Stratégies de recrutement IA

Utiliser des stratégies de recrutement basées sur l’IA peut transformer votre processus : fini le système lent, manuel et peu efficace, place à une vitesse fulgurante et à une meilleure qualité. Aujourd’hui, le recrutement ressemble souvent à un dilemme sans gagnant. On passe soit un temps insoutenable à rechercher manuellement des candidats, soit on envoie des messages génériques qui obtiennent presque aucune réponse.

Les outils de recrutement alimentés par l’IA et leurs workflows peuvent éliminer ce compromis. Aujourd’hui, pour la première fois, vous pouvez rechercher et rédiger des messages hyper‑personnalisés qui captent l’attention des candidats — sans aucune intervention manuelle.

Dans ce guide, nous vous montrons comment procéder, en nous appuyant sur le succès de Mike Cohen, alias le « Batman » du recrutement.

Mike réserve régulièrement des appels avec 33 % des candidats qu’il contacte par mail, presque sans effort manuel. Nous allons parcourir l’ensemble du processus de recrutement IA de Mike, du début à la fin, en détaillant les scripts et les stratégies qu’il emploie.

Ce guide inclut :

• Qu’est‑ce qui ne va pas dans le statu‑quo du recrutement ?
• Comment tirer parti de l’intelligence artificielle pour automatiser vos recherches manuelles
• Comment tirer parti de l’intelligence artificielle pour personnaliser vos e‑mails
• Comment créer la stratégie de recrutement IA de Mike dans Clay, avec des scripts d’email et des invites GPT

L’avenir du recrutement est à la fois intelligent et personnalisé, à grande échelle. Allons‑y !

Résultats d'abord : comment le recrutement IA peut vous aider ?

TLDR: stratégies de recrutement IA vous feront gagner du temps de recherche, rendre vos e‑mails bien plus personnalisés, et attirer davantage de candidats.

L’IA devient vraiment puissante quand vous associez votre recherche automatisée à des prompts GPT bien pensés pour créer des emails à froid ultra pertinents. Grâce à cette approche, on a réduit de plus de 50 % le temps passé à envoyer des mails, et les résultats sont meilleurs.

Voici l’e‑mail généré par IA que nous avons envoyé ; il a obtenu 13 % de réponses positives.

Le secret d’une prospection à froid efficace, c’est la personnalisation 1 : 1. Vos candidats doivent sentir que le message dans leur boîte de réception a été rédigé spécialement pour eux.

Personne ne peut recevoir cet e‑mail et croire qu’il a été envoyé à 100 autres personnes.

Pour le rédiger, on a simplement récupéré le titre du candidat, son entreprise, son lieu et la durée de son poste, puis on a retravaillé les données avec GPT

D’un autre côté, voici l’un des meilleurs Template d’e‑mail à froid pour le recrutement que l’on trouve sur Google :

C’est totalement générique, ça ne paraît pas du tout personnalisé, et les meilleurs candidats l’ignoreront.

Pourquoi le recrutement d’aujourd’hui ne fonctionne plus

Le recrutement se compose de deux étapes : d’abord le sourcing et le premier contact, puis les échanges et les entretiens avec des candidats de qualité.

Nous allons centrer notre guide sur le sourcing, première étape du recrutement. Le sourcing consiste à identifier et à engager les meilleurs candidats grâce à la recherche et à la prise de contact.

Les équipes de recrutement sont aujourd’hui confrontées à deux enjeux majeurs.

Aucune métrique, aucun suivi

Le sourcing est un cauchemar à mesurer et à suivre. Si vous n’êtes pas au top sur les tableurs, les sourcers n’ont aucune visibilité sur le travail de leur équipe tant que le message n’est pas envoyé.

Comme les équipes ne peuvent pas suivre quelles stratégies et quels canaux de prospection fonctionnent, elles évoluent souvent à l’aveugle, incapables de mesurer les performances ou d’améliorer leur efficacité. Elles finissent donc par utiliser des processus défaillants pour contacter des candidats non qualifiés ou peu intéressés.

La plupart des équipes de sourcing de candidats, par exemple, ne savent pas combien :

• Des recherches ont été lancées
• Profils renvoyés
• On a vérifié les profils.
• Nous avons identifié des candidats potentiels.
• Nous avons contacté les candidats potentiels.
• Les bons candidats ont répondu
• Les appels d’intro ont été programmés

Des messages génériques, peu efficaces

Les sourcers n’ont pas le temps d’étudier en profondeur les antécédents, les compétences et les motivations des candidats. Du coup, ils les regroupent dans d’énormes campagnes génériques, avec des messages qui sonnent robotisés et spam.

