Workflow en 4 étapes pour trier une liste de prospects avec l'IA : définir tes critères de qualification, enrichir chaque prospect avec Perplexity, scorer la liste avec ChatGPT, puis prioriser. À la fin, tu as une liste scorée et un ordre d'attaque clair.
Tu as une liste de 80 prospects et aucune idée par lesquels commencer, alors tu attaques dans l'ordre du fichier et tu brûles ton énergie sur des contacts qui n'achèteront jamais.
Tu récupères une liste de 80 prospects, exportée d'un salon ou d'un annuaire. Tu sais que tous ne se valent pas, mais faute de méthode tu attaques dans l'ordre du fichier. Tu passes une heure sur un contact enthousiaste qui n'a ni budget ni pouvoir de décision, pendant qu'un prospect vraiment chaud attend trois semaines. Qualifier à la main, c'est ouvrir 80 sites, 80 profils LinkedIn, et noter mentalement qui vaut le coup. Personne ne le fait jusqu'au bout, et on finit par prospecter au feeling. Ce tuto te donne une méthode en 4 étapes pour qualifier et prioriser une liste avec l'IA en 30 minutes. À la fin, tu as une liste scorée dans un tableur et un ordre d'attaque clair, des prospects les plus chauds aux moins prioritaires.
Outil IA : ChatGPT (gratuit) pour la grille de critères et le scoring, Perplexity (gratuit) pour enrichir les prospects avec des données à jour. Outil métier : un tableur (Google Sheets ou Excel). Temps : 30 minutes pour une liste de 20 à 40 prospects. À préparer : ta liste de prospects (nom d'entreprise + secteur suffisent). Ne traite que des informations publiques sur les entreprises, pas de données personnelles sur des individus.
Tu vas travailler en 4 étapes. L'étape 1 définit avec ChatGPT une grille de qualification adaptée à ton offre, à partir de ton profil de client idéal. L'étape 2 enrichit chaque entreprise avec Perplexity (taille, actualité, signaux). L'étape 3 fait scorer la liste par ChatGPT selon ta grille. L'étape 4 trie et prépare ton ordre d'attaque dans le tableur.
Une grille de qualification vaut mieux qu'une intuition, mais elle ne remplace pas la vérif : l'IA score sur les infos publiques, elle ignore qu'un prospect t'a déjà dit non l'an dernier. Le critère qui discrimine le plus n'est presque jamais la taille de l'entreprise, c'est l'existence d'un signal récent (recrutement, levée, lancement) qui rend ton problème actuel. Scorer toute la liste d'un coup donne une fausse précision. Les scores servent à classer en trois paquets (chaud, tiède, froid), pas à départager le prospect noté 73 du prospect noté 71. Un prospect mal qualifié coûte plus cher qu'un prospect ignoré : chaque heure passée sur un froid est une heure volée à un chaud.
Résultat attendu : Tu as une grille de 5 critères maximum, chacun vérifiable sur des infos publiques, avec une échelle de points cohérente avec tes meilleurs clients.
Garde au maximum 5 critères : au-delà, tu ne scoreras jamais 40 prospects. Supprime tout critère que tu ne peux pas vérifier en 30 secondes sur un site ou un profil public.
Vérifie que tes critères collent à tes vrais clients gagnés : si tes meilleurs deals viennent tous d'entreprises qui venaient de lever des fonds, ce signal doit peser lourd dans la grille. Ajuste les points en conséquence.
Résultat attendu : Chaque prospect a, dans ton tableur, une ligne de contexte avec taille, actualité et signaux, ou la mention « rien trouvé » assumée.
Fais ce prompt entreprise par entreprise et colle chaque réponse dans une colonne de ton tableur. Quand Perplexity dit qu'il ne trouve rien, note-le : une entreprise sans aucune trace publique est souvent trop petite ou pas assez structurée pour ton offre.
Méfie-toi des homonymes : vérifie que l'actualité citée concerne bien ton prospect et pas une entreprise au nom proche. Une source mal attribuée fausse tout le scoring de l'étape suivante.
