Une base de 14,1 millions d'établissements français, croisée avec des signaux publics (absence de site, avis Google, ancienneté) pour sortir des listes de prospects qualifiés — avec, sur chaque ligne, la raison exacte du score. Pas de boîte noire, pas d'email nominatif acheté, pas de scraping LinkedIn.
Pharow, Societeinfo, Lusha : tous vendent des contacts nominatifs?NominatifUne donnée rattachée à une personne identifiée (nom + prénom), par opposition à une donnée d'entreprise. construits sur LinkedIn. Ça marche pour cibler un DRH ou un CTO. Ça ne marche pas du tout pour les ~4 millions de TPE et commerces français — coiffeurs, artisans, restaurateurs, auto-entrepreneurs — qui sont quasiment absents de LinkedIn mais bien réels, avec un numéro SIRET?SIRETIdentifiant à 14 chiffres d'un établissement précis (une adresse). Le SIREN, à 9 chiffres, identifie l'entreprise elle-même, qui peut avoir plusieurs établissements., une adresse, et souvent un besoin visible (pas de site web, mauvaise note en ligne, jamais mis à jour).
PROSPECTOR part de la source publique la plus exhaustive qui existe — le répertoire Sirene — plutôt que d'un carnet d'adresses LinkedIn, et construit le signal d'achat par-dessus.
Chaque couche n'est interrogée que si la précédente ne suffit pas — c'est ce qui garde le coût par lead sous les 4 centimes.
14 133 651 établissements actifs,
base de 4,4 Go), mis à jour mensuellement. La recherche produit (métier × zone) tourne
entièrement dessus, en moins de 100 ms, sans appeler la moindre API payante.
HARVEST (balayage d'une zone, mutualisé 30 jours, ~0,002 €/fiche) ou
LOOKUP (une entreprise précise, ~0,037 €/fiche). Toujours un seul appel
field-masqué?Field maskOn ne demande à l'API que les champs strictement nécessaires (note, nb d'avis) — jamais la fiche complète. C'est une exigence des CGU Google, testée en CI..
Budget journalier plafonné, coupure automatique en cas de dépassement.
« Glassbox » = l'opposé d'un score de type crédit-scoring. Chaque point est documenté et exportable — la colonne « raisons » du CSV est littéralement l'argumentaire d'appel du commercial.
Le score fonctionne même sans aucune donnée Google (dégradation propre, jamais de crash ni de valeur inventée) — utile pour les zones où le budget d'enrichissement n'a pas encore tourné.
Exemple de granularité départementale : 2 598 coiffeurs en Gironde, 4 432 à Paris. Stack : FastAPI + SQLModel, React + Vite, worker asynchrone à unités persistées et ledger de crédits idempotent (jamais de double débit, même sous panne injectée en test).
Le produit refuse explicitement de vendre des emails nominatifs ou des fichiers scrapés sur LinkedIn — c'est un choix de positionnement, pas juste une contrainte légale.
csv_schema.lock.json) empêche toute colonne non prévue de sortir un jour dans un export./vos-donnees — un établissement peut demander son retrait, propagé à tout export futur en moins de 7 jours.1 crédit = 1 ligne exportée et enrichie. Pas d'abonnement caché, pas de vente de fichier — un export = des crédits consommés, point.