Monter un agent de prospection autonome

juillet 2026 · 22 min de lecture

Monter un agent de prospection autonome

Le système qui nous a fait passer de 3% à 6% de réponse. Les outils, l'architecture, et les pièges.

Le point de départ

On envoyait environ mille mails par mois à la main. ~3% de réponse. 30 personnes touchées pour un mois de travail à deux.

Pour situer, la moyenne du marché en 2026 tourne autour de 3,4% (Instantly, sur des milliards d'envois). 3 à 5% est considéré comme normal pour une équipe qui fait les choses correctement. Au-dessus de 10%, c'est l'élite. En SaaS, c'est souvent sous les 2%.

Donc on était mauvais. Et le pire, c'est qu'on ne savait pas pourquoi. Le mail ? L'accroche ? La liste ?

C'était la liste. On écrivait bien, mais à des gens qui n'avaient aucune raison de nous répondre ce jour-là.

Ce guide décrit le système qu'on a monté pour régler ça.

L'architecture en une image

        ┌─────────────────────────────────────────┐
        │           APOLLINE (Hermes Agent)        │
        │              Kimi K2.6                   │
        └─────────────────────────────────────────┘
                 │                       │
        ┌────────┴────────┐     ┌────────┴────────┐
        │   ÉCOUTE        │     │   CONTACT       │
        │                 │     │                 │
        │  Unipile        │     │  FullEnrich     │
        │  → LinkedIn     │     │  → email + tel  │
        │  → signaux      │     │                 │
        └─────────────────┘     │  Unipile        │
                 │              │  → envoi mail   │
                 │              └─────────────────┘
                 │                       │
                 └───────────┬───────────┘
                             ▼
                    ┌────────────────┐
                    │ CRM (NocoDB /  │
                    │   Airtable)    │
                    └────────────────┘
                             │
                             ▼
                    relance ou appel

Quatre briques plus une base. Chacune fait une seule chose.

Les briques

Brique	Outil	Rôle
Le cerveau	Hermes Agent	L'agent persistant qui tourne en continu et apprend
Le modèle	Kimi K2.6	Le raisonnement et la rédaction
Les yeux et la voix	Unipile	Lire LinkedIn, envoyer les mails
Le carnet d'adresses	FullEnrich	Trouver l'email et le mobile
La méthode	Skills custom	Comment l'agent écrit, qualifie, relance
La base	NocoDB ou Airtable	Où vit l'état de chaque lead

Sur le CRM : on est sur du custom, type Airtable ou NocoDB. Ce n'est pas une préférence esthétique. Un agent a besoin d'écrire et de lire par API sans friction, et d'un schéma qu'on modifie en trois minutes quand on ajoute un champ. Un CRM commercial classique te fait payer en complexité d'intégration ce qu'il t'apporte en fonctionnalités dont l'agent n'a pas l'usage.

1. Hermes Agent — le cerveau

Pourquoi celui-là

La plupart des frameworks d'agents sont des orchestrateurs : ils enchaînent des appels et rendent un résultat. Hermes fait autre chose — il persiste.

C'est un agent open source auto-hébergé développé par Nous Research, sorti en février 2026 sous licence MIT. Il tourne comme un démon permanent sur ta propre infrastructure, accumule de la mémoire entre les sessions, lance des tâches planifiées, se connecte à plus de 16 plateformes de messagerie, et écrit ses propres skills réutilisables à partir de son expérience.

C'est le point qui compte pour de la prospection : là où les autres frameworks routent des prompts vers des modèles et renvoient des réponses, Hermes construit une mémoire persistante de ses succès et de ses échecs, puis génère des skills réutilisables à partir des patterns qu'il découvre. L'agent que tu utilises après un mois de travail est mesurablement différent de celui du départ.

Le mécanisme d'amélioration, concrètement

C'est la partie que les gens comprennent le moins, alors je la détaille.

Hermes a une mémoire à trois couches : épisodique (SQLite FTS5), sémantique (un fichier MEMORY.md), et procédurale (les skills).

Et depuis une version récente, un Curator autonome tourne en tâche de fond : il note, élague et consolide la bibliothèque de skills selon une planification.

Traduit en langage de prospection : ton agent envoie des mails, observe lesquels reçoivent une réponse, et le pattern qui marche finit par devenir un skill qu'il réutilise. Ce qui ne marche pas est élagué.

Ce n'est pas de la magie, et ce n'est pas du fine-tuning. C'est de la mémoire structurée plus une boucle de tri. Mais l'effet composé sur trois mois est réel.

