Agent IA commercial : préparer un rendez-vous en 10 minutes

Un agent IA commercial prépare votre rendez-vous à votre place : il analyse le site web et la page LinkedIn de l’entreprise, puis le profil de la personne que vous allez appeler, et rédige un rapport pré-appel avec l’angle d’approche, les questions à poser et les objections probables. Votre prospect voit dès les premières minutes que vous connaissez son entreprise, et l’échange part de ses enjeux plutôt que de votre présentation. À la main, ce travail me prenait une heure par rendez-vous. Avec l’agent que j’ai construit sous n8n, le rapport sort en 2 minutes et se lit en 10.

3:20:25

Ce que l’agent vous rend avant l’appel

Le rapport tient en trois parties, dans un Google Doc rangé dans la fiche du prospect de votre CRM.

• L’entreprise : activité, clients visés, taille, siège, levées de fonds. Sur une start-up française de location d’engins de chantier, l’agent a trouvé une quarantaine de salariés, 13 millions de dollars levés en trois tours, et des clients parmi les ETI et les majors du BTP.
• La personne : poste, ancienneté (9 ans et 4 mois dans le poste pour le cofondateur testé), parcours, formation, section Infos de LinkedIn, activités à côté (business angel, mentor dans un réseau d’entrepreneurs).
• Le rapport pré-appel : l’adéquation avec votre client idéal, le contexte (ici, une phase de croissance après une levée), les opportunités, l’angle d’ouverture, les questions sur la douleur, les objections prévisibles et l’appel à l’action.

Une des questions proposées : « Comment gérez-vous actuellement l’identification de nouveaux prospects avec votre croissance ? » Et la proposition de fin : 30 minutes la semaine suivante pour un audit rapide des processus.

Le rapport n’est pas un script. L’ouverture proposée contenait « Vous avez 5 minutes ? », et on ne parle pas comme ça à un prospect. Gardez les faits et les questions, réécrivez les phrases.

Un bon point : la consigne « n’inventez rien » tient. Quand les données manquaient, l’analyse de l’entreprise l’a écrit (« Les données disponibles ne révèlent pas d’information détaillée sur l’équipe dirigeante ») au lieu d’inventer une équipe. Mettez cette consigne dans les trois prompts.

Avant n8n : une note de cadrage et un schéma

Avant de toucher à n8n, j’écris une note de cadrage d’une page : pourquoi ce système (le temps gagné, de meilleurs échanges, plus d’assurance en rendez-vous, une image plus professionnelle), et comment il marche. Puis je dessine le workflow et je prépare les prompts. Un de mes mentors me l’a répété plus d’une fois : un schéma remplace 1 000 mots.

L’agent fonctionne en deux modes :

1. Le mode chatbot : vous lui parlez pendant que vous préparez un rendez-vous ou que vous regardez un lead.
2. Le mode CRM : chaque rendez-vous réservé déclenche l’analyse, et le rapport arrive dans la fiche du prospect.

Les deux modes ont besoin des trois mêmes blocs. Ils deviennent trois sous-workflows, appelés par l’un ou l’autre :

Le schéma a bougé pendant la construction : j’avais prévu de lire LinkedIn ou le site, j’ai fini par lire les deux à chaque fois. C’est normal. Partez d’une vue d’ensemble, puis ajustez-la au terrain.

Pourquoi n8n : en juin 2025, les agents IA de Make étaient encore en bêta, et je ne déploie pas une bêta chez un client. Pour trancher entre les deux sur un projet, voyez les 4 questions pour choisir entre Make et n8n.

L’analyseur d’entreprise : LinkedIn, le site, puis le modèle

Le déclencheur est « When Executed by Another Workflow », avec deux champs texte : l’URL LinkedIn de l’entreprise et l’URL de son site. Épinglez des valeurs de test pour construire la suite sans relancer les appels.

1. Trouver la page LinkedIn si vous ne l’avez pas. Un nœud If teste la présence de l’URL LinkedIn. Sans elle, une recherche Google la trouve à partir du site :

site:linkedin.com/company "votre-prospect.fr"

J’ai lancé cette recherche avec un actor Apify de recherche Google, à 1 dollar les 1 000 résultats en juin 2025. Il rend une quinzaine de résultats ; un nœud Limit garde le premier, qui est la bonne page.

2. Réunir les deux branches. Chaque branche se termine par un nœud Edit Fields qui écrit l’URL dans une variable au même nom, url_linkedin. Le nœud suivant lit {{ $json.url_linkedin }}, quelle que soit la branche passée. Vous évitez de dupliquer les nœuds de scraping.

