En six semaines, une MedTech française spécialisée en imagerie médicale est passée de 27 000 contacts bruts à 8 990 radiologues qualifiés, soit un taux de qualification de 33 %. Le trimestre suivant, son équipe commerciale a booké 40 % de rendez-vous qualifiés supplémentaires, sans envoyer un seul email de plus.

Le résultat ne vient pas d’un fichier acheté, mais du croisement de plus de dix sources publiques santé (RPPS, ARS, BOAMP, HAS, PubMed) qualifiées par des agents IA spécialisés dans le médical. Chaque radiologue retenu portait un signal d’achat vérifié, pas seulement un nom et une adresse email.

Ce cas détaille le problème de départ, la méthode de qualification, le nettoyage du CRM qui a suivi, les résultats chiffrés, et ce qui est transposable à une autre MedTech.

Pourquoi 15 commerciaux sur 8 pays n’avaient-ils pas de base prospects exploitable ?

Quinze commerciaux répartis sur huit pays européens travaillaient chacun avec ses propres listes Excel, accumulées au fil des années, sans enrichissement ni signal d’achat. Avant chaque prise de contact, un commercial passait 30 à 45 minutes à rechercher manuellement le contexte d’un radiologue, le plus souvent froid. Un praticien sans besoin d’imagerie identifié n’avait aucune valeur commerciale, mais rien ne permettait de distinguer celui qui achetait de celui qui ne bougerait pas.

Le problème n’était pas le manque de noms, c’était l’absence de contexte. Une liste de radiologues sans plateau technique, sans historique d’équipement, sans signal de renouvellement, est une liste froide déguisée en base de données.

Le parc de radiologues d’un pays est pourtant fini et identifiable : la France en compte environ 8 900 (DREES, 2020). Une base exhaustive par pays est donc atteignable, à condition de savoir lire les bonnes sources plutôt que de racheter un fichier que tout le monde possède déjà.

Comment qualifier 27 000 radiologues en 8 990 leads à signal d’achat ?

La qualification croise plus de dix sources publiques pour chaque praticien : RPPS, LinkedIn, Hospimedia, PubMed, ARS, BOAMP, code FINESS, HAS, BODACC et presse sectorielle. Des agents IA spécialisés dans le médical y détectent les signaux d’achat réels (expiration d’un IRM, appel d’offres ouvert, changement de poste, publication récente), vérifient les coordonnées et reconstituent l’historique. Sur 27 000 contacts scrapés, 8 990 ressortent qualifiés, soit un taux de 33 %. C’est le moteur de leadify, l’agent de prospection d’Agify.

Chaque fiche livrée porte une synthèse de profil (spécialité, établissement, séniorité) et un volet recherche (publications récentes, domaines d’expertise). Le code FINESS sert de clé pivot : il relie un praticien à son établissement et à tous les registres qui le décrivent, du PMSI au BOAMP. C’est ce qui transforme un nom isolé en dossier contextualisé.

Cette logique de qualification par l’événement est celle de la prospection par signaux d’achat sur le marché hospitalier : on retient un radiologue parce qu’un fait public désigne son établissement comme acheteur potentiel, pas parce qu’il figure sur une liste. Les commerciaux ont alors pu travailler des micro-segments précis : des listes de cinq à dix médecins, critère IRM 3T, une campagne ciblée plutôt qu’un envoi de masse. Quand cette qualification alimente un canal d’approche direct, elle produit des taux d’engagement bien au-dessus du marché, comme le montre cette campagne de prospection LinkedIn de médecins.

Si vous voulez savoir quels signaux d’achat existent réellement sur votre catalogue produit, c’est exactement ce qu’on cadre en 30 minutes lors d’un échange de cadrage prospection.

Comment nettoyer un CRM de 18 000 fiches sans le refaire à la main ?

Une base de contacts B2B se dégrade d’environ 22,5 % par an (HubSpot, d’après MarketingSherpa) : adresses obsolètes, doublons, champs vides. Un second agent IA a traité les 18 000 fiches du CRM en quatre semaines, faisant passer le taux de complétion de 40 % à 91 %. Il a croisé RPPS, Hospimedia et données d’établissement pour reconstituer le plateau technique de chaque centre, détecté et fusionné environ 2 100 doublons, et mis à jour environ 3 400 fiches obsolètes.

Pour chaque centre, l’agent a reconstitué les IRM disponibles et leur puissance (1.5T, 3T), les marques installées (GE, Siemens, Philips), les concurrents en place et les signaux de renouvellement. Il a structuré des champs exploitables directement par les commerciaux : spécialité, séniorité, région, statut de décideur, participation à la recherche, langue préférée, avec un score de confiance par fiche.

L’enjeu n’est pas le nettoyage ponctuel, c’est la durée. Un CRM nettoyé une fois redevient sale en moins de deux ans, mécaniquement. Un agent qui réenrichit en continu à partir des sources publiques maintient la complétion au lieu de la laisser redescendre.

