail 1 |
| 17 | Offre limitée dans le temps | Aucun | Push promotionnel | 60–80 | Faible–moyen | 3–5 % | E-mail 4 |
| 18 | Relance n°1 légère | Aucun | Réactiver le premier contact | 30–50 | Faible | 3–5 % | E-mail 2 |
| 19 | Relance n°2 nouvel angle | PAS/BAB | Repositionnement après silence | 50–80 | Moyen | 2–4 % | E-mail 4 |
| 20 | Break-up / dernière chance | Aucun | Dernier e-mail de clôture | 30–50 | Faible | 4–7 % | E-mail 5 |
Comment construire une séquence de 5 e-mails avec ces modèles
Pris isolément, les modèles sont utiles. Organisés en séquence, ils deviennent un système. Voici la structure que je recommande, d'après ce qui a le mieux fonctionné pour notre équipe et nos utilisateurs :
| E-mail # | Modèle à utiliser | Jour | Objectif | Si pas de réponse → |
|---|---|---|---|---|
| 1 | Introduction ou événement déclencheur (#1 ou #7) | Jour 0 | Ouvrir la conversation | Attendre 3 jours |
| 2 | Relance n°1 légère (#18) | Jour 3 | Faire réapparaître le premier contact | Attendre 4 jours |
| 3 | Partage de valeur ou SAS (#13 ou #5) | Jour 7 | Créer confiance et pertinence | Attendre 5 jours |
| 4 | Relance n°2 nouvel angle (#19) | Jour 12 | Reformuler l'argument | Attendre 7 jours |
| 5 | Break-up / dernière chance (#20) | Jour 19 | Forcer une décision oui/non | Fin de séquence |
Pourquoi les intervalles de 3 à 7 jours fonctionnent entre les e-mails à froid
Trop fréquents, vous devenez insistant. Trop espacés, le prospect vous oublie. La fenêtre 3 à 7 jours correspond au meilleur équilibre. Les séquences performantes utilisent 3 à 5 relances avant que les rendements décroissants ne s'installent, et la meilleure plage d'envoi reste mardi–jeudi, 8 h–10 h, heure locale du prospect.
Quand changer de framework en cours de séquence
Si l'e-mail 1 utilise AIDA (ambitieux, orienté prise de conscience), ne répétez pas le même angle dans l'e-mail 4. Passez à PAS (orienté douleur) ou à un angle concurrentiel / preuve sociale. La rotation des frameworks évite la lassitude et donne une nouvelle raison d'interagir — un peu comme changer d'angle de caméra dans un film : même histoire, autre perspective.
Comment personnaliser les modèles d'e-mails à froid à grande échelle (sans écrire 500 e-mails uniques)
C'est la question que les équipes commerciales me posent le plus souvent : « Comment personnaliser sans passer 20 minutes par e-mail ? » La réponse n'est pas « écrire 500 e-mails uniques ». La réponse est « collecter 500 points de données uniques et les injecter dans des modèles intelligents ».
La différence entre un taux de réponse de 5,3 % et de 1,7 % tient souvent à deux ou trois variables personnalisées — un défi d'entreprise, un événement récent, un concurrent utilisé. La structure du modèle reste la même. Ce sont les données qui changent.
Utilisez Thunderbit pour extraire les données prospects de vos modèles d'e-mails à froid
Extraire des données prospects avec Thunderbit L'Extracteur d'Email et de numéros de téléphone de Thunderbit récupère gratuitement des coordonnées vérifiées depuis les pages prospects, sans dépenser de crédits. Get Started Free
Ici, je vais être transparent sur notre produit, car il est réellement pertinent pour ce workflow. Thunderbit est un web scraper agentique conçu pour les utilisateurs métier qui doivent extraire des données structurées depuis des sites web sans coder. Pour la personnalisation des e-mails à froid, le workflow ressemble à ceci :
- Construisez votre liste de prospects — noms d'entreprises, sites web, profils LinkedIn.
- Utilisez Thunderbit pour extraire chaque site prospect — page carrières, blog, communiqués de presse, page équipe, page intégrations.
- Faites correspondre les données extraites à vos champs de fusion de modèle.