Cela tient la route. Chaque e‑mail que vous avez vu dans votre boîte et supprimé immédiatement a un point commun : il était générique. L’e‑mail n’a pas été rédigé pour you. Si l’expéditeur n’a pas pris le temps de vous connaître, pourquoi le feriez‑vous pour lui ?

Les candidats potentiels doivent sentir que ils reçoivent le message de you. S’ils pensent que le message arrive parce qu’ils portent un titre précis et quelques mots à la mode sur leur profil, et que le même message a été envoyé à 200 autres personnes, ils ne répondront pas.

Écrire des messages personnalisés aux candidats les plus adaptés used to prenait beaucoup de temps et d’efforts — jusqu’à l’arrivée des outils de recrutement IA.

Comment les stratégies de recrutement IA fonctionnent.

Utiliser l’IA dans vos processus de recrutement vous permet d’envoyer des messages ultra‑personnalisés à grande échelle et de mesurer votre succès avec des indicateurs concrets.

Les stratégies de recrutement IA peuvent vous aider :

1. Filtrez pour accéder à de nombreux candidats qualifiés
2. Automatisez vos recherches manuelles : formation, parcours professionnel, spécialisations, et bien plus.
3. Envoyez des e‑mails de sourcing personnalisés à grande échelle, avec un taux de prise de rendez‑vous de 30 %

Passons en revue chaque étape pour vous aider à intégrer l’IA à votre processus de recrutement.

Première étape : identifier automatiquement des candidats qualifiés grâce à l’IA

Votre parcours de recrutement IA débute en constituant une liste ciblée de personnes à contacter.

Il existe deux façons de le faire. Consultez ce qui suit :

• Search A a renvoyé 300 personnes, mais on n’a contacté que 25 personnes.
• La recherche B n’a renvoyé que 80 personnes, dont 35 méritaient d’être contactées

Search B est bien plus performant ; il fait gagner du temps et de l’argent à tous.

Filtrez la bonne liste pour que votre équipe passe plus de temps à contacter les bons candidats plutôt qu’à trier des profils peu pertinents.

Trouver des candidats en utilisant plus de 75 fournisseurs de données

Clay donne accès à plus de 75 fournisseurs de données… tout est déjà disponible, ce qui vous évite de perdre du temps et de l’argent à chercher des jeux de données externes. Dès le départ, Clay vous fournit les données sous forme de tableau, pour les formater et les télécharger facilement.

Tout ce que vous avez à faire, c’est ouvrir une table Clay, cliquer Find People, saisir vos critères de recherche et configurer les entrées. Dans notre exemple, nous cherchons des responsables marketing qui sont dans leur entreprise actuelle depuis au moins deux ans, dans la région de San Francisco.

Extraire les données du profil candidat

Maintenant que tous vos candidats sont dans un tableau Clay, il est temps de les qualifier davantage.

Notre recherche basique de personnes nous donne l’entreprise du candidat, son nom complet, son poste, son lieu et le site web de l’entreprise.

Vous pouvez aller plus loin en extrayant encore plus de données sur les candidats, comme la formation, le secteur actuel de l’entreprise, le nombre d’employés, les expériences précédentes, etc., et les ajouter en colonnes à votre tableau Clay :

Vous avez maintenant accès aux données de profil professionnel d’un·e candidat·e dans Clay

Par exemple, si on veut en savoir plus sur l’expérience et la formation passées du candidat, on va extraire ces données dans notre tableau Clay, chaque donnée dans une colonne.

Cliquez sur la cellule « Enrich Person » pour ouvrir le menu des données à droite, puis sélectionnez « Add as Colonne » pour créer une nouvelle Colonne :

Créez de nouvelles colonnes pour toutes les informations que vous souhaitez inclure dans le tableau.

Extraire les données de l’entreprise candidate

Il est souvent utile de connaître l’employeur actuel de votre candidat, son nombre d’employés et son secteur d’activité.

On peut récupérer ces infos avec l’Intégration « Enrich Company ».

Astuce pro : l’IA peut identifier le secteur de chaque entreprise.

