Prospection B2B automatisée sans code : ton outil en 1 clic

Tu as une idée, un produit, peut-être déjà une boîte — et tu ne trouves pas tes clients. Dans cette vidéo je vibe code un outil de prospection : 80 entreprises à moins d'un kilomètre d'un point que je choisis, avec site, mail, téléphone, et un message de prospection généré en un clic. Sans acheter un seul outil. Voilà comment tu reproduis ça, même si tu n'as jamais écrit une ligne de code.

Pourquoi cet outil change la donne

Concrètement, tu as deux choix aujourd'hui pour prospecter :

• Payer une agence : des milliers d'euros, et tu ne contrôles rien.
• Le faire à la main : copier-coller sans fin entre Google, Google Maps, le site de la boîte et ChatGPT, pour finir par envoyer un mail.

L'outil qu'on construit remplace tout ça. Un truc personnalisé, adapté à ton business, que tu contrôles de bout en bout. Et il n'a pas de limite : 80 entreprises sur 1 km, c'est l'exemple. Élargis la zone et la liste explose.

Ce n'est pas un gadget. C'est ce qui te débloque entre "j'ai une idée" et "j'ai parlé à de vrais prospects".

Cette vidéo est la suite directe de celle où je montre comment démarrer ton assistant IA personnel (lien en description). Le but de cet assistant : arrêter les allers-retours entre recherche internet, copier-coller dans l'IA, retour vers le navigateur. Tout est centralisé. En quelques clics, tu enchaînes les prospects.

Petit point RGPD avant de coder

Beaucoup zappent ça. En B2B, tu as le droit de contacter de manière professionnelle tant que tu restes sur de l'intérêt légitime — c'est cadré et c'est légal. Pour téléphoner, vérifie juste que le numéro n'est pas inscrit sur Bloctel. Ce ne sont pas des détails optionnels, ça fait partie du cadre.

Le plan en 4 étapes

Avant de passer en mode vibe coder, voici la mécanique qu'on va construire :

1. Récupérer les entreprises via la base SIRENE (API Sirene).
2. Filtrer par type de métier (code APE) et par distance autour d'un point.
3. Enrichir chaque entreprise via des API externes (site, mail, téléphone).
4. Générer le message de prospection (email, LinkedIn, script d'appel) pour chacune.

On part du projet existant — l'assistant de la vidéo précédente, avec son contexte business déjà rempli.

Étape 1 — Une page et une base de données

On commence par demander à l'IA d'ajouter une barre de menu pour jongler entre les fonctionnalités, avec une nouvelle page Prospection.

Pendant qu'elle travaille, on attaque la base de données. Pour ce projet, le plus simple et le plus efficace : la stocker dans un fichier.

Attention : si ce fichier de base de données disparaît, tu perds toute ta donnée. Ce projet a vocation à rester sur ton ordinateur, donc c'est acceptable — mais il faut le savoir.

La demande est simple :

Intègre-moi un moteur de base de données au format SQLite.

L'IA propose Prisma avec SQLite. Prisma, c'est l'interface qui permet de discuter avec la base de données (les deux parlent des langages différents). Elle crée un fichier dev.db : c'est là que tout sera stocké.

Un réflexe à garder : lis ce que l'IA fait. Ici elle a anticipé un modèle "produit" dont on n'a pas besoin pour la prospection. On le laisse, mais on garde l'œil.

Étape 2 — Récupérer les entreprises via l'API SIRENE

On explique ce qu'on veut dans la page Prospection :

Fais-moi un formulaire pour saisir un lieu et une distance autour de ce lieu,
puis récupère les entreprises via l'API Sirene autour de ce point.
Stocke en DB les entreprises (nom, code APE, SIRET).

Tu peux récupérer plus de champs si tu veux, mais nom + code APE + SIRET suffisent pour l'exemple. Tu peux aussi prévoir un filtre par code APE.

Le piège classique : la géolocalisation

Premier test sur Lyon, rayon 1 km : ça ne marche pas, tout reste localisé à Paris. Là, deux options :

• Soit tu sais pourquoi (l'API renvoie l'adresse du siège social, souvent à Paris, au lieu de l'établissement local).
• Soit tu le dis simplement à l'IA :

Ça ne fonctionne pas sur la localisation, ça me géolocalise toujours à Paris.

C'est exactement l'intérêt du vibe coding : tu décris le symptôme, l'IA trouve la cause. Ici elle comprend qu'elle renvoyait le siège au lieu de l'établissement. On relance : et là, les entreprises autour du point apparaissent.

Filtrer sur le bon métier

Le business de l'exemple, c'est une marque de chaussures de luxe. L'idée : cibler tous les magasins de chaussures.

Filtre uniquement sur les magasins de chaussures.

L'IA ajoute simplement un filtre sur le code APE. Tu pourrais même rendre ce filtre saisissable dans un champ. Le tri n'est pas parfait (les codes APE restent flous), mais la base est là.

Étape 3 — Enrichir : site, mail, téléphone

Avoir le nom et le SIRET ne suffit pas. On veut reproduire ce qu'on ferait à la main : aller sur le site, choper le téléphone, passer par Google Maps. Mais programmatiquement.