3. Lire la page LinkedIn de l’entreprise. LinkedIn bloque les appels directs, donc je passe par un actor Apify. Deux critères pour le choisir : le nombre d’utilisateurs (7 800 sur le premier de la liste) et le mode de facturation. J’ai écarté deux actors à 29 et 40 dollars par mois plus l’usage, et gardé celui à 8 dollars les 1 000 résultats. La page LinkedIn donne ce que le site ne dit pas : la taille, le siège, l’année de création. Lead Magic rend encore plus (tous les sites, les entreprises similaires), à 100 dollars par mois pour 10 000 crédits en juin 2025 ; pour ce besoin, Apify suffisait.

4. Lire le site. Le Website Content Crawler d’Apify, en profondeur 1 : la page d’accueil et les pages qu’elle lie. Une PME lie en général 10 à 30 pages internes depuis son accueil. J’ai plafonné à 5 pages, en markdown : assez pour voir les offres, les tarifs et l’équipe.

5. Regrouper les pages. Le crawler rend une page par élément (4 dans mon test). Un nœud Aggregate les réunit en un seul élément, sinon le modèle tourne 4 fois.

6. Analyser. Un nœud Basic LLM Chain, avec un prompt système pour le rôle (« Vous êtes un expert en recherche d’entreprise et un analyste commercial stratégique… ») et un prompt utilisateur pour la tâche, les informations à extraire, le format et la consigne de ne rien inventer. Les données passent dans un second message :

LinkedIn : {{ $('Scraping LinkedIn').item.json.toJsonString() }}
Site web : {{ $json.data.toJsonString() }}

Remplacez Scraping LinkedIn par le nom de votre nœud. Le modèle passe par OpenRouter : les API en direct donnent un débit très bas aux petits comptes, et un agent qui enchaîne les appels se fait bloquer. J’ai pris Claude Sonnet 4.

Trois habitudes vues pendant le tournage, à garder :

• la clé Apify dans un identifiant « Bearer » de n8n, jamais dans l’URL de l’appel ;
• les résultats d’Apify épinglés pendant les tests, pour ne pas payer chaque essai ;
• un test après chaque modification, pas après dix.

Les bases de n8n (déclencheur, nœuds, expressions) sont dans le guide pour créer votre premier workflow n8n.

L’analyseur de prospect : un profil, et la section Infos

Copiez le workflow de l’entreprise et adaptez-le : c’est plus rapide que de repartir de zéro. En entrée, l’URL LinkedIn de la personne, ou son nom et son entreprise (le nom ou le site, le site étant plus précis). Sans URL, la recherche Google change de cible :

site:linkedin.com/in/ "Prénom Nom Entreprise"

Un actor de profils LinkedIn, à 10 dollars les 1 000 résultats en juin 2025, lit le profil. Pas de site à lire ici : pour une personne, je considérais alors LinkedIn comme la seule source fiable. C’est aussi celle dont les règles se sont durcies depuis (plus bas).

Vérifiez que l’actor rend la section Infos. C’est là que la personne dit ce qu’elle fait et ce qu’elle aime, donc là que se trouve votre phrase d’ouverture. Testez-le sur un profil qui l’a remplie : certains la laissent vide.

L’analyse rendue : poste, ancienneté, parcours, formation, activités à côté, douleurs probables (pour un dirigeant de scale-up du BTP : numériser un secteur conservateur, tenir la croissance), objectifs probables, éléments personnels utiles pour ouvrir. À la main, ce travail sur l’entreprise et la personne prend au moins une petite heure.

Le générateur de rapport : votre contexte change tout

C’est le workflow le plus simple. Deux entrées, la fiche entreprise et la fiche personne, et un texte que vous écrivez une fois : ce que vous vendez, à qui, comment.

Sans ce contexte, le rapport reste générique. Avec lui, l’agent juge si le prospect correspond à votre client idéal et propose des angles qui mènent à votre offre. Le rapport du tournage contenait : un résumé, l’adéquation avec mon client idéal, le contexte de l’entreprise, les opportunités, l’angle d’ouverture, les questions sur la douleur, la promesse et ses bénéfices, les preuves à citer, les objections prévisibles et leurs réponses, l’appel à l’action, une checklist avant l’appel.

