Agent IA de prospection en 2026 : les 3 endroits où il invente (et la checklist pour vérifier)

Le 3 août 2026, la chaîne CompanyEnrich a publié un test à froid d'une recherche d'entreprises similaires par IA. Verdict, en substance : « la recherche IA a renvoyé une liste qui nécessite un vrai nettoyage manuel », la fonction phare obtenant « 4 sur 10 en bonnes correspondances » sur un point de départ aussi simple que Spotify. Quatre sur dix. Pas parce que l'agent est mauvais, mais parce que personne ne lui a demandé ce qu'il fait quand il ne sait pas.

Réponse courte

Un agent IA de prospection est un logiciel qui exécute seul la chaîne amont de la prospection : il part d'un brief en langage naturel, trouve des entreprises, identifie l'interlocuteur, qualifie, puis rédige les messages. Il se trompe rarement sur la forme et régulièrement sur les faits, pour une raison structurelle : un modèle de langage produit toujours une réponse plausible, y compris quand la donnée n'existe pas. Les trois points de rupture sont toujours les mêmes — les attributs d'entreprise, le rattachement d'une personne à une société, et l'actualité citée dans le message. La parade n'est pas de faire confiance à un score de précision annoncé, c'est d'exiger une source vérifiable pour chaque fait, et de savoir ce que l'agent fait quand il ne sait pas.

Les 4 familles d'agents, et ce qu'elles font vraiment

« Agent IA de prospection » désigne aujourd'hui quatre produits très différents. Le tableau ci-dessous les sépare sur le seul critère qui compte à l'usage : d'où vient la donnée, et que fait le produit quand elle manque.

Famille	Exemples	Origine des données entreprise	Quand il ne sait pas	Qui contrôle les messages
Agent intégré au CRM	HubSpot, Salesforce	Base propriétaire de l'éditeur + votre CRM	Champ vide, le lead reste dans la liste	Vous
Agent d'automatisation LinkedIn	Waalaxy, Closely et assimilés	Ce qui est affiché sur le profil	Reprend le texte du profil tel quel	Vous
Agent de séquence multicanal	Lemlist, La Growth Machine	Votre import — l'agent ne cherche pas	Variable non remplie, parfois un crochet visible	Vous
Agent SDR autonome sur données officielles	Lead Scorer	Recherche web temps réel + registre d'État (SIREN, RNE)	Rejette le lead avec un motif écrit	Contrôles déterministes, puis vous

La colonne « quand il ne sait pas » est celle qu'on ne regarde jamais en démo, parce qu'une démo ne montre que les cas où l'agent sait. C'est pourtant elle qui détermine votre taux d'erreur réel.

Les 3 endroits où il invente

1. Les attributs d'entreprise

L'effectif, le chiffre d'affaires, le secteur, l'année de création. Ce sont les champs les plus demandés pour le ciblage, et les plus faciles à halluciner parce qu'ils ont une forme prévisible : un nombre, une catégorie. Un agent qui ne trouve pas l'effectif d'une PME produira volontiers « 10-50 » — la fourchette la plus fréquente dans ses données d'entraînement — plutôt que rien.

2. Le rattachement personne / entreprise

Le nom existe, l'entreprise existe, mais le lien entre les deux date d'il y a dix-huit mois. Ce cas est particulièrement pénible parce que la donnée n'est pas fausse : elle est périmée. Aucune vérification de format ne l'attrape.

3. L'actualité citée dans le message

Le plus coûteux des trois, parce qu'il est visible par le prospect. « J'ai vu que vous veniez de lever une série A » adressé à une société qui n'a jamais levé, c'est un message qui ne se rattrape pas. C'est aussi le seul des trois qui se corrige facilement : il suffit d'appliquer à chaque brouillon des contrôles déterministes qui vérifient que chaque fait cité provient bien de la fiche du prospect.

La checklist de vérification en 5 points

À faire sur un échantillon de 20 leads, avant de lancer quoi que ce soit. Comptez vingt minutes.

