Construire des listes de leads cold email pour agences de recrutement

Le cold email pour une agence de recrutement vit ou meurt sur la liste. Vous pouvez écrire la copie parfaite (courte, personnelle, bien timée) et ne rien recevoir en retour si les noms en dessous sont mauvais. Le destinataire n’est pas un acheteur, donc les taux d’ouverture flanchent. Rien dans le pitch ne résonne, donc les réponses ne viennent pas. L’entreprise n’avait pas vraiment besoin d’un recruteur quand vous l’avez touchée, donc les meetings ne se bookent jamais.

La plupart des owners d’agence construisent leur liste d’une seule manière : scraper les entreprises avec des jobs ouverts, balancer chaque CEO. Eric Nowoslawski, qui fait tourner les growth ops pour des clients staffing et recrutement, appelle ça le “playbook open jobs” et dit cash que c’est “la raison pour laquelle c’est si difficile d’obtenir une réponse positive en staffing et recrutement”. Toutes les autres agences font tourner le même jeu, et la boîte de l’acheteur est déjà pleine de pitches identiques.

Trois approches de construction de liste dépassent cette pile : open jobs bien fait, signaux de traction et départs d’employés. Le premier est le minimum vital. Les deux autres, c’est là où la plupart des agences ne se donnent pas la peine de concourir.

Pourquoi la liste est tout le jeu en cold email d’agence

En bref : Le BD d’agence est un canal à faible volume et haute valeur. Un meeting booké peut se transformer en recherche contingency signée, valant une fraction significative du salaire du candidat placé. Cette asymétrie veut dire que la qualité de liste compte plus que le volume d’envoi. Envoyer à des entreprises mal positionnées gaspille votre réputation de domaine, votre temps et votre délivrabilité future.

Quelques choses rendent le cold email d’agence de recrutement plus dur que la version B2B générique. Les acheteurs sont rares : une équipe SaaS peut pitcher chaque VP of Sales d’un vertical, mais une agence de recrutement ne peut pitcher que les entreprises qui doivent embaucher maintenant et qui n’ont pas déjà un recruteur interne qui s’en occupe. La concurrence est forte (le résumé cash de Nowoslawski : c’est “la raison pour laquelle c’est si difficile d’obtenir une réponse positive en staffing et recrutement”). Et le coût de remplacement est réel. Brûlez un domaine sur une liste de mauvaise qualité et vous passez des semaines à reconstruire la délivrabilité avant la prochaine campagne.

La construction de liste, c’est la première moitié du problème de cold email ; l’infrastructure de message, c’est la seconde. Le post sur l’infrastructure cold email couvre les domaines, les IPs d’envoi, la cadence des séquences et la gestion des réponses une fois la liste en place. Ce guide est en amont de tout ça.

Playbook 1 : open jobs fait mieux que tout le monde

En bref : Scraper un nom d’entreprise et un titre de job ne suffit pas. Enrichissez chaque ligne avec la description de poste réelle, utilisez l’AI pour extraire la qualité unique la plus importante dont le candidat aurait besoin, et menez l’email avec cette inférence. Le but n’est pas le volume. Le but, c’est de montrer au prospect que vous avez lu ce qu’il a écrit.

Toutes les agences de recrutement font tourner le playbook open jobs. La plupart le font mal : scraper le nom de l’entreprise, scraper le titre du job, coller les deux dans un template générique (“Je vois que vous embauchez pour X, j’ai des candidats”). Le résultat, c’est un mur de pitches identiques dans la boîte du prospect.

La version de Nowoslawski de ce playbook travaille à rebours depuis le message. Commencez par scraper les jobs depuis une source qui expose la description de poste. Il utilise le scraper Indeed d’Apify, qui retourne titre et nom d’entreprise ; vous transformez ensuite le nom de l’entreprise en site web via Clearbit ou Apollo, parce que, selon son cadrage, “si vous avez un site, vous pouvez trouver les gens, et si vous avez un profil LinkedIn, vous pouvez trouver les gens”. Sans l’un de ces deux ancrages, la ligne est morte.