On ouvre un nouveau chat (la tâche est plus complexe) :

En DB j'ai une liste d'entreprises. J'aimerais les contacter par mail ou téléphone.
Peux-tu créer une solution pour aller chercher ces infos sur internet à ma place ?

Premier réflexe de l'IA : utiliser le SDK Claude pour tout chercher. Très puissant, mais ça mange des tokens. On lui demande donc une voie gratuite :

Y a-t-il un moyen gratuit pour enrichir sans coût ?

Elle propose OpenStreetMap — gratuit, qui ramène téléphone, site web et parfois le mail. Et une logique de fallback très propre :

1. OpenStreetMap d'abord (gratuit).
2. Si rien → scraping du site web pour extraire l'adresse mail.
3. Si rien → Google Places API (crédit gratuit mensuel, très généreux).
4. En dernier recours, on pourrait imaginer Claude Search pour trouver une page de blog qui cite l'entreprise et ses coordonnées.

Le scraping du site vaut vraiment le coup quand tu as peu de résultats et que tu veux maximiser les mails trouvés.

Quand OSM ne trouve rien

Sur les premières entreprises, OpenStreetMap ne ramène rien. Normal : ce sont des sièges sociaux de groupes, pas des commerces locaux. OSM est excellent pour la donnée d'origine commerce, pas pour les multinationales. L'IA propose alors un fallback supplémentaire via Wikidata, plus le scraping. On relance — et cette fois, elle trouve pas mal de coordonnées.

Mon workflow perso : un script de scraping, puis enrichissement via Google Maps. La partie gratuite mensuelle de Google Maps est largement suffisante et donne des données beaucoup plus riches — notamment les avis, le type d'établissement, ou le prix moyen des menus si tu cibles des restaurants.

Si tu veux aller vite, tu peux donner la solution directement :

Utilise OpenStreetMap, puis Wikidata pour l'enrichissement.

Étape 4 — Générer le message de prospection

C'est là que les données riches paient. Pour un mail ou un message LinkedIn à froid, la personnalisation fait tout. Et c'est là que Google Maps + scraping deviennent une arme.

Exemple concret : dans les avis d'une boîte, je remarque deux commentaires qui disent "qualité ok mais la personne répond très lentement". Mon message devient alors :

"Je peux justement vous aider à automatiser cette partie relance et envoi de mails, pour vous concentrer sur l'essentiel."

Je connaissais le pain avant même d'écrire. Plus tu donnes de contexte à l'IA — ton business, les données enrichies — plus le message généré est précis.

On ajoute un bouton :

Ajoute un bouton pour générer un email pour proposer ma marque de chaussures dans son magasin.

L'IA reprend le contexte de ta marque (positionnement, cible) et sort un email prêt à envoyer, par entreprise. Tu peux multiplier les boutons : email, message LinkedIn, script d'appel téléphonique. Tout est envisageable.

L'arme secrète : la matrice de scoring

Avoir 80 entreprises ne sert à rien si tu spammes tout le monde. Une marque de chaussures de luxe n'a rien à faire dans un magasin de prêt-à-porter bas de gamme. Et contacter chacune par téléphone te bouffe ta vie.

La solution : scorer chaque entreprise. On crée une matrice de décision basée sur ce qui compte vraiment pour ton business :

• Chiffre d'affaires
• Présence de mauvais avis (un pain que tu peux résoudre)
• Gamme de prix des menus (si tu cibles des restaurants)
• Distance, type d'établissement…

À chaque fois que tu enrichis une entreprise, score-la selon mes critères,
puis ordonne la liste du score le plus haut au plus bas.

C'est exactement le type d'habitude que je martèle : décider où investir ton temps versus où ne pas le gaspiller. Et l'IA fait le tri pour toi — pas besoin de le faire à la main.

Plus ta zone est large (50 km autour d'une grande ville), plus le scoring devient indispensable. Surtout pour de l'appel téléphonique, où chaque contact coûte du temps réel.

Le suivi : ne perds pas le fil

Une dernière touche pour que l'outil tienne dans le temps :

Ajoute une case à cocher pour marquer les contacts déjà contactés,
et un champ texte pour mettre une note.

Après un appel, tu coches et tu notes ce qui s'est dit. Comme tout est en base de données, tu peux éteindre ton ordinateur, le rallumer, et tout sera dans l'état exact où tu l'as laissé. Tu peux aussi ajouter des filtres :

Ajoute des filtres pour masquer les contacts déjà contactés.

Et autant de filtres que tu veux par-dessus.

Ce que tu as au final

Récapitulons ce que cet outil fait, sans agence et sans abonnement :

Tu as une base solide pour prospecter dès demain. Que tu sois une boîte, un indépendant, ou que tu aies juste une idée et zéro client : c'est ça qui te débloque. Lance ton business, contacte tes futurs utilisateurs, parle-leur — c'est comme ça que tu construis le bon produit.

Et juste en vibe codant, tu arrives à un résultat largement suffisant. Pas besoin d'être développeur. Besoin d'être précis, de lire ce que l'IA fait, et de connaître ton business.