Quand j’ai commencé à construire des agents IA B2B il y a deux ans, il fallait encore connaître Python, savoir orchestrer des appels API, et gérer une base de données. Aujourd’hui, ce travail tient en quelques heures dans un outil no-code, sans écrire une ligne de code.

Le but de ce tutoriel n’est pas de construire le meilleur agent du marché. C’est de te faire passer de zéro à un premier agent fonctionnel, en suivant les bonnes pratiques. Une fois ce premier squelette en place, tu pourras itérer dessus pour aller beaucoup plus loin.

Cinq étapes, environ deux heures pour la première version. Prêt ?

Définir ce que ton agent IA B2B doit faire

La première étape n’a rien de technique. C’est l’étape la plus importante : spécifier précisément ce que ton agent va faire. La majorité des agents IA qui ratent en production ne ratent pas à cause du modèle. Ils ratent parce qu’ils ont été spécifiés trop vaguement.

Pour notre exemple, voici la spécification :

• Entrée : une ligne avec nom d’entreprise et nom de contact.
• Tâche : rechercher les actualités récentes de l’entreprise, identifier un trigger pertinent, rédiger un message LinkedIn d’accroche personnalisé.
• Sortie : un message LinkedIn de 4-5 lignes, contextualisé, conversationnel, sans pitch produit.
• Critère de succès : un humain qui lit le message doit immédiatement comprendre pourquoi tu écris à cette personne précise à ce moment précis.

Si tu ne sais pas écrire ces quatre lignes, ne lance pas la construction. Tu vas perdre du temps et finir avec un agent qui produit du contenu générique.

Choisir les outils de ton agent IA B2B

Trois briques minimales pour un agent IA B2B fonctionnel : un orchestrateur, un LLM, une source de données.

Coût total : ~0€ pour les premiers tests, ~70€/mois en usage régulier (Clay Explorer + crédits API Claude). C’est dix fois moins cher qu’un SaaS de prospection équivalent.

Construire le workflow de ton agent IA B2B dans Clay

Maintenant qu’on a la spec et les outils, on assemble le workflow. Dans Clay, ça se fait en ajoutant des colonnes successives à un tableau de prospects.

Chaque colonne déclenche automatiquement la suivante. Une fois le workflow construit pour une ligne, il s’applique à toutes les autres lignes en un clic. C’est la magie de Clay : tu construis une fois, ça tourne sur 10 000 prospects ensuite.

Premier conseil pratique : teste sur 3-5 lignes avant de lancer sur ta liste complète. Tu vas trouver des cas tordus (entreprise homonyme, contact mal nommé) qui demandent d’affiner les prompts.

Écrire les prompts de ton agent IA B2B

C’est l’étape qui fait toute la différence. Un agent IA fait ce que ses prompts lui disent. Mauvais prompt = mauvais résultat, même avec le meilleur LLM.

Pour notre exemple, deux prompts à écrire : un pour identifier le trigger, un pour rédiger le message.

À partir des actualités suivantes sur {{entreprise}} :

{{news_results}}

Identifie le trigger d'achat le plus pertinent pour un prospect commercial.
Si tu détectes une levée, une nomination, une acquisition, une ouverture
de bureau ou un lancement produit, renvoie-le.
Si rien de pertinent, renvoie "AUCUN_TRIGGER".

Format de sortie : une phrase courte décrivant le trigger, sans préambule.

Tu rédiges un message LinkedIn d'accroche à {{prenom}}, {{titre}} chez {{entreprise}}.

Contexte récent sur l'entreprise : {{trigger}}

Règles :
- 4 à 5 lignes maximum
- Démarrer par le contexte, pas par "Bonjour"
- Ton conversationnel, jamais formel
- Pas de pitch produit
- Finir par une question ouverte qui invite à répondre

Sors uniquement le message, sans guillemets ni commentaire.

Deux principes pour rédiger des prompts qui marchent :

Sois spécifique sur le format de sortie. Si tu veux une phrase, dis « une phrase ». Si tu veux 4 lignes, dis « 4 à 5 lignes ». Les LLM produisent souvent du contenu trop long ou trop formel par défaut. Sans contrainte explicite, ils dérapent.

Donne des règles, pas un exemple. Donner un exemple type « fais comme ça » pousse le LLM à copier-coller. Donner des règles (« 4 lignes », « ton conversationnel », « pas de pitch ») laisse au LLM la créativité pour s’adapter à chaque cas.

Tester et itérer sur ton agent IA B2B

Ton agent fonctionne. Tu génères tes 10 premiers messages. Maintenant, le vrai travail commence : itérer pour aller de « ça marche » à « ça performe ».

Trois choses à mesurer après les premiers tests :

Le piège classique : croire que l’agent est fini dès qu’il génère du contenu lisible. La vraie performance se mesure en réponses obtenues, pas en messages produits.

Itère sur les prompts toutes les semaines au début. Garde un dossier « bons messages » et « mauvais messages » pour identifier les patterns. C’est cette discipline qui fait la différence entre un agent qui spamme et un agent qui convertit.

Aller plus loin avec ton agent IA B2B

Une fois ce squelette en place, tu peux étendre ton agent dans plusieurs directions.

Ajouter d’autres signaux d’entrée. Plutôt que de partir d’une liste de prospects fixe, tu peux brancher ton agent sur un flux de signaux job changes via UserGems, ou sur un flux de signaux d’intention via 6sense. L’agent réagit alors automatiquement aux événements.

Connecter à ton CRM. En fin de chaîne, tu peux pousser les prospects qualifiés directement dans HubSpot ou Salesforce, créer la tâche commerciale, alerter le SDR sur Slack. C’est ce qu’on appelle la couche d’activation.

Construire un agent multi-canal. Au lieu d’un seul message LinkedIn, l’agent rédige un email, un message LinkedIn, et un commentaire personnalisé sur le dernier post de la cible. Trois touches contextuelles au lieu d’une, toutes générées en une passe.

L’écart entre les équipes commerciales qui utilisent l’IA et celles qui ne l’utilisent pas va se creuser vite. Le bon moment pour construire ton premier agent, c’est maintenant.