Les skills, et la règle qui compte

Le Curator ne fait que la moitié du travail. L'autre moitié, ce sont les skills qu'on lui donne au départ.

On est partis de la librairie de Corey Haines — github.com/coreyhaines31/marketingskills, 49 skills marketing open source pour agents, dont un skill cold-email. On l'a forkée et adaptée à notre façon d'écrire.

npx skills add coreyhaines31/marketingskills

Le repo contient aussi un skill marketing-loops : une bibliothèque de workflows récurrents avec une anatomie en neuf parties — cadence de vérification, condition de déclenchement, corps de boucle, auto-vérification, gestion d'état avec marqueur de dernier passage, clé de déduplication et cooldown pour éviter de relancer deux fois la même personne. Si tu montes un agent qui tourne sur une cadence, lis ce skill avant d'écrire le tien.

Et la règle qu'on a ajoutée, qui a plus d'effet que tout le reste : ne pas creuser, ne pas inventer.

Ça veut dire deux choses, écrites en dur dans les skills d'Apolline :

Ne pas creuser — si le signal est faible, elle passe au suivant. Elle n'a pas le droit d'aller chercher une justification ailleurs pour rendre un prospect intéressant. Un agent laissé libre finit toujours par se convaincre que n'importe qui est un bon prospect.

Ne pas inventer — elle n'écrit que ce qu'elle a réellement observé. Pas de "j'ai vu que vous étiez en pleine croissance" si elle n'a pas de source. Pas de flatterie générique. Si elle n'a rien de vrai à dire, elle n'envoie pas.

C'est contre-intuitif parce que ça réduit le volume. Mais c'est exactement ce qui fait la différence entre un mail qui obtient une réponse et un mail qui se fait supprimer en deux secondes. Un prospect détecte une personnalisation inventée immédiatement, et une fois qu'il l'a détectée, tu as brûlé le contact.

Ce qu'il faut pour le faire tourner

Ça tourne sur un serveur, y compris un VPS à 5 $. Ça marche avec n'importe quel fournisseur de LLM, y compris des modèles locaux via Ollama.

Pour un déploiement cloud, la configuration minimale recommandée est de 2 cœurs et 4 Go de RAM. Le package d'entrée à 2 Go est déconseillé, la mémoire insuffisante rend l'agent instable.

Concrètement : compte 10 à 20 € par mois de VPS.

Installation : github.com/NousResearch/hermes-agent — la commande hermes doctor vérifie ton install.

Le piège

Un agent persistant qui tourne 24/7 et qui a accès à ta boîte mail, c'est puissant et c'est dangereux. Mets des garde-fous durs dès le jour 1 : plafond d'envois quotidien, liste d'exclusion des clients et prospects en cours, et validation humaine sur les premiers envois.

On a tourné trois semaines en mode "l'agent prépare, un humain valide" avant de le laisser envoyer seul. Ne saute pas cette étape.

2. Les skills — la méthode

C'est la brique qu'on ne voit pas et qui fait la moitié du résultat.

Un agent sans skills, c'est un modèle à qui tu redonnes les mêmes instructions à chaque fois. Un agent avec des skills, c'est un modèle qui a une méthode écrite quelque part et qui la déclenche quand la tâche s'y prête.

D'où on est partis

On n'a pas écrit les nôtres depuis zéro. On est partis de la bibliothèque de Corey Haines : une collection de skills orientées marketing pour Claude Code, Codex, Cursor, Windsurf et tout agent qui supporte la spec Agent Skills. 49 skills open source couvrant le SEO, le copywriting, le cold email, le pricing, le CRO et l'analytics.

Deux sont directement pertinentes ici :

cold-email — la méthode de rédaction. C'est la base qu'on a reprise et adaptée à notre offre et à notre ton.

marketing-loops — une bibliothèque de 43 boucles marketing répétables, des workflows récurrents qu'un agent exécute selon une cadence. Le SKILL.md définit une anatomie en neuf parties, et trois éléments comptent énormément quand ton agent envoie des mails : l'état et l'idempotence (marqueur de dernier passage, clé de déduplication, temps de refroidissement — pour que les boucles n'agissent pas deux fois ou ne relancent pas en boucle), la condition de déclenchement, et la sortie de secours.

Traduction : c'est ce qui empêche ton agent d'envoyer trois fois le même mail à la même personne. Ne construis pas ça toi-même, c'est déjà écrit.

