Nettoyage et enrichissement CRM : guide complet

Le nettoyage des données CRM commence par un export sécurisé : conservez l’identifiant de chaque contact et compte, puis repérez les doublons, identifiez les champs obsolètes, uniformisez les formats et enrichissez uniquement les données manquantes dont vous avez besoin. Vérifiez les enregistrements modifiés avant de les réimporter dans le CRM. L’enrichissement ajoute des informations ; à lui seul, il ne corrige ni un doublon ni une adresse email invalide.

Par exemple, exportez Contact ID, Email, First Name, Last Name, Company Domain et Account ID. Conservez ces identifiants dans votre collection Datablist pendant toute l’opération. Le résultat nettoyé pourra ainsi associer les identifiants d’origine à un statut d’email vérifié, un nom normalisé et toute nouvelle information trouvée sur l’entreprise. Vous pourrez alors rattacher chaque modification au bon enregistrement CRM.

Si la casse ou les suffixes juridiques des noms d’entreprise sont incohérents, testez quelques valeurs avec l’outil gratuit de nettoyage des noms d’entreprise. Comparez les noms nettoyés aux originaux avant d’ajouter une colonne de nom d’affichage à votre export CRM.

L’ordre des opérations compte : dédupliquez avant de payer deux fois pour enrichir la même personne, validez une adresse avant de l’utiliser dans vos campagnes de prospection et conservez les valeurs d’origine jusqu’à ce que vous ayez vérifié leurs remplacements. Les sections suivantes présentent chaque opération dans Datablist.

Plan de ce guide de nettoyage des données CRM

Ce guide couvre quatre étapes. Commencez par celle dont votre export a besoin, puis revenez aux autres lorsque vous préparerez les données nettoyées pour leur réimportation :

Première section : déduplication

1. Dédupliquer des contacts et comptes lorsque tous les attributs sont identiques
2. Dédupliquer des enregistrements CRM dont les attributs diffèrent
3. Dédupliquer des enregistrements CRM répartis dans plusieurs listes

Deuxième section : validation des données

1. Valider le domaine et le statut d’une adresse email
2. Vérifier si une adresse email peut recevoir des messages
3. Vérifier si une personne travaille toujours dans son entreprise

Troisième section : structuration des données

1. Séparer prénom, deuxième prénom et nom
2. Extraire les domaines des adresses email
3. Formater des numéros de téléphone par pays en masse

Quatrième section : enrichissement du CRM

1. Trouver des sites web à partir de noms d’entreprise
2. Enrichir et actualiser les informations des comptes
3. Trouver des informations d’entreprise absentes des bases de données
4. Actualiser les contacts avec des données LinkedIn récentes
5. Trouver des adresses email vérifiées
6. Obtenir des numéros de téléphone vérifiés, hors lignes fixes

Autrement dit, nous allons dédupliquer toutes les données, puis vérifier si les données restantes sont toujours valides, ensuite les structurer et en extraire les éléments utiles, avant de les enrichir avec de nouvelles informations.

Vous pouvez aller directement à la partie qui vous concerne ou suivre toutes les étapes avec moi.

❗️ Conservez les identifiants de vos enregistrements

Je n’ai pas affiché les Record IDs dans cet exemple — Contact ID, Note ID, Account ID, etc. — mais vous devez les conserver. Sans eux, vous ne pourrez pas réimporter vos données ni les rattacher aux bons enregistrements dans le CRM.

Comment dédupliquer les contacts et comptes CRM

Pour dédupliquer les contacts et comptes de votre CRM, trois méthodes sont disponibles dans Datablist :

• Méthode 1 : dédupliquer une liste avec toutes les colonnes
• Méthode 2 : dédupliquer une liste avec des colonnes spécifiques
• Méthode 3 : dédupliquer plusieurs listes

Il peut s’agir d’une liste de comptes, de contacts ou d’opportunités : quel que soit son contenu, la procédure reste identique.

Méthode 1 : dédupliquer une liste avec toutes les colonnes

Lorsque vous scrapez des contacts sur LinkedIn ou d’autres sources à plusieurs reprises, il arrive que les mêmes contacts soient récupérés plusieurs fois. Dans ce cas, la solution la plus simple et la plus rapide consiste à dédupliquer vos contacts à partir de toutes les colonnes. Voici comment procéder :

Étape 1 : importer la liste à dédupliquer

Commencez par vous inscrire sur Datablist.com.

Ensuite, importez votre liste au format CSV ou Excel.

Étape 2 : lancer la déduplication sur toutes les colonnes

Cliquez sur Clean, puis sélectionnez Duplicates Finder.

Activez ensuite l’option située à côté de All Properties.

Cliquez sur Next.

Cliquez sur Run duplicates check.

Vérifiez les résultats, puis cliquez sur Auto-merge duplicates when possible.

Dédupliquer des contacts CRM est aussi simple que cela.

Passons maintenant à la deuxième méthode.

Méthode 2 : dédupliquer une liste avec des colonnes spécifiques

C’est la meilleure méthode si votre liste contient un même contact avec de légères variations.

Par exemple, un contact apparaît deux fois avec le même nom et la même adresse email, mais avec des notes différentes. Vous devez alors dédupliquer la liste uniquement à partir de deux ou trois colonnes précises.