1. Le test du SIREN. Prenez 10 entreprises de la liste et cherchez-les sur recherche-entreprises.api.gouv.fr (source : SIRENE et RNE de l'INPI, gratuite et publique). Vérifiez la dénomination exacte, le code NAF et la date de création. Objectif : 10 sur 10. Toute entreprise introuvable est soit radiée, soit inventée.
2. Le test du dirigeant. Sur ces mêmes 10 fiches, comparez le dirigeant déclaré au RNE avec la personne que l'agent vous propose de contacter. Un écart n'est pas nécessairement une erreur (le décideur n'est pas toujours le représentant légal), mais un écart sur 8 fiches sur 10 signale un agent qui devine les postes.
3. Le test du champ manquant. Comptez les champs vides dans l'export. Un export à 100 % rempli est un signal d'alarme, pas un signe de qualité : aucune source réelle n'a un taux de couverture de 100 %.
4. Le test du fait cité. Prenez 10 brouillons de messages et surlignez chaque fait affirmé sur le prospect. Pour chacun, demandez : d'où vient-il ? S'il ne se retrouve pas dans la fiche du lead, c'est une invention, quel que soit son réalisme.
5. Le test du rejet. Demandez à voir les leads que l'agent a écartés, avec le motif. Un agent qui ne rejette rien ne qualifie rien — il trie par ordre alphabétique avec du vocabulaire commercial par-dessus.

Cette checklist a un effet secondaire utile : elle rend les démonstrations comparables. Les quatre familles du tableau plus haut réagissent très différemment aux points 3 et 5.

Pourquoi le registre d'État change le problème

Le marché français a un avantage que le marché américain n'a pas : les données légales des entreprises y sont publiques, gratuites et faisant foi. SIREN, dénomination, code NAF, date de création, dirigeant — le tout accessible par API. Un agent qui part de là ne peut pas inventer une entreprise, parce qu'une entreprise sans SIREN n'entre pas dans la liste. Ce n'est pas un détail de conformité, c'est une contrainte d'architecture : elle supprime le premier des trois points de rupture au lieu de le corriger après coup.

C'est le parti pris de Lead Scorer. Son agent Outbound SDR prend le brief comme un entretien — qui vous ciblez, ce qui qualifie et ce qui disqualifie un lead — puis découvre les entreprises par recherche web et par le registre d'État français, avec SIREN et dirigeant réel à l'appui. Il note séparément l'entreprise et le décideur, écarte les leads hors cible en écrivant pourquoi, rédige les séquences LinkedIn et e-mail sur des faits vérifiés du profil, puis applique le même playbook qualité versionné à chaque brouillon avant que vous ne les voyiez. Le déroulé est visible étape par étape et rejouable : découverte, validation, enrichissement, scoring, contrôles qualité, prêt à lancer. Le ciblage par code NAF et par éligibilité OPCO est natif, ce qui compte quand votre marché est français.

Ce qu'un agent ne fera pas à votre place

Il ne décidera pas ce qu'est un bon client. C'est la seule partie du travail qui ne se délègue pas, et c'est aussi celle qui détermine la qualité de tout le reste : un agent brieffé sur une cible floue produira une liste impeccablement formatée et inutile. Sur X, le 10 août 2026, un compte d'ops résumait la promesse ambiante par « 15 h/semaine rendues à l'équipe, CAC divisé par deux, 3× de volume sur la prospection ». Ces chiffres sont invérifiables et il faut les traiter comme tels — mais la direction est la bonne, à une condition : que le temps gagné sur la plomberie soit réinvesti dans la définition de la cible et la relecture des faits, pas dans l'envoi de trois fois plus de messages.

Pour aller plus loin

Si vous en êtes au choix de l'outil, notre comparatif des outils de prospection IA couvre le marché plus largement, et le guide de la prospection IA reprend la méthode en amont du choix. Sur la matière première, le vrai coût d'un fichier de prospection compare l'acheté, le scrapé et le vérifié. Côté cadre légal, RGPD et emailing B2B détaille l'intérêt légitime et le droit d'opposition. Les forfaits Lead Scorer — 49, 99 et 199 € par mois — sont sur la page tarifs.

En résumé

Un agent IA de prospection ne se juge pas sur la qualité de ses messages : elle est presque toujours bonne. Il se juge sur trois choses — d'où viennent ses données entreprise, ce qu'il fait quand il ne sait pas, et qui relit les faits avant vous. Passez la checklist en cinq points sur vingt leads avant de signer. Si l'agent ne rejette jamais rien et n'a jamais de champ vide, ce n'est pas qu'il est excellent : c'est qu'il comble les trous.