La règle de cadence est aussi utile : cale la fréquence sur la vitesse à laquelle le signal change réellement. Un signal LinkedIn bouge tous les jours, une donnée firmographique bouge tous les six mois.

Installation

npx skills add coreyhaines31/marketingskills

Ou via le système de plugins :

/plugin marketplace add coreyhaines31/marketingskills
/plugin install marketing-skills

Pour ne prendre que ce qui te sert :

npx skills add coreyhaines31/marketingskills --skill cold-email
npx skills add coreyhaines31/marketingskills --list

Repo : github.com/coreyhaines31/marketingskills

Ce qu'on a fait par-dessus

On a forké et réécrit. C'est d'ailleurs la méthode recommandée par le repo lui-même : forker, adapter à ses besoins, cloner son fork dans ses projets.

Ce qu'on a changé, dans l'ordre d'impact :

Nos contraintes de longueur et de ton. La skill d'origine est calibrée pour un marché américain. En France, le même mail passe pour de la vente agressive. On a réécrit les exemples avec nos propres mails qui ont marché.

Nos signaux à nous. La skill générique dit "personnalise". La nôtre dit exactement quels signaux justifient un contact et lesquels n'en justifient pas. C'est la différence entre un mail personnalisé et un mail pertinent.

Nos règles d'exclusion. Client actuel, prospect en cours de discussion, personne déjà contactée dans les 90 jours, désinscrit. C'est câblé dans la skill, pas dans le prompt.

Conseil : commence par la version d'origine, laisse tourner deux semaines, et ne réécris que ce qui te gêne concrètement. Réécrire avant d'avoir des données, c'est deviner.

3. Kimi K2.6 — le modèle

Pourquoi celui-là

C'est un modèle open-weight de Moonshot AI sorti le 20 avril 2026, sous licence MIT modifiée. Architecture Mixture-of-Experts : 1 000 milliards de paramètres au total, 32 milliards activés par token. Fenêtre de contexte de 262 144 tokens.

Les deux raisons pour lesquelles on l'utilise :

Le prix. Environ 0,60 $ par million de tokens en entrée et 2,50 $ en sortie. Sur un agent qui tourne en continu et qui traite des centaines de profils par jour, l'écart avec un modèle frontière propriétaire se compte en centaines d'euros par mois.

Les capacités agentiques. Il supporte le function calling multi-tours, les sorties structurées et les entrées visuelles, spécifiquement pour des charges de travail agentiques. C'est ce qui compte quand ton agent doit enchaîner cinq appels d'outils sans se perdre.

La réserve honnête

Un comparateur indépendant le classe #16 sur 157 pour le code, mais #133 sur 300 pour les tâches agentiques, en notant que sa fiabilité agentique est plus modérée que sa force en code.

Chez nous ça marche très bien, mais notre tâche est bornée : lire un profil, croiser avec un ICP, écrire un mail court. Si ton agent doit enchaîner des raisonnements longs sur vingt étapes, teste avant de t'engager.

Note aussi que le modèle est chinois et hébergé selon le fournisseur que tu choisis. Si tu traites de la donnée sensible, regarde où passent tes requêtes — il est disponible chez plusieurs hébergeurs, dont Cloudflare Workers AI, ce qui permet de choisir.

Accès : via OpenRouter (moonshotai/kimi-k2.6), l'API Moonshot, DeepInfra, ou en auto-hébergé si tu as les GPU.

4. Unipile — les yeux et la voix

Pourquoi c'est la brique la plus importante

C'est aussi la moins comprise, alors je vais être direct : c'est ce qui rend le système légal.

Le réflexe de beaucoup de gens qui montent ce type d'agent, c'est de scraper LinkedIn. C'est contraire aux conditions d'utilisation de la plateforme, ça fait bannir des comptes, et si tu revends le système à des clients, tu leur transmets le problème.

Unipile passe par l'API officielle. Les résultats de recherche LinkedIn sont récupérés via l'API officielle, en agissant au nom de chaque utilisateur authentifié. Pas de scraping, pas d'endpoints privés. L'API est conçue en conformité avec le Digital Markets Act, et ne stocke ni ne scrape les profils utilisateurs.

Ce que ça fait

Deux choses dans notre système.

L'écoute. Accès aux profils, posts, commentaires et données d'engagement de LinkedIn — utile pour l'enrichissement, l'écoute sociale ou la construction d'insights d'audience. La recherche LinkedIn et Sales Navigator est accessible avec les filtres avancés, l'API gère la pagination tout en respectant les limites de débit et les règles d'usage de LinkedIn.

