Un produit solide, un « bureau marketing » piloté par IA et une machine de prospection qui ne générait pas de réponses.
ContentBuilder est une plateforme américaine de formation par IA. Elle transforme les connaissances existantes d'une entreprise (documents, procédures, enregistrements, politiques) en formations structurées, narrées par IA et multilingues, avec une diffusion LMS complète (SCORM/xAPI, SSO/SCIM). Son module associé, Lumi, gère les tâches RH : rédiger des fiches de poste, publier des offres, présélectionner les candidats et mener les premiers entretiens.
Je suis intervenu comme Marketing Manager en contrat. L'entreprise disposait d'un « bureau marketing » IA avec des départements et des agents déjà en place, mais rien n'était relié à de vraies plateformes comme la Search Console, GA4, la publication sur les réseaux sociaux ou Canva. Les e-mails de prospection partaient, mais les réponses ne revenaient pas.
Le texte n'était pas le problème. Microsoft envoyait chaque e-mail en spam.
L'hypothèse facile était un mauvais texte. Avant de réécrire quoi que ce soit, j'ai lancé un test complet de placement en boîte de réception sur chaque boîte d'envoi et lu les cinq sous-rapports :
- Google → Google : 96 % en boîte de réception. Contenu, SPF, DKIM et DMARC tous validés. Score anti-spam de 0, aucune liste noire.
- Google → Microsoft : 0 % en boîte de réception, 100 % en spam. Chaque e-mail envoyé à une adresse Outlook ou Microsoft 365 atterrissait dans les indésirables.
- Cela isolait le problème à la réputation de l'expéditeur chez Microsoft. Le contenu, l'authentification et les listes noires étaient tous écartés. Pour une audience B2B, où une grande partie des entreprises utilise Microsoft 365, cela explique à lui seul la plupart des réponses manquantes.
Le plan de correction : inscription à Microsoft SNDS/JMRP, ajout de 2 à 3 domaines d'envoi chez un second fournisseur, plafonnement du volume à 25-40 e-mails par boîte et par jour, segmentation des envois selon le fournisseur de messagerie du destinataire, et désactivation du suivi des ouvertures. J'ai aussi chiffré ce que l'objectif de volume élevé du client exigerait en réalité : environ 200 boîtes préchauffées sur de nombreux domaines, avec un préchauffage de 3 à 4 semaines impossible à sauter ou à acheter.
Reconstruction du client idéal, et découverte d'un déclencheur plus efficace que le secteur ou l'effectif.
- ICP reconstruit de zéro lorsque l'accent est passé au produit RH : des directeurs RH et formation d'entreprises de 100 à 2 000 personnes vers les dirigeants, fondateurs et COO d'entreprises sans responsable RH dédié, qui ressentent directement la difficulté du recrutement
- Le meilleur signal de ciblage : 5+ postes ouverts en ce moment. Il est public, daté et gratuit à trouver, et il prédit mieux l'intention d'achat que le secteur ou la taille de l'entreprise
- 15 secteurs étudiés, réduits à 3 pour des tests en parallèle : services à domicile et sur le terrain, soins à domicile et aide aux seniors, et groupes de salons/restaurants de plus de 10 établissements
- Cinq paires complètes ICP + offre pour le produit de formation principal, avec une revue manuelle de 40 entreprises pour vérifier que les vrais leads correspondaient à l'ICP avant d'engager du budget dans les envois
Réécriture des séquences pour coller à ce qui fonctionne aujourd'hui en prospection par e-mail.
- Correction de problèmes structurels dans les e-mails d'origine : ils étaient signés « l'équipe » au lieu d'une vraie personne, demandaient une démo de 30 minutes dès le premier contact et portaient des signatures très chargées. Je les ai remplacés par des e-mails signés par une personne et une demande légère de 15 minutes
- Rédaction d'un lancement en cinq campagnes fondé sur des données de référence actuelles : moins de 80 mots par e-mail, 4 à 7 contacts par séquence, et l'essentiel de l'effort sur le premier e-mail, d'où viennent la plupart des réponses
- Livraison de la spécification complète du lancement : audiences, structures de campagne et une configuration d'agent de gestion des réponses avec un tableau de réponse pour chaque type de retour
- Conception d'une nouvelle offre (un « pack d'entraînement au prochain recrutement ») et d'un document de validation prêt pour le fondateur, en vue de la prospection aux États-Unis
Vérification que le produit correspondait au discours, et signalement des risques juridiques avant tout envoi.
- Nouvel audit du produit en ligne face à la promesse de prospection, qui s'est révélé plus limité que « gère votre équipe RH ». J'ai signalé l'écart avant qu'il n'atteigne les prospects et n'entame leur confiance
- Recherche de conformité sur les outils de recrutement par IA : NYC Local Law 144 (audits de biais indépendants annuels, résultats publiés, information des candidats 10 jours ouvrés à l'avance) et des règles similaires dans l'Illinois et le Colorado, qui déterminent à qui l'on peut proposer sans risque un produit de présélection
- Examen d'une offre d'incitation aux avis au regard de la règle de la FTC sur les avis et témoignages de consommateurs
Tout ancré dans des données réelles, avec un reporting sur les résultats plutôt que sur l'activité.
- Audit SEO & CRO complet de contentbuilder.ai, plus un audit Google Search Console en direct à partir des vraies données d'indexation et de requêtes plutôt que d'estimations tierces
- Plan de recherche & d'exécution sur 20 jours avec un outil de suivi opérationnel et une synthèse d'une page pour le fondateur
- Création d'un cours de démonstration dans le produit et scénarisation d'une présentation produit de 90 secondes pour les ventes
- Mise en place d'un reporting axé sur les résultats : délivrés, taux de rebond, placement en boîte de réception, réponses, réponses positives, appels réservés, appels tenus, clients gagnés, MRR ajouté. Les points quotidiens suivaient un format fixe : décision, raison, chiffres, enseignements, lendemain