Quels résultats chiffrés la base qualifiée a-t-elle produits ?

La livraison a produit 8 990 prospects qualifiés en six semaines, puis une base étendue à 13 329 leads segmentés par région. Le temps de préparation par rendez-vous est tombé de 30-45 minutes à quelques minutes. Sur le trimestre suivant, l’équipe commerciale a booké 40 % de rendez-vous qualifiés supplémentaires. Un troisième agent, dédié aux leads entrants, qualifie désormais plus de 200 prospects par mois, en automatisant l’équivalent de deux heures de recherche manuelle par fiche.

Les 15 commerciaux ne consacrent plus leur temps à la recherche, mais à des prospects qui portent tous un signal d’achat vérifié. Le ratio s’est inversé : moins de qualification manuelle, plus de vente.

« On arrive à cibler exactement les gens qu’on veut contacter, des listes de cinq à dix médecins, critère IRM 3T, une petite campagne bien ciblée avec une brochure et un texte. » un commercial de l’équipe, session de feedback

Qu’est-ce qui est réutilisable pour une autre MedTech ?

Trois mécanismes se transposent. D’abord, le croisement multi-sources médical : plus de dix registres publics croisés battent n’importe quel fichier acheté, qui naît déjà périmé. Ensuite, l’agent CRM qui maintient la qualité dans la durée, et non un nettoyage ponctuel vite redégradé. Enfin, le principe du signal d’achat : qualifier un praticien sur un événement vérifié plutôt que sur son seul titre. Cette logique porte un nom, la prospection inversée, et vaut pour toute MedTech à cycle long et ticket élevé.

Le signal d’achat peut prendre des formes variées selon le produit : un appel d’offres, un renouvellement d’autorisation, une nomination de décideur, ou ce que le panorama qualité HAS révèle d’un établissement. Pour les ventes qui passent par le marché public, détecter un appel d’offres BOAMP avant la rédaction du cahier des charges est le prolongement direct de cette logique. Sur le marché des cliniques privées, la même méthode a produit une cartographie de 4 342 établissements HAS en neuf jours.

Une limite honnête : le coût d’investigation par praticien augmente avec la finesse de la qualification. Le retour se mesure à l’échelle de la base et de la campagne, pas du lead isolé. C’est pour cela que la phase de cadrage initiale, qui définit les signaux pertinents, pèse autant dans le résultat final.

Questions fréquentes

Quel taux de qualification attendre d’un scraping médical massif ?

Dans ce cas, 8 990 radiologues qualifiés sont ressortis de 27 000 contacts scrapés, soit 33 %. Le taux dépend de la spécialité, du périmètre géographique et de la sévérité des critères de disqualification. L’indicateur à suivre n’est pas le volume brut scrapé, mais la part qui porte un signal d’achat vérifié et des coordonnées exploitables.

Combien de temps pour qualifier une base de plusieurs milliers de praticiens ?

Six semaines pour 8 990 radiologues qualifiés sur huit pays, dans ce cas. La durée tient surtout à la phase de cadrage initiale, qui définit les signaux pertinents, plus qu’au traitement lui-même. Une fois les sources et les critères calés, l’enrichissement tourne en continu et la base s’étend (ici jusqu’à 13 329 leads).

Exploiter le RPPS et le BOAMP pour cibler des médecins, est-ce conforme au RGPD ?

Oui. Le RPPS, le BOAMP, la HAS et l’ARS sont des sources publiques. Leur exploitation pour de la prospection B2B relève de l’intérêt légitime (RGPD, article 6.1.f), sous réserve de respecter le droit d’opposition des personnes concernées. La donnée est légalement utilisable pour qualifier un praticien.

Un agent IA peut-il maintenir la qualité d’un CRM dans la durée ?

Oui, à condition qu’il tourne en continu et non une seule fois. Une base se dégrade d’environ 22,5 % par an (HubSpot). Un nettoyage ponctuel est donc reperdu en moins de deux ans. L’agent décrit ici réenrichit les fiches en continu à partir des sources publiques, ce qui maintient le taux de complétion au lieu de le laisser redescendre.

Conclusion

Qualifier 8 990 radiologues en six semaines ne tient pas au volume de scraping, mais à la qualité du signal. Trois points à retenir : le croisement de plus de dix sources publiques santé bat un fichier acheté, périmé dès l’achat ; un agent CRM qui tourne en continu maintient une base que le temps dégrade de 22,5 % par an ; et qualifier sur un signal d’achat vérifié, pas sur un titre, fait passer une base brute de 27 000 contacts à 8 990 prospects contactables au bon moment.

Reste à savoir quels signaux comptent pour votre catalogue. Voyons votre cas en 30 minutes : on identifie ensemble les sources publiques pertinentes pour vos produits et la façon de les transformer en pipeline qualifié.

Agify déploie des agents IA de prospection autonomes dans les équipes commerciales B2B, avec une spécialisation sur le marché MedTech français et ses sources publiques santé.