Segmentation B2B : 2,37 millions de lignes, 120 000 retenues

Entre le registre complet des entreprises françaises et une base de prospection exploitable, il y a un facteur vingt. Voici comment ce filtrage a été fait sur un projet réel, et pourquoi le critère le plus répandu — le code d'activité — est le moins utile.

Le rapport entre le périmètre et la cible

Le point de départ n'est pas un fichier acheté, mais la base publique des établissements français : 2,37 millions de lignes. À l'arrivée, 120 000 contacts exploitables.

Ce rapport de un à vingt n'est pas un déchet, c'est le travail. Une base de prospection n'a aucune valeur en volume : elle en a en pertinence. Envoyer à 2 millions d'entreprises coûterait la réputation de tous les domaines d'envoi en une semaine, pour un taux de réponse proche de zéro.

Le seul intérêt de partir du registre complet plutôt que d'un fichier acheté, c'est de contrôler ce filtrage soi-même. Un fichier acheté est déjà filtré — selon des critères que vous ne connaissez pas, à une date que vous ignorez, et il a été vendu à vos concurrents.

Un code d'activité ne dit pas si une entreprise a un besoin

C'est le réflexe le plus répandu : filtrer sur les codes d'activité. C'est aussi le moins efficace, pour une raison simple — un code décrit ce qu'une entreprise fait, pas ce dont elle a besoin aujourd'hui.

Deux entreprises portant le même code peuvent être dans des situations opposées : l'une recrute et ouvre un site, l'autre réduit ses effectifs. La première est réceptive, la seconde ne l'est pas. Le code ne les distingue pas.

Le filtrage s'appuie donc sur des signaux d'activité observables :

• la croissance des effectifs — une entreprise qui embauche a des processus qui craquent ;
• les postes ouverts — ils disent quelle fonction manque, donc quel problème est en train de devenir urgent ;
• les implantations récentes — un nouvel établissement, ce sont des outils à mettre en place.

Ces trois signaux ont un point commun : ils sont datés. Un code d'activité est un état, un signal est un mouvement. Ce sont les mouvements qui créent les besoins.

Chaque signal se lit différemment, et c'est ce qui en fait des critères de tri plutôt que de simples indicateurs. Une annonce pour un poste administratif et une annonce pour un technicien ne racontent pas la même histoire : la première dit que la gestion déborde, la seconde que le carnet de commandes se remplit. Une ouverture d'établissement dit autre chose encore : tout est à équiper, rien n'est attribué à personne. Le signal ne se contente pas de désigner une entreprise réceptive — il indique à quoi elle sera réceptive.

La date compte autant que le signal lui-même. Un recrutement publié la semaine dernière décrit une tension actuelle ; le même recrutement vieux d'un an ne décrit plus rien. Une base filtrée sur des signaux se périme donc plus vite qu'une base filtrée sur des codes. C'est une bonne nouvelle : un fichier qui ne vieillit pas est un fichier qui, dès sa construction, ne disait rien de l'actualité de ses lignes.

Dernier avantage de ce tri : il autorise la sévérité. Partir du registre complet change le rapport à l'élimination, parce qu'une ligne écartée n'a rien coûté — elle n'a pas été achetée. Sur ce projet, cinq lignes sur cent ont passé le filtrage. Avec un fichier payé au contact, personne n'assume un taux pareil : on garde les lignes douteuses pour amortir la dépense, et ce sont ces lignes douteuses qui finissent dans les séquences d'envoi.

Le signal sert deux fois : au tri, puis dans le message

Un signal bien choisi ne fait pas que réduire la liste. Il reste attaché à la ligne qu'il a fait passer, et il devient la matière du premier contact.

Concrètement : la ligne retenue parce qu'un poste est ouvert porte l'intitulé de ce poste. Celle retenue pour une implantation récente porte la ville et la date. La première phrase du message s'écrit avec, et elle ne peut viser qu'une seule entreprise : celle qui a publié cette annonce, ouvert cet établissement.

C'est là que le filtrage par codes d'activité montre sa vraie faiblesse. Il produit une liste, mais une liste muette : savoir qu'une entreprise relève de tel code de la métallurgie ne donne rien à écrire. Le tri par signaux produit moins de lignes, et chacune arrive avec son angle. Bien fait, il ne prépare pas seulement l'envoi : il écrit déjà la moitié du premier message.

Rattacher chaque entreprise à sa branche, sans appel d'API

La segmentation ne s'arrête pas au filtrage : il faut aussi savoir de quoi on parle quand on écrit à quelqu'un.

Sur ce projet, chaque entreprise a été rattachée à sa branche professionnelle en croisant le registre avec les conventions collectives. Le point technique important : ce croisement se fait en local, sur la machine, pas par appels d'API. Deux millions de lignes rapprochées d'une table de correspondance, c'est une jointure — quelques secondes, aucun quota, aucun coût par ligne.

Le réflexe inverse coûte cher : le même enrichissement passé par l'API demandait vingt-quatre fois plus d'appels, faute d'avoir lu qu'elle acceptait les requêtes groupées. Le détail de ce calcul est dans l'enrichissement de leads.

Vérifier la qualité avant de livrer, pas après

Une base fausse ne prévient pas. Les colonnes sont remplies, les formats sont propres, et le premier signe arrive au téléphone, quand un commercial demande un interlocuteur qui n'a jamais mis les pieds dans l'entreprise appelée.

L'étape qui fabrique ces erreurs est connue : le rapprochement entre la raison sociale du registre et le nom commercial trouvé en ligne, avec ses sigles, ses abréviations et ses seuils de similarité — le sujet est traité en détail, correctifs compris, dans les 5 erreurs à éviter en data extraction.

Ce qui relève de la segmentation, c'est le contrôle final, avant livraison. Deux vérifications suffisent, et aucune ne demande de relancer une requête : tout se lit dans les journaux d'exécution du pipeline.

La première est géographique. Le code postal de chaque fiche est confronté aux établissements connus de l'entreprise ; une fiche localisée là où l'entreprise n'a aucune implantation est un rapprochement à reprendre, pas une curiosité.

La seconde porte sur les téléphones. Un même numéro rattaché à deux entreprises distinctes trahit une fusion de fiches quelque part en amont. C'est le contrôle le moins coûteux de toute la chaîne, et le plus révélateur.

Une heure de vérification sur les journaux, contre des semaines de crédibilité perdue si les erreurs partent en séquence d'envoi. Le calcul est vite fait.

Ce qu'il faut retenir

Segmenter, ce n'est pas réduire une liste : c'est décider ce qu'on regarde. Trois principes : partez du périmètre complet pour contrôler votre propre filtrage, filtrez sur des signaux datés plutôt que sur des codes qui décrivent un état, et mesurez la qualité du rapprochement avant de livrer.

Le rapport de un à vingt entre le registre et la base finale n'est pas une perte. C'est la seule chose qui distingue un fichier d'un ciblage.

Cet article s'inscrit dans le Guide Complet de l'Automatisation B2B. Il précède l'enrichissement et l'activation multicanale ; les chiffres viennent de cette étude de cas.