La semaine dernière, l’un des membres de notre équipe commerciale m’a montré un tableur contenant 4 000 contacts achetés auprès d’un fournisseur de données. Taux de réponse après deux semaines de prospection ? 0,3 %. Taux de rebond ? Plus de 12 %. Cette liste a coûté cher et n’a presque rien rapporté.
La plupart des listes de prospects en 2026 sont mortes dès le départ. Hunter's State of Email Outreach, fondé sur 31 millions d’e-mails envoyés en 2025, indique un taux moyen de réponse de seulement 4,5 % pour une séquence d’e-mails à froid — et ce chiffre est une moyenne, donc de nombreuses campagnes font bien moins. De son côté, Salesforce's 2026 State of Sales montre que le commercial moyen ne consacre que 40 % de sa semaine à vendre réellement ; les 60 % restants partent en tâches administratives, en recherche et — vous l’avez deviné — en prospection.
Si vous allez investir ce temps dans la construction d’une liste, autant qu’elle génère des réponses. Ce guide vous accompagne sur tout le workflow 2026 : définition de votre ICP, recherche de prospects au-delà de LinkedIn, création d’un vrai modèle de tableur, vérification des données pour éviter de dégrader votre réputation d’expéditeur, scoring des leads avant l’envoi, et maintien de données fraîches dans le temps. Et j’ai tout organisé par budget, pour que vous puissiez commencer dès aujourd’hui pour 0 €.
- Difficulté : Débutant
- Temps requis : ~2 à 3 heures pour vos 50 à 100 premiers leads
- Ce dont vous aurez besoin : Navigateur Chrome, extension Thunderbit, un Google Sheet ou un tableur, et votre ICP rédigé
Créez des listes de prospects grâce au scraping IA Get Started Free
Qu’est-ce qu’une liste de prospects, et pourquoi la plupart échouent-elles ?
Une liste de prospects est un jeu de données structuré regroupant des acheteurs potentiels — les personnes et les entreprises que vous souhaitez contacter. Elle inclut généralement des champs au niveau de la personne (nom, poste, e-mail, téléphone, URL LinkedIn) et des champs au niveau de l’entreprise (secteur, taille, chiffre d’affaires, localisation). C’est la base de toute démarche commerciale outbound.
L’erreur la plus fréquente des équipes : confondre une liste de prospects avec un simple export de contacts. Une vraie liste répond à la question pourquoi cette entreprise et pourquoi cette personne, maintenant. Une liste achetée chez un fournisseur quelconque se contente souvent de dire : « voici une adresse e-mail qui existe peut-être encore ». L’écart de performance est énorme.
Les listes de prospects s’inscrivent aussi dans un cycle plus large. Un lead est quelqu’un qui pourrait correspondre à votre marché. Un MQL (marketing qualified lead) a montré un certain niveau d’intérêt ou d’adéquation. Un SQL (sales qualified lead) est prêt pour un suivi commercial direct. Une opportunité est une affaire en cours. Votre liste de prospects se trouve tout en haut de ce tunnel — et si cette base est remplie de déchets, tout le reste en pâtit.
Les raisons les plus courantes de l’échec des listes de prospects :
- Données obsolètes : ZeroBounce indique qu’au moins 23 % d’une liste d’e-mails se détériore en un an. Autrement dit, près d’un quart de vos contacts deviennent inutilisables tous les douze mois.
- Mauvais contacts : des adresses génériques (info@, sales@) au lieu de contacts directs. Des intitulés flous comme « Staff » qui ne disent rien sur le pouvoir de décision.
- Aucun critère de ciblage : du volume présenté comme une stratégie. Comme l’a dit un utilisateur sur un forum : « Souvent, on confond le volume avec la qualité. »
- Aucune vérification : le rapport 2024 de Validity sur les données CRM révèle que 24 % des administrateurs CRM estiment que moins de la moitié des données de leur CRM est exacte et complète, et que 31 % disent que des données CRM de mauvaise qualité coûtent au moins 20 % du chiffre d’affaires annuel.
- Priorité au volume plutôt qu’à la qualité : les données de Hunter montrent que les campagnes ciblant 21 à 50 destinataires affichent en moyenne 6,2 % de taux de réponse, alors que les campagnes de 501 destinataires et plus tombent à 2,4 %. Mieux vaut petit et précis que grand et approximatif.
Le modèle de liste de prospects : à quoi votre tableur devrait vraiment ressembler
J’ai passé en revue des dizaines de guides sur « comment créer une liste de prospects », et voici ce qui m’agace : ils disent tous « ajoutez des coordonnées, des firmographics et un score de lead » — mais aucun ne montre concrètement l’aspect du tableur. Voici donc l’élément que tout le monde oublie.
