Construire la liste d’entreprises

Lancez plusieurs requêtes étroites, chacune liée à un segment et à une source, et chargez le tout dans une seule table brute qui se souvient de l’origine de chaque ligne. Un énorme export se diagnostique mal, alors que dix requêtes consignées montrent exactement laquelle a ramené du déchet.

À ce stade, vous collectez et vous résistez à l’envie de nettoyer. Déduplication et normalisation viennent au chapitre suivant, et elles auront besoin de la provenance que vous allez enregistrer. Le livrable est une table brute d’entreprises et un journal des requêtes. En entrée : votre grille de critères et votre registre des sources. Notre éditeur de paie pour employeurs français multi-sites reste fictif, tout comme ses chiffres.

Écrivez le plan de requêtes avant toute extraction

Une ligne par requête. Le volume attendu est votre estimation, notée à l’avance pour qu’un résultat surprenant se remarque.

ID	Segment	Source	Requête	Lignes attendues	Limite de la source	Découpage
Q1	Groupes de crèches	SIRENE	88.91A, actives, 20 à 499, 3 sites et plus	400	Aucune	Aucun
Q2	Groupes d’Ehpad	SIRENE	87.10A, actives, 20 à 499, 3 sites et plus	350	Aucune	Aucun
Q3	Groupes de crèches	Sales Navigator	Mot-clé « crèche », France, 11 à 500	600	Résultats plafonnés par recherche	Par région
Q4	Sites de crèches	Cartes	« crèche » + ville, 30 plus grandes villes	1 200	200 par recherche avec l’outil ci-dessous	Par ville
Q5	Entreprises similaires	Similarité	30 meilleurs clients en entrée	300	Selon l’entreprise de départ	Par client

Les interfaces de recherche plafonnent ce qu’elles renvoient, et ce plafond évolue : vérifiez le plafond actuel de chaque source. Quand une requête l’atteint, vous n’avez vu qu’un échantillon tronqué, sans le moindre avertissement. Découpez-la par région, tranche d’effectif ou secteur jusqu’à ce que chaque tranche reste nettement sous la limite.

Le registre sert de contrôle pour les autres sources. Si une recherche par mot-clé renvoie plusieurs fois plus d’entreprises que le registre n’en compte pour cette activité, le mot-clé attrape des entreprises qui ne font que mentionner le sujet.

Préparez la table brute

Gardez toutes les sources dans une seule table avec les mêmes colonnes. Laissez vide ce qu’une source ne fournit pas et conservez les valeurs d’origine intactes.

Colonne	Exemple	Utilité
raw_id	Généré	Identité de la ligne
query_id	Q3	Lien avec le journal des requêtes
run_order	3	Mesurer l’apport de chaque requête
source	sales_navigator	Provenance
extracted_at	2026-11-09	Fraîcheur, maintenance future
name_raw	Les P’tits Loups SAS	Tel que livré
siren	9 chiffres, ou vide	Clé forte pour la France
domain_raw	www.example.fr	Future clé, nettoyée au chapitre suivant
linkedin_url	URL de la page entreprise	Clé pour les sources LinkedIn
city, postcode, country	Lyon, 69003, FR	Géographie
naf_code	88.91A	Filtre
headcount_raw	Code de tranche ou fourchette	Filtre, formats variables selon la source
open_sites	6	Filtre
source_payload	JSON de la ligne d’origine	Retrouver ce que vous n’avez pas mappé

Extrayez depuis le registre

Q1 et Q2 tournent sur les deux fichiers SIRENE, chargés dans une base de données ou un moteur analytique local. Le fichier des unités légales porte l’activité et l’effectif. Le fichier des établissements permet de compter les sites ouverts.