Si vous avez déjà utilisé des fournisseurs de données d’entreprise, vous savez que leurs catégories sectorielles sont assez larges.

Dans l’image ci‑dessus, « Tempest » et « Box » sont toutes deux classées comme des entreprises de développement logiciel.

Mais Tempest est un navigateur sécurisé :

Box, c’est un logiciel de collaboration en entreprise :

En plus, les sociétés de développement de logiciels sur mesure sont souvent regroupées sous la catégorie « Développement logiciel ».

Si vous devez classer les entreprises par type précis, il faut vérifier chaque site manuellement… sauf si vous utilisez Clay.

Avec Clay, vous pouvez automatiser cette recherche manuelle grâce à une invite GPT.

Nous nous servirons du profil social du candidat pour identifier la catégorie précise de l’entreprise. Si vous voulez élargir un peu et qualifier tout candidat ayant déjà travaillé dans le SaaS, il suffit de vérifier si l’une de ces sociétés est une entreprise SaaS, sans se focaliser sur le secteur exact. Dans les deux cas, les prompts GPT vous permettent de savoir automatiquement si un candidat possède une expérience SaaS, sans recherche manuelle.

Astuce : l’IA peut aider à calculer le temps passé par les candidats dans leur poste actuel

Il est aussi utile de savoir depuis combien de temps le·la candidat·e occupe son poste actuel, car on ne veut pas contacter quelqu’un qui y est depuis moins de deux ans.

« Temps en poste » n’est pas disponible par défaut. Mais on peut créer une **Formule AI** qui calcule la durée totale passée dans le poste actuel en soustrayant la date de début de la date d’aujourd’hui. Ensuite, on exclut les candidats qui occupent le poste depuis moins de deux ans.

Cliquez sur n'importe quelle colonne, puis choisissez « Insert Right » suivi de « Formule » pour ajouter une colonne de formule à votre tableau Clay.
Ensuite, utilisez le générateur de Formule AI pour créer une formule qui calcule la durée totale de leur rôle actuel et prévisualisez le résultat pour vérifier son exactitude.

‍

Enfin, filtrez pour ne montrer que les candidats en poste depuis au moins deux ans :

‍

Encore une fois, sans aucune recherche manuelle, nous pouvons déterminer automatiquement si une entreprise occupe son siège actuel depuis au moins deux ans.

Étape 2 : automatisez vos recherches manuelles grâce à l’IA

Avant d’envoyer un e‑mail à un candidat, vous devez connaître des éléments comme :

• Années passées dans votre entreprise actuelle
• Temps écoulé depuis la fin du dernier poste
• Secteur actuel ou passé de l’entreprise
• Description du poste actuel ou antérieur de l’entreprise
• École, diplôme, spécialisation
• Lieu

Sans outils de recrutement IA, vous avez deux mauvaises options pour obtenir ces informations. Vous pouvez soit passer beaucoup de temps à vérifier chaque profil manuellement, soit abandonner la recherche – trop longue – et envoyer des messages à un grand nombre de personnes.

Avec l’IA, vous accédez à toutes ces informations sans perdre de temps à faire des recherches manuelles. Extrayez les données ci‑dessus – et bien plus – des profils de candidats dans un tableau Clay, puis utilisez l’IA pour savoir si un candidat correspond à votre poste grâce à ces repères. On vous montre comment.

D’abord : la plupart des postes ont des exigences spécifiques qui dépassent ce que nous avons déjà présenté.

Prenons ce poste de vice‑président·e marketing sur Indeed comme exemple :

Ce rôle nécessite :

• Au moins 10 ans d’expérience marketing
• Au moins 2 ans d’expérience en leadership
• Au moins un diplôme de licence

Le poste indique aussi des expériences « un plus » :

• J’ai travaillé dans le secteur financier
• Technologies spécifiques (Excel, Sigma, HubSpot)

Idéalement, le candidat possède une expérience directement liée aux responsabilités clés du poste.

Avant que ChatGPT n'arrive sur le marché, les recruteurs de talents devaient fouiller manuellement le profil de chaque candidat pour répondre à ces questions… ou envoyer un message à de nombreux candidats non qualifiés.

Avec Clay et ChatGPT, on peut automatiser cette recherche grâce à une invite astucieuse.

NOTE : Ceci s’adresse aux utilisateurs avancés de Clay. Si vous débutez, vous pouvez passer cette étape ou solliciter notre communauté Slack pour obtenir de l’aide.