Pour chaque ligne, enrichissez avec la description de poste LinkedIn complète. Le connecteur “find jobs from LinkedIn data” de Clay gère ça ; mettez des critères comme “n’a pas de recruteur” si vous voulez filtrer les entreprises qui utilisent déjà des sourceurs internes. Puis faites tourner un prompt AI sur chaque description de poste pour extraire la qualité unique la plus importante dont le candidat idéal aurait besoin. La dernière étape, c’est de mener votre email avec cette inférence, en citant la partie de la JD d’où vous l’avez tirée.

Un prompt qui tient a besoin de quelques contrôles intégrés. Gardez l’inférence sous 20 mots. Dites au modèle de ne pas répéter les mots exacts de la description de poste pour que la citation sonne humaine. Donnez-lui un format d’exemple fixé à suivre. Sans ces contraintes, le modèle perroquette la JD et la personnalisation casse.

Dans le cadrage de Nowoslawski, la première ligne résultante se lit en gros comme : “vous embauchez un Commercial Sales Manager, et en lisant la description de poste, on dirait que vous avez besoin de quelqu’un qui [qualité extraite]”. Puis une ligne courte qui propose des candidats correspondants et une question sur les prochaines étapes. C’est un message différent de “Je vois que vous embauchez un Commercial Sales Manager. On a de très bons candidats.”

Une JD parsée dans votre CRM se compose ici. Si vous tirez déjà des exigences structurées de chaque JD côté candidat, vous avez la même structure de données que vous pouvez réutiliser pour le ciblage cold email côté BD.

Playbook 2 : signaux de traction comme indicateur pré-embauche

En bref : Atteignez les entreprises avant qu’elles publient le job. Les métriques de traction (levée, croissance d’effectif, pics de trafic, ouvertures de bureaux, ATS récemment installé) signalent que l’embauche est imminente. Tendre la main à l’étape traction veut dire que vous concourez avec quasi aucun autre recruteur plutôt qu’avec toute la pile.

Le scraping d’open jobs est réactif. Les signaux de traction sont proactifs. Le cadrage de Nowoslawski : “Au lieu de chercher des entreprises avec des jobs ouverts, vous voulez essayer de les attraper avant qu’elles publient ce job, quand elles pensent à le publier.”

Signaux de traction à surveiller :

Signal	Source	Pourquoi ça compte
Pic de trafic web sur 3 mois	SimilarWeb (scrapé via Apify ou CAgent)	La croissance corrèle avec l’embauche
Croissance d’effectif	LinkedIn / Clay	Proxy direct d’embauche
Ouverture de nouveau bureau	Mentions presse, posts LinkedIn	Signale une embauche pilotée par l’expansion
Levée récente	Crunchbase, presse	Cash → effectif dans les 6 mois
Croissance des followers réseaux	APIs de plateforme / scrapers	La momentum marketing précède souvent l’embauche commerciale
ATS récemment installé	BuiltWith	”Commencent à prendre le recrutement vraiment au sérieux”
Nouvelle embauche CMO / CRO	LinkedIn	Nouveau leader = nouvelle équipe à monter

Le signal d’installation d’ATS est particulièrement sous-utilisé. BuiltWith suit quand une entreprise ajoute Greenhouse, Lever ou tout autre ATS à sa stack. Si une entreprise a installé Lever il y a deux mois, elle est probablement sur le point de commencer à embaucher en volume, et elle n’a probablement pas encore choisi de partenaire d’agence.

Il n’y a pas une seule requête fixe pour le playbook traction. Le déclencheur qui compte dépend de votre industrie. Nowoslawski mentionne le warehousing comme un exemple de vertical avec des patterns d’embauche saisonniers. Le principe plus large : choisissez les deux ou trois signaux qui collent à votre niche et construisez des scrapers séparés pour chacun.

Un deuxième filtre se compose joliment par-dessus : notez chaque entreprise selon qu’elle a déjà un recruteur interne. Nowoslawski utilise le “find employee headcount by job title” de Clay pour vérifier les titres “recruiter”, “sourcer” ou “human resources” dans l’équipe. Les entreprises avec recruteurs internes sont déprioritisées parce qu’elles ont probablement déjà une couverture d’embauche. Celles sans sont les cibles à plus haut levier.

