Quand les filtres ne suffisent plus : cibler par ressemblance plutôt que par critères

Un filtre est une théorie sur votre marché. Secteur, effectif, pays, technologie : vous écrivez ce que vous croyez que vos clients ont en commun, et la base renvoie les entreprises qui correspondent à cette croyance. Si la croyance est fausse, la liste est fausse, et rien en aval ne peut vous le dire. Le ciblage par ressemblance inverse l'ordre : vous fournissez les comptes qui ont réellement converti, et le modèle renvoie des entreprises qui leur ressemblent sur des signaux que vous n'auriez jamais pensé à filtrer.

Pourquoi le filtre est le plus souvent faux

Demandez à un fondateur de décrire son client idéal et vous obtenez un segment : éditeurs de logiciels mid-market en France, de cinquante à deux cents personnes. Regardez qui a réellement signé et vous découvrez que trois d'entre eux ne font pas du logiciel du tout, que la moitié compte moins de cinquante personnes, et que leur point commun est qu'ils venaient de recruter un premier commercial. Aucun menu de filtres n'a de champ pour ça.

Ce n'est pas un manque de rigueur. C'est ce qui arrive quand ce qui prédit un achat ne fait pas partie des vingt-huit champs que la base indexe. Les modèles de ressemblance en captent une partie parce qu'ils travaillent sur la forme globale d'une entreprise plutôt que sur les champs que vous avez choisis.

Ce qu'il faut pour que ça marche

Une liste de départ qui a vraiment signé. Pas une liste de gens qui ont pris un rendez-vous, pas une liste d'entreprises que vous aimez bien : des comptes qui ont payé. Avec quatre ou cinq, le modèle n'a presque rien à apprendre et vous rendra vos propres hypothèses dans un format plus coûteux. Avec trente ou quarante, ça commence à être intéressant, et la réponse qu'il vous donne sera généralement inconfortable, parce qu'elle contiendra des entreprises que vous aviez écartées.

Il faut aussi que vous ayez épuisé le segment évident, ou que vous soyez sur le point de le faire. La ressemblance, c'est la façon d'élargir un marché quand la liste à laquelle vous faites confiance s'épuise, et c'est un moment précis. Avant ça, la réponse honnête est qu'un filtre écrit à la main coûte moins cher et suffit.

Là où ça ne s'applique pas

Certains marchés sont définis par un registre plutôt que par la ressemblance. Toutes les pharmacies d'une région, tous les architectes inscrits à un ordre professionnel, toutes les entreprises détenant une licence précise : la liste existe, elle est exhaustive, et un modèle ne peut que perdre en précision face à elle. Sur ces marchés, vous ne voulez pas d'un moteur de ressemblance, vous voulez le registre et un moyen de l'enrichir.

Les commerces locaux sont l'autre exclusion, pour une autre raison. Un modèle construit sur l'empreinte numérique des entreprises a très peu à lire sur un commerce dont toute la présence tient à une vitrine et un numéro de téléphone. Ce segment est servi par les cartes et les annuaires, pour une fraction du coût.

Le point qui agace les acheteurs

Ocean.io ne publie aucun prix. Leur lien de tarification mène à une inscription produit, et la page des plans renvoie une 404. Vérifié le 18 septembre 2026. Cela veut dire une conversation commerciale avant de savoir si le budget est plausible, ce qui est un coût réel dans une catégorie où trois concurrents vous donnent leur tarif au crédit en un clic. Ça ne rend pas l'approche mauvaise. Ça veut dire que vous devriez arriver à cet appel avec votre liste de départ déjà préparée et un chiffre en tête, pour que la démo porte sur vos données plutôt que sur les leurs.

Comment le tester en un après-midi

Prenez les vingt comptes dont vous êtes le plus fier. Séparez-les : quinze comme liste de départ, cinq mis de côté. Lancez le modèle sur les quinze et regardez si les cinq que vous avez gardés de côté ressortent dans les résultats. Si ce n'est pas le cas, les signaux qu'il lit ne décrivent pas votre marché, et aucune quantité de crédits n'y changera rien. Si c'est le cas, les entreprises dont vous n'aviez jamais entendu parler dans le même résultat méritent une campagne, et c'est toute la valeur de la catégorie en une seule expérience.