Le mode chatbot : un agent et ses trois outils

Le déclencheur est un Chat Trigger rendu public : soit son URL hébergée par n8n, soit un bout de code à coller dans une page de votre site ou de votre intranet. Le message d’accueil : « Bonjour. Quel lead voulez-vous analyser aujourd’hui ? »

Derrière, un nœud AI Agent avec :

• le modèle, par OpenRouter ;
• une mémoire de 5 messages : vous donnez l’entreprise d’abord, le nom du contact ensuite, il garde les deux ;
• trois outils « Call n8n Workflow », un par sous-workflow, chacun avec la description copiée du prompt de l’agent.

Pendant le test, j’ai donné l’URL de l’entreprise. L’agent a d’abord réclamé le nom du contact ; je lui ai demandé l’entreprise seule, il a lancé la recherche entreprise, puis m’a demandé qui je rencontrais. Avec le nom du cofondateur, il a lancé la recherche prospect sans redemander l’entreprise, puis a écrit le rapport complet avec la checklist.

Le bug du tournage : « Provider returned error », sans autre détail. La cause, trouvée en retirant les outils un par un : un emoji, puis des accents, dans le nom des outils. Le nom d’un outil passe au modèle, et les API n’acceptent que des lettres sans accent, des chiffres, le tiret et le tiret bas. Nommez-les recherche_entreprise, recherche_prospect et generateur_rapport.

Le mode CRM : le rapport dans la fiche, sans y penser

La chaîne complète :

1. le prospect réserve un créneau sur Cal.com ;
2. une automatisation crée une tâche dans ClickUp, au statut « Appel réservé » ;
3. une automatisation ClickUp appelle un webhook quand une tâche est créée à ce statut ;
4. le webhook n8n récupère le site, le nom de l’entreprise et celui de la personne, puis lance les trois sous-workflows ;
5. le rapport part dans un Google Doc, et son lien dans un champ « Analyse pré-appel » de la tâche.

Tout CRM capable d’appeler un webhook à une étape du pipeline fait l’affaire, Pipedrive comme les autres.

Un piège : ClickUp envoie les champs personnalisés dans une liste dont l’ordre change d’un appel à l’autre. Le site était en 8e position au premier test ; il ne le sera pas toujours. Cherchez le champ par son identifiant, qui ne change pas :

{{ $json.body.payload.custom_fields.find(({ id }) => id === "id-du-champ-site").value }}

Adaptez le chemin à ce que reçoit votre webhook. Même formule pour le nom de l’entreprise, avec l’identifiant de son champ.

Côté Google, la connexion demande un projet dans la Google Cloud Console, les API Google Drive et Google Docs activées, un écran de consentement et un identifiant OAuth de type application web, avec l’URL de redirection donnée par n8n. Rangez les rapports dans un dossier dédié : son identifiant est la fin de l’URL, après /folders/.

La mise en page m’a pris plus de temps que prévu. Le nœud Google Docs insère du texte brut, donc les trois analyses arrivaient en markdown brut. Et il n’accepte pas le HTML. La version finale, trouvée sur le forum de n8n : le markdown converti en HTML, un nœud Code qui le prépare, puis un appel HTTP à l’API de Google qui crée le document et son contenu d’un coup. Les titres de niveau 1 et 2 s’affichent enfin. Pour un PDF, j’utilise PDF.co, qui est payant.

Dernier nœud : « Set Custom Field on a Task » de ClickUp, qui écrit https://docs.google.com/document/d/ suivi de l’identifiant du document dans le champ URL de la tâche. Quand vous ouvrez la fiche avant l’appel, le rapport est là.

Ce qui a changé depuis juin 2025

• n8n 2.0, sorti en décembre 2025, a remplacé le bouton Activer par Publier. Enregistrer ne touche plus la production : après une modification, republiez, sinon votre webhook et votre chat tournent sur l’ancienne version. L’URL publique du chat et le webhook de production ne répondent que sur un workflow publié.
• Apify a maintenant son nœud n8n. Dans la vidéo, je passe par un nœud HTTP Request et l’appel « run synchronously and get dataset items ». Le nœud officiel (@apify/n8n-nodes-apify) fait la même chose avec l’opération « Run an Actor and get dataset ». Il s’installe sur n8n Cloud depuis le panneau des nœuds communautaires, avec la clé API ou OAuth.
• Le plan gratuit d’Apify donne toujours 5 dollars d’usage par mois. Les prix des actors cités plus haut datent de juin 2025 : relisez-les avant de choisir.
• Claude Sonnet 4 a eu des successeurs. Prenez le Sonnet du moment sur OpenRouter ; la règle sur le nom des outils n’a pas bougé.
• Le plus gros changement touche LinkedIn et le RGPD, et il mérite sa propre section.

