+40% de Leads grâce à la Prospection Géospatiale

1. Contexte : le BTP et la prospection terrain

Le secteur du BTP en Alsace, comme partout en France, repose sur un modèle logistique bien rodé. Les chefs de pose planifient chaque semaine des tournées de livraison depuis leur base logistique. Ces tournées couvrent un rayon de 50 à 150 km et incluent entre 5 et 15 arrêts par jour.

Notre client, un acteur du BTP alsacien spécialisé dans la couverture et l'étanchéité, disposait d'une base de données de plusieurs milliers de prospects qualifiés : artisans, promoteurs, syndics de copropriété, collectivités locales. Ces contacts avaient été accumulés au fil des années via des salons professionnels, des demandes de devis, des recommandations.

Mais cette richesse restait largement inexploitée. Les commerciaux prospectaient de manière classique : appels à froid, mailings, visites planifiées de manière arbitraire. Personne ne savait qu'un prospect prioritaire se trouvait à 800 mètres d'une livraison prévue le mardi suivant.

2. Le défi : des milliers de prospects, zéro visibilité géographique

Avant notre intervention, le processus de prospection souffrait de plusieurs problèmes structurels que nous avons identifiés lors de notre phase d'audit :

Le véritable enjeu n'était pas seulement technique. Il fallait construire un outil que trois profils très différents pourraient utiliser au quotidien : les chefs de pose (logistique), les commerciaux (prospection) et les administrateurs (supervision). Chacun avec ses permissions, ses vues et ses indicateurs.

3. La solution : prospection géospatiale automatisée

Nous avons conçu et développé une plateforme web sur mesure qui automatise l'ensemble de la chaîne : de la création de l'itinéraire de livraison jusqu'au suivi des rendez-vous commerciaux. Voici le flux de travail complet.

L'interface cartographique, construite avec Leaflet, offre une visualisation en temps réel : l'itinéraire en bleu, les arrêts de livraison en marqueurs, et les prospects détectés en cercles colorés selon leur statut (vert pour nouveau, orange pour contacté, rouge pour rendez-vous pris). Le chef de pose et le commercial voient la même carte, mais avec des actions différentes.

4. Architecture technique

Le choix de la stack technique a été dicté par trois contraintes : la performance des requêtes géospatiales, la sécurité des données clients (RGPD) et la facilité de déploiement pour une entreprise qui n'a pas d'équipe IT dédiée.

Le pipeline de géocodage

Un des défis majeurs était de transformer les adresses textuelles de la base prospects en coordonnées GPS exploitables. Le client disposait d'un fichier Excel de plusieurs milliers de lignes, avec des adresses parfois incomplètes ou mal formatées.

Nous avons construit un pipeline de géocodage en 4 étapes :

1. 1
   Import Excel : l'administrateur charge le fichier depuis l'interface. Le système valide les colonnes attendues (nom, adresse, code postal, ville, téléphone) et signale les lignes incomplètes.
2. 2
   Normalisation : les adresses sont nettoyées (suppression des doublons, correction des codes postaux, uniformisation du format). Chaque client reçoit un statut de géocodage : pending.
3. 3
   Géocodage batch : les adresses sont envoyées à Nominatim (service open-source) à raison d'une requête par seconde pour respecter les conditions d'utilisation. Chaque résultat est mis en cache dans Redis pendant 30 jours. Le statut passe à ok ou error.
4. 4
   Indexation spatiale : les coordonnées GPS sont stockées sous forme de points PostGIS avec un index GIST, permettant des requêtes ST_DWithin() en moins de 50 ms même sur plusieurs milliers de points.

La détection de proximité : comment ça marche

Le coeur algorithmique de la plateforme repose sur une technique d'échantillonnage d'itinéraire. Plutôt que de chercher les prospects proches d'une simple ligne droite entre deux points, nous échantillonnons l'itinéraire réel (qui suit les routes) tous les ~2 km.

Pour chaque point d'échantillonnage, PostGIS exécute une requête ST_DWithin() avec un rayon configurable (par défaut ~15 km). Les résultats sont dédupliqués (un même prospect peut être détecté par plusieurs points d'échantillonnage) et triés par distance à la destination finale de la tournée.

5. Sécurité et conformité RGPD

Manipuler des données de prospection (noms, adresses, téléphones) impose des obligations légales strictes. Le RGPD exige non seulement le consentement, mais aussi des mesures techniques de protection. Nous avons construit la sécurité dès la conception, pas en rattrapage.

Chaque action dans le système est tracée dans un journal d'audit immuable. Qui a consulté quel prospect, quand, depuis quelle adresse IP. Cette traçabilité n'est pas seulement une bonne pratique de sécurité : c'est une obligation légale pour démontrer la conformité en cas de contrôle CNIL.

6. Résultats mesurés

Après 3 mois d'utilisation en production, les résultats ont dépassé les attentes initiales. Voici les métriques clés constatées :

Impact concret sur le processus commercial

7. Leçons apprises et bonnes pratiques

Ce projet nous a confirmé plusieurs principes que nous appliquons systématiquement dans nos missions d'automatisation et de développement sur mesure.

Si votre entreprise dispose d'une base de données prospects et d'une logistique terrain (livraisons, interventions, visites), le même type de solution peut être adapté à votre contexte. Nous détaillons le calcul de rentabilité dans notre article comment calculer le ROI de l'automatisation IA.

Pour les entreprises qui souhaitent aller plus loin avec des agents IA opérationnels, il est possible d'ajouter une couche de scoring prédictif : l'IA analyse l'historique des interactions pour prioriser les prospects les plus susceptibles de convertir, et non plus seulement les plus proches géographiquement.

8. Questions fréquentes