Aller au contenu

Optimiseur autonome de courriels de prospection

Ce système lance un test A/B de courriel de prospection toutes les quatre heures, sans que personne ne le planifie. Le gagnant de chaque cycle devient la référence du suivant, et sur un trimestre, les petits gains s’additionnent.

Rôle
Conception, développement, exploitation
Outils
Python, GitHub Actions, Instantly, Apify, Claude
Cadence
Toutes les 4 heures, sans interface
Intervention humaine
Aucune après la mise en place

Pourquoi je l’ai construit malgré tout

Tout le monde s’entend pour dire qu’il faut tester ses textes de prospection. Peu d’équipes tiennent plus d’un mois, et pour des raisons très concrètes :

  • La boucle exige une personne. Quelqu’un doit vérifier les résultats, décider quoi changer, rédiger la variante, la lancer. Cette personne a un vrai travail, alors la cadence tombe à zéro dès la troisième semaine.
  • Les résultats sont lus beaucoup trop tôt. Les taux de réponse après six heures, c’est du bruit. Attendre 48 heures avant de juger une expérience est la première discipline qui saute quand quelqu’un d’impatient regarde.
  • Les gagnants ne sont jamais fixés. Même quand une variante l’emporte nettement, le « meilleur texte actuel » existe dans trois documents, et celui que l’équipe utilise pour envoyer est justement celui qui n’est jamais mis à jour.

Ce sont trois problèmes de processus, alors j’ai automatisé le processus.

La boucle

1 · harvest48h-old only2 · generatemutate the winner3 · deployboth variantscommitgit log = experiment logbaseline.mdcurrent bestclaude+ apify leads
Récolter, générer, déployer, et recommencer toutes les quatre heures

Récolter

Les taux de réponse proviennent d’expériences vieilles d’au moins 48 heures. Ce délai est imposé dans le code justement parce qu’un humain passerait outre, et je m’inclus dans le lot.

Générer une challengère

Claude lit la version de référence actuelle, un fichier de contexte produit et un document de stratégie de prospection, puis produit une variante avec un autre angle ou une autre structure. Sans contexte réel sur ce qui est vendu et à qui, il se contenterait de reformuler des phrases.

Déployer, enregistrer, recommencer

De nouveaux leads sont tirés d’un bassin collecté à l’avance, les deux variantes partent sur Instantly vers des segments comparables, et les résultats sont enregistrés dans le dépôt. Si la challengère gagne, elle devient la référence. Le texte envoyé par le système tient dans un seul fichier, et l’historique git sert de journal d’expériences : chaque promotion est un commit lisible.

Ce que j’ai sacrifié pour y arriver

  • Le taux de réponse est la seule mesure. Les rendez-vous et les revenus conclus ne sont pas suivis. Le taux de réponse est bruité, et un texte provocateur mais inutile peut le gonfler, mais c’est le seul signal qui revient assez vite pour boucler un cycle de quatre heures. La qualité en aval reste un problème humain.
  • Pas de discipline à variable unique. Le modèle change plusieurs choses à la fois, donc une victoire ne dit pas précisément pourquoi elle a gagné. J’ai échangé l’attribution contre le nombre d’itérations, et je doute encore que ce soit le bon choix.
  • Le bassin de leads est la vraie limite. Les expériences consomment un nombre fini de contacts. Une routine de purge libère de la place en exportant et en supprimant les vieux leads, parce que les listes s’épuisent bien avant la puissance de calcul.

Ce qu’il fait

Cycle complet récolte, génération et déploiement, sans interface, par cron
4hCycle complet récolte, génération et déploiement, sans interface, par cron

Je le relis quand même une fois par semaine : la référence en cours et les trois dernières challengères, une dizaine de minutes. Deux fois déjà, j’ai retiré une gagnante parce qu’elle obtenait des réponses en étant légèrement agaçante. La boucle optimise ce qu’on mesure, et le taux de réponse ne fait pas la différence entre l’intérêt et l’irritation.

Lieu
Montréal (QC)
Heure locale
9 h 30
© 2026 Raven LionhartEN / FR / AR