Le scoring prospects : la méthode qui fait appeler les bons leads en premier.

Sans scoring, vos SDR passent autant de temps sur un prospect froid que sur une opportunité chaude. Avec un bon modèle de scoring, 20% de vos prospects génèrent 80% de vos deals. Voici comment construire ce modèle.

Pourquoi scorer ses prospects ?

Un SDR a en moyenne 4 heures d'appels par jour. Sans priorisation, ces 4 heures se répartissent aléatoirement sur une liste. Avec un scoring, les 2 premières heures vont sur les 20% de prospects qui vont réellement convertir.

D'après HubSpot, les équipes commerciales qui utilisent un modèle de scoring génèrent en moyenne 33% de chiffre d'affaires supplémentaire. La variable n'est pas le volume d'appels — c'est la qualité de la priorisation.

Les deux familles de scoring

Scoring démographique

Qui est ce prospect ? Secteur, taille d'entreprise, zone géographique, poste. Est-ce que ce profil correspond à votre ICP (Ideal Customer Profile) ?

Scoring comportemental

Qu'a-t-il fait ? Ouverture d'email, visite du site, téléchargement d'un lead magnet, participation à un webinar. Signal d'intérêt actif.

Scoring signal marché

Qu'est-ce qui se passe autour de lui ? Contrainte réglementaire (DPE), opportunité de marché (DVF), tension sectorielle (DARES). C'est le scoring SAHAR.

Scoring engagement CRM

Où en est-on dans la relation ? Premier contact, deuxième relance, devis envoyé. Le scoring doit refléter la maturité de la relation.

Construire son modèle de scoring — étape par étape

Définir les critères — Lister tous les attributs qui, dans votre expérience, distinguent un bon prospect d'un mauvais. Pas plus de 8–10 critères.
Peser chaque critère — Attribuer un poids en % à chaque critère. La somme doit faire 100%. Les critères les plus discriminants méritent les poids les plus élevés.
Normaliser les valeurs — Chaque critère doit donner un sous-score entre 0 et 100 pour être additionnable. Une zone géographique "conforme" = 100, "hors cible" = 0.
Calculer le score composite — Score final = Σ (sous-score × poids). Résultat entre 0 et 100.
Calibrer sur vos données historiques — Appliquer le modèle sur vos deals closés et perdus. Le scoring doit discriminer : les deals gagnés doivent avoir un score moyen nettement plus élevé.

Le scoring par données publiques — l'avantage SAHAR

La plupart des modèles de scoring dépendent de données internes (comportement CRM, données firmographiques). SAHAR ajoute une troisième dimension : les signaux de marché issus des données publiques.

Exemples de signaux :

Logement classé F/G → signal d'urgence réglementaire → score élevé pour artisan RGE
Transaction DVF à -15% de la médiane → signal d'opportunité → score élevé pour agent immo
Zone sans concurrent dans un secteur en croissance → signal stratégique → score élevé pour franchiseur
Bassin d'emploi avec tension 80/100 sur votre métier cible → signal commercial → score élevé pour cabinet recrutement

Ces signaux sont objectifs, récents, et incontestables. "Votre logement est classé G selon l'ADEME" est plus fort que "nous pensons que vous avez besoin de rénover".

Scoring BDD clients — enrichir votre base existante

Le scoring ne s'applique pas qu'aux nouveaux prospects. Votre base clients actuelle contient des opportunités dormantes :

Clients qui ont acheté il y a 2 ans et dont la situation a changé (nouveau DPE F, nouveau logement acheté)
Contacts qui n'ont jamais signé mais qui correspondent maintenant à votre ICP
Anciens prospects refroidis dont le signal de marché vient de s'activer

SAHAR peut importer votre base existante et l'enrichir avec les données publiques correspondantes. Chaque contact reçoit un score actualisé.

Scorer votre base prospects avec les données publiques.

Voir comment ça marche →