Le Système d'Acquisition par Agents IA
Remplir ton pipe de clients sans y passer tes journées, ce n'est pas un hack.
C'est un système : des agents IA et des automatisations qui bossent pendant que tu fais ton vrai métier. Voici la méthode complète, et le dessous technique qui fait que ça tient en prod.
C'est pour toi si :
- Tu fais déjà du CA et tu veux remplir ton pipe sans embaucher un commercial
- Tu en as marre de la prospection manuelle qui mange tes soirées
- Tu as testé un outil IA qui faisait illusion en démo et qui s'est cassé en vrai
- Tu veux comprendre comment l'IA génère vraiment du business, pas juste des captures d'écran
Ce n'est PAS pour toi si tu cherches un bouton magique qui vend à ta place. L'agent met ton offre devant les bonnes personnes, à l'échelle, encore faut-il avoir une offre qui tient.
Salut, moi c'est Thomas.
Je dirige Kavrn. Mon métier, c'est l'ingénierie : je construis des agents IA et des automatisations qui ramènent des clients à des boîtes qui font déjà du CA, sans alourdir leur équipe. La méthode que tu vas lire est publique, n'importe qui peut la suivre à la main. Ce que j'installe, c'est la version qui tient en prod : un moteur fiable, branché sur tes outils, nourri du contexte de ta boîte, qui s'améliore tout seul et sur lequel tu peux mettre ton nom. Concrètement, voilà ce qu'on met en place :
- Un moteur fiable (modèle entraîné au function-calling) branché sur TES outils via MCP ou API.
- Ton process et ton ICP encodés en skills réutilisables, et l'agent connecté au contexte de ta boîte (RAG) pour une perso qui convertit vraiment.
- Une boucle data-driven et des garde-fous : le système s'améliore seul, et tu ne mets jamais ton nom sur un message foireux.
30 min, friendly, zéro engagement
Les fondations
Avant les outils, le cadre. Quatre vérités que la plupart des gens ignorent, et c'est exactement pour ça que leur prospection plafonne.
La prospection manuelle a un plafond dur
24h dans une journée, et ton cerveau ne scale pas. Si ton acquisition dépend de ton temps perso, tu n'as pas un système, tu as un deuxième job mal payé. Un agent casse ce plafond : il fait le même travail, en continu, la nuit, le week-end, sans baisse de qualité au 200e message.
Le signal bat la donnée, toujours
Un fichier de 10 000 contacts froids vaut moins que 50 personnes qui viennent d'exprimer ton problème publiquement. Le cold se mesure à 1% de réponse. Le signal frais se joue à 25-40%. Tu ne cours pas après le volume brut, tu cours après l'intention récente.
L'agent amplifie, il ne sauve pas
Une IA met ton offre devant les bonnes personnes, en masse. Si l'offre est faible, elle accélère ton échec et crame ta réputation plus vite. L'offre et le ciblage d'abord, l'agent ensuite. Un mauvais système qui tourne vite reste un mauvais système.
Un système bat un sprint
40 leads qualifiés chaque matin, automatiquement, écrasent 400 leads sortis une fois puis plus rien. Ce qui compose, c'est la régularité, et seule une machine est vraiment régulière. Un humain motivé tient 8 jours, un agent bien réglé tient 8 mois sans broncher.
Le système en 4 temps
Chaque jour, l'agent reprend cette boucle. C'est ce qui transforme un coup de chance en flux régulier.
Le signal
Tu ne pars jamais d'un fichier froid. Tu pars d'un endroit où tes futurs clients lèvent déjà la main : un commentaire, un changement de poste, une plainte publique, une levée de fonds, un recrutement qui trahit une priorité. L'agent surveille ces sources en continu et déclenche dans l'heure.
La qualification
L'agent extrait la donnée, la nettoie, dé-doublonne et score chaque contact selon TES critères. Il ne garde que le décideur réellement joignable, pas le bruit. C'est le tri, pas le volume, qui transforme une liste en pipeline.
L'enrichissement
Pour chaque personne, l'agent récupère le contexte public (sa boîte, son rôle, son actu) ET le croise avec ce que ta boîte sait déjà. C'est ce croisement qui fait une perso qui convertit, pas un simple « j'ai vu ton post ».
La perso + l'outreach
Chaque message est écrit pour UNE personne, à l'échelle de centaines. Puis relances multicanal automatiques. Chaque réponse est taggée et renourrit le système : ce qui marche remonte, le reste est coupé. Et la boucle recommence chaque matin, toute seule.