Colonnes de départ recommandées
Votre tableur de liste de prospects devrait contenir ces colonnes dès le premier jour :
| Colonne | Ce qu’on y met | Bonne donnée | Mauvaise donnée |
|---|---|---|---|
| Nom complet | Vrai nom de la personne | "Jordan Lee" | "Équipe commerciale" |
| Intitulé du poste | Rôle précis actuel | "VP Sales" | "Staff" |
| Entreprise | Nom légal ou commercial | "Acme Logistics" | "Acme ?" |
| Secteur | Catégorie standardisée | "B2B SaaS" | "Tech un peu" |
| Taille de l’entreprise | Tranche d’effectif | "51-200" | Vide |
| E-mail professionnel direct | "jordan@acme.com", vérifié | "info@acme.com" | |
| Téléphone | Numéro direct ou principal, bien formaté | Format E.164 | Formats locaux mélangés |
| URL LinkedIn | Profil ou page entreprise | URL complète | URL de résultat de recherche |
| Source du lead | Origine de l’enregistrement | "Page catégorie G2, mai 2026" | "Internet" |
| Signal d’intention | Pourquoi maintenant | "Recrute 3 SDR", "nouveau financement" | Vide |
| Score du lead | Priorisation chiffrée | 70/100 avec règles | À l’instinct |
| Dernier contact | Date de relance | "2026-05-26" | "Récemment" |
| Notes | Contexte pertinent | "Utilise Shopify Plus" | Long collage non structuré |
Exemple de liste de prospects (anonymisée)
Voici à quoi ressemble réellement une liste remplie — 10 lignes couvrant différents profils :
| Nom complet | Intitulé du poste | Entreprise | Secteur | Taille | Source | Signal d’intention | Score | |
|---|---|---|---|---|---|---|---|---|
| Alex M. | VP Sales | Fournisseur SaaS mid-market | SaaS | 201-500 | direct vérifié | Catégorie G2 | Recrute des AE | 78 |
| Priya S. | Head of Ops | Marque DTC de prêt-à-porter | Ecommerce | 51-200 | direct vérifié | Vitrine Shopify | Développe la logistique | 72 |
| Marcus T. | Founder | Agence locale | Services professionnels | 11-50 | direct vérifié | Clutch | Nouveaux avis | 66 |
| Elena R. | Revenue Ops Manager | Startup cybersécurité | SaaS | 51-200 | catch-all signalé | Speakers de conférence | Série A | 61 |
| Ben C. | Owner | Installateur CVC | Services locaux | 11-50 | e-mail du bureau principal | Google Business | Fort volume d’avis | 48 |
| Mina K. | Director of Partnerships | Entreprise marketplace | Ecommerce | 201-500 | direct vérifié | Programme d’événement | Sponsorise un événement | 74 |
| Diego P. | Real Estate Broker | Courtier régional | Immobilier | 11-50 | direct vérifié | Annuaire d’association | Nouvelle page bureau | 58 |
| Sarah N. | Customer Support Lead | Entreprise de logiciel B2B | SaaS | 51-200 | adresse générique supprimée | Capterra | Avis support faibles | 44 |
| Omar A. | IT Manager | Société industrielle | Manufacturing | 501-1000 | direct vérifié | Page équipe de l’entreprise | Mention d’une migration ERP | 69 |
| Lena W. | Growth Marketing Lead | Startup fintech | SaaS | 51-200 | direct vérifié | Product Hunt | Nouveau lancement | 71 |
Ce que signifie chaque colonne, et à quoi ressemble une « bonne » donnée
Quelques colonnes méritent une explication supplémentaire :
- Intitulé du poste : « VP of Sales » vous indique que cette personne dispose d’un budget ou d’un pouvoir décisionnel. « Staff » ne vous apprend rien. Visez toujours des intitulés précis qui reflètent une capacité d’influence ou de décision.
- E-mail : un e-mail professionnel nominatif (jordan@acme.com) vaut de l’or. Une adresse générique (sales@acme.com) est presque inutile pour une prospection à froid — elle aboutit dans une boîte partagée que personne ne surveille vraiment.
- Source du lead : c’est la colonne que la plupart des gens ignorent, alors qu’elle est la plus importante à long terme. Suivre l’origine de chaque lead vous permet de savoir quels canaux génèrent des réponses, pas seulement des lignes. « Page catégorie G2, mai 2026 » est utile. « Internet » ne l’est pas.
- Signal d’intention : c’est la colonne du « pourquoi maintenant ». Une entreprise qui vient de lever une Série A, qui a publié trois offres pour des SDR ou qui a lancé un nouveau produit est un lead bien plus chaud qu’une entreprise silencieuse. Si vous ne trouvez aucun signal d’intention, il y a de fortes chances que le lead ne mérite pas d’être priorisé.
Comment l’IA de Thunderbit pour suggérer les champs construit votre modèle à votre place
L’une des choses dont je suis le plus fier dans Thunderbit : vous n’avez pas à deviner quelles colonnes créer. Lorsque vous ouvrez Thunderbit sur une page riche en prospects — un annuaire, une page équipe d’entreprise, une liste d’intervenants de conférence — puis cliquez sur « AI Suggest Fields », l’IA lit la page et génère automatiquement les bons noms de colonnes et les bons types de données. Si la page contient des noms, des e-mails, des postes et des informations sur l’entreprise, Thunderbit suggère exactement ces colonnes.