Playbook 3 : départs d’employés (le sous-utilisé)

En bref : Trouvez des gens qui ont récemment quitté une entreprise dans un rôle senior, puis tendez la main au décideur de cette entreprise en proposant de trouver le remplaçant. Quasi aucune agence ne fait tourner ce jeu à l’échelle, ce qui veut dire quasi aucune concurrence dans la boîte.

Nowoslawski appelle ça “probablement le moins utilisé”. Il n’a “jamais vu une autre entreprise de recrutement utiliser ce playbook à l’échelle d’une manière vraiment automatisée”.

Le mécanisme :

1. Utilisez Clay (ou n’importe quelle source de données LinkedIn) pour trouver les gens qui ont commencé un nouveau job dans les 2-3 derniers mois. La requête : titre contient votre rôle cible, localisation matche votre marché, “max mois dans le rôle actuel” mis à 2-3.
2. Enrichissez la timeline d’expérience complète de chaque personne. Vous avez besoin de l’entreprise du rôle précédent et de la date de fin, pas juste de la ligne actuelle.
3. Filtrez sur les gens dont la date de fin du rôle précédent est dans les 90 derniers jours. Ce sont des départs récents d’entreprises qui n’ont probablement pas entièrement remplacé encore.
4. Pour chaque ligne, trouvez le décideur dans l’entreprise précédente (CEO, head of department, etc.).
5. Tendez la main au décideur en référençant la personne précise qui est partie.

La phrase d’ouverture s’écrit toute seule. Dans le cadrage de Nowoslawski : “J’ai remarqué que Cameron a quitté l’entreprise. Comment pensez-vous combler son poste ?” Puis proposez d’envoyer des candidats.

Deux choses font marcher ça disproportionnellement bien. D’abord, c’est précis d’une manière qu’aucun scrape d’open jobs générique ne peut être, parce que vous nommez une vraie personne qui est vraiment partie. Ensuite, l’entreprise n’a souvent pas encore posté le remplacement. La part d’attention recruteur qui arrive avant l’annonce publique, c’est tout l’intérêt.

La partie la plus délicate de ce jeu, c’est de filtrer correctement. Certaines personnes affichent trois “expériences” dans la même entreprise parce qu’elles ont été promues en interne, ce qui n’est pas un départ. La formule Clay de Nowoslawski gère ça en vérifiant si la première expérience non actuelle du candidat a un domaine d’entreprise différent de son employeur actuel. Ce seul filtre coupe nettement les faux positifs.

Outils qui rendent ces listes possibles

En bref : Il vous faut un scraper pour les données source, une couche d’enrichissement pour les emails et infos d’entreprise, et un outil de workflow pour orchestrer les étapes. Apify, Apollo, Clay, Clearbit, BuiltWith et SimilarWeb sont la stack courante. Choisissez la combinaison la moins chère qui touche votre échelle.

Mapping des outils aux trois playbooks :

Étape	Options d’outils	Notes
Scraper open jobs	Apify (scraper Indeed), Clay (jobs LinkedIn)	Apify est moins cher à l’échelle ; Clay est plus rapide à mettre en place
Nom d’entreprise → site	Clearbit, Apollo	Apollo est bundle avec l’enrichissement d’email, légèrement moins cher combiné
Signal de traction : trafic	SimilarWeb (scrapé via Apify ou CAgent)	La précision de SimilarWeb est grossière ; utilisez-le pour les changements relatifs, pas les chiffres absolus
Signal de traction : install ATS	BuiltWith	Le tier gratuit suffit pour démarrer
Signal de traction : levée	Intégrations funding de Clay	Les scrapers de presse marchent aussi mais sont plus bruyants
Trouver départs d’employés	Recherche LinkedIn Clay + enrichissement d’expérience	Demande un plan Clay payant
Enrichissement d’email	Apollo, Hunter, Clearbit	Apollo est le défaut agence de recrutement
Export Apollo en masse	L’interface d’Apollo limite la sélection à 25 contacts par page ; des constructeurs d’outils de recrutement comme Recruitemy distribuent des scrapers qui batch l’export	Utile quand vous avez déjà filtré jusqu’à une liste serrée

Un exemple concret : Recruitemy a démontré sa stack en tirant 5 000 nurse practitioners en Floride d’Apollo via un scraper custom qui contourne la limite d’export à 25 contacts par page d’Apollo. La sortie est exportée en CSV et chargée dans l’ATS de l’agence pour une campagne email en mode drip. Le scraper en lui-même n’est pas la value-add ; l’export intégré d’Apollo fait la même chose, juste plus lentement. La valeur est dans le workflow : filtrer fortement sur Apollo, exporter vers votre système d’enregistrement et séquencer à partir de là.