C'est ça, le signal. Pas "cette personne existe", mais "cette personne a commenté un post sur ce sujet il y a trois jours".

L'envoi. Gmail, Outlook et IMAP via une seule interface, en envoyant depuis la boîte mail de l'utilisateur plutôt qu'une adresse système générique. Le mail vient de la vraie boîte de l'utilisateur, donc il paraît authentique et les réponses s'enchaînent naturellement dans le fil.

C'est une grosse partie du gain de délivrabilité : le mail part d'une vraie boîte, avec un vrai historique.

Et c'est là que le volume devient un choix d'architecture. Apolline envoie 30 à 40 mails par jour. C'est volontaire : c'est ce qu'une seule boîte mail réelle et bien établie encaisse sans se dégrader.

Résultat, on n'a pas d'infrastructure d'envoi. Pas de domaines secondaires, pas de dizaines de boîtes à réchauffer pendant trois semaines, pas de rotation. Une vraie boîte, un vrai humain derrière, un volume humain.

C'est le contraire de ce que fait le marché — beaucoup de gens montent quinze boîtes pour envoyer trois mille mails par mois. Nous on en envoie huit cents et on obtient plus de réponses. Le système sert à mieux viser, pas à envoyer plus.

Ce qu'Unipile ne fait pas

Une chose à comprendre avant de t'engager : tu veux une invitation envoyée, puis une attente, puis un message s'ils acceptent, et un arrêt s'ils répondent — Unipile te donne les pièces. La séquence, c'est à toi de l'assembler.

C'est une API pour développeurs, pas un outil de séquençage. C'est exactement ce qu'on veut ici — c'est Apolline qui décide de la séquence — mais si tu cherches un produit clé en main, ce n'est pas ça.

Pour démarrer : compte sur developer.unipile.com, tu récupères ton DSN, et tu peux tester les appels directement depuis la doc sans écrire une ligne. Il y a aussi un llms.txt pensé pour que ton agent lise la doc lui-même.

Ce qu'on paie : 50 € par mois pour 10 comptes connectés. C'est la brique la plus chère du système et de loin celle qui rapporte le plus, parce qu'elle couvre à la fois l'écoute et l'envoi.

Les limites à respecter

LinkedIn plafonne. Environ 100 invitations par semaine, et les volumes de messages sont surveillés. Un agent qui tourne à plein régime va se faire repérer.

Notre règle : l'agent travaille sous les limites de ce qu'un humain motivé ferait. C'est moins spectaculaire, et ça évite de perdre un compte.

5. FullEnrich — le carnet d'adresses

🎁 50 leads offerts pour démarrer — sans carte de crédit à l'inscription → Créer un compte FullEnrich gratuitement

Pourquoi c'est la bonne brique pour un agent

Trois raisons, dans l'ordre d'importance pour un système autonome.

1. L'agent peut l'appeler lui-même. API REST plus MCP. Apolline s'en sert en direct, sans intermédiaire, sans automatisation à maintenir entre les deux. C'est le critère qui élimine 80% des outils d'enrichissement du marché.

2. Une recherche ratée ne coûte rien. Chaque email est vérifié, et si un fournisseur renvoie un email invalide, aucun crédit n'est débité et l'enrichissement continue jusqu'à trouver un email valide. Un crédit n'est consommé que quand quelque chose est trouvé.

Pour un agent autonome, ce n'est pas un détail de facturation, c'est une liberté d'action. Apolline peut tenter un enrichissement sur un profil incertain sans que ça coûte quoi que ce soit si ça échoue.

3. La donnée ne bounce pas. C'est le waterfall : le système interroge les fournisseurs en séquence, chacun comblant les trous laissés par le précédent, jusqu'à trouver ou épuiser les 20+ vendeurs du réseau. Le taux d'enrichissement moyen tourne autour de 80%, largement au-dessus des outils mono-source. Contre 60 à 70% pour un fournisseur unique.

Et sur l'email : triple vérification, moins de 1% de bounce, ce qui protège la réputation du domaine.

C'est ce point-là qui a fait la différence sur notre délivrabilité. Un bounce rate qui monte, c'est un domaine qui se dégrade, et une fois que c'est parti, tu mets des mois à réparer.