C’est particulièrement utile pour les débutants qui fixent un tableur vide en se demandant : « Quels champs dois-je vraiment capturer ? » Thunderbit répond à cette question à partir des données réellement présentes sur la page source. Ensuite, vous cliquez sur « Scrape », puis vous exportez directement vers Google Sheets, Excel, Airtable ou Notion.
Essayez Thunderbit pour suggérer automatiquement les champs
Comment définir votre ICP avant de construire une liste de prospects
L’erreur la plus fréquente que je vois — et que j’ai moi-même commise — consiste à construire une liste avant de définir qui doit y figurer. On se retrouve avec un tableur plein de noms, mais sans aucune idée claire de ce qui les relie à votre offre.
Votre ICP décrit l’entreprise et la personne les plus susceptibles d’acheter chez vous, d’obtenir de la valeur grâce à votre produit et de rester dans la durée. Ce n’est pas un exercice de persona ; c’est un filtre de ciblage.
Composants de l’ICP
| Élément ICP | Question à se poser | Exemple |
|---|---|---|
| Secteur | Quelles catégories rencontrent ce problème ? | B2B SaaS, ecommerce, services professionnels |
| Taille de l’entreprise | Quelles tranches peuvent acheter maintenant ? | 51 à 500 employés |
| Zone géographique | Où peut-on vendre et assurer le support efficacement ? | États-Unis, Canada, Royaume-Uni |
| Niveau de revenus | Quelle fourchette de revenus correspond ? | 5 M$ à 100 M$ ARR |
| Titres acheteurs | Qui porte la douleur / le budget ? | VP Sales, RevOps, Head of Ops |
| Déclencheur | Qu’est-ce qui rend le timing urgent ? | Recrutement, financement, migration, mauvais avis |
| Problème | Quel problème ressentent-ils ? | Création manuelle de listes, données obsolètes, enrichissement lent |
| Critère d’exclusion | Qui faut-il exclure ? | Étudiants, entreprises loisirs, concurrents |
Exercice pratique : regardez vos 5 à 10 meilleurs clients existants. Qu’ont-ils en commun ? Le secteur ? La taille ? Le titre de la personne qui a signé le contrat ? Notez 3 à 5 traits partagés. C’est votre brouillon d’ICP.
Firmographics vs demographics : qu’est-ce qui compte le plus ?
Les firmographics correspondent aux données de l’entreprise : secteur, taille, chiffre d’affaires, localisation. Les demographics, dans le contexte B2B, désignent les données liées à la personne : poste, seniorité, fonction, département. Pour une liste de prospects B2B, les firmographics permettent de filtrer l’entreprise et les demographics de cibler la personne. Il faut les deux. Une excellente entreprise avec le mauvais contact est une ligne perdue. Un excellent contact dans la mauvaise entreprise est tout aussi inutile.
Autre point important : les données de prospection 2025 de Sopro, basées sur 119,57 millions de points de contact, montrent qu’une unité de décision moyenne compte environ 4,14 parties prenantes. Une bonne liste de prospects contient donc souvent plus d’un contact par compte cible — mais pas au point de donner une impression de spam.
Au-delà de LinkedIn : où trouver des prospects sur les sites web, annuaires et réseaux sociaux
Un manque dans le contenu m’a surpris en préparant ce sujet : 5 des 6 articles les mieux classés sur « comment créer une liste de prospects » orientent les lecteurs vers LinkedIn Sales Navigator comme source principale. Et oui, Sales Navigator est puissant. Mais il est aussi cher (environ 120 $/mois pour Core), et les utilisateurs se plaignent souvent des limites d’export, des interfaces encombrées et des difficultés de scraping.
En 2026, les prospects sont partout — pas seulement sur LinkedIn. Les sites d’entreprise, les annuaires sectoriels, les pages d’événements, les sites d’avis et même les profils sur les réseaux sociaux sont des sources riches en données de contact, souvent plus fraîches et plus précises que celles d’une base de données payante.
