Livre blanc : comment nous construisons des listes de cold email d'entreprises locales à partir de Google Maps (2026)

Résumé

Les commerces et entreprises locales sont difficiles à joindre en cold email. Les bases B2B comme Apollo couvrent bien les éditeurs de logiciels, mais un plombier à Lyon ou un cabinet dentaire à Austin y est souvent absent, périmé ou rattaché au mauvais code postal. Google Maps les a tous, avec l'adresse, le téléphone, le site et les avis que le gérant tient à jour parce que ses clients s'en servent.

Ce livre blanc décrit la chaîne que nous utilisons pour transformer Google Maps en liste de cold email vérifiée :

1. Des growth bots interrogent Google Maps par catégorie et code postal et exportent chaque entreprise trouvée.
2. Un prompt de qualification IA retire les entreprises qui ne correspondent pas, avant de dépenser quoi que ce soit dessus.
3. Une recherche du gérant trouve le nom du décideur à partir du domaine de chaque entreprise.
4. Un devineur d'email construit les adresses probables à partir de ce nom et les vérifie une par une avec MillionVerifier, en s'arrêtant à la première valide.

Un séquenceur enchaîne ces étapes ville par ville, et la liste finale est importée dans Instantly ou Smartlead. Nos spécialistes du cold email gèrent les boîtes mail et gardent un œil sur chaque bot.

Le résultat : une liste de gérants avec des adresses confirmées par un vérificateur, construite pour une fraction du prix d'un export de base de données, et précise à la rue près.

Qui fait tourner la chaîne : des spécialistes et des bots

Des spécialistes du cold email gèrent nos boîtes d'envoi : domaines, warm-up, délivrabilité et réponses. Le travail répétitif est réparti entre des bots, chacun avec une seule tâche :

Les spécialistes relisent ce que produisent les bots au lieu de tout faire à la main. C'est ce qui permet à une petite équipe de mener des campagnes sur des dizaines de villes.

Le problème des données sur les entreprises locales

Trois choses distinguent les entreprises locales de la cible B2B habituelle :

• Elles ne sont pas dans les bases. Les bases de contacts sont construites à partir des profils LinkedIn et des sites d'entreprise. Un restaurateur a rarement un profil LinkedIn qui indique « Gérant, Pizzeria Joe ».
• La localisation, c'est tout le ciblage. Un couvreur ne travaille que dans un rayon donné. Une liste « dans la région » au lieu de « dans ces codes postaux » gaspille la plupart de ses envois.
• L'email est souvent celui du gérant. Les petites entreprises utilisent contact@ pour les clients et le prénom du gérant pour tout le reste. Deviner le bon format compte plus que dans une entreprise de 500 personnes au format fixe.

Étape 1 : les growth bots sur Google Maps

Le bot de recherche interroge Google Maps avec sa propre clé d'API, via une API de données Maps sur RapidAPI : pas d'automatisation de navigateur à maintenir. Chaque recherche combine une catégorie et un lieu, par exemple « dentist in 78701 ».

Le séquenceur décide de ce qui tourne ensuite. Il travaille une ville à la fois : chercher dans chaque code postal, qualifier, trouver les gérants, deviner et vérifier les emails, puis passer à la ville suivante. Une étape en échec n'arrête que cette ville, et la liste de chaque ville peut partir dès qu'elle est prête, sans attendre toute la région.

Comment nous obtenons une couverture complète :

• Code postal par code postal. Une recherche renvoie au maximum 20 résultats, donc une recherche sur une ville entière en rate la plupart. Les bots parcourent chaque code postal de la zone ciblée, à partir d'une liste intégrée de 42 734 codes postaux américains avec leur population, filtrée par État, ville ou population minimale.
• Dédoublonnage par identifiant de lieu. Les codes postaux voisins renvoient les mêmes entreprises. Chaque fiche a un identifiant Google unique, qui sert à supprimer les doublons.
• Limitation de débit et nouvelles tentatives. Deux requêtes par seconde, avec un délai croissant en cas de limite atteinte ou d'erreur serveur, pour qu'un passage sur tout un État aille au bout sans surveillance.

Chaque entreprise sort sous forme d'une ligne CSV :

Une entreprise sans site web est écartée à ce stade : pas de domaine, pas d'email à deviner.

Étape 2 : qualifier avant d'enrichir

Google Maps renverra 10 000 « pizzerias dans l'Illinois ». La plupart ne sont pas vos clients : chaînes, franchises, entreprises trop petites ou trop grandes pour l'offre.

Nous prenons un échantillon de 50 et le passons dans un prompt de qualification IA, 10 à la fois. Chaque fois que nous contestons un verdict (« celle-ci est une franchise, ce devrait être non »), le prompt est corrigé. Nous arrêtons quand deux tours de suite ne demandent aucune correction, puis nous appliquons le prompt à toute la liste.

Cette étape n'est pas optionnelle. La recherche du gérant et de l'email coûte environ 0,10 à 0,30 $ par contact. Sur 10 000 entreprises, cela fait 1 000 à 3 000 $, et qualifier d'abord en retire 50 à 80 %.

Étape 3 : trouver le gérant

Google Maps donne des entreprises, pas des personnes. Pour chaque domaine qualifié, une recherche par domaine (nous utilisons Blitz) renvoie les personnes qui y sont rattachées, filtrées sur des titres comme gérant, fondateur, président ou CEO. Quand la recherche renvoie aussi un email, il part directement en vérification. Quand elle ne renvoie qu'un nom, le devineur d'email prend le relais.

Étape 4 : le devineur d'email

Le devineur d'email est un petit script Python que nous gardons dans notre propre dépôt GitHub, avec des tests pour chaque format. Il prend un prénom, un nom (optionnel) et un domaine, construit les adresses probables, et interroge MillionVerifier sur chacune, dans l'ordre, jusqu'à ce qu'une revienne ok. Il ne dépend que de Python et n'a besoin que d'une clé d'API MillionVerifier.