Le modèle de crédits, et le piège

Email professionnel : 1 crédit
Email personnel : 3 crédits
Mobile : 10 crédits

Les numéros fixes sont signalés sans coût de crédit, et l'enrichissement continue jusqu'à trouver un mobile vérifié.

Le piège : le téléphone coûte dix fois l'email. Si tu laisses ton agent enrichir systématiquement le mobile, ton plan fond en quelques jours. Notre règle : Apolline ne demande le mobile que si le prospect a ouvert ou répondu. Sinon, email seulement.

Cette seule règle a divisé notre consommation de crédits par quatre.

Un point utile pour l'Europe

FullEnrich performe particulièrement bien pour les équipes qui ciblent plusieurs pays, où les trous de couverture régionale sont fréquents — notamment en EMEA, où beaucoup d'outils américains ont des taux de couverture plus faibles.

Si tu prospectes en France, c'est un vrai critère. Beaucoup d'outils US te sortent 40% de couverture sur des boîtes françaises.

Le flux, étape par étape

1. Définir l'ICP et le signal

Pas "les DAF de PME industrielles". Ça, c'est un segment, pas un signal.

Un signal, c'est : DAF de PME industrielle qui a commenté un post sur la clôture comptable dans les 7 derniers jours.

La différence entre les deux, c'est tout l'écart entre 1% et 5%.

2. Apolline écoute (en continu)

Via Unipile, elle surveille les profils correspondant à l'ICP et les interactions publiques : posts, commentaires, likes sur les sujets qui touchent à notre offre.

Hermes tourne ça en tâche planifiée. Pas besoin de déclencher quoi que ce soit.

3. Elle qualifie

Le signal détecté est-il vraiment pertinent ? La personne a-t-elle le pouvoir de décision ? Est-elle déjà dans notre CRM ?

C'est Kimi qui tranche, avec l'ICP en contexte.

4. Elle enrichit

Appel FullEnrich via MCP. Email pro uniquement à ce stade.

Si aucun email n'est trouvé, le lead sort du flux. Ça ne coûte rien.

5. Elle écrit

Un mail court, qui mentionne le signal précis. Pas de personnalisation cosmétique du type "j'ai vu que tu travaillais chez X". Le signal réel, celui qui prouve que la personne pense au problème maintenant.

6. Elle envoie

Via Unipile, depuis une vraie boîte mail.

Notre cadence : 30 à 40 mails par jour. C'est volontairement bas, et c'est un choix, pas une limite technique.

Trois raisons. Une vraie boîte qui passe de 5 à 300 envois quotidiens se fait classer en spam en une semaine. Les petites campagnes répondent mieux, on y revient plus bas. Et à 35 mails par jour, une équipe de deux peut réellement traiter les réponses — envoyer plus que ce que tu peux suivre, c'est du gâchis.

À ce rythme, pas besoin de boîtes dédiées ni de warm-up. C'est un bénéfice caché du système : mieux cibler permet d'envoyer moins, donc de garder une infrastructure simple.

7. Ça rentre dans le CRM

Chez nous, c'est un CRM maison de type Airtable / NocoDB. Pas un Salesforce, pas un HubSpot — une base avec des tables et une API.

C'est un choix, pas une contrainte de budget. Un agent a besoin d'écrire et de lire dans le CRM en permanence, et une base type Airtable ou NocoDB expose une API REST propre en cinq minutes, sans connecteur à maintenir, sans champs custom à faire valider par un admin.

Ce qu'on écrit à chaque envoi : la date, le signal exact qui a déclenché le contact, le contenu envoyé, et l'état. C'est ce qui permet à l'équipe de reprendre la main sans relire le mail, et c'est aussi ce qui alimente la boucle d'amélioration.

Si tu as déjà un CRM d'entreprise, garde-le comme source de vérité commerciale et donne à l'agent sa propre table de travail à côté. Faire écrire un agent directement dans un CRM partagé, c'est la meilleure façon de polluer la donnée de toute l'équipe.

8. La suite est décidée par la réponse

Réponse positive → un humain prend le relais. Pas de réponse → relance ou appel sur le mobile, et c'est là seulement qu'on dépense les 10 crédits.

9. La boucle

Deux mécanismes tournent en parallèle, et la distinction compte.

Le Curator de Hermes, qui travaille tout seul : il note, élague et consolide la bibliothèque de skills. Ce qui produit des résultats se renforce, ce qui n'en produit pas disparaît. Tu n'as rien à faire.