Résultat attendu : Chaque prospect a un score justifié critère par critère, et la liste est répartie en trois paquets de priorité.
Relis les calculs : ChatGPT confond parfois un critère avec un autre ou surnote sur une info ambiguë. Corrige à la main les scores qui te paraissent faux, tu connais tes clients mieux que lui.
Surtout, regroupe les prospects en trois paquets (chaud, tiède, froid) plutôt que de te fier au classement au point près. La différence entre un prospect à 18 et un à 17 n'a aucune signification réelle.
Résultat attendu : Ton tableur contient une liste scorée, classée en trois priorités, avec pour chaque prospect chaud un signal exploitable et une action datée.
Colle ce tableau dans ton tableur, à côté des données d'enrichissement. Écarte explicitement les froids de ta semaine : l'intérêt de la qualification est justement de ne pas y toucher pour l'instant.
Pour chaque prospect chaud, vérifie que le signal clé est bien exploitable dans une accroche. Si oui, tu enchaînes directement avec le tuto de séquence de cold email : ta qualification devient ta matière première de personnalisation.
Entre 20 et 40, selon la disponibilité des informations publiques. L'étape d'enrichissement avec Perplexity est la plus longue : compte 20 à 30 secondes par entreprise. Pour une liste de 100 prospects, découpe en plusieurs sessions ou ne qualifie finement que les segments qui te paraissent les plus prometteurs.
Non, et il ne faut pas le lui demander. L'IA évalue la correspondance entre une entreprise et ton profil de client idéal sur des critères vérifiables. Elle ne connaît ni le budget réel, ni les relations en cours, ni l'historique. Le score est un outil de priorisation, pas une prédiction de vente.
Parce que ce sont deux tâches de nature différente. Perplexity excelle à chercher des informations à jour avec sources, ChatGPT à appliquer une grille de notation de façon cohérente. Les mélanger dans un seul prompt produit un scoring fondé sur des informations inventées, ce qui est pire que pas de scoring du tout.
Sur un cycle long, ajoute un critère de maturité : le prospect a-t-il déjà exprimé le problème, ou faut-il d'abord l'éduquer ? Les prospects « chauds » d'un cycle long ne sont pas ceux prêts à acheter, mais ceux dont le besoin est déjà conscient. Tu adaptes alors l'action : démonstration pour les conscients, contenu pédagogique pour les autres.
Non pour ce volume. Perplexity gratuit suffit à récupérer les informations publiques essentielles. Les bases de données commerciales payantes deviennent utiles à grande échelle ou pour des données de contact précises, mais pour qualifier et prioriser une liste, la recherche IA gratuite couvre le besoin.
Une liste de prospects scorée et classée en trois priorités dans un tableur, avec un ordre d'attaque clair.
Étape qui consiste à évaluer si un prospect correspond à ton offre et mérite ton temps, avant de le contacter. Elle évite de disperser ton énergie sur des contacts qui n'achèteront jamais.
Attribution d'une note à chaque prospect selon une grille de critères, pour les classer par priorité. Le score sert à regrouper les prospects en paquets (chaud, tiède, froid), pas à les départager au point près.
Événement récent qui rend ton problème actuel pour un prospect : recrutement, levée de fonds, lancement de produit, changement de direction. Un signal d'achat rend une prise de contact bien plus pertinente.
Pour qualifier une liste de prospects avec l'IA, définis d'abord une grille de critères adaptée à ton offre avec ChatGPT, enrichis chaque entreprise avec Perplexity (taille, actualité, signaux d'achat), fais scorer la liste selon ta grille, puis classe les prospects en trois priorités. Le critère le plus discriminant est souvent un signal récent qui rend ton problème actuel, pas la taille de l'entreprise. Le livrable est une liste scorée dans un tableur avec un ordre d'attaque clair.
La bibliothèque complète de prompts pour ton métier, filtrables par tâche et niveau.
Voir les prompts → Hub métier Hub CommercialTous les tutos, prompts, outils et ressources pour ton profil professionnel.
Accéder au hub →