Je vais littéralement deux fois plus vite pour gérer un client depuis qu’on a arrêté de réexpliquer son contexte à l’IA à chaque nouvelle demande.
Si tu utilises un LLM pour ton outbound, tu connais sûrement le problème : tu ouvres une nouvelle conversation et tu recommences tout depuis le début.
Tu dois expliquer qui est le client, ce qu’il vend, sur quel marché il évolue, quel ton adopter, ce qui a déjà été testé, ce qu’on a le droit de dire ou non…
Résultat : plusieurs minutes de contexte à chaque fois. Et même avec tout ça, les réponses restent souvent génériques parce que tu as forcément oublié des informations.
La solution ? Créer un projet Claude dédié à chaque client, avec toute sa base de connaissances intégrée une bonne fois pour toutes.
Dans cet article, on va voir comment mettre en place cet environnement et l’utiliser pour gagner du temps sur 3 tâches clés :
Une fois configuré, un projet Claude affiche sur la droite un corpus de connaissances composé de différents documents : PDF, CSV, fichiers Markdown, captures d’écran, présentations PowerPoint, etc.
Le principe est simple : au lieu de redonner les mêmes informations à Claude dans chaque conversation, tu les regroupes dans un projet dédié.
Tu obtiens ainsi un environnement de travail qui connaît déjà le contexte du client lorsque tu lui demandes quelque chose.
Le site internet est un excellent point de départ. Il présente généralement les offres, le positionnement et les marchés de l’entreprise.
Tu peux utiliser un outil de scraping ou demander à Claude de synthétiser les informations disponibles sur le site dans un fichier Markdown.
L’objectif est de créer un document suffisamment détaillé pour que Claude comprenne :
Mais attention : le site internet ne contient pas toutes les informations utiles pour travailler sur un compte.
C’est là que tu peux vraiment enrichir la base de connaissances.
Tu peux notamment intégrer :
Ces ressources permettent à Claude de comprendre comment l’entreprise vend réellement ses offres, au-delà des informations publiques disponibles sur son site.
Tu peux ajouter des fichiers PDF, des présentations PowerPoint, des fichiers CSV ou d’autres documents compatibles avec le projet.
Les transcriptions et les résumés d’appels sont une autre source de connaissances particulièrement intéressante.
Pourquoi ? Parce qu’ils contiennent des échanges réels avec des prospects et des clients.
Tu peux notamment y retrouver :
Je recommande d’intégrer les transcriptions ou, au minimum, les résumés des appels les plus pertinents, notamment les appels commerciaux.
Ces informations donnent à Claude des éléments concrets pour produire des messages plus proches de la réalité du terrain.
Une fois les documents rassemblés, ajoute-les au projet grâce au bouton d’ajout de fichiers.
Tu peux ensuite définir des instructions permanentes pour préciser le contexte général : le ton à adopter, les objectifs commerciaux, les règles à respecter et les informations à ne pas inventer.
Tu peux également mettre en place des tâches récurrentes pour suivre certaines métriques ou recevoir des synthèses quotidiennes et hebdomadaires, selon les outils et les automatisations disponibles.
Enfin, tu peux utiliser cette approche dans Claude Code ou Claude Cowork et connecter les outils nécessaires à ton workflow.
Par exemple, si tu relies Claude à ton séquenceur via MCP, tu peux lui permettre d'exploiter les données des campagnes pour t'aider à les analyser et à les améliorer.
Une fois le projet configuré, tu peux lui confier des tâches beaucoup plus précises. Voici trois exemples de demandes que tu peux formuler.
Première possibilité : demander à Claude de synthétiser toutes les informations qu’il connaît sur le client.
Dans mon exemple, je formule la demande en anglais, car le client évolue dans un contexte anglophone.
Claude génère alors un document qui présente l’activité de l’entreprise, ses offres et les éléments importants à connaître pour travailler sur le compte. Il peut également résumer le rôle des différentes personnes impliquées dans l’équipe côté client, notamment les interlocuteurs avec lesquels nous échangeons sur la gestion de projet.
Tu obtiens ainsi une synthèse que tu peux consulter rapidement pour retrouver les informations essentielles.
Si le document est trop long, tu peux lui demander une version plus courte ou lui imposer des contraintes de longueur et de format.