On parle d’identifiant unique, et vous pouvez en utiliser plusieurs.

Étape 1 : importer la liste à dédupliquer

Commencez par vous inscrire sur Datablist.com.

Ensuite, importez votre liste au format CSV ou Excel.

Étape 2 : sélectionner les colonnes de déduplication

Cliquez sur Clean, puis sélectionnez Duplicates Finder.

Ensuite, cochez les colonnes sur lesquelles vous souhaitez effectuer la déduplication. Ici, je compare les contacts à partir des colonnes Company Domain et First Name.

Lorsque vous sélectionnez vos colonnes, veillez également à choisir le bon processor.

Conservez le réglage par défaut de l’option Algorithm, sauf si vous utilisez des identifiants, des URL ou d’autres propriétés exigeant une correspondance exacte.

Pour un domaine, choisissez URL ; pour un nom d’entreprise, choisissez Company Name, etc.

L’essentiel est de toujours adapter le processor au contenu de la colonne utilisée pour la déduplication.

Cliquez ensuite sur Run duplicates check.

Étape 3 : résoudre les conflits entre doublons

Comme les notes ne sont pas identiques, un conflit apparaît. Vous pouvez le résoudre de deux façons :

• Supprimer les valeurs des éléments en conflit
• Combiner les propriétés en conflit

Cliquez sur Combine conflicting properties, sélectionnez la colonne concernée, utilisez Line break comme séparateur, puis cliquez sur Refresh Merging Preview.

Vous pouvez alors voir comment Datablist combinera les deux notes avant de supprimer les doublons. Cliquez ensuite sur Auto-merge when possible.

Voici à quoi ressemble votre liste sans doublons.

👉 Pour aller plus loin, consultez nos articles sur la déduplication des contacts Mac/iOS, la déduplication des colonnes à valeurs multiples, le rapprochement de noms d’entreprise similaires et la fusion des doublons Pipedrive.

Passons à la troisième méthode : dédupliquer des enregistrements CRM répartis dans plusieurs listes.

Méthode 3 : dédupliquer plusieurs listes

Voici un cas concret de déduplication entre plusieurs listes :

Objectif : lancer une campagne ABM visant uniquement de nouveaux comptes, non sollicités au premier trimestre.

Processus :

• Comparer deux listes : les comptes du T1 et les nouveaux comptes
• Retirer de la nouvelle liste les comptes déjà sollicités au T1

Résultat : vous obtenez une liste propre contenant uniquement de nouveaux comptes pour votre campagne.

C’est parti !

Étape 1 : importer plusieurs listes

Commencez par vous inscrire sur Datablist.com.

Ensuite, créez un dossier en cliquant sur l’icône de dossier dans la barre latérale.

Dans ce dossier, créez une collection en cliquant sur les trois points, puis sur New collection.

Voici l’écran affiché lors de la création d’une collection. Importez votre première liste dans Datablist, puis répétez l’opération pour la seconde.

Étape 2 : comparer et nettoyer plusieurs listes

Une fois les deux listes importées, ouvrez votre liste du T2 — ou, dans votre cas, la version la plus récente.

Cliquez sur Clean, puis sélectionnez Duplicates Finder.

Activez l’option à gauche de Check deduplicates across several collections?.

Sélectionnez la collection à comparer — ici, « Q1 ABM ».

Sélectionnez la property à comparer, puis cliquez sur Next. Pour rapprocher des comptes, je recommande les domaines ; pour dédupliquer des contacts, utilisez les adresses email ou profils LinkedIn.

Si vous avez choisi le domaine de l’entreprise ou un autre lien comme identifiant unique, sélectionnez URL comme processor, puis cliquez sur Run duplicates check.

Vous obtenez alors un aperçu des doublons communs aux deux collections.

Cliquez dans le champ sous Auto cleaning rule, puis sélectionnez une option. Avec deux collections, seule l’option Remove duplicate items from collection X est disponible.

Avec trois collections ou plus, une deuxième option apparaît : Keep duplicate items only in collection X.

Vous pouvez maintenant choisir la collection dans laquelle supprimer les doublons. Veillez à toujours retirer les anciennes données de la nouvelle liste.

Cliquez ensuite sur Click here to process duplicated items.

📘 Comment obtenir les meilleurs résultats

Supprimez les contacts du T1 de la liste du T2, et non l’inverse. Par exemple :

✅ Liste T1 : 100 contacts → Tous les conserver

✅ Liste T2 : 200 contacts → Retirer les doublons du T1 → Il reste 100 contacts uniques

❌ Liste T1 : 100 contacts → Retirer les doublons du T2

❌ Liste T2 : 150 contacts → Tous les conserver

Vous pourrez ainsi :

• Préserver l’intégralité de vos données historiques du T1
• Retirer de votre campagne du T2 les comptes déjà contactés
• Éviter de cibler accidentellement les mêmes comptes deux fois

J’ai ainsi supprimé 5 236 comptes en doublon de ma liste du T2 pour obtenir 3 152 comptes uniques.

👉 Pour en savoir plus, consultez notre guide sur la déduplication de plusieurs fichiers Excel.

Nous en avons terminé avec la déduplication. Voyons maintenant comment valider les données CRM.

