Agents IA pour cold emailing : Build vs. Buy pour les fondateurs

Développez un agent IA sur mesure pour le cold emailing uniquement lorsque la qualité de la personnalisation est votre vrai goulot d'étranglement et que vous êtes prêt à prendre en charge le pipeline. Achetez un outil clés en main comme Instantly ou Smartlead lorsque votre problème est la délivrabilité, le warm-up et le séquençage — des problèmes que ces plateformes ont déjà résolus mieux que vous ne le ferez en première version. La plupart des fondateurs pensent devoir construire ; la plupart devraient commencer par acheter, et ne construire que la partie réellement défaillante.

Ce que l'on entend concrètement par « agent IA pour cold emailing »

Derrière le marketing, il y a en réalité trois missions distinctes :

1. L'infrastructure d'envoi : SPF/DKIM/DMARC, warm-up des IPs, rotation des boîtes d'envoi, gestion des bounces.
2. Le séquençage et le tracking : relances, ouvertures, réponses, désabonnements.
3. La personnalisation : identifier quelque chose de vrai et de spécifique sur chaque prospect, puis rédiger un e-mail qui l'exploite.

Les outils clés en main excellent sur les points (1) et (2). Ils restent médiocres sur le point (3), car une vraie personnalisation implique de rechercher chaque prospect individuellement — et la plupart des plateformes se contentent d'un bouton « IA, rédige ça » qui applique le même template de prompt à chaque lead. C'est précisément le manque qu'un agent sur mesure vient combler.

L'option build : ce que ça coûte et où ça casse

Nous faisons tourner notre propre moteur d'outreach pour cette raison précise. Il scrape le site de chaque prospect via une instance Firecrawl auto-hébergée, envoie le contenu nettoyé de la page à un LLM local, et lui demande deux choses en une seule requête : extraire trois ou quatre faits pertinents à mentionner, puis rédiger l'e-mail en les utilisant. Pas d'« agent de recherche » distinct qui passerait le relais à un « agent de rédaction », pas d'étape de planification, pas de boucle de critique — un appel, un résultat.

Ce choix n'est pas arbitraire. Nous avons d'abord testé la version multi-étapes : une chaîne qui scrapait, puis résumait, puis planifiait un angle, puis rédigeait, puis se relisait. Elle était plus lente, coûtait plus cher par lead en tokens, et — c'est là la surprise — la qualité du résultat n'était pas meilleure. Les étapes supplémentaires multipliaient les occasions pour le modèle de s'éloigner du contenu source ou d'inventer un détail plausible mais absent de la page. Réduire le tout à un seul appel avec l'intégralité du contexte scrapé dans le prompt a produit des e-mails plus précis et plus cohérents, pour moins cher. Si vous hésitez plus généralement entre un appel unique et une chaîne d'agents, les compromis sont les mêmes que ceux abordés dans appel unique vs. chaînes d'agents — c'est ce même schéma appliqué à l'outreach.

Construire cela en interne, c'est assumer la responsabilité de :

• La fiabilité du scraping : les sites changent, bloquent les bots, ou ne proposent rien d'utile sur leur page d'accueil.
• L'ingénierie du prompt et du contexte : décider quoi extraire, combien de contenu de page fait tenir dans le contexte, et comment échouer proprement quand il n'y a rien de pertinent à extraire.
• Le coût en tokens à volume : un seul appel par lead est bon marché, mais bon marché multiplié par 50 000 leads nécessite quand même un budget ; consultez l'optimisation des coûts LLM si vous dépassez quelques milliers d'envois par mois.
• L'infrastructure d'envoi : un agent qui rédige un excellent e-mail a quand même besoin d'un canal d'envoi fiable — ce qui est généralement la partie qu'il vaut mieux acheter que construire.

Coût réaliste pour une première version : quelques milliers d'euros de temps de développement pour le scrape-extraction-rédaction, plus les dépenses courantes en API LLM, généralement de l'ordre de quelques centimes par lead si vous restez sur un seul appel. Ce chiffre monte vite si vous ajoutez des relances, plusieurs appels de modèles pour la « qualité », ou une base de données vectorielle pour stocker du contexte scrapé que vous n'aurez en réalité jamais besoin de rechercher — résistez à ces ajouts tant que vous n'avez pas mesuré que la version simple est réellement insuffisante.

