Romain Mention, consultant indépendant en automatisation B2B, raconte comment il a construit l’an dernier un fichier de prospection nationale pour un client, à partir du registre officiel des entreprises. Son point de départ était de trouver de la donnée, mais le travail a surtout consisté à décider laquelle retirer, dans quel ordre et à quel prix. Il publie ses mesures et ses retours d’expérience sur Mention digital.
Un code d’activité dit ce qu’une entreprise a déclaré, pas ce qu’elle fait
La méthode habituelle consiste à choisir des codes d’activité, à exporter la liste correspondante, puis à prospecter. Sur le papier, le raisonnement tient, mais il se heurte au premier appel. Un code d’activité est une déclaration administrative, posée au moment de l’immatriculation, et il est presque jamais corrigé ensuite. Pendant ce temps, l’entreprise change de métier, en ajoute un ou en abandonne un autre, alors que le code reste le même.
Le registre a pourtant deux qualités : il est exhaustif et il est public. C’est aussi son principal problème, car on y trouve des entreprises qui travaillent, mais aussi celles qui ont cessé leur activité, des structures créées pour un projet depuis abandonné et des sociétés sans aucune activité opérationnelle. Pour distinguer ces cas, Romain Mention s’appuie sur des signaux d’activité, c’est-à-dire des traces observables, produites par l’entreprise elle-même et vérifiables aujourd’hui. Il retient notamment la croissance des effectifs, les postes ouverts et les implantations récentes.
La différence est aussi économique. Un code se lit dans un fichier déjà téléchargé et ne coûte rien. Un signal se vérifie, et cette vérification demande du temps machine, de la bande passante et expose à un risque de blocage.
L’ordre des filtres est une décision de budget
Le débit d’enrichissement s’est stabilisé à 20 000 lignes en 24 heures. Passer l’intégralité du registre à l’enrichissement aurait donc demandé des mois. Le traitement a été organisé en deux familles de filtres.
Les premiers ne coûtent rien : ils n’utilisent que des colonnes déjà présentes dans le registre, sans requête vers l’extérieur, et retirent l’essentiel du volume. Les seconds sont coûteux, car ils exigent d’aller chercher l’information ailleurs : l’existence et la réponse du site, la présence d’un nom de dirigeant, la récupération d’un numéro direct ou d’une adresse nominative. La règle retenue tient en une phrase : le filtre le plus cher passe en dernier, sur la base la plus petite. Enrichir avant de trier revient à payer pour des lignes qu’on jettera ensuite.
Romain Mention conseille aussi de conserver la raison de chaque exclusion. Une ligne retirée sans motif enregistré ne peut plus être récupérée si le client modifie un critère en cours de projet, ce qui, selon lui, arrive souvent.
Le vrai goulot est la collecte
Sur 48 heures de collecte, 362 refus de pare-feu applicatif ont été enregistrés. Les sites qui publient une adresse se protègent, et insister au-delà d’une passe peut faire perdre définitivement l’accès au domaine. Le rythme soutenable mesuré sur ce projet est de 2 300 requêtes par jour sur une même adresse IP. Au-delà, les sources se ferment sans alerte, et tout ce qui est lancé ensuite ne produit plus rien.
Trois conséquences en découlent. La capacité de collecte se budgète par jour et par adresse, comme un abonnement à une base de données. Respecter les règles techniques d’un site garde l’accès ouvert, et une passe unique et espacée coûte moins cher qu’un domaine perdu. Enfin, il faut suivre les échecs : un pipeline qui ne compte que ses succès livre un fichier d’apparence complète, avec des trous là où les serveurs n’ont pas répondu.
Sur les 120 000 contacts livrés, on compte 77 % de téléphones directs, 75 % de noms de dirigeants identifiés et 33 % d’emails professionnels trouvés. Ce dernier taux constitue un plafond : une séquence exclusivement email ne touche donc qu’un tiers de la base. Le canal se choisit donc après avoir mesuré la couverture réelle du fichier, et non avant. Dans ce cas, l’email sert de complément et non de porte d’entrée unique. Comme le résume l’auteur, « ce n’est pas moi qui ai choisi le dispositif. C’est le fichier ». Il ajoute qu’il mesurerait désormais la couverture sur un échantillon avant la collecte complète, et qu’il écrirait les règles d’exclusion avec le client dès le départ.
Product offers are temporarily unavailable.