Comment vérifier si vos données CRM sont à jour

La vérification de l’actualité des données est souvent oubliée lors du nettoyage d’un CRM. Beaucoup supposent qu’une donnée collectée par les équipes marketing ou commerciales restera valide dès lors qu’elle l’était au départ. C’est une erreur majeure.

Dans cette partie, je vais vous montrer :

• Comment vérifier gratuitement la validité d’une adresse email
• Comment vérifier si une adresse email peut recevoir des messages
• Comment vérifier si une personne travaille toujours dans son entreprise

C’est parti !

Comment vérifier gratuitement la validité d’un email

Si vous avez déjà collecté des adresses email via un formulaire, un lead magnet ou une offre gratuite, vous savez que de nombreuses personnes s’inscrivent avec une adresse non professionnelle.

Dans ce cas, utilisez cette fonctionnalité comme premier filtre avant d’investir dans des contrôles de délivrabilité plus poussés pour votre campagne emailing.

❗ Comprendre la différence entre email valide et email délivrable

Cette fonctionnalité ne vous indique pas si l’adresse est délivrable. Elle vérifie uniquement, via les enregistrements MX, si son domaine peut recevoir des emails.

Exemple rapide :

L’adresse habibi@datablist.com n’existe pas, mais le domaine possède des enregistrements MX valides : elle est donc considérée comme valide, même sans boîte de réception réelle.

L’adresse habib@datablist.ai n’existe pas et le domaine ne possède aucun enregistrement MX valide : elle est donc invalide.

L’adresse habib@datablist.com existe et possède des enregistrements MX valides : elle est valide et délivrable.

En bref

Validation de l’email = niveau du domaine

Délivrabilité de l’email = niveau de la boîte de réception

Email validé = le domaine peut recevoir des messages, mais l’adresse peut être erronée

Email délivrable = une boîte de réception existe et peut recevoir des messages

Toutes les adresses valides ne sont pas forcément délivrables.

Étape 1 : importer les emails à valider

Commencez par vous inscrire sur Datablist.com.

Après votre inscription, importez la liste de vos comptes ou contacts CRM.

Étape 2 : valider gratuitement les emails

Nous allons utiliser une fonctionnalité gratuite de Datablist qui identifie le fournisseur MX chargé d’accepter les emails. Sans enregistrements MX valides, un domaine ne peut recevoir aucun message : l’adresse est donc automatiquement non délivrable.

Cliquez sur Enrich.

Ouvrez People, puis sélectionnez Free Email Address Validation.

Associez votre colonne d’adresses email à l’input property, puis cliquez sur Continue to output configuration.

Cliquez sur les icônes plus pour créer les nouvelles propriétés de sortie, puis sur Instant Run.

Voici les résultats fournis par le Free Email Validator de Datablist.

Ces résultats vous indiquent :

• Si l’adresse est professionnelle ou non
• Si elle peut recevoir des messages, qu’elle soit professionnelle ou personnelle
• Quel fournisseur gère le service MX du domaine. Cette information compte en Cold Emailing : mieux vaut éviter certains fournisseurs, notamment Microsoft, car ils peuvent nuire à la réputation de vos comptes d’envoi

👉 Consultez notre guide gratuit de validation des listes d’emails pour en savoir plus.

Après avoir vérifié la validité de ces adresses, voyons si elles peuvent réellement recevoir des messages.

Comment vérifier la délivrabilité d’un email

Si vous avez suivi le workflow précédent : filtrez les adresses valides dans vos résultats. Les adresses invalides sont automatiquement non délivrables. Je vais vous montrer comment faire.

Si vous commencez ici, deux possibilités :

• Revenez au workflow précédent.
• Inscrivez-vous sur Datablist, importez votre liste, puis passez directement à la deuxième étape.

Étape 1 : filtrer les emails valides

Cliquez sur Valid Email, puis sélectionnez Filter on property.

Vérifiez que cette case est cochée, puis cliquez sur Apply.

💡 Conseil pour les entreprises B2B

Si vous travaillez uniquement en B2B, filtrez la colonne « Business Email » plutôt que « Valid Email ». Notre exemple est plus large, car de nombreuses entreprises B2C utilisent également Datablist.

Étape 2 : vérifier la délivrabilité des emails

Cliquez sur Enrich.

Ouvrez People, puis sélectionnez Waterfall Advanced Email Address Verification.

Associez votre colonne d’emails à l’input property, puis cliquez sur Continue to output configuration.

Cliquez sur l’icône plus pour créer une propriété pour Email Status et Role Account uniquement, puis sur Instant Run.

Pourquoi seulement ces propriétés ? Les autres compliqueraient inutilement le fichier si votre seul objectif est de nettoyer votre CRM.

Voici les résultats obtenus :

Valid : une boîte de réception capable de recevoir des messages existe derrière ces adresses.

Les adresses Risky relèvent de deux catégories :

• L’adresse n’a pas pu être vérifiée au moment du contrôle.
• Il s’agit d’un domaine catch-all : son serveur accepte tous les messages, même si la boîte de réception n’existe pas.

Invalid : le compte email n’existe pas. Ne l’utilisez pas.

Comment vérifier un emploi actuel en masse

Vous avez peut-être remarqué que les changements de poste sont de plus en plus fréquents. Peut-être recevez-vous aussi davantage de notifications du type « Cette personne ne travaille plus chez XYZ » après l’envoi d’un email.