Le travail de construction de liste génère un flux de lignes structurées contenant l’entreprise, le décideur, l’email, le signal que vous avez trouvé et le fait de personnalisation. C’est la même forme de données que vous voulez à terme circuler dans vos workflows côté candidat. La JD Intelligence de Recrudoc parse les descriptions de poste en exigences structurées. Utile côté candidat pour le matching, mais la même logique de parsing est exactement ce qui alimente l’étape d’inférence AI dans le playbook 1.

Anti-patterns à éviter

En bref : Ne balancez pas une énorme liste Apollo non filtrée. Ne comptez pas uniquement sur le jeu open jobs. Ne sautez pas le filtre “ont-ils déjà un recruteur interne”. Ne mélangez pas les industries dans une campagne. La réputation de domaine remonte à la qualité de la liste.

Modes d’échec qui reviennent systématiquement :

• Volume sans signal. Faire tourner un message générique contre un scrape non filtré érode la réputation de domaine. Des listes plus petites pilotées par signal surperforment les grosses non ciblées.
• Open jobs uniquement. Si votre seul jeu est de scraper les jobs ouverts, vous concourez avec toutes les autres agences. Ajoutez au moins un autre type de signal.
• Sauter le filtre recruteur interne. Les entreprises avec une équipe TA in-house ne répondent quasi jamais à l’outreach d’agence. Elles ont un process d’embauche et vous êtes en dehors. Filtrez-les avant d’envoyer.
• Mélanger les industries dans une campagne. Une liste qui couvre healthcare, manufacturing et SaaS embrouille votre messaging et votre triage de réponse. Gardez une industrie par campagne et par domaine d’envoi.
• Ignorer la hiérarchie des décideurs. Une liste en masse de “founders et CEOs” a souvent le mauvais titre pour le vrai acheteur dans des entreprises plus grandes, où les décisions d’embauche sont chez les VP plutôt qu’au C-suite. Adaptez les titres de décideurs à la taille de l’entreprise.

À quoi ressemble une liste saine

En bref : Une liste d’agence opérationnelle est mono-niche, taggée par signal et rafraîchie assez souvent pour capturer les signaux les plus frais. Chaque ligne a au moins un fait de personnalisation au-delà du nom de l’entreprise et du titre. Si vous ne pouvez pas écrire une première phrase unique par ligne, la ligne ne devrait pas être sur la liste.

Ce que toute liste saine a :

• Une niche par campagne (pas de mélange d’industries)
• Au moins un fait de personnalisation vérifié par ligne, que ce soit l’inférence JD, l’événement de levée ou le départ précis
• Rafraîchissement fréquent, parce que les signaux décroissent vite (surtout les départs d’employés et les lignes ATS récemment installé)
• Un filtre de recruteur interne appliqué, pour que les entreprises avec RH/TA in-house soient déprioritisées
• Vérification d’email avant envoi. Utilisez Apollo, Hunter ou NeverBounce. De forts taux de bounce corrodent la délivrabilité sur tous les domaines de votre stack.

Une fois la liste en place, la stack d’infrastructure cold email gère les domaines warm-up, la cadence des séquences, la gestion des réponses et les liens calendrier. Si vous chassez spécifiquement des déclencheurs modernes de signaux d’embauche, le playbook des signaux d’embauche va plus en profondeur sur les types de déclencheurs qui produisent systématiquement des meetings bookés.

Les agences qui font croître leur revenu de retainer depuis le cold email n’envoient pas plus. Elles envoient à de meilleures listes, avec des signaux plus tranchés, là où la concurrence ne fait pas attention.

Sources

The insights in this article are based on the following industry expert discussions:

• “Staffing And Recruiting Business Development Outbound Cold Email Playbook” — Eric Nowoslawski, YouTube
• “How to Get Recruiting Clients With Cold Email” — Recruitemy, YouTube