Sous le capot : l'anatomie d'un agent qui performe
La méthode au-dessus est publique. Ce qui fait qu'un agent ramène vraiment des RDV au lieu de remplir un tableur, c'est ce qu'il y a dessous. Voilà les 6 pièces, ce qu'elles font, et là où chacune se joue (et casse).
Le moteur : un modèle fait pour appeler des outils, pas pour bavarder
Un agent d'acquisition ne discute pas, il agit : il appelle des outils (scraper, enrichir, écrire dans le CRM, envoyer). Un modèle de chat généraliste improvise ces appels et finit par en rater. Les modèles entraînés au function-calling, comme la famille Hermes de Nous Research (du Llama fine-tuné qui émet ses appels d'outils en balises structurées), sont faits exactement pour ça : invoquer le bon outil, avec les bons arguments, de façon parsable de façon fiable. En clair, moins d'appels malformés, moins de plantages silencieux en plein milieu d'une séquence. Bonus : ils tournent en open-weight, donc on peut les héberger pour maîtriser le coût et garder ta donnée chez toi.
Le piège : Brancher un modèle générique « parce que c'est connu » sur 40 appels d'outils par lead. Ça impressionne en démo, ça casse en prod dès que le volume monte.
Les skills : ton savoir-faire encodé une fois, rejoué mille fois
Un skill, c'est une compétence packagée que l'agent recharge à la demande : « comment qualifier un lead dans le BTP », « le wording exact de ma relance J+5 », « mes 3 angles d'offre ». C'est le format qu'ont adopté Claude Code (fichiers SKILL.md), l'assistant open-source OpenClaw (skills communautaires) et l'agent Hermes. L'intérêt : tu ne re-promptes pas tout à chaque exécution, tu composes des briques stables et versionnées. Ton agent devient le dépositaire de TON process, pas d'un process générique trouvé sur YouTube.
Le piège : Sans skills, chaque run repart d'un prompt géant copié-collé. Incohérent, impossible à maintenir, et personne ne sait pourquoi ça a marché hier et plus aujourd'hui.
La mémoire : la perso qui convertit vient du contexte de TA boîte
« Salut, j'ai vu ton post » ne convertit plus, tout le monde le fait. La vraie perso vient de croiser le signal du prospect avec ce que TOI tu sais : tes deals gagnés sur un profil similaire, ton produit, tes objections types, ton tone of voice. Techniquement, on indexe cette connaissance (CRM, docs, deals passés) dans une base vectorielle, et l'agent la récupère par recherche sémantique (RAG) au moment d'écrire. Le message ne dit plus « j'ai vu ton post », il dit « voilà précisément pourquoi ce que je fais matche ta situation ».
Le piège : Un agent sans mémoire de ta boîte écrit des messages que n'importe quel concurrent pourrait envoyer. C'est exactement ce qui plafonne à 1-2% de réponse.
La connexion : brancher l'agent sur tes outils sans tout recâbler
Pour agir, l'agent doit lire et écrire dans tes systèmes : CRM, agenda, boîte mail, Slack, docs. Le standard qui s'impose pour ça, c'est MCP (Model Context Protocol) : une façon propre et sécurisée de donner à un agent l'accès à un outil, sans coder une intégration jetable à chaque fois. Couplé à une orchestration (n8n et consorts), ça transforme l'agent isolé en collègue branché sur toute ta stack. Côté sécu : accès limité au strict nécessaire, et zéro entraînement du modèle sur ta donnée.
Le piège : Connecter chaque outil à la main avec des clés API en dur. Ça tient deux semaines, puis un token expire, un format change, et toute la chaîne tombe en silence.
L'apprentissage : un système data-driven qui s'améliore tout seul
Le vrai levier, c'est la boucle. Chaque message produit une donnée (réponse, ignoré, RDV), et cette donnée doit revenir nourrir l'agent. Les angles qui répondent remontent, ceux qui rament sont coupés. C'est exactement la promesse des agents auto-améliorants comme Hermes Agent, qui crée des skills depuis l'expérience et les affine à l'usage. Concrètement : on tague les réponses, on score les variantes, et on ré-injecte les gagnants dans les skills. Ton système est meilleur au mois 3 qu'au mois 1, sans que tu touches à rien.
Le piège : La plupart des setups envoient et oublient. Pas de boucle de feedback, l'agent stagne, et tu pilotes ton acquisition à l'aveugle.
La vérification : un agent qui ne contrôle pas son travail invente
La leçon la plus dure de l'ingénierie agentique : un LLM produit volontiers quelque chose de plausible mais faux (un email qui sonne bien mais hors-cible, un faux numéro « rempli » juste pour finir sa tâche). La parade, c'est de lui donner un moyen de vérifier : validation du format, garde-fous (pas de promesse interdite, pas d'envoi si le contact n'est pas réellement joignable), et des evals, des tests qui mesurent la qualité de sortie avant l'envoi. C'est ce qui sépare une démo qui impressionne d'un système sur lequel tu mets ton nom.