LinkedIn et RGPD : ce que votre agent a le droit de lire

Les conditions de LinkedIn. L’accord utilisateur en vigueur depuis le 3 novembre 2025 interdit, à sa section 8.2, de développer, soutenir ou utiliser des logiciels, scripts, robots, crawlers ou extensions pour scraper ou copier le service, profils compris. Un actor Apify qui lit LinkedIn va contre ces conditions.

Et LinkedIn poursuit. Proxycurl, une API de données LinkedIn attaquée en janvier 2025, a fermé en juillet 2025. ProAPIs a été attaqué en octobre 2025 pour un scraping par des millions de faux comptes. Pour vous, deux risques concrets : l’actor dont dépend votre workflow peut s’arrêter du jour au lendemain, et un actor qui demande vos cookies LinkedIn lit les profils avec votre compte.

Le RGPD. Une donnée publique reste une donnée personnelle. Le 5 décembre 2024, la CNIL a infligé 240 000 € d’amende à Kaspr, une extension qui récupérait les coordonnées de membres de LinkedIn, y compris celles qu’ils avaient masquées. Pour la CNIL, cette collecte allait au-delà de ce à quoi pouvaient raisonnablement s’attendre les inscrits d’un réseau professionnel. S’y ajoutaient une conservation trop longue, une information des personnes absente jusqu’en 2022 et des demandes d’accès mal traitées. En mars 2026, la CNIL a clos l’injonction : Kaspr avait effacé sa base et arrêté toute collecte sur LinkedIn.

Pour un rendez-vous que la personne a réservé elle-même, voici les règles que je garde :

1. Des informations professionnelles seulement : le poste, le parcours, l’entreprise, ce que la personne publie pour un public professionnel. Aucune coordonnée masquée, rien de sa vie privée. Écrivez-le dans le prompt de l’analyseur de prospect.
2. Prévenez-la. Quand les données ne viennent pas de la personne, l’article 14 du RGPD demande de l’informer au plus tard au premier contact. Une phrase dans la confirmation du rendez-vous suffit : « Pour préparer notre échange, je consulte les informations professionnelles publiques de votre entreprise et votre profil LinkedIn. » Avec le lien vers votre politique de confidentialité.
3. Ne gardez pas le rapport indéfiniment. Le référentiel de la CNIL sur la gestion commerciale retient 3 ans à compter de la collecte ou du dernier contact venu du prospect. Sans suite, supprimez le document.
4. Pour l’entreprise, l’open data d’abord. L’API Recherche d’entreprises de l’État, gratuite et sans clé, rend pour une société française le SIREN, la tranche d’effectif, le code d’activité, la date de création, les dirigeants, et le chiffre d’affaires et le résultat quand ils sont publiés. Pour une PME, elle complète la page LinkedIn, ou la remplace.

https://recherche-entreprises.api.gouv.fr/search?q=nom-de-l-entreprise

Ce n’est pas un avis juridique. Si vous déployez l’agent pour une équipe entière, faites valider le traitement par un juriste ou le DPO de l’entreprise.

Le même agent, vendu à une équipe commerciale

Le gain grandit avec l’équipe. Prenez 5 commerciaux à 5 rendez-vous par semaine : 25 heures de préparation à la main, un peu plus de 4 heures de lecture avec l’agent.

Le bon client est une PME B2B dont les commerciaux enchaînent les rendez-vous, avec un CRM et un outil de réservation déjà en place. Vous lui livrez les trois sous-workflows, le mode CRM branché sur son pipeline et des prompts écrits avec son offre et ses clients : avant chaque rendez-vous, le rapport est dans la fiche. Pour le présenter, comptez avec le dirigeant les rendez-vous de la semaine et le temps passé à les préparer, avant de parler de l’outil.

Avant votre prochain rendez-vous

Commencez par écrire votre contexte sur une page : ce que vous proposez, à qui, avec quelles preuves. Montez ensuite les trois sous-workflows, testez-les en mode chatbot sur vos 3 prochains rendez-vous, et branchez le CRM seulement quand les rapports vous servent. Lisez chaque rapport 10 minutes avant l’appel : gardez les faits et les questions, réécrivez l’ouverture.

Pour avoir ces rendez-vous, il y a les 3 réglages du cold email qui obtiennent des appels découverte, ou le diagnostic gratuit à proposer à la place du rendez-vous. Après l’appel, envoyez la propale le jour même, ensuite relancez avec les 4 messages qui font signer.