# Campagne de prospection qui ne marche pas : d'où vient le problème ?

> Quand une campagne d'appels déçoit, on accuse le script. Sur deux campagnes que j'ai menées en 2026, la liste cachait 81 organismes qui ne pouvaient pas acheter, 23 % de profils sans rapport avec la cible et 63 % d'entreprises sans interlocuteur trouvable.

Par Valentin Moreau, SDR indépendant B2B (https://valentinmoreau.co). Publié le 9 octobre 2026. Page : https://valentinmoreau.co/methodes/listes/campagne-prospection-qui-ne-marche-pas/

## Le taux qui fait accuser le message

Un taux de rendez-vous bas se lit presque toujours comme un problème de discours. On change l'accroche, on ajoute un argument, parfois on change de SDR.

Ce taux a pourtant un dénominateur. Chaque appel passé à quelqu'un qui ne pouvait pas dire oui y entre, au même titre qu'un vrai refus. Une liste mal construite fait baisser le taux sans que le discours y soit pour rien. La campagne suivante, avec un meilleur script et la même liste, déçoit de la même façon.

## 81 organismes qui ne pouvaient pas acheter

La liste comptait 825 établissements situés en zone à risque naturel, et le brief excluait le secteur public. Le filtre habituel, la division NAF 84 « Administration publique », en a retiré 47. Il en fallait 128 : hôpitaux, collèges, régies, classés en Santé, en Enseignement ou dans l'industrie, au milieu des entreprises privées.

Sans correction, 81 organismes soumis à la commande publique restaient dans les appels, pour une offre qui ne passe pas par les appels d'offres. Chacun aurait répondu non, ou « envoyez-nous une documentation ». Chacun de ces non aurait compté comme un échec du message. Le détail du filtre est dans l'article [pourquoi un filtre par code NAF fausse votre ciblage B2B](/methodes/ciblage/filtre-code-naf-secteur-public/).

Dans les résultats, ce défaut se voit à des refus polis et répétés, du type « ce n'est pas comme ça que nous achetons », concentrés sur un même type de structure.

## Les bonnes entreprises, les mauvaises personnes

Deuxième campagne, auprès de fournisseurs de la grande distribution. La cible : trade marketing, chefs de produit, marketing. La recherche de profils en a sorti 265. Avant de payer la recherche d'e-mails, j'ai relu les titres un par un : 61 n'avaient rien à faire là. Acheteurs, RH, supply chain, production, qualité, fonctions administratives. 23 % de la liste.

Les outils de recherche de profils fonctionnent par mots-clés, et « responsable » ou « chef de » ramènent tout le monde. Une fois enrichies d'un e-mail vérifié et d'un numéro, ces lignes ressemblent à de bons contacts.

Appelées, ces personnes répondent « ce n'est pas moi » ou ne rappellent jamais. Le SDR passe ses journées à se faire réorienter, et le taux de décideurs joints s'effondre alors que les entreprises étaient les bonnes. Dans les résultats : beaucoup d'échanges courts qui finissent par un renvoi vers un collègue.

## Une liste plus courte qu'elle n'en a l'air

Sur la même campagne, 252 entreprises ont été passées dans l'outil avec les postes visés. 92 seulement avaient au moins un contact correspondant, soit 37 %. Pour les 160 autres, l'outil ne trouvait personne au bon poste. Élargir la recherche à « commercial », « direction », « responsable » a porté la couverture à 76 %, avec des interlocuteurs plus loin du sujet.

Un lot suivant donne le même ordre de grandeur. 183 entreprises cherchées, 142 contacts retenus après nettoyage, répartis dans 59 entreprises : moins d'une sur trois arrive jusqu'à l'appel avec un interlocuteur nommé.

Une liste annoncée à 250 entreprises en touche donc souvent moins de 100. La campagne s'épuise vite, le SDR rappelle les mêmes numéros ou passe par les standards, et on tire des conclusions sur un échantillon trop petit pour juger le message. Dans les résultats, le nombre de nouvelles personnes appelées chaque semaine baisse vite et les rappels prennent le dessus.

