Trouver automatiquement l’email de ses prospects, sans outil payant

Tu as une liste de prospects. Le nom, le site, parfois l’activité. Tu sais à peu près qui tu veux contacter.

Mais il manque une donnée simple : l’email.

Et sans email, la prospection reste bloquée.

J’utilise déjà un système automatisé pour collecter ces fiches depuis Google Maps. Ce qu’il ne ramène pas, c’est l’email de contact.

Chercher à la main prend du temps. Payer une base spécialisée coûte cher, surtout pour des artisans et des TPE locales souvent mal couvertes. Et laisser tomber, c’est renoncer à une partie de la liste.

J’ai donc mis en place deux automatisations qui s’enchaînent : la première cherche gratuitement sur le site, la seconde ne s’active que si la première échoue.

Résultat : en une heure, la liste est enrichie sans intervention de ma part.

Ce que ça change

Avant : enrichir une liste de 50 prospects me prenait facilement une demi-journée, site par site.

Après : je lance les deux automatisations et je passe à autre chose. Quand je reviens, chaque prospect a soit un email, soit un statut clair : trouvé ou non trouvé.

Ce qui reste de mon côté : décider si le prospect vaut le coup, comprendre son contexte, et rédiger un message propre. L’enrichissement ne remplace pas la décision commerciale, il enlève juste la partie fastidieuse.

Pour la suite, j’ai aussi besoin d’analyser le site de chaque prospect avant de le contacter. C’est ce que ce workflow fait automatiquement. Le cold mail lui-même fera l’objet d’un autre workflow, encore en construction.

Première étape : chercher gratuitement sur le site

La première automatisation visite le site du prospect et cherche une adresse email sur les pages les plus probables : accueil, contact, mentions légales, à-propos.

Quand plusieurs emails apparaissent, elle garde le plus pertinent : de préférence une adresse liée au nom de domaine du site, et si possible une adresse de contact claire (contact@, info@, bonjour@).

Si un email est trouvé, il est enregistré immédiatement dans le tableau et le prospect est marqué comme traité.

Coût de cette étape : zéro.

Sur mon dernier test, cette première passe a suffi pour environ 60 à 70 % des sites. C’est ce qui permet de garder le système rapide et quasiment gratuit sur la majorité des cas.

Deuxième étape : traiter les cas que la première lecture ne voit pas

Certains sites affichent bien un email dans un navigateur, mais pas d’une façon exploitable par une lecture classique. Le site semble normal pour un humain, mais l’automatisation ne récupère presque rien.

Dans ces cas-là, une seconde automatisation prend le relais avec une méthode différente. Elle récupère le contenu réel du site, identifie les pages les plus susceptibles de contenir un contact, puis relance la recherche uniquement sur ces pages.

Si un email fiable est trouvé, il est enregistré. Sinon, le prospect est marqué comme non trouvé.

Cette deuxième étape repose sur Tavily, que je n’utilise qu’en second recours pour une raison simple : la majorité des sites sont déjà couverts gratuitement par la première passe.

Ordre de grandeur observé dans ma configuration actuelle :

• 1 000 crédits gratuits par mois chez Tavily
• environ 2 crédits consommés par prospect traité dans cette deuxième passe
• comme la première passe couvre déjà 60 à 70 % des cas, le quota gratuit suffit largement pour absorber les sites plus difficiles
• au-delà, le coût reste très faible : inférieur à 2 centimes par prospect supplémentaire

L’idée n’est pas d’ajouter un outil partout. L’idée est de ne payer que quand le niveau gratuit ne suffit plus.

Ce qui reste dans Baserow à la fin

Une fois les deux étapes terminées, deux informations suffisent :

• Email : l’adresse trouvée, si elle existe
• Statut de recherche : Traité ou KO

Pas besoin de plus.

En un filtre, je vois quels prospects sont exploitables pour la suite et lesquels doivent être écartés.

Les limites réelles

Sur mon dernier test, les deux automatisations ont traité 90 prospects.

70 ont fini avec un email enregistré.

Les 20 restants tombent surtout dans deux catégories :

• des sites sans email affiché, avec uniquement un formulaire ou une page contact vide ;
• des sites techniquement inutilisables : page 404, domaine expiré, site cassé.

Aucun système ne peut extraire un email qui n’est pas affiché quelque part.

En pratique, sur ce type de cibles — artisans et TPE locales — un taux autour de 80 % est un plancher réaliste dans ma configuration actuelle.

Où cette étape s’insère dans ma prospection

Cet enrichissement email est la deuxième brique d’une séquence plus large :

1. Collecte Google Maps : remplit la table Baserow avec des prospects qualifiés
2. Enrichissement email : cherche l’email de contact
3. Analyse du site : visite le site de chaque prospect pour préparer un contexte utile avant contact
4. Cold mail : génère un message personnalisé à partir des signaux collectés (en cours de construction)

Chaque étape alimente la suivante.

Ici, le but est simple : transformer une fiche “nom + site” en fiche exploitable pour la suite.

Pour un usage isolé, cette étape peut aussi tourner seule, en manuel depuis n8n ou sur un planning défini, si la liste de prospects vient d’une autre source.

Ce que cette logique dit de la méthode

La première étape suffit dans la majorité des cas. La seconde n’existe que pour traiter les exceptions.

C’est la logique que j’essaie d’appliquer partout :

commencer simple, gratuit et suffisant ; ajouter une couche seulement quand c’est nécessaire.

Chez un client, c’est la même chose.

On ne cherche pas à tout automatiser d’un coup. On commence par la tâche qui coûte le plus de temps, d’oublis ou d’énergie. On la stabilise. Puis on décide si ça vaut le coup d’aller plus loin.