Notre revue mensuelle, qui est la partie que le Curator ne peut pas faire. Une fois par mois, on sort du CRM les mails qui ont reçu une réponse et ceux qui n'en ont pas reçu, et on cherche le pattern : quel type de signal donne le meilleur taux, quelle longueur, quelle formulation d'accroche. Ce qui ressort est réécrit dans la skill.

Pourquoi les deux. Le Curator optimise sur ce que l'agent observe : les enchaînements qui aboutissent techniquement. La revue mensuelle optimise sur ce qui compte vraiment : les réponses humaines. Un agent ne peut pas déduire seul qu'un mail bien construit ne donne rien parce que le signal de départ était mauvais.

C'est la partie du système qu'on n'a pas réussi à automatiser, et il faut l'assumer. Compte deux heures par mois. C'est aussi, de loin, le meilleur retour sur temps investi de tout le dispositif.

Le budget réel

Nos chiffres réels, pour 30-40 mails par jour :

Poste	Coût mensuel
VPS pour Hermes	10 – 20 €
Kimi K2.6 (via API)	20 – 60 € selon le volume
Unipile	50 € (10 comptes connectés)
FullEnrich	29 $ (500 crédits) à 55 $ (1 000 crédits)
Total	~130 – 180 € / mois

Zéro coût d'infrastructure d'envoi, parce qu'on n'en a pas : une vraie boîte mail suffit à ce volume.

À comparer au coût d'une personne à temps partiel sur la recherche de contacts, ou au prix d'un seul outil de prospection tout-en-un du marché.

Le poste variable, c'est FullEnrich. 800 mails par mois à 1 crédit l'email pro, plus quelques mobiles sur les prospects chauds, ça tient largement dans un plan à 1 000 crédits.

Ce que je ferais différemment si je recommençais

Commencer par le signal, pas par l'outil. On a passé trois semaines à câbler avant de se rendre compte que notre définition de signal était trop large. L'infrastructure ne rattrape pas un mauvais ciblage.

Valider à la main plus longtemps. Les premiers mails générés étaient corrects mais génériques. Il a fallu réécrire le prompt six ou sept fois. Si l'agent avait envoyé seul dès le début, on aurait brûlé une partie de notre marché.

Plafonner les crédits téléphone dès le premier jour. Voir plus haut. On l'a appris en regardant la facture.

Ne pas viser le volume. Les campagnes de moins de 50 destinataires font en moyenne 5,8% de réponse contre 2,1% pour les gros envois. Le système sert à mieux cibler, pas à envoyer plus.

Écrire "ne pas creuser, ne pas inventer" dès le premier skill. On l'a ajouté après coup, en lisant des mails générés qui flattaient des prospects sur des choses qu'Apolline avait déduites plutôt que vues. C'est la modification qui a eu le plus d'effet sur le taux de réponse, et de loin.

Le point légal, à ne pas ignorer

En France et dans l'UE, la prospection B2B par email repose sur l'intérêt légitime, mais reste encadrée :

Le message doit être en rapport avec la fonction professionnelle de la personne
L'identité de l'expéditeur doit être claire
Un moyen de s'opposer doit être présent dans chaque message
Une demande de désinscription doit être traitée immédiatement — et dans un système automatisé, ça veut dire une liste d'exclusion que l'agent consulte avant chaque envoi

C'est une contrainte à câbler dans l'agent, pas une case à cocher à la fin. Fais valider ta configuration par quelqu'un dont c'est le métier avant de passer à l'échelle.

Les liens

Hermes Agent — github.com/NousResearch/hermes-agent · hermes-agent.org
marketingskills (Corey Haines) — github.com/coreyhaines31/marketingskills
Kimi K2.6 — openrouter.ai/moonshotai/kimi-k2.6
Unipile — unipile.com · developer.unipile.com
FullEnrich — créer un compte, 50 leads offerts
Les skills de départ — github.com/coreyhaines31/marketingskills · marketing-skills.com
NocoDB (alternative auto-hébergée à Airtable) — nocodb.com

Et si tu veux qu'on le monte pour toi

C'est le type de système qu'on met en place chez nos clients — adapté à leur ICP, leurs signaux, leur CRM.

Si tu veux qu'on regarde ton cas : ceepia.com

On te dira aussi si ce n'est pas pour toi. En dessous d'un certain volume de prospection, monter ça ne se rentabilise pas, et un bon fichier plus trois heures par semaine feront mieux.

Informations vérifiées en juillet 2026. Le lien FullEnrich est un lien de parrainage.