- Exportez vers Google Sheets, Excel, Airtable ou Notion puis alimentez votre plateforme d'e-mailing.
L'IA de Thunderbit lit la page et suggère automatiquement les champs d'extraction, sans configurer de sélecteurs ni écrire de script. L'outil gère la pagination, l'extraction de sous-pages (visiter les pages de chaque entreprise pour enrichir toute une liste) et exporte les données gratuitement.
Voici comment les données se mappent aux modèles :
| Variable du modèle | Source de données | Comment l'obtenir |
|---|---|---|
| `{{company_challenge}} | Page carrières ou blog du prospect | Extraction de sous-pages Thunderbit |
| `{{recent_news}} | Communiqués de presse / newsroom | Extraction IA Thunderbit |
| `{{competitor_they_use}} | Page stack technologique / intégrations | Thunderbit One Click Extract |
\{\{prospect_name\}\}** / **{{email}} | Page équipe / à propos | Extracteur d'Email Thunderbit |
L'idée essentielle : la personnalisation à grande échelle est un problème de données, pas un problème d'écriture. Si vous avez les bonnes données, les modèles font le gros du travail.
Faites correspondre vos données enrichies aux champs de fusion des modèles
Le workflow pratique est simple :
- Commencez avec une liste de 50 à 100 entreprises cibles.
- Extrayez 3 à 5 points de données par entreprise avec Thunderbit (actualité récente, offres d'emploi, stack technologique, informations sur l'équipe).
- Placez les données enrichies dans un tableur avec des colonnes correspondant à vos champs de fusion.
- Importez-les dans votre outil d'e-mailing et laissez les modèles se personnaliser automatiquement.
Cela transforme 20 minutes de recherche par prospect en 2 minutes par lot. J'ai vu des équipes passer de 30 e-mails personnalisés par semaine à 300, sans sacrifier la qualité. Pour voir comment cela fonctionne : l'extension Chrome de Thunderbit ou la démonstration sur notre chaîne YouTube.
Délivrabilité 101 : assurez-vous que vos modèles d'e-mails à froid arrivent vraiment en boîte de réception
Je pourrais vous donner le meilleur modèle d'e-mail à froid du monde, cela ne servirait à rien s'il finit en spam. La délivrabilité est la base peu glamour qui fait fonctionner tout le reste, et c'est l'un des sujets les plus négligés dans presque tous les guides sur l'e-mail à froid que j'ai lus.
Checklist de warm-up et d'authentification du domaine
- Utilisez un domaine d'envoi distinct. N'envoyez pas vos campagnes à froid depuis votre domaine principal. Si celui-ci est yourcompany.com, envoyez depuis yourcompany.io ou mail.yourcompany.com.
- Faites monter en charge sur 2 à 4 semaines. Commencez autour de 20 e-mails par jour, puis augmentez progressivement. Passer directement à 200/jour est la voie express vers les spams.
- Authentifiez avec SPF, DKIM et DMARC. En clair : SPF indique quels serveurs peuvent envoyer en votre nom, DKIM signe numériquement l'e-mail pour prouver qu'il n'a pas été altéré, DMARC relie les deux et dit aux fournisseurs quoi faire des messages non authentifiés. Mettez ça en place avant le moindre envoi.
- Vérifiez votre liste. Maintenez les taux de rebond sous 2 % autant que possible. Les mauvaises adresses ruinent vite la réputation d'expéditeur.
Exigences 2026 de Gmail et Yahoo pour les expéditeurs
Google et Yahoo ont tous deux durci leurs règles en 2024–2025, et l'application est devenue encore plus stricte. Les exigences clés :
- Désinscription en un clic pour les e-mails promotionnels et en masse
- Taux de plaintes spam inférieur à 0,3 % pour rester en règle
- Authentification complète (SPF + DKIM + DMARC)
Le bon côté des choses : ces règles profitent en réalité aux bons pros du cold email. Les spammeurs à gros volume et de faible qualité sont filtrés, ce qui laisse moins de bruit dans la boîte de réception pour les expéditeurs conformes. Si vous respectez les règles, vos e-mails ont plus de chances d'être vus qu'il y a deux ans.