L'ordre compte. Pour « John Smith » chez company.com, il essaie :

1. john@company.com
2. john.smith@company.com
3. johnsmith@company.com
4. jsmith@company.com
5. john.s@company.com
6. j.smith@company.com

Le prénom seul passe en premier parce que c'est ce qu'utilisent la plupart des gérants de petites entreprises. Chaque vérification coûte un crédit : en plaçant le format le plus probable en tête, la plupart des gérants sont trouvés au premier ou deuxième crédit, pas au sixième.

Les noms sont nettoyés d'abord. Les accents et la ponctuation sont retirés et tout passe en minuscules : « José O'Neil » devient jose.oneil. Une petite table de diminutifs ajoute la forme courte à côté de chaque format : « Michael » est aussi essayé en « Mike », intercalé pour que mike@ soit testé juste après michael@, avant les formats plus longs.

Seul « ok » compte. MillionVerifier répond ok, catch-all, unknown, disposable ou invalid. Le script ne s'arrête que sur ok. Un domaine catch-all accepte toutes les adresses : une réponse « valide » n'y prouve rien, et envoyer à des adresses devinées sur ces domaines, c'est ainsi que le taux de rebond grimpe. Ces contacts sont mis de côté au lieu d'être envoyés.

Il échoue franchement. Une erreur d'API, un solde vide ou une réponse inattendue arrête le passage au lieu de marquer le contact « non trouvé ». Un mode test affiche les combinaisons sans dépenser de crédits, ce qui nous sert à vérifier les formats sur un nouveau pays ou une autre convention de noms.

Six vérifications au maximum par personne (dix avec un diminutif), et en général une ou deux.

Ce que produit la chaîne

Le tableur final contient une ligne par gérant : nom de l'entreprise, adresse, catégorie, note, nom du gérant, email vérifié et format trouvé. Il est mis au format de colonnes attendu par Instantly ou Smartlead, avec les détails locaux en champs personnalisés, puis importé dans la campagne. Les envois partent de domaines séparés et chauffés, comme décrit dans notre guide de délivrabilité.

Quand les réponses arrivent, le bot de réponse les trie (intéressé, pas maintenant, question, désinscription) et rédige une réponse adaptée à chacune. Un spécialiste la relit avant l'envoi, et les désinscriptions sont retirées immédiatement.

Les données locales font le travail de personnalisation. La rue, le quartier, le nombre d'avis ou un avis récent donnent une première phrase qui montre que vous avez regardé, ce qui fait l'essentiel de ce qui rend un texte de cold email efficace auprès d'inconnus.

Limites

• Les petites entreprises sur Gmail. Certains gérants utilisent une adresse @gmail.com et l'affichent sur leur fiche. Le devineur ne fonctionne que sur le domaine propre de l'entreprise.
• Les domaines catch-all. Écartés volontairement. Une part de chaque liste finit là, plus dans certains secteurs que dans d'autres.
• Les données sur le gérant sont le maillon faible. La couverture de la recherche par domaine baisse pour les très petites entreprises. Un mauvais nom donne un mauvais email qui échoue quand même à la vérification : le coût, ce sont quelques crédits, pas un rebond.
• La conformité revient à l'expéditeur. Nous écrivons à des entreprises au sujet d'une offre professionnelle, nous respectons chaque désinscription immédiatement, et nous suivons les règles du pays de destination. Dans l'UE, cela veut dire un intérêt légitime que vous pouvez expliquer et un moyen simple de se désinscrire dans chaque email.

Questions fréquentes

Est-il légal d'extraire des données de Google Maps pour du cold email ? Les bots utilisent une API tierce de données Maps et collectent des fiches d'entreprise publiques : nom, adresse, téléphone, site web. Écrire à ces entreprises est encadré par les règles du pays du destinataire, comme le RGPD dans l'UE ou CAN-SPAM aux États-Unis. Envoyez une offre professionnelle pertinente, identifiez-vous et respectez les désinscriptions immédiatement.

Le processus est-il entièrement automatisé ? La recherche, la vérification, le séquençage et la rédaction des réponses sont faits par des bots. Des spécialistes du cold email gèrent les boîtes mail, relisent le travail des bots et valident les réponses avant leur envoi.

Pourquoi ne pas simplement acheter une liste sur Apollo ou une autre base ? Pour les entreprises locales, les bases ont une couverture faible et une localisation approximative. Google Maps est complet et précis à la rue près, et les gérants tiennent leur fiche à jour parce que leurs clients s'en servent.

Comment fonctionne un outil de recherche d'email par combinaisons ? Il construit les formats d'adresse courants à partir du nom d'une personne et du domaine de l'entreprise, comme le prénom, prenom.nom ou l'initiale suivie du nom, puis vérifie chacun avec un vérificateur d'email jusqu'à ce qu'un soit confirmé valide.

Pourquoi le devineur d'email s'arrête-t-il à la première adresse valide ? Chaque vérification coûte un crédit. S'arrêter au premier résultat ok, et essayer d'abord les formats les plus courants dans les petites entreprises, limite le coût à un ou deux crédits par personne dans la plupart des cas.

Que se passe-t-il avec les domaines catch-all ? Un domaine catch-all accepte n'importe quelle adresse, donc le vérificateur ne peut en confirmer aucune. Le script les écarte au lieu d'envoyer à une supposition non confirmée, ce qui garde le taux de rebond bas.

Sources

• Maps Data API sur RapidAPI
• Documentation de l'API MillionVerifier
• CAN-SPAM Act: a compliance guide for business, Federal Trade Commission (États-Unis)