Enrichissement et scoring

Le problème

Je vends aussi des sites internet aux avocats. Le fichier de départ de ma prospection vient de data.gouv, la plateforme de données publiques de l'État : une liste d'avocats brute, des noms et presque rien d'autre. Impossible de démarcher avec ça : qui correspond à ma cible, comment le joindre, par qui commencer ? Répondre à la main, avocat par avocat, prend plusieurs recherches par nom.

Le système

Un workflow n8n reprend cette liste ligne par ligne et va chercher chaque information à sa source la plus fiable : l'annuaire du Conseil national des barreaux pour la date de serment et les spécialités, Google Maps pour la note et les avis, le site du cabinet pour la technologie et l'email de contact. Trois modèles d'IA se partagent le travail, du plus capable pour la recherche du site au plus économique pour les tâches simples. À la fin, chaque prospect reçoit un score sur des critères fixes (domaines d'activité, ancienneté, taille du cabinet) et tout est écrit dans une base Notion, prête à l'emploi. Une ligne qui pose problème n'est pas perdue : elle est marquée à revoir ou hors cible, avec sa raison.

Le résultat

Le workflow a tourné pour ma vraie prospection. La démo en vidéo est le même workflow, rejoué sur des données publiques, et les noms y sont floutés : une source publique n'exempte pas du RGPD, et si l'usage en prospection se défend, publier des avocats nommés avec leur score ne se défend pas. Résultat côté métier : je ne démarche plus à l'aveugle, je commence par les scores les plus hauts.

En entreprise

En entreprise, c'est le traitement type d'un fichier de prospects, de candidats ou de fournisseurs : une liste brute d'un côté, des sources fiables de l'autre, un workflow qui les croise et dit où concentrer l'effort humain.