L'option buy : ce que vous obtenez et ce que vous sacrifiez

Instantly, Smartlead, Apollo et leurs équivalents vous offrent une infrastructure de délivrabilité que leurs équipes ont mis des années à affiner, ainsi que le séquençage, le tracking et la gestion des désabonnements, directement opérationnels. Leur personnalisation IA intégrée existe mais reste superficielle — généralement un seul prompt par lead utilisant les champs que vous avez importés (nom, entreprise, titre), et non une étape de recherche par prospect. Pour de l'outreach en volume où le message n'a pas besoin de référencer quelque chose de spécifique au prospect, c'est souvent suffisant.

Les limites apparaissent précisément dans le cas où la personnalisation est votre facteur différenciant — par exemple, si votre argumentaire repose sur la mention d'un élément concret issu du site du prospect, de sa stack technique, ou d'un problème visible dans son produit public. Les outils génériques ne feront pas cette recherche à votre place.

Il y a aussi une dimension conformité qui ne disparaît pas parce que l'IA rédige le texte : la gestion des désabonnements, l'identification de l'expéditeur et (aux États-Unis) les exigences du CAN-SPAM s'appliquent de la même façon aux e-mails rédigés par IA qu'aux e-mails écrits par des humains — consultez le guide de conformité de la FTC si vous construisez ou achetez et que vous ne l'avez pas encore vérifié.

Une approche hybride qui évite la plupart des risques

Le juste milieu pragmatique — et ce que nous recommanderions à la plupart des fondateurs : conservez une plateforme établie pour l'envoi, le warm-up et le séquençage, et construisez uniquement l'étape de personnalisation sous forme d'agent sur mesure à appel unique, dont vous injectez le résultat dans cette plateforme via API ou CSV. Vous bénéficiez d'une délivrabilité éprouvée sans avoir à la reconstruire, et vous obtenez la profondeur de personnalisation que les fonctionnalités IA clés en main ne proposent pas. Cela limite aussi le périmètre de votre développement au seul composant où le travail sur mesure apporte réellement de la valeur, plutôt que de réinventer une infrastructure déjà banalisée.

Un autre levier mérite d'être testé, quelle que soit l'approche choisie : ce que vous demandez au prospect de faire ensuite. Dans notre propre outil, remplacer l'appel à l'action « réservez un appel » — un lien de calendrier — par un simple « répondez OUI » a systématiquement amélioré les taux de réponse. La friction liée à la prise de rendez-vous décourage des leads pourtant intéressés avant même qu'ils n'arrivent à un appel. C'est un test peu coûteux à effectuer, quelle que soit l'approche de rédaction retenue.

Comment décider

• Si vos e-mails actuels semblent génériques et que cela vous coûte des réponses, construisez l'étape de personnalisation — mais commencez par un seul appel LLM, pas une chaîne. Nos propres tests ont montré que la version multi-étapes scrape-résumé-plan-rédaction-relecture coûtait plus cher en tokens et produisait un résultat moins bon qu'un seul appel avec l'intégralité de la page scrapée en contexte — car chaque étape supplémentaire était une occasion de s'éloigner de la source ou d'inventer un détail absent du site.
• Si votre problème est que vos e-mails n'arrivent pas en boîte de réception, achetez une infrastructure d'envoi — Instantly et Smartlead ont déjà passé des années à affiner le warm-up et la rotation, et aucun texte rédigé par IA ne règle un problème de délivrabilité.
• Si vous ne savez pas lequel des deux est défaillant, mesurez séparément le taux de réponse et le placement en boîte avant d'écrire la moindre ligne de code. Dans notre cas, le goulot d'étranglement n'était ni la rédaction ni la délivrabilité — c'était la demande elle-même. Remplacer « réservez un appel » par un simple « répondez OUI » a davantage fait bouger les taux de réponse que n'importe quelle modification de la personnalisation.

Si vous évaluez si cela vaut la peine d'être développé en interne ou si vous souhaitez en discuter, parlons-en.