Le piège : Shipper sans garde-fous, c'est laisser un commercial junior envoyer 400 mails par jour sans relecture. Une seule dérive publique peut coûter cher.
Le playbook, étape par étape
Coche au fur et à mesure. Fais-le à la main une première fois : c'est comme ça qu'on comprend ce qu'on automatisera ensuite.
Ta progression
La stack : agents IA + automatisation
Un système d'acquisition, c'est sept briques connectées. Voici à quoi sert chacune, et les outils pour les assembler.
Le sourcing / scraping
Rôle : Récupérer les signaux et la donnée là où ils vivent : réseaux, annuaires, avis, sites. Y compris sur les sources sans API, via navigation pilotée et modèles vision.
Outils : Apify, Playwright, OpenClaw / browser-use, modèles vision
L'enrichissement
Rôle : Compléter chaque lead avec son contexte public : boîte, rôle, taille, actualité. La matière de la personnalisation.
Outils : Dropcontact, Clearbit, recherche web, scraping ciblé
Le cerveau (LLM)
Rôle : Qualifier, scorer, écrire la perso. Idéalement un modèle entraîné au function-calling (appel d'outils fiable), pas un simple chatbot qui improvise.
Outils : Claude, GPT, modèles function-calling type Hermes (Nous)
La mémoire & le contexte boîte
Rôle : Indexer ce que ta boîte sait (CRM, deals gagnés, produit, tone) pour que l'agent personnalise avec ta matière, pas avec du générique. C'est ton avantage que personne ne peut copier.
Outils : Base vectorielle (RAG), embeddings, MCP
L'orchestration
Rôle : Connecter toutes les briques en un workflow qui tourne tout seul, avec gestion des erreurs et relances.
Outils : n8n (open-source, auto-hébergeable), Make, code custom
L'envoi multicanal
Rôle : Délivrer email + LinkedIn + SMS au bon rythme, sans cramer tes comptes ni ton domaine.
Outils : Instantly, Lemlist, La Growth Machine
Le CRM / suivi
Rôle : Stocker, scorer, relancer, mesurer. La mémoire opérationnelle du système : sans lui, tu repars de zéro chaque semaine.
Outils : HubSpot, Pipedrive, Airtable, Notion
Les workflows à mettre en place
Voilà comment les briques s'assemblent concrètement. Cinq automatisations qui couvrent l'essentiel d'un système d'acquisition qui apprend.
Signal d'intention → conversation
Objectif : Capter une intention fraîche et ouvrir une conversation dans l'heure.
[Trigger : nouveau signal] → [Enrichissement] → [Score d'intention par l'IA] → [Message perso] → [Garde-fou] → [Envoi] → [CRM]
Qualification & scoring automatique
Objectif : Trier 500 leads pour ne travailler que les 50 qui valent le coup.
[Liste brute] → [Nettoyage + dédoublonnage] → [Enrichissement] → [Scoring IA selon tes critères] → [Routage : chaud / tiède / écarté]
Séquence de relance multicanal
Objectif : Relancer sans harceler, et sans y penser.
[Pas de réponse J+2] → [Relance à valeur par email] → [J+5 : touch LinkedIn] → [J+9 : message de rupture] → [Stop dès qu'il répond]
Lead chaud → RDV → notification
Objectif : Transformer une réponse positive en RDV booké, sans friction.
[Réponse positive détectée] → [Lien de prise de RDV] → [Création dans le CRM] → [Notification à l'équipe]
La boucle d'apprentissage du système
Objectif : Rendre l'agent meilleur chaque semaine, sans intervention de ta part.
[Réponses taggées] → [Scoring des variantes par l'IA] → [Sélection des angles gagnants] → [Mise à jour des skills] → [Réinjection dans l'agent]
Les prompts à copier-coller
Le cœur d'un agent qui ne ressemble pas à un robot : recherche → scoring → écriture → relance → garde-fou. Ils sont écrits comme du code : un rôle clair, les entrées délimitées par <<< >>> (pour qu'un profil scrapé ne détourne pas l'instruction), une sortie JSON parsable quand le workflow doit décider, et une règle anti-invention. Copie, remplace les [crochets].
Prompt #1, Recherche (avant d'écrire)
Transforme un profil public en angles d'accroche sourcés, prêts à injecter dans le prompt #3.