Si c’est le cas, je vais vous montrer comment vérifier si une personne travaille toujours dans son entreprise.

Commençons par les données nécessaires :

• Le profil LinkedIn de la personne, indispensable
• L’adresse email ou le domaine de l’entreprise dans laquelle elle est censée travailler

Voici ce que nous allons faire :

1. Scraper le profil LinkedIn de la personne pour identifier son entreprise actuelle
2. Trouver le domaine de cette entreprise
3. Demander à l’IA de comparer les deux domaines

Remarque : cette méthode fonctionne également avec la page LinkedIn de l’entreprise de la personne.

Étape 1 : importer les données du contact

Inscrivez-vous sur Datablist.com.

Importez votre liste dans Datablist.

Étape 2 : scraper le profil LinkedIn

À cette étape, nous allons scraper le profil LinkedIn de la personne.

Cliquez sur Enrich.

Ouvrez People, puis sélectionnez LinkedIn People Profile Scraper.

Associez la colonne contenant les URL LinkedIn à l’input property, puis cliquez sur Continue to output configuration.

Créez de nouvelles colonnes avec les icônes plus pour les sorties suivantes : Company Name, Company page URL et Company website, puis cliquez sur Instant Run.

Vous pouvez aussi créer des colonnes pour les autres sorties si vous avez besoin de données LinkedIn supplémentaires, afin de ne pas payer deux fois.

Voici les résultats obtenus. Ils sont déjà utiles, mais il faut encore trouver les domaines des enregistrements restants : c’est l’objet de l’étape suivante.

Étape 3 : trouver les domaines actuels

Cliquez sur Enrich.

Ouvrez Companies, puis sélectionnez Company Domain/Website and LinkedIn Company Page Matcher.

Choisissez Get the company website from the LinkedIn page URL comme Matching Type.

Associez ensuite l’URL de la page LinkedIn à l’input property.

Cliquez sur Continue to output configuration.

Associez la sortie « Company website » à la nouvelle colonne créée pour le site de l’entreprise.

Attention : ne l’associez pas à la colonne contenant les anciens domaines.

Cliquez sur Instant Run.

Vous disposez alors des options suivantes :

• Run in Async : exécute l’enrichissement dans le cloud et vous permet de poursuivre d’autres tâches, notamment avec une grande liste.
• Test on the first 10 items : permet de tester l’enrichissement sur les dix premiers éléments.

Avec number of items to process, vous pouvez traiter uniquement les 10, 100 ou un nombre personnalisé d’éléments.

La règle Existing data indique à Datablist comment gérer les données déjà présentes. Sélectionnez la deuxième option, Update only the empty cells.

Cliquez ensuite sur Run enrichment on all items.

Étape 4 : comparer les anciens et nouveaux domaines

Maintenant que nous disposons des anciens et nouveaux domaines, comparons-les afin de déterminer si la personne a changé d’entreprise.

Cliquez sur Enrich.

Ouvrez AI, puis sélectionnez Ask ChatGPT/OpenAI.

Cochez la case permettant d’utiliser les crédits Datablist ou fournissez votre clé API OpenAI, puis cliquez sur Use template.

Faites défiler la page et sélectionnez Check if prospect is still working at a company.

Associez maintenant les colonnes de votre collection au template. Voici comment :

Utilisez « / » pour afficher les colonnes disponibles et associez l’ancien domaine au premier champ.

Répétez l’opération avec le nouveau domaine dans le second champ.

Cliquez ensuite sur Continue to output configuration.

Cliquez sur l’icône plus pour créer une colonne de sortie, puis sur Instant Run.

Voici le résultat obtenu après avoir vérifié si une personne travaille toujours dans son entreprise :

Voilà comment vérifier que vos données CRM sont toujours à jour !

Vous pouvez également scorer vos comptes avec l’IA.

Comment structurer et formater vos données CRM

Structurer et formater vos données est essentiel lors du nettoyage d’un CRM, car cela déterminera ensuite la manière dont les équipes commerciales et marketing les exploiteront. Pour uniformiser toutes vos données CRM, je vais vous montrer :

• Comment séparer prénom, deuxième prénom et nom
• Comment extraire les domaines des adresses email
• Comment formater les numéros de téléphone

Uniformiser les données de votre CRM ne représente que la moitié du travail. Pour maintenir un CRM fiable, les données doivent rester propres et structurées. Voici quelques bonnes pratiques :

• Définir des formats de saisie standardisés, par exemple une structure commune pour les comptes rendus d’appels
• Limiter certaines colonnes à des types de données précis, par exemple des chiffres uniquement pour les numéros de téléphone
• Rendre certains champs obligatoires, comme « Last Contact Date », afin que les commerciaux renseignent toutes les informations indispensables

Comment séparer le prénom et le nom

Lors du nettoyage d’un CRM, les prénoms et noms sont souvent réunis dans une seule colonne. Cela peut poser problème : un Lead ou prospect risque de recevoir un email dans lequel son nom complet est utilisé comme prénom, ce qui sonne parfois très étrange.

Étape 1 : importer les noms à séparer

Inscrivez-vous sur Datablist.com.

Importez un fichier CSV ou Excel contenant les noms de vos contacts CRM.