Comparatif des sources de prospects
| Source de prospects | Idéal pour | Méthode | Coût |
|---|---|---|---|
| Sites d’entreprise / pages À propos | B2B de niche, services locaux, agences | Visiter les pages équipe/contact, extraire noms/e-mails/téléphones | Gratuit |
| Annuaires sectoriels (Clutch, G2, Yelp) | Prospects orientés services, écosystèmes verticaux | Filtrer par catégorie/localisation, scraper les listings | Gratuit à faible coût |
| Listes de participants/intervenants d’événements | Prospects B2B à forte intention | Programmes de conférence, pages sponsors, inscrits aux webinaires | Gratuit à accès payant selon l’événement |
| Sites d’avis (G2, Capterra, Google Business) | SaaS et entreprises locales | Parcourir les catégories, extraire les contacts d’entreprise | Gratuit |
| Réseaux sociaux (Instagram, X) | B2C, personal brands, entreprises locales | Bios publiques, pages entreprises | Gratuit |
| Opérateurs Google site: | Découverte de longue traîne, pages de contact ciblées | Requêtes de recherche avancée | Gratuit |
| LinkedIn (basique) | Recherche professionnelle | Recherche manuelle, profils publics | Gratuit |
| LinkedIn Sales Navigator | Équipes outbound matures | Filtres avancés, leads enregistrés, TeamLink | 99 $+/mois |
Annuaires utiles par vertical
| Verticale | Sources intéressantes à scraper |
|---|---|
| SaaS | G2, Capterra, Product Hunt, SaaSworthy, AWS Marketplace, catégories du Chrome Web Store |
| Ecommerce | boutiques/showcases Shopify, listes BuiltWith, annuaires partenaires Klaviyo |
| Immobilier | annuaires d’agents, pages bureaux de courtiers, pages publiques MLS locales, annuaires de chambres de commerce |
| Services professionnels | Clutch, DesignRush, UpCity, GoodFirms, annuaires locaux d’avocats/comptables |
| Commerce local | résultats Google Business, Yelp, Pages Jaunes, BBB, pages de chambres de commerce locales |
| Événements | pages sponsors/exposants, listes d’intervenants, pages d’agenda, landing pages de webinaires |
Opérateurs de recherche avancée Google pour trouver des prospects
Ils sont gratuits et étonnamment puissants. Quelques exemples :
site:clutch.co/agencies "B2B SaaS" "United States"— trouve des fiches d’agences sur Clutch filtrées par catégorie et localisationsite:company.com ("email" OR "contact") "VP Sales"— trouve des pages de contact sur un site d’entreprise mentionnant un VP Salesintitle:"sponsors" "SaaS" "2026" "conference"— trouve des pages sponsors de conférences SaaS pour 2026site:g2.com/categories "sales engagement" "mid-market"— trouve des pages de catégorie G2 pour des outils de sales engagement mid-market
La page d’aide de Google Search documente les guillemets de correspondance exacte et les opérateurs comme site:, ce qui vous permet de vérifier la syntaxe.
Comment extraire des contacts depuis n’importe quel site avec un AI Web Scraper
C’est là que Thunderbit s’intègre naturellement dans le workflow. Pour chacune des sources ci-dessus — un annuaire Clutch, une page équipe d’entreprise, une liste d’intervenants de conférence — le processus est le même :
- Ouvrez la page dans Chrome avec l’extension Thunderbit installée.
- Cliquez sur « AI Suggest Fields ». L’IA de Thunderbit lit la page et propose des colonnes comme Nom, E-mail, Téléphone, Poste, Entreprise.
- Vérifiez les champs proposés, puis ajoutez ou supprimez ceux dont vous avez besoin.
- Cliquez sur « Scrape ».
- Exportez vers Google Sheets, Excel, Airtable ou Notion.
L’avantage clé, c’est que Thunderbit fonctionne sur des sites irréguliers et non standardisés, là où aucun modèle de scraper prêt à l’emploi ne couvrirait la mise en page. L’IA relit chaque page en direct et s’adapte à la structure rencontrée. Les extracteurs gratuits d’e-mail et de numéros de téléphone de Thunderbit permettent une extraction en un clic depuis n’importe quelle page — sans limite sur l’offre gratuite.
Utiliser le scraping de sous-pages pour enrichir votre liste de prospects
Un workflow que j’utilise souvent : commencer par scraper une page d’annuaire (par exemple une liste d’entreprises sur Clutch), puis utiliser le Subpage Scraping de Thunderbit pour visiter la page individuelle de chaque entreprise et récupérer des données supplémentaires — e-mails, téléphones, effectifs, stack technologique, descriptions.
On transforme ainsi une simple liste d’annuaire en liste de prospects enrichie et exploitable, sans aucun clic manuel. Vous passez de « voici 50 noms d’entreprises » à « voici 50 entreprises avec e-mails de contact, taille d’équipe et descriptions » en une seule passe automatisée. Si vous voulez en savoir plus sur le web scraping sans coder, nous avons couvert le sujet en détail.
Comment construire une liste de prospects étape par étape (workflow 2026)
Voici le workflow complet, pensé pour un commercial ou un profil ops non technique qui veut créer une vraie liste de prospects aujourd’hui.
Étape 1 : définissez clairement votre ICP
Avant d’ouvrir le moindre outil, notez vos critères ICP (reportez-vous à la section ICP ci-dessus) : secteur, taille d’entreprise, zone géographique, titres acheteurs, déclencheurs et critères d’exclusion. Cela prend 15 à 30 minutes et vous évite des heures de scraping inutiles.
Étape 2 : choisissez vos sources de prospects
En fonction de votre ICP et de votre budget, sélectionnez 2 à 3 sources parmi le tableau comparatif. Ma recommandation : commencez par les sources gratuites. Si vous ciblez des entreprises SaaS, testez les pages de catégories G2 et les pages équipe d’entreprise. Si vous ciblez des entreprises locales, démarrez avec Google Business et Yelp. N’ajoutez des sources payantes comme Sales Navigator que lorsque vous avez épuisé le gratuit.
Étape 3 : extrayez les leads avec du scraping IA ou une recherche manuelle
Pour chaque source, voici la méthode d’extraction :
- Sites web et annuaires : utilisez l’AI web scraper de Thunderbit. Ouvrez la page, cliquez sur « AI Suggest Fields », vérifiez les colonnes, cliquez sur « Scrape ». Pour les sites populaires, Thunderbit propose des modèles de scraper instantanés qui configurent automatiquement les champs.
