Il y a des bugs qui se voient tout de suite : un email qui ne part pas, une erreur 500. Et il y a ceux qui se cachent dans le texte lui-même, invisibles tant que personne ne relit la phrase à voix haute. C'est cette deuxième catégorie qui a occupé cette session : une variable de personnalisation vide dans des campagnes Lemlist, et le correctif construit pour la remplacer, un petit sous-workflow n8n qui appelle un LLM pour écrire... trois mots de grammaire française.
Deux commerciaux, deux façons différentes de faire arriver un contact à moitié vide dans notre CRM d'outreach. Voici comment on a fini par construire deux workflows n8n pour combler ce trou, et surtout tout ce qui a cassé en chemin : un endpoint qui renvoie du CSV vide au lieu de JSON, un bug d'édition qui dupliquait silencieusement des paramètres, un rate limit qu'on a mangé deux fois, et un "poste en anglais" qui n'était en fait pas un bug du tout.
Nos commerciaux couvrent chacun plusieurs secteurs, avec pour chaque secteur une cible différente (DSI, marketing, direction générale) et un discours qui devrait varier en conséquence. Personne n'a le temps de tenir ce rythme de personnalisation en plus de la prospection : voici comment un pipeline n8n génère chaque semaine une base de posts LinkedIn prêts à retoucher, classés par secteur et par cible ; et pourquoi la vraie difficulté n'était pas de brancher un LLM sur un prompt.
Chez Dolist, l'équipe commerciale travaille ses séquences de prospection dans Lemlist. Chaque séquence génère des tâches manuelles (un appel, un message LinkedIn, une visite de profil) que Lemlist affiche très bien... dans Lemlist. Le problème, c'est que personne ne vit dans Lemlist toute la journée. Voici comment un petit workflow n8n a suffi à faire atterrir ces tâches là où l'attention se trouve déjà : Teams.
Il y a un moment où les bases de données commerciales ne suffisent plus.
Elles savent dire qu'une entreprise existe. Elles donnent parfois un secteur, une taille, un site web, un compte LinkedIn, quelques contacts.
Mais elles répondent rarement à la question la plus intéressante :
Pourquoi cette entreprise mérite-t-elle d'être contactée maintenant ?
C'est cette question qui m'a progressivement amené à travailler sur un sujet plus large : la détection de signaux d'affaires avec de l'IA, du scraping, des workflows automatisés et un peu de logique RevOps. Pas pour construire une machine magique à vendre. Pas pour remplacer les commerciaux. Mais pour mieux préparer le travail commercial, comprendre les mouvements d'une entreprise, et transformer des données publiques assez bruyantes en contexte exploitable.
Cette page est un point d'entrée. Elle relie plusieurs expérimentations techniques menées autour du scraping, de la veille concurrentielle, des signaux d'expansion et de la prospection semi-automatisée, et explique le raisonnement global derrière ces projets.