Exigences du poste (avancé)

GPT n’est puissant que grâce à votre prompt et à vos données d’entrée. Plus votre prompt est précis, meilleur sera le résultat.

Dans notre cas, nous utilisons GPT pour vérifier que les candidats remplissent nos critères. Plus tard, nous nous servirons de GPT pour évaluer dans quelle mesure leur expérience correspond aux responsabilités du poste.

Nous recherchons une expérience en marketing, en leadership, avec des technologies spécifiques, et au minimum un diplôme de licence.

Voici le prompt que j’ai donné à ChatGPT : MT context : Voici la consigne que j’ai donnée à ChatGPT : SOUS_CHEF instructions : - Prompt de l’utilisateur : Prenez toujours en compte les segments environnants pour le contexte. Assurez‑vous que les phrases s’enchaînent naturellement, évitez les répétitions artificielles. La marque Clay est résolument humaine, confiante mais ancrée, et volontairement créative. Gardez le texte direct, concret et conversationnel. Évitez les formulations qui semblent trop hype, trop familières ou littéralement traduites d’un texte de startup américain. Conservez un ton conversationnel sans jamais être excessivement familier. Utilisez une formulation neutre du point de vue du genre quand c’est possible. Privilégiez la voix active. N’employez la voix passive que lorsqu’elle sonne plus naturelle dans la langue cible. Ne traduisez jamais les noms officiels de Clay. Appliquez les règles de ponctuation de la langue cible tout en préservant la préférence de Clay pour la clarté et le rythme. Ne suivez pas aveuglément la ponctuation source. En cas de doute, choisissez la clarté plutôt que l’ingéniosité. Les phrases courtes et confiantes l’emportent sur une ponctuation complexe. - Public : Professionnels B2B dans les fonctions GTM, ventes et marketing - Formalité : Informel - Ton : Conversationnel - Niveau de créativité : 5,0 Glossary (mandatory, one-to-one where source term appears): - ChatGPT → ChatGPT

Vous êtes un sourcer qui analyse les profils sociaux des candidats pour identifier leurs expériences passées et vérifier si leur parcours correspond aux besoins du poste et aux « nice‑to‑have ». On vous fournit les exigences obligatoires d’expérience, les critères souhaités et les compétences techniques requises. Votre mission : parcourir le profil social d’une personne et déterminer si le candidat satisfait ces critères. Voici les exigences obligatoires d’expérience professionnelle :

- Niveau minimum : bachelor ou plus

- Années d'expérience minimum en marketing : 10 ans

- Minimum d’expérience en poste de direction : 2 ans

Voici les exigences « souhaitables » :

- Parcours en finance

Voici les technologies que le candidat devra configurer :

- HubSpot

- Excel

- Sigma

Profil social du candidat :{Enrich Person}

Vous renverrez vos résultats au format JSON.

Voici une liste de questions. Chaque question est suivie de sa clé JSON entre parenthèses.}

- Le candidat satisfait‑il le critère d’éducation minimum ? (minimum_education_requirement) – Quel est son niveau d’études ? (education_level)

- Le candidat possède-t-il l’expérience minimale en marketing ? (minimum_marketing_experience)

- Combien d’années d’expérience en marketing le candidat possède‑t‑il ? (marketing_experience_years) - Le candidat remplit‑il le critère minimum d’années à un poste de direction ? (minimum_leadership_experience)

- Combien d’années d’expérience en leadership le candidat possède‑t‑il ? (leadership_experience_years)

- Le candidat possède-t-il une expérience en finance ? (finance_experience)

- Si pertinent, décrivez l’expérience financière du candidat en 10 mots ou moins (finance_experience_description)

- Le profil du candidat indique-t-il clairement les technologies qu’il devra configurer ? Si aucun mot‑clé technologique n’est mentionné, la réponse est fausse. (technology_experience)

- Le cas échéant, listez les technologies souhaitables mentionnées dans le profil du candidat et indiquez où chaque technologie apparaît explicitement. (technology_experience_names)

‍

Note que la consigne est assez longue. J’ai aussi demandé à GPT de renvoyer la réponse au format JSON.

En bref, le JSON est un format texte compact et lisible pour structurer les données. Si vous ne savez pas ce qu’est le JSON, cette vidéo de 90 secondes vous éclairera.