Étape 2 : séparer les différentes parties du nom

Cliquez sur Enrich.

Ouvrez People, puis sélectionnez Name Parser.

Associez la colonne contenant le nom à l’input property, puis cliquez sur Continue to outputs configuration.

Voici les sorties disponibles :

• Prénom
• Deuxième prénom
• Nom
• Genre
• Civilité
• Pays d’origine du nom

Cliquez sur les icônes plus (+) pour créer une colonne pour chaque sortie nécessaire, puis sur Instant Run.

Voici le résultat lorsque vous séparez les prénoms et noms dans Datablist.

Comment extraire les domaines des emails

Étape 1 : extraire les domaines des adresses email

Inscrivez-vous sur Datablist.

Importez un fichier CSV ou Excel.

Cliquez sur Extract, puis sélectionnez Extract domains for email addresses or URLs.

Associez la colonne contenant vos emails à l’input property, puis cliquez sur Preview extraction.

Un aperçu des dix premières lignes s’affiche. Après vérification, cliquez sur Extract data.

Voici le résultat de l’extraction des domaines d’adresses email avec Datablist :

Comment formater les numéros de téléphone pour un CRM

Le formatage des numéros de téléphone est l’un de mes workflows de nettoyage CRM préférés. Datablist est particulièrement utile pour cette tâche, car il :

• Prend en charge les numéros de tous les pays
• Fonctionne avec :
  • Le format international (+XX)
  • Les formats locaux
• Peut traiter les numéros de plusieurs pays dans un même fichier

Pour cet exemple, mon fichier contient des numéros :

• Américains
• Indonésiens
• Allemands
• Algériens

Et je vais tous les formater en une seule opération.

❗ À savoir

Pour formater dans un même fichier des numéros provenant de différents pays, vous devez inclure une colonne « Country » indiquant à Datablist le pays associé à chaque numéro.

C’est parti !

Étape 1 : importer les numéros à formater

Inscrivez-vous sur Datablist.com.

Importez un fichier CSV ou Excel.

Cliquez sur Enrich.

Ouvrez AI, puis sélectionnez Phone Number Extractor.

Sélectionnez les pays d’origine des numéros de votre collection, puis cochez Advanced Settings.

Cochez l’option située à gauche de Define country per Item pour pouvoir ajouter le pays comme entrée.

💡 Conseil rapide

Activez l’option Add phone number type uniquement si vous traitez les numéros d’un seul pays : elle est moins précise avec plusieurs pays.

Associez vos colonnes de numéros et de pays aux input properties, puis cliquez sur Continue to outputs configuration.

Cliquez sur l’icône plus pour ajouter une colonne destinée aux numéros formatés, puis sur Instant Run.

Les Run Settings vous permettent de :

• Utiliser Run in Async, particulièrement pratique pour les grandes listes
• Choisir Test on the first 10 items
• Sélectionner le number of items to process : 10, 100 ou un nombre personnalisé

Après les avoir configurés, cliquez sur Run enrichment on all items.

Voici les numéros que nous venons de formater :

Comment mettre à jour vos données CRM

Maintenir les données de votre CRM à jour est essentiel à la performance de votre entreprise. Voici ce que vous devez savoir pour actualiser efficacement votre CRM :

• Comment trouver des domaines à partir de noms d’entreprise
• Comment extraire les informations et caractéristiques d’une entreprise
• Comment trouver des informations d’entreprise difficiles à obtenir
• Comment scraper les profils LinkedIn de vos contacts CRM
• Comment obtenir des emails vérifiés
• Comment trouver des numéros de téléphone vérifiés

Allons-y !

Comment trouver un domaine à partir d’un nom d’entreprise

C’est probablement l’un de nos enrichissements d’entreprise les plus utilisés. Et pour être honnête, sans domaine, vous ne pouvez pratiquement rien faire. C’est pourquoi je commence par celui-ci — et parce que c’est tout simplement logique.

Étape 1 : importer les noms d’entreprise

Inscrivez-vous sur Datablist.com.

Importez une liste de noms d’entreprise.

Étape 2 : trouver les domaines des entreprises

Cliquez sur Enrich.

Ouvrez URLs, puis sélectionnez Find company domains from company names.

Comprendre les paramètres de recherche 🔍

Deux modes de recherche sont disponibles :

• Option par défaut : Companies Dataset + Google Fallback

  La base de données est interrogée en premier — 1 crédit si le résultat est trouvé — puis Google prend le relais si nécessaire, pour 2,5 crédits.

• Option la moins chère : Use only Companies Dataset

  Seule la base de données est interrogée, pour 1 crédit.

Ces paramètres permettent d’affiner la recherche des domaines :

• Target Country : limite la recherche à un pays afin d’améliorer les résultats
• Accept non-root websites : autorise les sites composés d’un domaine et d’un chemin, comme platform.com/company, et pas seulement les domaines racine comme company.com
• Skip following domains : exclut les annuaires tels que Crunchbase ou Northdata, qui ne sont pas les sites officiels des entreprises

Pour maximiser la couverture, conservez l’option de recherche par défaut, sélectionnez un pays et laissez tous les autres champs vides.

Après avoir configuré la recherche, faites défiler la page, associez la colonne des noms d’entreprise à l’input property, puis cliquez sur Continue to outputs configuration.