Tu es analyste commercial. Ta SEULE source est le profil délimité ci-dessous. N'invente rien : si une info n'y figure pas, écris "inconnu".
Profil :
<<<
[URL ou infos brutes]
>>>
Raisonne en interne, puis renvoie UNIQUEMENT ce JSON (aucun texte autour) :
{
"enjeu_business": "son plus gros enjeu probable, déduit d'un fait précis du profil",
"chantier_actuel": "une chose concrète sur laquelle elle bosse en ce moment",
"accroche": "un détail spécifique et récent pour ouvrir, appuyé sur une citation ou un fait",
"fraicheur": "ancienneté du signal le plus récent (ex : '3 jours', 'inconnu')"
}
Chaque champ : 15 mots max, zéro flatterie, zéro généralité. Tout champ non sourçable dans le profil = "inconnu".Prompt #2, Scoring d'intention
Fais trier 500 leads par l'IA selon TES critères, avec une sortie qui pilote le routage du workflow.
Tu es SDR senior. Tu scores ce lead pour décider s'il mérite un message perso.
Lead et contexte :
<<<
[données enrichies]
>>>
Mon client idéal :
<<<
[critères : secteur, taille, rôle, signal d'intention]
>>>
Procède dans cet ordre :
1. Confronte le lead à chaque critère, un par un (raisonnement court).
2. Déduis-en seulement ensuite le score.
Renvoie UNIQUEMENT ce JSON :
{
"raisonnement": "1 phrase : ce qui matche, ce qui manque",
"score": 0,
"decision": "ecarter | tiede | chaud",
"angle": "si score >= 70 : un angle d'accroche perso ; sinon null"
}
Barème : < 40 = "ecarter", 40-69 = "tiede", >= 70 = "chaud". En cas de doute ou d'info manquante, score plus bas (on préfère rater un tiède qu'écrire à un hors-cible).Prompt #3, Écriture du message
Génère un premier message qui ne ressemble pas à un message de masse.
Tu écris comme moi à un pair, pas comme un commercial. Un seul message de prospection. Destinataire : [Prénom], qui vient de [signal d'intention]. Ce que je sais (JSON du prompt #1) : [résultat du prompt #1] Ce que ma boîte sait : [cas client similaire, angle d'offre pertinent] Règles : - 30 mots max, ton d'un message envoyé à un pote - Référence UN détail précis et VRAI (jamais inventé ; si "inconnu" dans le JSON, n'invente pas, ouvre sur le signal d'intention) - Pose UNE question simple et ouverte - Zéro jargon commercial, zéro point d'exclamation, zéro lien, ne présente PAS mon offre Calibre sur ces exemples : ✓ BON : « Salut Marc, vu ton post sur les délais de recrutement de devs, c'est quoi qui coince le plus en ce moment ? » ✗ MAUVAIS : « Bonjour, j'espère que vous allez bien ! Je me permets de vous contacter car notre solution… » Renvoie uniquement le message, rien d'autre.
Prompt #4, Relance
Relance qui apporte de la valeur au lieu de quémander une réponse.
Tu écris une relance dans une conversation déjà ouverte, dans mon ton. Sa réponse : <<< [leur réponse] >>> Contexte du lead : [données] Munition dispo : [cas client similaire chiffré, ressource, observation] Écris UNE relance de 25 mots max qui : - rebondit sur un mot précis de SA réponse - apporte un élément NEUF (preuve sociale chiffrée, observation, ressource) — jamais une redite de mon message précédent - propose une prochaine étape minuscule, qui se répond par oui/non (pas un engagement) - reste conversationnelle ; interdit : « t'as vu mon message ? », « petit up », relance qui mendie Renvoie uniquement la relance.
Prompt #5, Garde-fou avant envoi
Le gate du workflow : un champ booléen 'envoyer' que l'automatisation lit pour bloquer ou laisser passer.
Tu es le garde-fou qui valide un message AVANT envoi. Tu ne réécris pas, tu juges.
Message :
<<<
[message]
>>>
Contexte du lead :
<<<
[données]
>>>
Vérifie chaque point contre les données, puis renvoie UNIQUEMENT ce JSON :
{
"perso_sourcee": false, // le détail perso est-il littéralement dans les données ? (rien d'inventé)
"format_ok": false, // < 30 mots, sans pitch ni lien
"promesse_sure": false, // aucune promesse / affirmation que je ne peux pas tenir
"contact_joignable": false, // le canal est-il réellement valide pour ce contact ?