Nous l’utilisons ici pour garantir qu’une réponse standard soit générée par GPT. Sinon, les réponses arriveraient sous forme de longues phrases, rendant impossible une utilisation cohérente des données.

Voici à quoi ressemble une sortie GPT en JSON :

‍

JSON facilite l'extraction de données comme le niveau d'études ou le nombre d'années d'expérience en marketing.

Voici un exemple d’informations sur les candidat·e·s, sans format JSON :

Comme vous le voyez, il serait presque impossible d’extraire constamment les bonnes informations d’un texte aussi volumineux.

Une fois le JSON compris, extraire les données et les exploiter pour la segmentation et des messages personnalisés devient simple.

Ensuite, nous extrayons les données du scrape GPT, filtrons les candidats qui ne correspondent pas à nos critères, puis utilisons les informations récupérées dans un message d’approche personnalisé.

Extraire les données du GPT Scrape

On peut utiliser davantage de Formule AI pour extraire les informations qu’on veut de la sortie JSON de GPT.

Dans ce cas, nous voulons :

• Des années d’expérience en marketing
• Années d’expérience en leadership
• Exigence minimale d’éducation remplie ? (vrai/faux)
• Niveau d’études
• Expérience financière

Commençons par plusieurs années d’expérience en marketing.

JSON utilise des clés pour stocker les valeurs.

Par exemple, « marketing_experience_years » est la clé, « 20 » la valeur. En termes simples, GPT indique que ce candidat possède 20 ans d’expérience en marketing.

On va utiliser une Formule AI pour extraire la valeur (20) de la clé (marketing_experience_years). Ça nous donnera une colonne dans notre tableau Clay remplie des années d’expérience marketing de chaque candidat.

‍

D’abord, utilisez l’invite ci‑dessus pour indiquer au générateur de Formule AI que nous extrayons une valeur d’une chaîne JSON. Ensuite, nous donnerons à notre invite IA la clé (le lieu de placement pour notre valeur, dans ce cas, marketing_experience_years).

Enfin, nous devons indiquer à la formule où chercher notre clé. Elle se trouve dans la colonne de réponse GPT.

On peut exploiter n’importe quelles données de notre table Clay dans une Formule AI. Tapez « / » puis choisissez les données dont vous avez besoin.

‍

Cliquez sur « Générer une formule » pour afficher une liste d’exemples, chacun montrant l’expérience marketing de votre candidat.

Cliquez sur « Output is correct », et vous obtiendrez une colonne de tableau récapitulant l’expérience marketing de chaque candidat, prête à être filtrée et utilisée dans des campagnes Outbound personnalisées.

Nous avons répété cette étape au fil des années d’expérience en leadership et de niveau d’études. Vous pouvez répéter l’étape ci‑dessus pour n’importe quelles données issues du scraping GPT.

Enfin, filtrez simplement les candidats qui correspondent à nos exigences de poste :

‍

PS: Par défaut, la colonne formule est de type « Texte ». Si vous souhaitez filtrer une valeur numérique (par exemple le nombre d’années d’expérience en marketing), passez le type de données à « Nombre ».

Cliquez sur la colonne, puis sur Modifier la colonne, changez le type de données en Nombre et enregistrez.

Il ne nous reste plus qu’une liste de candidats qualifiés : des responsables marketing de la région de San Francisco, avec au moins 10 ans d’expérience en marketing, 2 ans d’expérience en direction et un diplôme de licence au minimum.

Enregistrez les candidats qualifiés dans la nouvelle table d’engagement

Il est temps de repérer les e‑mails des candidats. On commence par transférer nos candidats qualifiés dans une nouvelle table, puis on y extrait les e‑mails. Ainsi, on sépare le flux « Recherche automatisée » du flux « Trouver les e‑mails, personnaliser et engager ».

Duplique la table Clay, puis ajoute les colonnes que tu veux remplir dans la nouvelle table.

On utilise les colonnes suivantes dans notre exemple :

• Nom de l’entreprise
• Titre du poste
• Prénom
• Nom de famille
• Lieu du candidat
• URL du site de l’entreprise
• # Années dans l'entreprise actuelle
• # Années d’expérience marketing
• # Années d’expérience en leadership

Ensuite, nous transférerons nos candidats qualifiés vers un nouveau tableau grâce à l’intégration « Write to Other Table ».