Mots et schémas déclencheurs de spam à éviter dans vos modèles
Les filtres anti-spam fonctionnent par schémas, pas par mots isolés. Un seul « gratuit » dans une phrase normale ne vous condamnera pas. Mais cumulez mise en forme agressive, trop de liens, corps de message dominé par les images, objets EN MAJUSCULES et points d'exclamation en rafale, et vous êtes mal parti. Restez en texte brut ou quasi brut, limitez les liens à un ou deux, et écrivez comme un humain — pas comme une infopublicité de fin de soirée.
Conclusion : choisissez le bon modèle d'e-mail à froid, personnalisez-le et envoyez avec confiance
Vingt modèles, c'est beaucoup, mais vous n'avez pas besoin de tous les utiliser. Voici ce que je conseille : choisissez un modèle de premier contact adapté au niveau de conscience de votre acheteur (AIDA pour les non-conscients, PAS pour ceux qui perçoivent la douleur, événement déclencheur pour le timing), personnalisez-le avec de vraies données prospects, envoyez-le cette semaine à vos 10 comptes prioritaires, et mesurez le résultat contre le tableau de benchmarks ci-dessus.
Le framework derrière le modèle compte plus que les mots exacts. La séquence compte plus qu'un e-mail isolé. Et la qualité de vos données prospects — les défis de l'entreprise, les actualités récentes, le contexte concurrentiel — compte plus que l'astuce de votre objet.
Pour aller plus vite sur l'enrichissement des données, essayez Thunderbit : conçu pour transformer des heures de recherche manuelle de prospects en 1 clic. Et si les modèles d'e-mails à froid ne sont pas votre seul défi data, voyez nos guides sur la génération de leads avec l'IA, la création de listes de prospects et les stratégies d'outreach outbound.
Maintenant, envoyez des e-mails qui ne ressemblent pas à du spam — et que vos taux de réponse restent toujours au-dessus de la moyenne.
FAQ
Combien d'e-mails à froid de relance dois-je envoyer ?
Les bonnes pratiques 2026 convergent vers 3 à 5 relances. Environ 55 % des réponses viennent des e-mails de suivi, pas du premier envoi. Après 5 e-mails sans réponse, les rendements décroissants s'installent : mieux vaut transférer le prospect vers une séquence de nurturing.
Quel est le meilleur moment pour envoyer des e-mails à froid en 2026 ?
Le réglage par défaut le plus sûr est mardi–jeudi, 8 h–10 h, fuseau horaire local du destinataire. Le mardi devance légèrement les autres jours, mais le ciblage et la délivrabilité comptent bien plus que l'heure exacte d'envoi.
Comment éviter que mes e-mails à froid aillent dans les spams ?
Faites monter votre domaine sur 2 à 4 semaines, authentifiez avec SPF/DKIM/DMARC, gardez les taux de plainte sous 0,3 %, vérifiez votre liste pour réduire les rebonds, et évitez les corps d'e-mail trop chargés en images ou en liens. Utilisez un domaine distinct du domaine principal.
Quel modèle d'e-mail à froid fonctionne le mieux pour la vente SaaS ?
Les modèles à événement déclencheur (#7), mention d'un concurrent (#6) et ABM (#15) performent généralement le mieux en SaaS, car ils apportent du contexte, de l'urgence ou une différenciation concurrentielle. Le choix du framework (AIDA vs PAS) dépend de la conscience de l'acheteur : AIDA pour ceux qui ne savent pas encore qu'ils ont un problème, PAS pour ceux qui le savent déjà.
Puis-je utiliser le même modèle d'e-mail à froid pour chaque prospect ?
Vous pouvez réutiliser la structure, mais pas le même message inchangé. Les campagnes génériques sous-performent les campagnes personnalisées d'un facteur 2 à 3. Les modèles sont des points de départ — remplacez-les par de vraies données prospect (défis, actualités récentes, contexte concurrentiel).
Essayez l'Extracteur Web agentique Thunderbit Pointez l'Extracteur Web agentique de Thunderbit sur n'importe quelle liste de prospects et il crée une fiche de contacts structurée en 1 clic. Get Started Free
Essayez l'Extracteur Web agentique pour une meilleure personnalisation des e-mails à froid Get Started Free
En savoir plus
