Créer un agent IA de prospection : 3 méthodes (n8n, Claude, outil dédié)

Un agent IA de prospection est un système qui reçoit un objectif (par exemple « trouver des directeurs commerciaux de PME qui ont un besoin de prospection ») et exécute seul les étapes pour l'atteindre : chercher, qualifier, enrichir, contacter, suivre. La différence avec une simple automatisation : l'agent décide, à chaque étape, en fonction du contexte.

Pour en créer un, trois voies existent : le construire soi-même avec n8n et un modèle comme Claude ou ChatGPT, piloter sa prospection depuis Claude grâce au protocole MCP, ou utiliser un outil où l'agent existe déjà. Cet article explique ce que doit contenir un agent, comment le construire avec chaque méthode, et comment choisir.

Automatisation ou agent IA : quelle différence ?

Une séquence qui envoie la même invitation LinkedIn à toute une liste est une automatisation. Un système qui repère les personnes qui viennent de commenter un post sur votre sujet, vérifie qu'elles sont dans votre cible et rédige un premier message qui cite ce commentaire, c'est un agent.

Cette nuance compte au moment de construire : une automatisation se dessine comme un schéma, un agent se paramètre comme un collaborateur. Il lui faut un brief, des règles et des retours.

Les 6 briques d'un agent IA de prospection

Quel que soit l'outil choisi, un agent de prospection repose sur six briques. Si l'une manque, l'agent tourne à vide ou contacte les mauvaises personnes.

1. Un brief : votre cible (type d'entreprise et poste), votre offre, les problèmes que vous résolvez, et ce qu'il ne faut jamais faire.
2. Des sources : LinkedIn, bases d'entreprises, signaux (publications, commentaires, événements, recrutements), votre CRM.
3. Une qualification : une décision « dans la cible / hors cible » ou un score, toujours accompagné de la raison.
4. Un enrichissement : email professionnel et numéro de téléphone.
5. Une action : invitation, message, email, tâche pour un commercial, alerte Slack.
6. Une boucle de retour : les réponses, les refus et vos corrections, pour que l'agent s'améliore.

La brique la plus négligée est la sixième. Sans retour, l'agent répète les mêmes erreurs semaine après semaine. La deuxième plus négligée est la première : un agent ne qualifie jamais mieux que le brief qu'on lui donne.

Exemple de brief à donner à votre agent

• Cible entreprise : sociétés de services B2B de 10 à 200 salariés, en France.
• Cible personne : dirigeant, directeur commercial ou responsable du développement.
• Problème résolu : l'équipe commerciale passe trop de temps à chercher qui contacter.
• Bon prospect : a publié ou commenté récemment sur la prospection, le recrutement de commerciaux ou la croissance.
• Mauvais prospect : freelance, étudiant, consultant qui vend lui-même de la prospection, concurrent.
• Interdits : ne jamais promettre de résultat chiffré, ne jamais relancer une personne qui a dit non.

Ce brief tient en une demi-page. C'est le document le plus rentable de tout le projet : il sert de prompt au modèle, de grille de relecture pour vous, et de référence quand un résultat vous surprend.

Méthode 1 : construire son agent avec n8n

n8n est un outil d'automatisation visuelle, utilisable en version hébergée ou installé sur votre propre serveur. Il permet d'enchaîner des étapes et propose un nœud « AI Agent » qui appelle un modèle d'IA au milieu du parcours.

Un workflow type ressemble à ceci :

1. Déclencheur : tous les matins à 8 h.
2. Collecte : récupérer les personnes qui ont commenté une sélection de posts LinkedIn sur votre thématique, via un service d'extraction comme Phantombuster ou Apify.
3. Qualification : envoyer chaque profil à Claude ou ChatGPT avec votre brief, et demander une réponse structurée : dans la cible ou non, score de 1 à 3, raison.
4. Enrichissement : pour les profils retenus, appeler un outil d'enrichissement pour trouver l'email professionnel.
5. Rédaction : demander au modèle un premier message qui cite le commentaire du prospect.
6. Action : créer le contact dans votre CRM avec le message proposé, ou envoyer une alerte Slack pour validation.

Avantages : contrôle total, vous choisissez chaque brique et vous pouvez brancher à peu près n'importe quel outil qui dispose d'une API. Le coût reste maîtrisé à petite échelle.

Limites : il faut le construire et surtout le maintenir. Les extractions LinkedIn cassent quand l'interface change, chaque brique a son propre abonnement, et le risque pour votre compte LinkedIn dépend de vos réglages. Comptez plusieurs jours de mise en place pour un premier workflow fiable, puis du temps chaque mois pour le surveiller.

Méthode 2 : piloter la prospection depuis Claude avec MCP

Le protocole MCP (Model Context Protocol) permet à Claude de se connecter à des outils externes, comme un CRM, un outil de prospection ou une base de données, et d'agir dedans à partir d'instructions en langage naturel.

Concrètement, vous pouvez demander à Claude : « Trouve dans mes prospects ceux qui ont répondu cette semaine, résume chaque échange et crée une tâche de relance pour les plus chauds. » Claude interroge l'outil connecté, analyse les réponses et crée les tâches.

Jova propose un connecteur MCP pour Claude : vous pilotez vos campagnes, vos listes et vos prospects depuis Claude, pendant que Jova gère la détection de signaux, l'enrichissement et l'envoi.