Choisissez le nouveau tableau et associez les colonnes de votre premier tableau au second :

Lancez vos lignes, et vous verrez vos données apparaître dans la nouvelle table :

Trouvez les e‑mails personnels des candidats

Nous voulons trouver des e‑mails personnels, afin que les candidats n’aient pas à se soucier de répondre à une offre d’emploi depuis le Compte e‑mail de leur employeur.

Nous allons utiliser l'« En cascade » « Find Personal Email », qui fait appel à quatre Fournisseurs de données pour dénicher une adresse e‑mail personnelle. Si un Fournisseur de données ne trouve pas d’e‑mail, Clay passe automatiquement au suivant jusqu’à obtenir une correspondance.

Une fois nos e‑mails repérés, créons une vue tableau qui ne montre que les candidats qualifiés avec des e‑mails vérifiés.

Dupliquer la vue :

Ensuite, filtrez les lignes sans valeur « email personnel » :

Votre tableau doit maintenant afficher tous les candidats qualifiés avec des adresses e‑mail personnelles vérifiées :

Astuce d’expert : utilisez l’IA pour normaliser le nom de votre entreprise

Le scraping de sites web et de sources de données renvoie souvent des noms d’entreprise contenant « LLC », « Inc » ou une capitalisation étrange.

Envoyer un e‑mail avec le nom brut d’une entreprise contenant « LLC » montre clairement que le message n’a pas été rédigé à la main. Ce type d’erreur réduit fortement vos taux de réponse, car tout ce qui ressemble à un e‑mail automatisé est souvent ignoré par les candidats.
Clay peut « normaliser les noms d’entreprise » pour éliminer les éléments superflus. Utilisez l’intégration « Normalize Company Name » pour transformer les données brutes en informations prêtes à être envoyées.

Voici un exemple de sortie : Contexte MT: Voici un exemple de sortie :

Astuce pro : l’IA peut supprimer les emojis du prénom

Se baser sur le prénom du candidat indiqué sur son profil social, c’est risqué pour deux raisons :

1. Les candidat·e·s ajoutent souvent des emojis à leur prénom.
2. Les candidats utilisent souvent leur prénom complet, mais préfèrent généralement un surnom.

Par exemple, un·e candidat·e peut ajouter un ⚡ à son prénom.

Si on récupère son prénom sans formater les données, on dira « Salut ⚡️{First Name} ! ».

Il/elle saurait immédiatement (haha, compris ?) que nous l’avons séquencé.

Dans ce cas, on formate le prénom pour ne garder que le prénom.

Supprimons l’emoji du prénom. Créez une nouvelle colonne et utilisez une Formule AI pour y placer le prénom du candidat :

Refaites cette étape pour le nom de famille.

Ensuite, transmettez les valeurs à l’intégration « Normaliser les prénoms et les noms de famille » :

Comme vous le voyez, nous avons retiré l’emoji du prénom du candidat (et tout autre caractère inhabituel).

Astuce d’expert : utilisez l’IA pour identifier les prénoms favoris

Voici un exemple : dans le profil social d’un candidat, son e‑mail est « matt@servicebell.com », pas « matthew@servicebell.com ».

En analysant son profil, on voit que ses pairs l’appellent « Matt » lorsqu’ils commentent ses publications ou dans leurs recommandations :

Si on lui envoie un mail en disant « Hi Matthew », il comprendra tout de suite qu’on ne l’a pas écrit nous‑mêmes (on aurait dit « Hi Matt » à la place).

Nous pouvons utiliser Clay + ChatGPT pour vérifier le profil et l’e‑mail du candidat afin de déterminer son vrai prénom.

Par exemple, ce candidat indique « Gregory » comme prénom sur son profil social, mais son nom d’utilisateur raconte autre chose.

Nous utiliserons ChatGPT pour vérifier le prénom, l’e‑mail et le profil social du candidat, afin de déterminer le prénom approprié.

Étape trois : utilisez l’IA pour personnaliser vos e‑mails de recrutement

À présent, personnalisons ! Nous disposons de toutes les données brutes nécessaires pour créer des prompts GPT.

Note: nous personnalisons après avoir trouvé un e‑mail vérifié, afin de ne pas gaspiller les Crédits GPT sur des candidats dont l’e‑mail n’est pas vérifiable.

Vous pouvez faire rédiger tout votre e‑mail à froid par GPT, mais nous l’utiliserons pour y insérer des variables personnalisées dans un script déjà rédigé.