Autre cas d’usage : demander à Claude d’identifier les campagnes qui ont obtenu les meilleurs résultats au cours des trois derniers mois, puis d’expliquer pourquoi.
Dans la démonstration, Claude se connecte à Lemlist via MCP pour consulter les données des campagnes.
Il produit ensuite un tableau récapitulatif des meilleures performances, avec notamment les KPIs essentiels :
L’intérêt ne se limite donc pas à classer les campagnes selon leurs performances. Claude peut aussi mettre ces résultats en perspective avec les informations présentes dans sa base de connaissances.
Il dispose ainsi de davantage de contexte pour formuler des hypothèses sur les raisons du succès ou de l’échec d’une campagne.
Attention toutefois : une corrélation entre un élément du message et une bonne performance ne prouve pas nécessairement que cet élément est responsable du résultat. L’analyse de Claude reste un point de départ à vérifier avec les données disponibles.
L’IA peut également aider à améliorer les messages commerciaux. Il faut simplement éviter de lui déléguer aveuglément tout le travail de rédaction et de se retrouver avec des messages génériques, souvent qualifiés d’« AI slop ».
L’objectif n’est donc pas de lui déléguer aveuglément le copywriting mais de l’utiliser pour améliorer des messages existants.
Une bonne approche consiste à demander à Claude d’analyser les campagnes qui obtiennent déjà des résultats, puis de proposer des améliorations.
Grâce à sa base de connaissances, il peut tenir compte du positionnement du client, des objections commerciales, des résultats précédents et des caractéristiques du marché.
Il peut ensuite proposer de nouvelles versions des messages et expliquer les changements recommandés.
Dans la démonstration, Claude analyse notamment une branche d’une campagne qui n’a généré aucune réponse en juillet.
Il émet l’hypothèse qu’un élément du message ne fonctionne pas avec le reste de la séquence et propose une nouvelle formulation.
Cette analyse permet de cibler les modifications au lieu de réécrire toute la campagne sans distinction.
Claude peut également proposer des variantes pour les messages LinkedIn et les emails.
Il peut notamment suggérer :
L’avantage, c’est qu’il ne se contente pas de générer des textes. Il peut expliquer pourquoi il recommande telle ou telle modification.
Tu gardes ensuite la main sur les décisions : tu vérifies les propositions, tu sélectionnes les plus pertinentes et tu décides des tests à lancer.
C’est essentiel pour éviter les messages génériques, les erreurs factuelles et les personnalisations artificielles.
Les exemples précédents ne représentent qu’une partie des possibilités.
Une fois que Claude dispose d’une base de connaissances complète sur le client, tu peux aussi lui demander de t’aider à réaliser du mapping de comptes ou à identifier des contacts pertinents.
Le principe reste le même : au lieu de lui donner quelques informations au début de chaque conversation, tu lui fournis une connaissance approfondie du client dès la configuration du projet.
Cette différence est déterminante. Les réponses peuvent alors s’appuyer sur le positionnement de l’entreprise, ses arguments commerciaux, les retours du terrain et les résultats des campagnes précédentes.
Tu peux également connecter les outils nécessaires pour faciliter certaines étapes de ton workflow, à condition de vérifier les accès, les données disponibles et les actions que Claude est autorisé à effectuer.
L’objectif n’est pas de tout automatiser sans contrôle, mais de réduire les tâches répétitives et de consacrer davantage de temps à l’analyse, à la stratégie et à l’amélioration des performances.
Si tu dois retenir une seule chose, c’est celle-ci : arrête de réexpliquer le contexte de tes clients à chaque conversation.
Prends environ 30 minutes par client ou par cas d’usage pour construire un projet Claude avec les bons documents, les bonnes instructions et les connaissances utiles.
Ensuite, une simple ligne peut suffire pour demander une analyse de campagne, obtenir des pistes d’amélioration ou préparer de nouvelles variantes de messages.
Le gain ne vient pas uniquement du modèle d’IA que tu utilises. Il vient aussi de la qualité des informations que tu lui donnes et de la manière dont tu les organises.
C’est ce qui transforme un assistant qui produit des réponses génériques en un outil réellement utile pour ton travail quotidien en outbound.