- LinkedIn : utilisez la recherche Sales Navigator et l’export, ou Thunderbit pour scraper des profils LinkedIn publics.
- Google : lancez des opérateurs de recherche avancée, puis scrapez les pages de résultats ou visitez les pages individuelles.
Formats d’export : Google Sheets, Excel, Airtable, Notion, CSV, JSON.
Étape 4 : vérifiez et nettoyez vos données
Cette étape n’est pas optionnelle. Je détaillerai le workflow complet de vérification plus bas, mais en résumé : supprimez les e-mails génériques, dédupliquez, passez par un outil de vérification, signalez les domaines catch-all, puis revérifiez avant chaque campagne.
Étape 5 : scorez et priorisez vos leads
Appliquez un modèle de scoring simple (détaillé plus bas) avant de commencer la prospection. Vous contactez ainsi d’abord les leads les plus intéressants, et non simplement ceux qui apparaissent en tête du tableur.
Étape 6 : exportez vers votre CRM ou votre outil de prospection
Transférez la liste nettoyée et scorée vers votre CRM (HubSpot, Salesforce, Pipedrive) ou votre plateforme de prospection (lemlist, Mailshake, Apollo). Thunderbit exporte directement vers Sheets, Airtable et Notion, qui peuvent ensuite se synchroniser avec des CRM via des intégrations natives ou Zapier.
Étape 7 : lancez la prospection et suivez les résultats
Personnalisez vos messages en fonction des données collectées. Mentionnez le secteur du prospect, faites référence à son signal d’intention (« J’ai vu que vous recrutiez des SDR ») et adaptez votre proposition de valeur à son problème. Suivez les taux de réponse, les rebonds et les conversions — puis réinjectez ces données dans votre ICP et votre modèle de scoring pour la prochaine vague.
Priorité au budget : comment créer une liste de prospects de 0 € à l’entreprise
Le principal problème que j’entends chez les fondateurs en phase initiale et les petites équipes commerciales : « Comment construire une liste de prospects sans payer des outils coûteux ? » C’est une question légitime. Les contrats ZoomInfo démarrent à cinq chiffres par an. Sales Navigator coûte 99 $/mois et plus. Apollo et Lusha proposent des offres gratuites, mais réservent le meilleur aux formules payantes.
La vérité, c’est qu’on peut aller étonnamment loin gratuitement. Mais passer à l’échelle demande un certain investissement. Voici comment raisonner par niveau.
| Niveau | Coût | Méthodes | Outils |
|---|---|---|---|
| Gratuit (0 €) | 0 € | Opérateurs Google, LinkedIn manuel, sites d’entreprise, offre gratuite Thunderbit (6 pages + extracteurs e-mail/téléphone gratuits) | Thunderbit Free, Google, LinkedIn basic |
| Faible coût (<50 €/mois) | 0 à 50 € | Scraping IA à l’échelle, enrichissement de base, vérification d’e-mails | Thunderbit Starter/Pro, Hunter Starter (34 $/mois), Bouncer/NeverBounce en paiement à l’usage |
| Milieu de gamme (50 à 200 €/mois) | 50 à 200 € | Sales Navigator, filtres plus riches, intégration CRM | Sales Navigator Core (119,99 $/mois, 89,99 $ facturés annuellement), Apollo payant, Lusha |
| Entreprise (200 €+/mois) | 200 €+ | Données d’intention, suites d’enrichissement, workflows de conformité | ZoomInfo (sur devis), Cognism (sur devis), Clearbit |
Tarifs relevés en mai 2026 — vérifiez les prix actuels avant d’acheter.
Ce que vous pouvez faire gratuitement, et où vous atteindrez les limites
Avec l’offre gratuite de Thunderbit (6 pages de scraping IA par mois), les extracteurs gratuits d’e-mail et de numéro de téléphone (illimités, en un clic), les opérateurs de recherche Google et une recherche LinkedIn basique, un fondateur solo peut raisonnablement construire une liste de 50 à 100 leads en un après-midi. J’ai vu des membres de notre équipe le faire.
Les limites arrivent sur le volume (nombre de pages par mois sur l’offre gratuite), la profondeur d’enrichissement (pas de données d’intention ni de stack technologique sans outils payants) et la vérification d’e-mails à grande échelle (les outils gratuits limitent les volumes). Quand ces limites deviennent gênantes, il devient pertinent de passer au niveau faible coût — les offres payantes de Thunderbit débloquent le scraping de sous-pages, le scraping en masse, la pagination et les scrapers programmés.
Le correctif du taux de rebond : un workflow de vérification des données qui fonctionne vraiment
J’ai vu des messages sur des forums d’utilisateurs signalant presque 70 % de taux de rebond avec des listes achetées. Ce n’est pas seulement du temps perdu — c’est activement dangereux. Des taux de rebond élevés abîment votre réputation d’expéditeur, ce qui fait finir même vos bons e-mails dans les spams.