Mettre quelques garde-fous à l’IA garantit la cohérence.

Voici quelques données que nous exploiterons pour personnaliser votre expérience :

• « fonction générale » du candidat
• Des années d’expérience en marketing et en leadership
• Lieu

Fonction du candidat

Rappelez‑vous, on ne veut pas que le candidat ait l’impression que notre e‑mail a été envoyé à cent autres personnes.

Coller le titre du candidat dans un Template montre clairement qu’on l’a intégré à une séquence.

Nous allons plutôt faire appel à GPT pour reformuler les données de façon naturelle, comme si nous les avions écrites nous‑mêmes.

Par exemple, voici une liste de « fonctions générales » : les titres de poste des candidats servent d’entrée.

Les fonctions générales ci‑dessus s’intégreraient parfaitement dans le Template suivant :

« Salut {nom du candidat}, il semble que vous soyez {fonction générale} chez {nom de l’entreprise} depuis {des années dans l’entreprise} ans. »

Enrichi des données de Clay, votre introduction ressemblerait à ceci :

« Hé Jacob, il semble que tu occupes un poste de direction marketing chez BeeKeeper depuis 2,5 ans. »

Voici le prompt GPT que nous avons utilisé : Contexte MT : Voici la consigne GPT que nous avons utilisée : Appliquez strictement les consignes de l’utilisateur : - Prompt utilisateur : Prenez toujours en compte les segments environnants pour le contexte. Veillez à ce que les phrases s’enchaînent naturellement, sans répétitions artificielles. La marque Clay doit rester résolument humaine, confiante mais ancrée, et volontairement créative. Rédigez un texte direct, concret et conversationnel. Évitez les formulations trop hype, excessivement familières ou littéralement traduites de copies américaines de startups. Le ton doit rester conversationnel sans jamais devenir trop familier. Utilisez, dans la mesure du possible, une formulation neutre du point de vue du genre. Privilégiez la voix active ; n’employez la voix passive que si elle sonne plus naturel en français. Ne traduisez jamais les noms officiels de Clay. Appliquez les règles de ponctuation cibles tout en conservant la préférence de Clay pour la clarté et le rythme. Ne suivez pas aveuglément la ponctuation source. En cas de doute, choisissez la clarté plutôt que l’ingéniosité. Des phrases courtes et affirmées l’emportent sur une ponctuation complexe. - Domaine : - Public : Professionnels B2B en GTM, ventes et marketing - Formalité : Informelle - Ton : Conversationnel - Niveau de créativité : 5,0

Votre mission : transformer le titre actuel d’un·e candidat·e en « fonction générale ». Voici le titre du poste : {Job Title}. Une « fonction générale » combine la persona (marketing, ventes, succès client, opérations, produit, ingénierie, etc.) et le niveau de seniorité (direction, management ou contributeur·rice individuel·le). Exemple : « Chief Marketing Officer » → « leadership marketing ». « Marketing Manager » → « management marketing ». « Product Marketer » → « marketing produit ». Le texte s’insérera dans le script : « Hi {candidate first name}, looks like you've been in {general function} at {company} for {number of years} years now. » Exemple pour un·e CMO : « Hey John, looks like you've been in marketing leadership at Apple for 3.3 years now. » Exemple pour un·e Marketing Manager : « Hey John, looks like you've been in marketing management at Apple for 3.3 years now. » Exemple pour un·e Product Marketer (contributeur·rice) : « Hey John, looks like you've been in product marketing at Apple for 3.3 years now. » Si le titre comporte plusieurs fonctions, retenez la fonction principale, généralement la première. Exemple : « Chief Product Officer - Sales and Marketing Solutions » → « product leadership ». Limitez la réponse à moins de 5 mots, généralement 2‑3 mots. La réponse doit s’insérer naturellement dans le script, sans guillemets et sans répéter le titre.

Normaliser le nom de la localisation

Vous pouvez vérifier où se trouve le·la candidat·e, surtout si le poste que vous pourvoyez nécessite une présence sur site.

Le script de Mike Cohen incluait dès l’ouverture la question malicieuse « Toujours dans {area} ? » pour personnaliser le message.

Les données brutes de presque toutes les sources ne sont pas prêtes pour un e‑mail à froid :

‍

On utilise une invite GPT pour uniformiser les noms de lieux, afin de les intégrer dans un e‑mail à froid personnalisé, sans donner l’impression d’un robot.