"envoyer": false, // true UNIQUEMENT si les 4 champs ci-dessus sont true
"raison": "si envoyer=false : le ou les points en échec + pourquoi, sinon ''"
}Les métriques qui comptent
Un système se pilote avec 4-5 chiffres, pas 50. Voilà ceux qui te disent si ta machine tourne ou si elle tourne à vide.
Taux de réponse
Le vrai juge de ta perso et de ton ciblage. Moins de 2%, c'est froid, tu pitches trop ou tu vises mal. 25-40%, tu rejoins des conversations.
Coût par RDV
Ce qu'un rendez-vous qualifié te coûte, tout compris (outils, données, temps). C'est ça qu'il faut faire baisser, pas le nombre de leads bruts.
Taux RDV / réponse
Combien de réponses deviennent des RDV. Si c'est bas, c'est ton offre ou ton ciblage qui cloche, pas ton volume.
Fraîcheur du signal
Délai entre le signal et ton message. Sous 1h, tu surperformes. Au-delà de 48h, tu redeviens du cold.
Régularité
Leads qualifiés sortis par jour ouvré. Un système, c'est un chiffre stable chaque matin, pas des pics suivis de rien.
Là où le DIY casse
La méthode, tu l'as maintenant en entier, dessous technique compris. Sois honnête deux minutes : voilà les 6 murs sur lesquels butent ceux qui essaient de le faire seuls.
Le volume
Trier 30 leads à la main, c'est une soirée. En sortir des centaines, qualifiés, chaque jour, c'est physiquement impossible sans agent. La méthode est la même, c'est l'échelle qui change tout.
La régularité
Le faire une fois, c'est facile. Le faire chaque matin, sans y penser, pendant que tu gères ton vrai métier, c'est là que 95% des gens lâchent au bout de 8 jours.
La perso branchée sur ta boîte
Un humain n'écrit pas 400 messages réellement uniques par jour. Et brancher l'agent sur ton CRM, tes deals et ton tone (le RAG) pour qu'il personnalise avec TA matière, c'est ce qui sépare le mailing de masse ignoré des conversations qui répondent.
L'extraction propre
Sortir de la donnée exploitable de sources sans API, sans tout casser et sans te faire bloquer : c'est exactement le mur sur lequel butent ceux qui essaient seuls. C'est de l'ingénierie, pas du no-code.
La délivrabilité
Envoyer en volume sans cramer ton domaine, ton numéro ou ton compte : SPF, DKIM, DMARC, warming, limites d'envoi. C'est un métier à part entière. Mal fait, tu te grilles en une semaine et tu repars de zéro.
La maintenance & l'apprentissage
Les sources changent, les agents cassent, les modèles évoluent, et sans boucle de feedback ton système stagne. Un système d'acquisition, ça se surveille, ça s'entretient et ça s'améliore. Sinon ça meurt en silence.
Les 6 principes à retenir
Ce qui sépare un pipeline qui tourne d'un fichier de leads qui dort dans un tableur.
Un message pour une personne, à l'échelle
La personnalisation de masse n'est pas un oxymore quand un agent nourri du contexte de ta boîte fait le travail. C'est le seul moyen d'avoir des taux de réponse de 25-40% au lieu de 1-2%.
La conversation avant la vente
Le premier message ne vend rien. Il ouvre. Pose une question, obtiens une réponse, puis seulement déroule. 23 mots battent un pavé de 300.
Commence à la main, automatise ensuite
Tu ne peux pas automatiser un process que tu ne maîtrises pas, ni encoder en skill un savoir-faire que tu n'as pas testé. Fais 20 leads à la main, comprends ce qui marche, puis confie-le à l'agent.
La délivrabilité avant le volume
1000 messages dans les spams, c'est 0 client. Réchauffe tes canaux, respecte les limites, soigne tes domaines. Le volume ne sert à rien si rien n'arrive.
Mesure les RDV, pas les leads
Une capture d'écran avec des centaines de leads, c'est joli. Le seul chiffre qui paie tes factures, c'est le nombre de rendez-vous qualifiés. Optimise pour le RDV.
L'agent prospecte, l'humain closhe
L'IA ramène, qualifie et personnalise en masse. Le closing à forte valeur et la relation client restent humains. Le bon système libère ton temps pour ça.
Tu veux que ce système tourne pour toi ?
On installe ton agent d'acquisition de bout en bout : sources, qualification, enrichissement, perso branchée sur le contexte de ta boîte, outreach, relances, boucle d'apprentissage et garde-fous. Tu reçois des rendez-vous qualifiés, tu gardes ton temps pour ton vrai métier.
On regarde ensemble ton marché, on identifie la meilleure source de leads, et on te dit exactement ce qu'on mettrait en place. Même si tu ne bosses pas avec nous.