L'essentiel
- Un LLM excelle à mettre en forme et reformuler ; il est dangereux dès qu'on lui demande d'inventer l'information propre à un prospect.
- La personnalisation qui obtient une réponse vient d'une donnée vraie fournie en entrée, pas d'une tournure générée.
- La qualité du texte n'a aucun effet sur la délivrabilité : sans SPF, DKIM, DMARC et chauffe de domaine, l'IA ne fait qu'accélérer votre bascule en spam.
- La bonne unité de travail n'est pas « l'email », c'est le pipeline : cible → enrichissement → rédaction relue → envoi authentifié → mesure.
La promesse et le piège
Depuis que n'importe qui peut demander à un modèle « écris-moi 500 emails de prospection personnalisés », le coût de production d'un email froid est tombé à presque rien. La conséquence était prévisible : les boîtes de réception de vos prospects reçoivent aujourd'hui un déluge de messages qui ressemblent à de la personnalisation sans en être. « J'ai adoré votre travail chez {{entreprise}} » n'a jamais fait ouvrir personne, et le lecteur repère l'artifice en une demi-seconde.
Le piège n'est donc pas l'IA — c'est de croire que le goulot d'étranglement était la rédaction. Il ne l'a jamais été. Le travail qui compte se situe avant et après le texte : à qui vous écrivez, avec quelle information réelle, depuis quel domaine, et ce que vous mesurez ensuite. L'IA bien employée libère du temps sur la mise en forme pour le réinvestir précisément là.
Ce que l'IA fait bien, ce qui doit rester humain
La ligne de partage est simple à énoncer et exigeante à tenir : déléguez la transformation, jamais la vérité. Un modèle transforme une information que vous lui donnez ; il ne doit jamais être la source de cette information.
| On délègue au LLM | On garde chez l'humain |
|---|---|
| Reformuler une accroche à partir d'un fait fourni | Choisir la cible et le signal qui la rend pertinente |
| Résumer une page web ou un profil en une phrase | Vérifier que le fait résumé est exact et récent |
| Produire des variantes d'objet à tester | Décider de l'angle et de la promesse |
| Qualifier en masse (métier, secteur, taille) | Trancher les cas ambigus et les faux positifs |
| Normaliser et nettoyer un fichier | Valider la base légale de la prospection |
La colonne de droite, ce sont vos décisions. Elles ne se sous-traitent pas parce qu'une erreur y coûte cher : un mauvais ciblage envoie un message parfait à la mauvaise personne, et une affirmation inventée par le modèle — « félicitations pour votre levée de fonds » quand il n'y en a pas eu — détruit votre crédibilité en un envoi.
Le pipeline de prospection assistée
Arrêtez de penser « email ». Pensez chaîne. Chaque maillon a un livrable vérifiable, et l'IA n'intervient que sur certains d'entre eux — jamais en autonomie de bout en bout.
Regardez où se trouve le bleu : uniquement sur l'enrichissement et la rédaction, et toujours suivi d'une relecture humaine. Les extrémités — décider de la cible, envoyer proprement, lire les réponses — restent noires. C'est cette répartition qui sépare une campagne qui obtient des rendez-vous d'un envoi de masse qui brûle un domaine.
Éviter le « slop » : les garde-fous
Le « slop », c'est le contenu générique et sans valeur que produit un modèle laissé sans contrainte. En prospection, il a une signature reconnaissable : des compliments creux, des généralités sur le secteur, une structure trop lisse. Trois garde-fous suffisent à l'éliminer.
- N'autorisez la génération que sur une donnée fournie. Le prompt ne doit jamais demander au modèle de « trouver » quelque chose sur le prospect : il reformule une information que vous avez déjà extraite et vérifiée. Pas de donnée en entrée, pas de personnalisation en sortie — on retombe sur un message générique assumé, ce qui vaut toujours mieux qu'une invention.
- Interdisez explicitement l'affirmation non sourcée. Dans vos instructions, une règle non négociable : ne rien affirmer sur l'entreprise ou la personne qui ne soit pas dans le contexte fourni. Un modèle qui n'a rien à dire de vrai doit rester vague, jamais inventer.
- Gardez la dernière ligne humaine. Chaque email part après relecture. Ce n'est pas une lourdeur : c'est le contrôle qualité qui vous évite d'envoyer, à l'échelle, une erreur générée à l'échelle.
Vu en production
Sur les systèmes de prospection que j'opère au quotidien via Cicero Studio, la variable qui change tout n'est jamais « quel modèle » mais « quelle information réelle on a réussi à attacher à chaque contact ». Deux campagnes avec le même LLM, la même offre, la même délivrabilité : celle qui s'appuie sur un signal vrai et récent obtient des réponses, l'autre non.
L'angle mort : la délivrabilité
Voici l'erreur la plus coûteuse, et la plus fréquente. On soigne le texte pendant des heures, on l'optimise avec l'IA — et on l'envoie depuis un domaine non authentifié, jamais chauffé, à un volume qui triple du jour au lendemain. Résultat : le message n'atteint jamais la boîte principale. La qualité rédactionnelle et la délivrabilité sont deux problèmes totalement indépendants.
Pire : l'IA aggrave le risque. Comme elle rend l'envoi de gros volumes trivial, elle pousse mécaniquement vers les comportements qui font basculer un domaine en spam sans retour possible. Avant d'optimiser une virgule, mettez en place le socle : lisez notre guide délivrabilité email : arriver en boîte de réception et le tutoriel configurer SPF, DKIM et DMARC. Sans ça, tout le reste est inutile.
À retenir
Un email généré par IA n'est pas « meilleur » aux yeux d'un filtre anti-spam. Il est jugé sur l'authentification du domaine, la réputation d'envoi et le comportement des destinataires — pas sur son style.
Par où commencer
Si vous partez de zéro, l'ordre compte. Ne commencez pas par les prompts : commencez par la cible et le socle technique, qui conditionnent tout le reste.
- Définissez votre fichier de prospection à partir d'un signal, pas d'un secteur.
- Authentifiez et chauffez votre domaine d'envoi avant le premier vrai volume.
- Écrivez vos prompts pour reformuler une donnée vraie, jamais pour l'inventer.
- Mesurez les réponses et les rendez-vous — pas le taux d'ouverture, qui ment de plus en plus depuis la protection de la vie privée d'Apple Mail.
C'est exactement le parcours qu'on déroule, sur vos données réelles, pendant la formation « Prospecter par email grâce à l'IA » : une journée pour repartir avec une séquence écrite sur votre cible, un domaine configuré, et une méthode qui tient une fois le formateur parti.