Découvrez les résultats :

En partant de notre exemple de script précédent, vous pouvez maintenant dire :

« Hé Jacob, on dirait que tu occupes un poste de direction marketing chez BeeKeeper depuis 2,5 ans. Tu es toujours dans la région de New York ? »

Voici le prompt GPT que nous avons utilisé :

Votre mission : normaliser la localisation d’un candidat pour l’intégrer à un script d’email à froid. On vous fournit la localisation du candidat, qui inclut généralement ville, état et pays, mais chaque entrée varie. Voici la localisation du candidat : {Candidate Location}

Nous voulons normaliser le texte pour qu’il s’intègre au script email suivant : « Toujours dans {location} ? » En général, {location} correspond au nom de la ville ou de la zone métropolitaine du contact. Si vous avez une ville ou une zone métropolitaine, renvoyez son nom. Par exemple, pour « New York City, New York », renvoyez « la zone NYC ». Pour « Austin, Texas, United States », renvoyez « la zone Austin ». Pour « United States », renvoyez « les États‑Unis ». Pour « Texas », renvoyez « Texas ». Gardez votre réponse courte, moins de 5 mots. }

Un Template complet de séquence d’email de recrutement par IA

Nous disposons maintenant de toutes les données nécessaires pour créer un email à froid ultra‑personnalisé, en nous appuyant sur le Template de Mike Cohen qui génère un taux de conversion de 31 % du premier message à la prise de rendez‑vous.

Email 1 : Premier contact

Voici le Template d’email d’introduction percutant que Mike nous a partagé :

“Bonjour {first name},

On dirait que tu occupes le poste de {general function} chez {normalized company name} depuis {years in role}. J’ai aussi vu sur ton profil que tu vis à {area}. Tu es toujours chez {company name} ?

Nous avons actuellement une opportunité unique pour un·e {job title you’re filling} expérimenté·e chez {company name you’re hiring for}, l’une des meilleures entreprises du secteur {industry} au monde. Lead le marketing, les ventes et les opérations de revenu pour le lancement de nouveaux produits et les stratégies GTM.

Je vous propose deux créneaux pour un appel rapide, jeudi ou vendredi. Au plaisir de vous parler bientôt.

Si vous voulez rendre l’e‑mail plus créatif, ajoutez une ligne PS personnalisée à la fin en vous appuyant sur les autres informations du profil.

« PS, vu tes {années en marketing} et {années d’expérience en leadership}, je pense que tu serais parfait·e ! »

Email 2 : type de personnalité stable

Le deuxième e‑mail s’adresse au profil « stable » de l’échelle DISC.

Les personnalités stables apprécient beaucoup le langage « nous ».

Voici le script de Mike :

Hey {{first name]} - suite à mon message {{previousStepDay}} concernant le poste de VP of RevOps.

Quel type d’entreprise sommes‑nous ?

Voici un article de {{news network}} sur {{topic}} :

{{link}}

Et enfin, quelques raisons de discuter au moins :

• {{Reason 1}}
• {{Reason 2}}
• {{Raison 3}}

Fais‑moi savoir si vous avez des disponibilités en début de semaine prochaine !

Email 3 : Mème personnalisé

Mike utilise l’outil de séquençage de SourceWhale et les données de Clay pour créer des mèmes personnalisés dans son troisième e‑mail :

‍

Quatrième e‑mail : bref et percutant

Le quatrième e‑mail est court et direct, pour ceux qui ne veulent pas lire.

Cinquième e‑mail :

Mike termine sa séquence avec une photo de ses chiens, pour les personnalités à fort « I ».

Résultats

La preuve se voit dans les résultats, comme on dit… ou, dans ce cas, dans les statistiques de séquence.

Avec ces stratégies de recrutement IA, voici les résultats obtenus par Mike pour l’un de ses clients en sourcing.

Une campagne :

• 102 candidats ont reçu un message
• Taux de réponse : 59,8 %
• 38 appels d’introduction réservés (37 %)

‍

Résultats clients mondiaux :

• 561 candidats ont envoyé un message
• 269 réponses (48 % de taux de réponse)
• 173 appels d’intro réservés (31 % des candidats contactés ont confirmé. 64 % des réponses sont positives)

Pas mal, non ? Testez nos workflows de recrutement IA et partagez vos résultats dans les commentaires ci‑dessous 👇🏻