Vous pouvez créer une colonne pour « Company URL », « Company Domain » ou les deux en cliquant sur les icônes plus. Personnellement, je choisis généralement uniquement le domaine. Cliquez ensuite sur Instant Run.

Les Run Settings permettent de :

• Utiliser Run in Async, particulièrement utile pour les grandes listes
• Sélectionner le number of items to process : 10, 100 ou un nombre personnalisé

Une fois les réglages définis, cliquez sur Run enrichment on all items.

Voici à quoi ressemble votre collection après avoir utilisé l’enrichissement qui retrouve les domaines à partir des noms d’entreprise. Les coûts sont détaillés ci-dessous.

J’ai dépensé 33 crédits pour trouver 16 domaines, soit 2,06 crédits par domaine. Pour une liste de 1 000 domaines, cela représenterait environ 2 062 crédits, soit 2,03 $.

👉 Pour aller plus loin, consultez notre guide sur la recherche de sites web à partir de noms d’entreprise.

Comment extraire les informations d’une entreprise

Dans cette section, nous allons rechercher des données firmographiques simples afin de déterminer s’il est pertinent de poursuivre les recherches et l’enrichissement de certains comptes.

Par données firmographiques, j’entends les informations généralement affichées sur LinkedIn, notamment :

• Effectif
• Nom de l’entreprise
• Site web
• Siège social
• Spécialités
• Secteur d’activité
• Description
• Pays
• Région
• Année de création
• URL LinkedIn
• Sales Navigator ID
• Nombre d’abonnés
• Slogan

C’est parti !

Étape 1 : importer les entreprises à enrichir

Inscrivez-vous sur Datablist.com.

Importez une liste contenant les domaines ou URL LinkedIn des entreprises présentes dans votre CRM.

Étape 2 : enrichir les informations des entreprises

Cliquez sur Enrich.

Ouvrez Companies, puis sélectionnez Company Enrichment.

Deux paramètres sont essentiels :

1. Data Source Options : les données utilisées pour lancer l’enrichissement

• Company domain, par défaut
• LinkedIn URL

2. Data Return Options & Costs : les informations renvoyées

• Basic data, 1 crédit : secteur, localisation, effectif et année de création
• LinkedIn data, 5 crédits : informations récupérées en direct depuis les pages LinkedIn

Je recommande d’utiliser l’URL LinkedIn pour obtenir des données LinkedIn actualisées. Si vous ne disposez pas de ces URL, utilisez le domaine et Basic data.

Après avoir choisi vos paramètres, associez la colonne des URL LinkedIn à l’input property, puis cliquez sur Continue to outputs configuration.

Créez une colonne pour chaque information nécessaire avec les icônes plus, puis cliquez sur Instant Run.

Les Run Settings vous permettent de :

• Utiliser Run in Async, particulièrement pratique avec les grandes listes
• Choisir le number of items to process : 10, 100 ou un nombre personnalisé

Cliquez ensuite sur Run enrichment on all items.

Voici les informations d’entreprise actualisées que j’ai extraites de LinkedIn :

Mais peut-être recherchez-vous des informations absentes de LinkedIn, dont la recherche manuelle prendrait des heures pour chaque entreprise. Dans ce cas, Datablist peut vous aider : un agent IA automatise ces recherches répétitives à votre place.

Comment trouver des informations d’entreprise difficiles à obtenir

C’est probablement ma partie préférée de ce guide. Attendez, je ne l’ai pas déjà dit ?

Si, mais celle-ci est particulière : je vais vous montrer comment extraire des données d’entreprise cachées que les bases traditionnelles ne trouvent pas, grâce à un AI research agent.

Prenons l’exemple d’une entreprise industrielle. Elle peut posséder plusieurs points de vente, sites de production et spécialités qui n’apparaissent pas dans les bases de données classiques.

Voici quelques exemples d’informations difficiles à trouver :

• Brevets et actifs de propriété intellectuelle
• Expériences professionnelles antérieures des principaux dirigeants
• Relations fournisseurs et détails de la supply chain
• Témoignages clients et études de cas
• Axes de recherche et développement

Ces données exigent des recherches approfondies sur les sites web, communiqués de presse, rapports sectoriels et bases spécialisées. L’AI research agent peut les découvrir en analysant plusieurs sources et en synthétisant les informations pertinentes.

Dans cet exemple, je vais chercher le nombre de sites de production de plusieurs entreprises.

Allons-y !

Étape 1 : importer les entreprises à étudier

Inscrivez-vous sur Datablist.com.

Importez une liste d’entreprises avec leurs domaines.

Étape 2 : rechercher des informations avec l’AI Agent

Cliquez sur Enrich.

Ouvrez AI, puis sélectionnez AI Agent.

Configurez un prompt ou utilisez celui ci-dessous pour tester l’outil. Découvrez ici comment rédiger un prompt pour l’AI Agent.

Voici ce que fait mon prompt :

• Recherche le nombre de sites de production de chaque entreprise
• Repère les entreprises possédant plus de cinq sites
• Attribue le label « ICP » aux entreprises possédant plus de cinq sites et « Irrelevant » aux autres
• Identifie la localisation de ces sites
• Fournit la liste complète des implantations

Après avoir configuré votre prompt, faites défiler la page pour définir les sorties souhaitées. Dans mon cas, j’en configure deux :

• ICP Status
• Locations

Je configure la première sortie, puis je clique sur More pour en créer une deuxième. Vous pouvez répéter l’opération autant de fois que nécessaire.