Les benchmarks de lemlist indiquent qu’un taux de rebond sain est inférieur à 2 %, et qu’en dessous de 1 %, c’est excellent. L’enquête 2025 de Mailshake montre que près de la moitié des expéditeurs déclarent des taux de rebond entre 2 et 5 %, tandis que 15 % dépassent 6 %. Si vous êtes au-dessus de 5 %, votre réputation d’expéditeur est en danger.
Le workflow de vérification que je recommande :
- Supprimez les e-mails génériques : effacez toutes les adresses info@, sales@, support@, admin@, sauf si vous ciblez volontairement des boîtes partagées (rare en prospection à froid).
- Corrigez les erreurs de format : doublons, fautes de frappe, domaines manquants, domaines inactifs. Un tri et des filtres rapides dans le tableur suffisent à repérer la plupart de ces problèmes.
- Passez par un outil de vérification d’e-mails : Hunter, ZeroBounce, NeverBounce, Bouncer ou Kickbox. Ces outils interrogent le serveur mail pour vérifier si la boîte existe, sans envoyer d’e-mail.
- Signalez ou retirez les domaines catch-all : ZeroBounce indique que les adresses catch-all font partie des catégories les plus risquées — elles acceptent les mails au niveau du serveur sans prouver qu’une boîte spécifique existe. Si vous ne pouvez pas vérifier la boîte individuelle, signalez l’enregistrement et traitez-le comme moins fiable.
- Revérifiez avant chaque campagne : les données se dégradent vite. Si votre liste a plus de 30 à 90 jours, relancez la vérification avant l’envoi.
- Commencez par de petits volumes : surveillez les taux de rebond et de plainte sur les 50 à 100 premiers envois. N’augmentez l’échelle que si la qualité reste au rendez-vous.
Pourquoi votre source de leads influence la qualité des données
Toutes les données de prospects ne se valent pas. Un e-mail récupéré depuis la page publique équipe d’une entreprise — où la personne a volontairement affiché ses coordonnées — est généralement plus frais et plus exact qu’un e-mail extrait d’une base agrégée qui n’a pas été mise à jour depuis des mois.
C’est l’une des raisons pour lesquelles je crois davantage au scraping de pages publiques en direct qu’à la dépendance exclusive à des bases statiques. Comme l’IA de Thunderbit lit le site réel à chaque fois (et non une base obsolète), les e-mails et numéros de téléphone extraits ont tendance à être à jour. L’Extracteur de numéros de téléphone reformate aussi les numéros au standard E.164, ce qui réduit les erreurs de format lors de l’import dans les CRM.
Scraper des sources fraîches ne remplace pas la vérification — mais cela signifie que vous partez sur une base plus propre.
Checklist avant campagne
Avant d’appuyer sur « envoyer » pour une campagne :
- Tous les e-mails ont été vérifiés dans les 30 derniers jours
- Aucune adresse générique (info@, sales@) dans la liste d’envoi
- Aucun doublon
- Taux de rebond de la campagne précédente analysé
- Mécanisme de désinscription en place
- Liste de suppression synchronisée (tous les opt-outs précédents sont respectés)
Construire puis scorer : un modèle de scoring simple pour petites équipes
Tous les guides disent « priorisez vos leads » — puis passent à autre chose sans expliquer comment.
Si vous êtes fondateur solo ou équipe commerciale de trois personnes, vous n’avez pas besoin de Salesforce Einstein ni d’un moteur de scoring prédictif. Vous avez besoin d’une colonne de tableur avec une formule transparente.
Cadre de scoring
| Signal | Points | Exemple |
|---|---|---|
| Correspond au secteur ICP | +20 | SaaS, mid-market |
| Taille d’entreprise compatible | +10 | 51 à 500 employés |
| Intitulé de décideur | +15 | VP Sales, Head of Ops |
| Signal d’intention clair | +15 | Recrutement, financement, migration d’outil |
| E-mail vérifié | +10 | Vérification réussie |
| Qualité de la source directe | +10 | Page entreprise, page intervenant d’événement |
| A interagi avec votre contenu | +10 | A téléchargé un guide, a assisté à un webinaire |
| Catch-all / e-mail non vérifié | -10 | Statut de vérification risqué |
| E-mail générique | -10 | info@, sales@ |
| Intitulé générique (rôle flou) | -5 | "Staff" |
Exemple concret
Lead A : VP Sales dans une entreprise SaaS de 120 personnes, qui recrute des SDR, e-mail vérifié, source : page carrière / équipe de l’entreprise.
Score : 20 (secteur) + 10 (taille) + 15 (poste) + 15 (intention) + 10 (vérifié) + 10 (source) = 80 → À prioriser pour la prospection cette semaine.
Lead B : « Staff » dans une entreprise loisir de 5 personnes, e-mail générique, aucun signal d’intention.
Score : 0 + 0 + 0 + 0 + 0 - 10 (générique) - 5 (intitulé flou) = -15 → À ignorer ou supprimer.