Avantages : aucun workflow à construire, idéal pour l'analyse, le tri et les actions ponctuelles. Vous travaillez dans un outil que vous utilisez déjà.

Limites : Claude agit quand vous le lui demandez. Pour une prospection qui tourne en continu, tous les jours, il faut un outil qui exécute en arrière-plan.

Méthode 3 : utiliser un agent de prospection prêt à l'emploi

Dernière option : un outil où l'agent existe déjà. Vous lui donnez votre brief, il fait le reste.

C'est l'approche de Jova : l'agent repère les prospects qui montrent un signal d'intérêt sur LinkedIn (publications, commentaires, participations à des événements, interactions avec vos concurrents), les score selon votre cible, trouve leurs coordonnées et lance la prise de contact sur LinkedIn et par email. Vous validez les prospects proposés, intéressants ou non, et l'agent ajuste ses recherches.

Avantages : opérationnel en quelques minutes, pas de maintenance, quotas LinkedIn gérés. Les campagnes Jova déclenchées sur des signaux chauds dépassent 20 % de taux de réponse, contre moins de 10 % pour la prospection à froid classique.

Limites : moins de liberté qu'un workflow sur mesure, vous travaillez dans le cadre de l'outil. Jova s'appuie surtout sur la donnée LinkedIn et vise la qualité plutôt que le volume : ce n'est pas l'outil adapté si votre objectif est de constituer une base massive de contacts.

Quelle méthode choisir ?

En résumé : si vous êtes technique et voulez tout contrôler, n8n. Si vous utilisez déjà Claude au quotidien et voulez analyser ou agir ponctuellement, Claude avec MCP. Si vous voulez des rendez-vous rapidement sans rien maintenir, un agent prêt à l'emploi. Et si vous voulez les deux, un agent prêt à l'emploi que vous pilotez depuis Claude.

« « Je cherchais à améliorer l'efficacité commerciale de nos commerciaux sur LinkedIn. On a lancé Jova, en 3 semaines, on a pris un premier RDV avec un DSI. » Michel Cohen, Tenor Data Solutions »

Tester son agent en deux semaines

Quelle que soit la méthode, ne lâchez pas l'agent sur toute votre cible dès le premier jour. Une phase de test courte évite de griller des prospects avec des messages ratés.

1. Semaine 1 : l'agent cherche et qualifie, mais n'envoie rien. Vous relisez chaque prospect retenu et notez les erreurs de ciblage.
2. Fin de semaine 1 : corrigez le brief à partir de ces erreurs, en ajoutant des exemples concrets de bons et de mauvais prospects.
3. Semaine 2 : l'agent prépare les messages, vous validez chacun avant envoi.
4. Fin de semaine 2 : regardez le taux d'acceptation des invitations et le taux de réponse, puis desserrez le contrôle sur ce qui fonctionne.

Ce rythme donne des résultats parlants. Pendant son essai de 7 jours, Dome Solar a enrichi 79 % des contacts importés avec un numéro de téléphone et obtenu 3 rendez-vous. Chez Aioba, 180 prospects ont été contactés en 14 jours, avec 70 % de réponses positives et 9 rendez-vous.

Les erreurs à éviter

• Un brief trop vague. « Des décideurs B2B » ne permet à aucun agent de bien qualifier. Décrivez la cible, le problème et des exemples de bons et de mauvais prospects.
• Laisser l'agent répondre aux prospects. L'agent prépare et exécute la prise de contact ; la conversation qui mène au rendez-vous reste humaine.
• Viser le volume. Un agent qui contacte 1 000 personnes par semaine reproduit les défauts de la prospection de masse. Sa valeur est de choisir.
• Ne pas relire au début. Validez les premiers messages et les premiers prospects retenus, puis desserrez le contrôle.
• Oublier les limites LinkedIn. Un agent reste soumis aux quotas d'invitations et de consultations de profils, quel que soit l'outil.

Questions fréquentes

Faut-il savoir coder pour créer un agent IA de prospection ?

Pas pour n8n, qui est visuel, mais il faut une bonne aisance technique pour connecter les briques, gérer les erreurs et maintenir le tout. Avec Claude et MCP ou avec un outil prêt à l'emploi, aucune compétence technique n'est nécessaire.

Combien coûte un agent IA de prospection fait maison ?

Il faut additionner l'hébergement de n8n, les appels au modèle d'IA, l'outil d'extraction, l'outil d'enrichissement et le temps de maintenance. À petite échelle, le coût des outils reste modeste ; c'est le temps de construction et de maintenance qui pèse le plus.

ChatGPT ou Claude peuvent-ils prospecter seuls ?

Ils peuvent qualifier des prospects et rédiger des messages, mais pas accéder seuls à LinkedIn ni envoyer des invitations. Il faut les connecter à des outils, via un workflow comme n8n ou via MCP.

Un agent IA de prospection est-il risqué pour mon compte LinkedIn ?

Le risque dépend des volumes et des outils d'extraction utilisés. Un outil qui applique des quotas et un rythme proche d'un usage humain limite fortement ce risque. Un workflow maison qui enchaîne des centaines d'actions par jour l'augmente.

Quelle différence entre un agent IA de prospection et un AI SDR ?

Les AI SDR visent l'automatisation complète à grand volume, réponses comprises. Un agent de prospection tel que décrit ici privilégie la qualité : moins de prospects, mieux choisis, et un humain qui reprend la main dès la réponse.