Ensuite, je coche la case Advanced Settings.

Les paramètres avancés de l’AI Agent permettent de :

• Choisir le modèle LLM utilisé
• Définir le nombre maximal d’itérations de l’agent
• Activer Render HTML pour permettre à l’agent de parcourir les pages web

Une fois ces réglages terminés, cliquez sur Continue to outputs configuration.

Cliquez sur les icônes plus pour créer une colonne par sortie, puis sur Instant Run.

Vous pouvez maintenant configurer les Run Settings et sélectionner le number of items to process.

Cliquez ensuite sur Run enrichment on all items. L’AI Agent commence alors à rechercher et extraire les informations demandées sur les implantations des entreprises.

Comme vous pouvez le constater, ces résultats vont bien au-delà des informations contenues dans les bases de données et révèlent des pépites que les fournisseurs traditionnels ne peuvent pas égaler.

📘 Votre créativité est la seule limite

Cet exemple a volontairement été poussé assez loin pour illustrer tout ce que l’AI Agent peut accomplir. Vous pourriez également déterminer si un hôpital est privé ou public, ou mener toute autre recherche — et nous pouvons aussi vous aider à rédiger le prompt.

Comment scraper le profil LinkedIn d’un prospect

Pour humaniser votre prospection, la personnalisation est essentielle — à condition de savoir distinguer le simple « human touch » de la véritable pertinence. Dans les deux cas, vous devez scraper le profil LinkedIn du prospect.

La seule donnée indispensable est l’URL de son profil LinkedIn.

Étape 1 : importer les profils LinkedIn

Inscrivez-vous sur Datablist.com.

Importez une liste contenant les URL LinkedIn de vos prospects.

Étape 2 : scraper les profils LinkedIn

Cliquez sur Enrich.

Ouvrez People, puis sélectionnez LinkedIn Profile Scraper.

Voici les principaux paramètres du scraping de profils LinkedIn :

• Cache vs Real-time : les données en cache sont utilisées par défaut. Activez le scraping en temps réel pour obtenir des données récentes, pour 50 crédits par profil
• Work Experience : choisissez le nombre d’expériences précédentes à renvoyer, trois par défaut et dix au maximum
• Datablist accepte les URL LinkedIn classiques, comme linkedin.com/in/xxx, ainsi que les URL Sales Navigator

Une fois les paramètres configurés, cliquez sur Continue to outputs configuration.

Cliquez sur les icônes plus pour ajouter une colonne par sortie souhaitée. Vous pouvez choisir parmi les informations suivantes :

• LinkedIn Profile URL : URL de profil standardisée au format linkedin.com/in/xxx
• Basic Info : prénom, nom, nom complet, titre et résumé
• Location : ville, région, pays, code et nom complet
• Current Position : fonction, entreprise, dates, URL de l’entreprise, site web, secteur, taille, description et localisation
• Work History : deux postes précédents, avec fonctions, entreprises et dates
• Additional Info : langues parlées et nombre de relations

Cliquez ensuite sur Instant Run.

Les Run Settings de Datablist permettent de :

• Utiliser Run in Async, particulièrement utile pour les grandes listes
• Choisir Test on the first 10 items
• Sélectionner le number of items to process : 10, 100 ou un nombre personnalisé

Après les avoir configurés, cliquez sur Run enrichment on first X items pour rechercher les données LinkedIn de vos prospects.

Voici les résultats obtenus :

Remarque : je n’ai pas extrait toutes les données, car seuls les noms et domaines m’étaient nécessaires pour trouver les numéros de téléphone. Cet enrichissement peut toutefois fournir bien davantage d’informations.

Voyons maintenant comment enrichir votre CRM avec des adresses email valides !

Comment trouver des emails vérifiés pour votre CRM

Sans adresses email vérifiées, vous essayez de distribuer du courrier dans une ville sans noms de rue. Pas très efficace, n’est-ce pas ?

Voici les données nécessaires pour enrichir votre CRM avec des emails vérifiés :

• Le nom du contact, obligatoire
• Le nom ou le domaine de l’entreprise, obligatoire
• L’URL LinkedIn, facultative

Étape 1 : importer les contacts à enrichir

Inscrivez-vous sur Datablist.com.

Importez votre liste de contacts.

Étape 2 : rechercher des emails vérifiés

Cliquez sur Enrich.

Ouvrez People, puis utilisez Waterfall Email Finder.

Voici rapidement comment il fonctionne :

Waterfall Email Finder de Datablist interroge successivement plus de 15 fournisseurs pour trouver les adresses email de vos prospects, et vous ne payez que lorsqu’un résultat est trouvé. Plutôt équitable, non ?

Vous pouvez configurer votre waterfall de plusieurs façons :

• Utiliser le nom complet plutôt que le prénom et le nom séparés
• Choisir vos fournisseurs préférés avec vos propres clés API

Faites ensuite défiler la page et configurez vos colonnes d’entrée.

Tous ces réglages sont facultatifs. Pour maximiser la couverture, conservez les paramètres par défaut.

Associez vos colonnes aux input properties, puis cliquez sur Continue to output configuration.