Vous pouvez mettre cela dans une formule simple dans Google Sheets. Par exemple :
=IF(D2="SaaS",20,0)+IF(AND(E2>=51,E2<=500),10,0)+IF(REGEXMATCH(B2,"VP|Head|Director|Founder"),15,0)+IF(J2<>"",15,0)+IF(K2="Verified",10,IF(K2="Catch-all",-10,0))
Pas besoin de Salesforce.
Comment utiliser l’IA pour étiqueter et scorer les leads pendant le scraping
L’une des fonctionnalités que mon équipe a intégrées dans Thunderbit et que je trouve réellement utile pour le scoring : les Field AI Prompts. Quand vous configurez votre scraping, vous pouvez ajouter une consigne à n’importe quelle colonne — par exemple : « Classe la seniorité de ce lead en Décideur, Influenceur ou Contributeur individuel en fonction du titre du poste et du contexte de la page. »
Thunderbit étiquette les données pendant l’extraction, pas après. Ainsi, lorsque vous exportez vers Sheets, la classification de seniorité, le type d’entreprise ou le tag secteur sont déjà présents — prêts à être intégrés dans votre formule de scoring. Cela élimine l’étape de tagging manuel qui fait souvent du scoring une corvée.
Vous pouvez aussi utiliser le Subpage Scraping pour enrichir les données de la liste d’origine : scrapez d’abord un annuaire, puis visitez chaque page d’entreprise pour récupérer le nombre d’employés, le niveau de financement ou la stack technique — autant d’éléments qui alimentent votre modèle de scoring.
Quand revoir et mettre à jour vos scores
Les scores de leads ne sont pas figés. Réévaluez-les chaque mois, ou après chaque campagne importante. Si un lead répond positivement, son score change (il devient une conversation active, et non plus un lead froid). Si un e-mail rebondit, ajustez en conséquence. Si une entreprise qui recrutait il y a six mois a licencié depuis, le signal d’intention a changé.
Comment garder votre liste de prospects à jour (automatisation et maintenance)
Une liste de prospects n’est pas un projet ponctuel.
J’ai déjà mentionné que 23 % des listes d’e-mails se dégradent chaque année. Les contacts changent de poste, les entreprises pivotent, les e-mails vieillissent. Si vous construisez une excellente liste en mai et que vous n’y touchez plus jusqu’en octobre, une part importante est déjà morte.
Rythme de maintenance
| Tâche | Fréquence | Pourquoi |
|---|---|---|
| Vérifier les e-mails | Avant chaque campagne (ou au moins mensuellement) | Éviter les rebonds forts |
| Dédupliquer les contacts | Chaque semaine pendant la prospection active | Éviter les relances en double |
| Actualiser les signaux d’intention | Mensuellement | Les recrutements, financements et avis évoluent vite |
| Mettre à jour les firmographics | Tous les trimestres ou tous les semestres | La taille, le chiffre d’affaires et la stack changent |
| Synchroniser la liste de suppression | Quotidiennement ou en temps réel | Respecter les opt-outs et réduire les plaintes |
| Revoir la performance des sources | Mensuellement | Identifier les canaux qui génèrent des réponses, pas seulement des lignes |
Mettre en place un scraping programmé pour générer des leads en continu
C’est là qu’intervient le Scheduled Scraper de Thunderbit. Au lieu de revisiter manuellement les annuaires chaque mois, vous pouvez configurer un scraping récurrent. La configuration est simple : décrivez l’intervalle en langage naturel (par exemple « tous les lundis à 8h »), saisissez les URL des sites et cliquez sur « Schedule ». L’IA de Thunderbit transforme vos mots en planning et exécute le scraping automatiquement, en exportant les résultats frais vers votre Google Sheet ou base Airtable connectée.
Cas d’usage qui fonctionnent bien :
- Une équipe commerciale rescrape mensuellement une page de catégorie Clutch pour repérer les nouvelles agences sur le marché.
- Une équipe ops ecommerce surveille chaque semaine un annuaire concurrent pour détecter de nouvelles références produits.
- Un fondateur SaaS rafraîchit une page de catégorie G2 avant chaque vague mensuelle d’outbound pour trouver les entreprises récemment référencées.
Le mode cloud de Thunderbit peut scraper jusqu’à 50 pages en même temps, ce qui permet de remettre à jour rapidement même de grands annuaires. Pour aller plus loin, consultez notre guide sur la génération de leads avec l’IA.
Petit rappel sur la conformité et la confidentialité des données
Je vais rester bref ici, car ce n’est pas le cœur du guide, mais c’est essentiel.
- CAN-SPAM (États-Unis) : s’applique à tous les e-mails commerciaux, y compris en B2B. La FTC indique que chaque e-mail en infraction peut entraîner des sanctions allant jusqu’à $53,088. Exigences : en-têtes exacts, objet non trompeur, adresse postale valide, désinscription claire, et respect des opt-outs sous 10 jours ouvrables.
- GDPR (UE/Royaume-Uni) : les e-mails professionnels nominatifs peuvent constituer des données personnelles. L’ICO indique que le marketing B2B ne doit pas masquer l’identité, doit offrir un opt-out valide et respecter les objections.