## Les chiffres des deux campagnes

<table>
  <thead>
    <tr><th>Campagne</th><th>Contrôle</th><th>Avant</th><th>Après</th></tr>
  </thead>
  <tbody>
    <tr><td>825 établissements en zone à risque naturel</td><td>Exclusion du secteur public</td><td>47 exclus par le code NAF seul</td><td>128 exclus par la catégorie juridique et le SIREN</td></tr>
    <tr><td>Fournisseurs de la grande distribution</td><td>Relecture des titres avant la recherche d'e-mails</td><td>265 profils</td><td>204 profils (61 retirés, 23 %)</td></tr>
    <tr><td>Même campagne, 252 entreprises</td><td>Entreprises avec un contact au poste visé</td><td>252</td><td>92 (37 %)</td></tr>
    <tr><td>Même campagne, lot de 183 entreprises</td><td>Entreprises avec au moins un contact retenu</td><td>183</td><td>59 (142 contacts)</td></tr>
  </tbody>
</table>

## Avant de réécrire le script

Ces vérifications se font sur l'export des appels d'une campagne en cours, sans rien relancer.

Commencez par les refus. Un non de quelqu'un qui pouvait acheter n'a pas le même sens qu'un non de quelqu'un qui ne le pouvait pas. Si une famille de structures revient dans les « pas concerné » (organismes publics, filiales qui n'achètent pas elles-mêmes, entreprises trop petites pour l'offre), c'est le périmètre qu'il faut revoir.

Relisez ensuite les titres des personnes réellement jointes, sans regarder ce qu'elles ont répondu. Une part importante de postes sans la main sur le sujet veut dire que la liste a été enrichie avant d'être triée.

Rapportez enfin le nombre d'entreprises appelées avec un interlocuteur nommé au nombre d'entreprises de la liste. Sous la moitié, la campagne tourne sur une fraction du marché, et ses taux ne disent rien de l'autre partie.

Dans les missions où je construis la base, ces trois contrôles sont faits avant le premier appel : la liste qui part en campagne a déjà été triée par structure, par poste et par couverture. Le détail des deux formules est sur la page [externaliser sa prospection téléphonique B2B](/externaliser-prospection-telephonique/). Les autres articles du thème sont regroupés sur la page [construction de listes](/methodes/listes/).

## D'où viennent ces chiffres

Deux campagnes de prospection téléphonique B2B menées en 2026. La première porte sur 825 établissements situés en zone à risque naturel, construits à partir du répertoire SIRENE : établissements publics comptés un par un, d'abord avec la division NAF 84, puis avec la catégorie juridique et le préfixe SIREN. La seconde cible des fournisseurs de la grande distribution : recherche de profils sur 252 entreprises avec les postes visés (trade marketing, chef de produit, marketing), puis sur 183 entreprises d'un lot suivant ; relecture titre par titre de 265 profils avant la recherche d'e-mails. Aucun chiffre estimé : chaque ligne vient des fichiers de la campagne.

## Questions fréquentes

### Combien de temps faut-il laisser à une campagne avant de juger les résultats ?

Le temps compte moins que le nombre d'interlocuteurs réellement joints. Tant que quelques dizaines de personnes au bon poste n'ont pas eu le discours en entier, un taux de rendez-vous ne dit rien. Comptez les échanges avec des personnes qui ont la main sur le sujet, pas les semaines écoulées.

### Faut-il changer de fichier ou nettoyer celui qu'on a ?

Nettoyer d'abord. Retirer les structures hors périmètre et relire les titres coûte quelques heures et ne dépense aucun crédit. Changer de fournisseur de données sans changer les règles de tri reproduit les mêmes défauts dans un nouveau fichier.

### Comment savoir si c'est le discours ou la liste qui pose problème ?

Classez les appels aboutis selon la personne jointe. Si les refus viennent surtout de personnes qui ne pouvaient pas acheter, ou qui renvoient vers un collègue, la liste est en cause. Si des décideurs au bon poste écoutent et refusent quand même, travaillez le discours.

### Une liste achetée suffit-elle pour lancer une campagne ?

Elle sert de point de départ, pas de liste d'appel. Un fichier acheté est trié par code d'activité et par mots-clés de poste : il contient les mêmes structures hors cible et les mêmes titres sans rapport que n'importe quel export. Les trois contrôles de cet article s'appliquent avant le premier appel.

*Article rédigé avec l'IA, à partir de données collectées en mission. Ce n'est pas l'IA ou l'humain qui fait la qualité d'un texte, mais la donnée d'origine qu'on y met.*