Cold Email Grounded

Cold email grounded-in-research

Fabriquer des campagnes de cold email hyper-personnalisées à l'échelle : un agent recherche chaque prospect, écrit une séquence ancrée sur un signal précis, valide la copie, puis prépare la campagne en pause pour relecture humaine. Méthode en français, code/commandes en anglais.

Pourquoi (la thèse)

Le cold email impose d'habitude un compromis : volume (mails génériques — ça scale mais ça ne convertit pas) ou personnalisation (ça convertit mais ça ne scale pas, fait à la main). Un agent IA casse ce compromis : il fait, à grande vitesse, la recherche par prospect que feraient des assistants.

L'objectif n'est pas de vendre dans le premier mail. C'est cold → warm : gagner une réponse en provoquant le réflexe « attends, comment ils savent ça ? ». Si le prospect sent que tu as fait tes devoirs sur lui précisément, il répond. Sinon, c'est du spam.

La règle qui gouverne tout : est-ce que ce message crée assez de pertinence et de valeur pour donner envie de répondre ? Si la 1ʳᵉ ligne pourrait être copiée-collée à 1000 personnes, c'est raté.

Le pipeline (vue d'ensemble)

liste de leads (CSV)
   │
   ▼ 1. Cadrer l'offre   — que vend-on ? quel angle de valeur ? (rechercher le site, ou demander à Allan)
   │
   ▼ 2. Recherche PAR PROSPECT, en parallèle   — 1 signal récent et concret par lead
   │
   ▼ 3. Écrire la séquence   — 3 touches (J0 / J+3 / J+7), ancrées sur le signal, règles de copie
   │
   ▼ 4. Valider   — script de checks (longueur, phrases bannies, CTA, sujet) + signaux vérifiés vs inférés
   │
   ▼ 5. Livrables de revue   — Markdown lisible + CSV enrichi + JSON
   │
   ⛳ RELECTURE HUMAINE   (Allan lit, corrige, approuve)
   │
   ▼ 6. Pousser dans Instantly   — campagne créée EN PAUSE, rien ne part sans activation explicite

Détail exécutable de chaque étape + le prompt d'orchestration à donner à l'agent + le format des fichiers → references/workflow.md.

Toujours commencer par un pilote

Avant de traiter 1000 leads, faire un pilote de ~20. Ça coûte presque rien et ça révèle vite si l'offre / l'angle / les signaux tiennent. On scale après que le pilote a été relu et validé. (Pour Hermes : c'est aussi la règle « on démarre doux et propre » — pas de gros volume agressif au lancement.)

Les règles de copie (le cœur)

Résumé — détail, phrases bannies, anatomie d'un mail, exemples → references/copy-rules.md :

• Langue : celle du prospect — français par défaut pour Atelier Klar.
• < 100 mots, format mobile (lignes courtes, espaces blancs).
• La 1ʳᵉ ligne fait tout : spécifique, ancrée sur le signal. Zéro small talk, zéro « j'espère que ce mail vous trouve bien », zéro flatterie LinkedIn.
• Valeur cadrée sur un axe : gagner du temps · gagner de l'argent · faire de l'argent.
• CTA soft (question low-friction), ton conversationnel, jamais corporate.
• Chaque mail unique = rôle de la personne + entreprise + un signal précis.
• Sujet < 60 caractères.

Valider avant de livrer

Chaque mail passe des checks objectifs — lance le script fourni (déterministe, réutilisable) plutôt que de relire à l'œil. <skill> = le dossier de ce skill :

python "<skill>/scripts/validate_emails.py" emails.json

Il vérifie : nombre de mots, phrases bannies (FR + EN), merge-tags non remplis ({{…}}, [Société]), présence d'un CTA soft, longueur du sujet, et signale les tirets cadratins (— / --) — la signature n°1 de l'« AI slop ». Corriger jusqu'à 0 échec dur avant de livrer.

Discipline qualité : vérifié vs inféré

Tous les signaux ne se valent pas. Marquer chaque lead :

• Signal vérifié (levée de fonds, recrutement, lancement, post récent — sourcé) → à envoyer en premier, c'est ce qui fait « comment ils savent ça ? ».
• Signal inféré (déduit du secteur / rôle, sans source) → contexte crédible, pas une actu. À relire de façon critique avant d'envoyer.

Mettre un champ signal_confidence dans le CSV. Ne jamais inventer un fait sur un prospect : un faux signal détruit la confiance plus vite que pas de signal du tout.

Pousser dans Instantly

Setup + commandes (instantly-cli, clé API en variable d'env, création de campagne, ajout des leads) → references/instantly.md.

Non négociable : on n'active jamais une campagne par script. On la crée, on la met en pause, et c'est Allan qui l'active dans l'UI. (Il n'existe pas de flag « créer en pause » fiable : la sécurité, c'est ne jamais lancer activate.) Le push prépare ; l'humain envoie.

Garde-fous

• Relecture humaine obligatoire avant tout envoi. L'IA propose, Allan valide ; on n'active jamais une campagne par script.
• Conformité UE (cold email B2B) : base légale = intérêt légitime (message lié à la fonction pro du destinataire), lien de désinscription visible obligatoire (le configurer dans Instantly), pas de B2C sans opt-in. L'opt-out en un clic est aussi une exigence de délivrabilité (règles expéditeurs Google/Yahoo).
• Délivrabilité : SPF/DKIM/DMARC en place ; envoyer depuis un domaine secondaire (jamais le principal) ; warm-up actif ; respecter le volume/jour. L'IA peut générer 1000 mails ; ton domaine ne peut pas tous les envoyer d'un coup.
• Données prospects = données réelles. Jamais dans le free tier d'une IA qui pourrait s'en servir pour s'entraîner (règle Atelier Klar : pas de données client / org en free tier). Recherche par sources publiques, oui ; déverser le CRM dans un outil gratuit, non.
• Coût : la recherche par prospect en parallèle consomme des tokens. Piloter petit, scaler conscient du coût.
• Pour Hermes : c'est le Pilier 1 (acquisition) — mais « doux et propre », et seul Allan déclenche un envoi (cf. manifeste-soul-hermes.md).