- CCPA/CPRA (Californie) : met l’accent sur l’information, la limitation des finalités, la minimisation des données et les droits des consommateurs. La FAQ de la California Privacy Protection Agency contient les dernières informations.
- Règles d’envoi Google et Yahoo : Google exige que les expéditeurs massifs maintiennent un taux de spam inférieur à 0,30 %, s’authentifient avec SPF/DKIM/DMARC et proposent une désinscription en un clic. Yahoo applique des règles similaires.
En clair : ne scrapez que des données accessibles publiquement, évitez les zones protégées par connexion sans autorisation, incluez toujours un mécanisme de désinscription, maintenez des listes de suppression et vérifiez les exigences légales locales. Thunderbit scrape des pages publiques ; les utilisateurs sont responsables de l’usage qu’ils font des données.
Conclusion et points clés à retenir
Le workflow 2026 pour construire une liste de prospects ne consiste pas à trouver plus de noms — il s’agit de bâtir un dataset plus petit, plus frais, vérifié et conscient de sa source, qui obtient réellement des réponses.
Voici le workflow complet en résumé :
- Définissez votre ICP avant d’ouvrir le moindre outil.
- Choisissez 2 à 3 sources de leads — commencez par le gratuit (annuaires, pages d’entreprise, opérateurs Google) avant de payer pour des bases de données.
- Extrayez les leads avec du scraping IA — le processus en 2 clics de Thunderbit fonctionne sur pratiquement n’importe quelle page publique.
- Créez un vrai modèle avec suivi de la source, signaux d’intention et colonnes de scoring.
- Vérifiez et nettoyez — retirez les e-mails génériques, dédupliquez, vérifiez, signalez les catch-all.
- Scorez et priorisez — utilisez un modèle de tableur transparent, pas l’intuition.
- Exportez vers le CRM / l’outil de prospection — personnalisez en fonction des données collectées.
- Suivez les résultats — rebonds, réponses, conversions, par source de lead.
- Rafraîchissez en continu — revérifiez avant les campagnes, rescrapez régulièrement les sources à forte valeur.
Les données le confirment : les segments plus serrés surpassent les envois larges d’un facteur proche de 3 sur les taux de réponse. Une liste vérifiée de 200 leads battra presque toujours une base obsolète de 5 000 contacts.
Prêt à créer votre première liste ? L’offre gratuite de Thunderbit vous donne 6 pages de scraping IA par mois, une extraction gratuite illimitée des e-mails et téléphones, et l’export vers Google Sheets ou Excel. De quoi construire vos 50 à 100 premiers leads dès cet après-midi.
Essayez l’AI Web Scraper pour vos listes de prospects Get Started Free
FAQ
Combien de leads devrait contenir ma première liste ?
Commencez avec 50 à 100 leads bien ciblés et vérifiés plutôt qu’avec des milliers de contacts non qualifiés. Les données de Hunter montrent que les campagnes avec des listes plus petites et plus resserrées (21 à 50 destinataires) obtiennent en moyenne 6,2 % de taux de réponse — presque trois fois plus que les campagnes avec 501 destinataires et plus. La qualité se cumule ; le volume dilue.
Dois-je acheter une liste de prospects ou la construire moi-même ?
La construire vous-même est presque toujours préférable. Les listes achetées comportent davantage de risques : données obsolètes, pièges à spam, origine opaque et exposition réglementaire. Les listes créées en interne via le scraping IA et la recherche manuelle fournissent des données plus fraîches et plus pertinentes, car elles proviennent de pages publiques en direct où les contacts sont à jour. Si vous achetez malgré tout, exigez de la transparence sur la date de collecte, la date de vérification, la base de consentement et le processus de mise à jour.
Quelle est la meilleure méthode gratuite pour créer une liste de prospects ?
Combinez les opérateurs de recherche avancée Google (site:, intitle:, requêtes exact-match) avec l’offre gratuite de Thunderbit — 6 pages de scraping IA par mois plus une extraction gratuite illimitée des e-mails et téléphones — et une recherche LinkedIn basique. Cette combinaison couvre les pages d’entreprise, annuaires, listes d’événements et profils professionnels sans dépenser un centime.
À quelle fréquence dois-je mettre à jour ma liste de prospects ?
Revérifiez les e-mails avant chaque campagne, surtout si la liste a plus de 30 jours. Faites une remise à plat complète — rescrape des sources, mise à jour des firmographics, suppression des leads inactifs — au moins tous les trimestres. ZeroBounce indique qu’au moins 23 % d’une liste d’e-mails se dégrade en un an, donc le principe du « je le configure et j’oublie » mène tout droit à des taux de rebond plus élevés.
Quel est un bon taux de réponse pour une prospection à froid à partir d’une liste de prospects ?
D’après les benchmarks 2025-2026 : un taux de réponse positive de 3 à 5 % est bon, 5 à 8 % est solide, et 8 % et plus est excellent. Le facteur numéro un, c’est la qualité de la liste — ciblage, vérification et personnalisation. Une liste bien construite, avec des e-mails vérifiés, des signaux d’intention clairs et un message personnalisé, surperformera systématiquement une liste plus grande composée de contacts génériques et de textes standardisés.
En savoir plus
