Désanonymiser les visiteurs de votre site et les contacter automatiquement

Beaucoup de visiteurs sur votre site ne laissent aucune trace. Ils lisent la documentation, vous comparent à vos concurrents, regardent la page pricing, puis quittent le site sans la moindre interaction. C'est dommage, parce que dans le lot il y a des profils qui collent parfaitement à votre ICP.

2026-06-18 · 6 min de lecture

Dans cet article, je partage ma méthodologie pour que, dès qu'un visiteur arrive sur votre site, il soit automatiquement désanonymisé, enrichi, scoré, puis contacté sur LinkedIn. Une fois le workflow en place, il tourne tout seul en tâche de fond et ouvre des conversations LinkedIn avec les visiteurs de votre site, mais seulement ceux qui présentent un vrai intérêt.

Désanonymiser un visiteur web ayant une IP américaine

Aucun outil n'identifie tout le monde. En pratique, sur du trafic B2B américain, on arrive à trouver le nom de la personne pour 10 à 30 % des visiteurs. Ça dépend de l'outil de désanonymisation utilisé : je ne rentre pas dans le détail, mais chacun s'appuie sur des identity graphs différents. D'où une technique simple : additionner plusieurs outils ( Vector, RB2B, et d'autres) pour désanonymiser plus de monde, puis supprimer les doublons. Chacun identifie des visiteurs que les autres ratent ; on fusionne leurs résultats et on déduplique sur une clé d'identification stable (par exemple l'URL LinkedIn de la personne). Plus on en branche, plus on identifie de monde (c'est le principal levier de couverture), mais avec des rendements décroissants : la plupart des outils revendent en réalité des identity graphs très similaires.

Mon conseil : démarrez avec un seul outil de désanonymisation pour tester le workflow de A à Z. Si les résultats sont au rendez-vous, optimisez ensuite en ajoutant d'autres outils pour aller chercher les points de couverture supplémentaires.

En Europe, on ne peut identifier que l'entreprise, pas la personne

En Europe, c'est une autre affaire. Il faut respecter le RGPD : on ne peut pas identifier une personne qui vient sur votre site, mais on peut identifier l'entreprise depuis laquelle l'employé se connecte.

Mon conseil : adaptez votre workflow. En fonction des pages visitées, de votre ICP et du trafic que vous désanonymisez déjà, demandez au workflow d'aller fouiller la base des employés de l'entreprise et de vous suggérer les trois profils les plus susceptibles d'être ce visiteur.

À quoi sert l'orchestrateur ?

L'orchestrateur nous permet d'exécuter toutes les actions évoquées plus haut. Chaque visite identifiée déclenche un webhook de l'outil de désanonymisation, traité par votre workflow dans l'orchestrateur : il ingère l'évènement, le déduplique, l'enrichit avec la donnée du CRM et du data warehouse, applique le filtre de pertinence, calcule le score sur 100 de chaque visite désanonymisée, et route le lead, dans l'ordre, de bout en bout.

Comme orchestrateur, j'utilise Kestra (l'entreprise pour laquelle je travaille) : c'est robuste et ça me permet de faire tourner ce flow depuis plusieurs mois. D'autres alternatives existent, comme n8n. N'hésitez pas à m'écrire si vous voulez que je partage le code YAML que j'utilise dans Kestra pour cette partie.

Identifier des patterns d'utilisateurs

Tout part du stockage : gardez chaque visite dans votre data warehouse. C'est cette base qui vous permet ensuite de la travailler et d'y repérer des patterns.

Le plus parlant, c'est la récurrence. Une première visite, c'est de la curiosité. Le même visiteur qui revient plusieurs fois, ou trois personnes de la même entreprise sur la page pricing en une semaine, c'est un tout autre signal : un compte qui chauffe, souvent un comité d'achat en train de se former. De quoi contacter plusieurs personnes du compte plutôt que d'en suivre une seule.

Ne pas contacter les visiteurs avec qui on discute déjà

Chaque visite est croisée avec le CRM (le contact, et l'entreprise via son domaine, séparément, parce que la personne qui visite n'est souvent pas celle qui figure dans le CRM) et avec le data warehouse. Deux questions décident de la suite : cette boîte est-elle déjà cliente ou utilisatrice active ? Et y a-t-il un deal ouvert, sur le contact ou sur l'entreprise ? Si les sales sont en plein deal, on ne prospecte pas le visiteur : on coupe. C'est cette suppression qui rend le canal utilisable en interne.

Ne contacter que les visiteurs qui peuvent être intéressés

Un petit LLM lit le profil enrichi du visiteur (poste, séniorité, département, plus le secteur et la taille de l'entreprise) et les pages consultées, puis tranche : inclure ou exclure, avec une raison en une ligne. C'est le filtre anti-bruit : les outils d'identification de visiteurs sont connus pour noyer un canal sous des milliers de comptes hors cible, donc tout ce qui est clairement hors de la cible n'atteint jamais un commercial. C'est un premier tri, volontairement binaire ; le scoring fin vient juste après.

Scorer chaque visiteur de votre site de 0 à 100

Les visiteurs qui passent le filtre sont ensuite scorés de 0 à 100 dans Clay, selon leur parcours sur le site. Là où le filtre disait juste oui ou non, le score, lui, hiérarchise. Concrètement, on stocke toutes les visites dans Clay, et une colonne pilotée par un LLM note chaque visite sur deux axes. D'abord l'adéquation : ce visiteur correspond-il à l'un de nos ICP, et à quel point est-il susceptible d'être intéressé ? Ensuite le profil : est-il plutôt data, infra ou IA, et à quel cluster de clients il ressemble ?

Ce score se lit en paliers. En dessous de la barre, on ne contacte personne ; à partir de « moyen », le visiteur entre en outbound, et plus le palier est haut, plus le contact est rapide. On ne touche donc qu'une tranche choisie du trafic, pas tout le monde.

Surtout, on ne se contente pas du signal brut de l'outil : on le croise avec le CRM et l'usage produit stockés dans le data warehouse. C'est ce recoupement qui crée la valeur, en reliant une visite à ce que la personne fait déjà dans le produit et à l'état du compte dans le pipeline. Un concurrent peut acheter le même outil de désanonymisation ; il n'aura jamais votre first-party.

Contacter depuis le bon compte LinkedIn

Le message part automatiquement, mais depuis le bon compte : celui de l'ingénieur dont la spécialité colle au cluster du visiteur (IA, data ou infra), avec un copywriting personnalisé selon le score et le cluster. Un pair qui écrit à un pair, ça maximise le taux de réponse, bien plus qu'un compte marketing générique. La séquence tourne dans lemlist : demande de connexion, court mot à l'acceptation, une relance douce sans réponse, le tout silencieux. Côté sales, personne n'intervient tant que le prospect n'a pas répondu : sa réponse arrive dans une boîte partagée (une unibox) où un commercial reprend la conversation et l'emmène vers un meeting.

Les résultats dépendent beaucoup de votre produit et de votre marché. De mon côté, cette technique tourne entre 25 et 35 % d'acceptation sur LinkedIn et autour de 20 % de réponses. La clé, c'est de ne contacter que les profils au très bon score : en filtrant fort sur l'adéquation, on évite de spammer des gens que ça n'intéresse pas, tout en décrochant, passivement, quelques meetings avec des leads en plein dans notre ICP.

Envie de mettre ça en place chez vous, ou juste d'en discuter ? Écrivez-moi sur LinkedIn ou par email.