Cet enrichissement fournit trois sorties :

• Email address
• Email address status
• MX provider

Cliquez sur les icônes plus pour ajouter une colonne par sortie, puis sur Instant Run.

Les Run Settings permettent de sélectionner le number of items to process : 10, 100 ou un nombre personnalisé.

Après les avoir configurés, cliquez sur Run enrichment on all items pour trouver les emails de vos prospects.

Comme vous pouvez le voir, l’outil a trouvé toutes les adresses pour lesquelles des données étaient disponibles. Avec Waterfall Email Finder de Datablist, vous pouvez facilement trouver des milliers d’adresses email et enrichir votre CRM avec des coordonnées fiables.

Voyons maintenant comment trouver des numéros de mobile vérifiés !

Comment enrichir votre CRM avec des numéros vérifiés

Les adeptes du Cold Calling sont des chasseurs. Pendant que tout le monde sature les boîtes de réception de messages automatisés, ils passent un simple appel à froid pour sortir du lot.

Oui, les deux méthodes fonctionnent, mais l’une paraît bien plus personnelle.

Voici comment trouver ces précieux numéros :

Étape 1 : importer les profils des contacts

Inscrivez-vous sur Datablist.com.

Importez votre liste contenant les URL des profils LinkedIn.

Étape 2 : trouver les numéros de téléphone vérifiés

Cliquez sur Enrich.

Ouvrez People, puis sélectionnez Waterfall Phone Finder.

Associez votre colonne d’URL LinkedIn à l’input property, puis cliquez sur Continue to outputs configuration.

Cliquez sur les icônes plus pour ajouter les colonnes de sortie suivantes :

• Phone Number : renvoie le numéro complet au format international avec l’indicatif du pays, par exemple +1-555-0123
• Country : renvoie le code pays à deux lettres, par exemple US, GB ou DE

Cliquez ensuite sur Instant Run.

Les Run Settings permettent de sélectionner le number of items to process : 10, 100 ou un nombre personnalisé.

Après les avoir configurés, cliquez sur Run enrichment on all items pour rechercher les numéros de téléphone de vos prospects.

Datablist a trouvé presque tous les numéros pour moi. À vous de l’essayer !

Conclusion

Dans un environnement où les relations professionnelles évoluent à toute vitesse, des données CRM obsolètes ou inexactes réduisent vos chances de réussite, vous font manquer des opportunités et gaspillent vos ressources.

Le nettoyage et l’enrichissement réguliers des données doivent être une priorité.

En appliquant ces stratégies avec des outils comme Datablist, vous conserverez une base CRM fiable, améliorerez l’engagement et augmenterez vos taux de conversion.

N’oubliez pas : la qualité de votre marketing, de vos ventes et de votre service client dépend directement des données qui les alimentent. Intégrez régulièrement l’enrichissement à la maintenance de votre CRM pour rester compétitif.

« La manière dont vous collectez, gérez et utilisez l’information déterminera votre réussite ou votre échec. » — Bill Gates

FAQ sur le nettoyage des données CRM

Quel pourcentage des données CRM devient obsolète chaque année ?

Environ 30 % des données CRM deviennent obsolètes chaque année. Cela comprend :

• 15 à 20 % des adresses email qui deviennent invalides
• 18 % des numéros de téléphone qui changent
• 21 % des postes de direction générale qui changent de titulaire
• 25 à 33 % des personnes qui changent d’emploi

Combien coûtent les mauvaises données CRM aux entreprises ?

Une donnée CRM incorrecte coûterait en moyenne 100 $ à une entreprise. Pour les grandes organisations, les pertes annuelles peuvent atteindre plusieurs millions en raison de :

• Dépenses marketing inutiles
• Perte de productivité
• Opportunités manquées
• Atteinte à la réputation causée par une communication client défaillante

Qu’est-ce que le nettoyage d’un CRM ?

Le nettoyage CRM est un processus systématique visant à préserver et améliorer la qualité de votre base clients. Il repose sur quatre piliers :

1. Déduplication : supprimer les entrées en double et consolider les enregistrements
2. Validation : vérifier l’exactitude des données existantes, telles que les adresses email et les numéros de téléphone
3. Structuration et formatage : normaliser les formats et organiser les informations de façon cohérente
4. Enrichissement des données : ajouter des informations nouvelles et pertinentes aux profils clients

Un nettoyage CRM régulier garantit à vos équipes des informations exactes et actualisées, pour de meilleures décisions et des interactions clients plus efficaces.

Comment garder un CRM propre ?

• Définissez des formats de saisie standardisés, par exemple une structure commune pour les comptes rendus d’appels
• Limitez certaines colonnes à des types de données précis, comme des chiffres uniquement pour les numéros de téléphone
• Rendez certains champs obligatoires, par exemple « Last Contact Date », afin que les commerciaux renseignent toutes les données indispensables

ChatGPT peut-il nettoyer des données ?

ChatGPT n’est pas conçu pour le nettoyage de données. Des solutions gratuites comme Datablist sont bien mieux adaptées. Cela ne signifie pas que ChatGPT ne peut nettoyer aucune donnée, mais il gère mal les fichiers volumineux et, au-delà de 1 000 enregistrements, le résultat risque fortement de comporter des erreurs.