WITH sites AS (
  SELECT siren, COUNT(*) AS open_sites
  FROM etablissement
  WHERE etatAdministratifEtablissement = 'A'
  GROUP BY siren
)
SELECT
  'Q1'                               AS query_id,
  'sirene'                           AS source,
  CURRENT_DATE                       AS extracted_at,
  u.siren,
  u.denominationUniteLegale          AS name_raw,
  u.activitePrincipaleUniteLegale    AS naf_code,
  u.trancheEffectifsUniteLegale      AS headcount_raw,
  u.statutDiffusionUniteLegale       AS diffusion_status,
  s.open_sites
FROM unite_legale u
JOIN sites s ON s.siren = u.siren
WHERE u.etatAdministratifUniteLegale = 'A'
  AND u.activitePrincipaleUniteLegale = '88.91A'
  AND s.open_sites >= 3
  AND (u.trancheEffectifsUniteLegale IN ('12','21','22','31','32')
       OR u.trancheEffectifsUniteLegale IS NULL
       OR u.trancheEffectifsUniteLegale = 'NN');

Les comptes à tranche inconnue restent dans la liste, signalés pour relecture : les retirer reviendrait à exclure des entreprises à cause d’un trou dans la donnée. Vérifiez les noms de colonnes dans la documentation du fichier en cours, car ils peuvent changer d’une version à l’autre.

Les mêmes requêtes dans Derrick

Derrick, que j’ai cofondé, gardez-le en tête, lance ces requêtes depuis une feuille ou son application web et écrit chaque résultat en lignes, ce qui convient aux équipes sans base de données.

Requête	Fonctionnalité	Ce que vous fournissez	Ce que vous obtenez
Q1, Q2	Import Companies by NAF Code	88.91A dans une colonne, département en option	Une entreprise par ligne dans un nouvel onglet, avec SIREN/SIRET, établissements ouverts, tranche d’effectif
Q3	Import LinkedIn Companies	L’URL de la recherche Sales Navigator	Données de l’entreprise, une ligne par entreprise
Q4	Google Maps Scraper	« crèche Lyon »	Jusqu’à 200 lieux : nom, téléphone, site, adresse
Q5	Find Similar Companies	L’URL LinkedIn d’un client, pays en option	Entreprises similaires avec secteur, pays, site et score de similarité

Les crédits suivent les lignes : 1 par entreprise sur les imports NAF et Sales Navigator, 1 par lieu sur les cartes, 1 par entreprise trouvée sur la similarité. L’import NAF renvoie toutes les entreprises du code, et vous appliquez ensuite les filtres de 20 à 499 salariés et de 3 sites dans la feuille : vous payez donc toute la population de ce code. Pour un code volumineux, lancez d’abord un département et regardez le résultat. Import Companies from a Prompt est pratique pour explorer un segment en une phrase, mais traitez-le comme de la découverte, jamais comme la preuve que vous avez vu tout le marché.

Sans Derrick, Q1 et Q2 tournent sur le fichier libre comme ci-dessus, Q3 peut passer par l’export de votre outil de recherche si votre abonnement et ses conditions le permettent, et les petites listes se copient à la main. Gardez la même table brute quelle que soit la voie.

Mesurez ce que chaque requête a ajouté

Avant la déduplication, une clé grossière suffit pour voir si une requête a apporté du neuf. Lancez les requêtes dans l’ordre prévu.

WITH keyed AS (
  SELECT *, COALESCE(siren, lower(domain_raw), linkedin_url) AS account_key
  FROM raw_companies
),
first_seen AS (
  SELECT account_key, MIN(run_order) AS first_run
  FROM keyed
  GROUP BY account_key
)
SELECT
  k.query_id,
  COUNT(DISTINCT k.account_key) AS accounts,
  COUNT(DISTINCT CASE WHEN f.first_run = k.run_order THEN k.account_key END) AS new_accounts
FROM keyed k
JOIN first_seen f USING (account_key)
GROUP BY k.query_id, k.run_order
ORDER BY k.run_order;

La clé sous-estimera les recoupements entre une ligne du registre sans domaine et une ligne LinkedIn sans SIREN, ce qui suffit ici. Vérifiez ensuite la précision : tirez 50 lignes au hasard par requête et marquez chacune comme vraie cible ou non.

=SORTN(A2:F1500, 50, 0, RANDARRAY(1499), TRUE)

Requête	Lignes	Nouveaux comptes	Part de neuf	Précision sur 50 lignes	Décision
Q1	412	412	100 %	96 %	À garder
Q2	368	368	100 %	92 %	À garder
Q3	580	190	33 %	62 %	À garder, resserrer le mot-clé
Q4	1 100	140	13 %	74 %	Garder seulement les nouveaux
Q5	240	12	5 %	58 %	À arrêter

Une règle d’arrêt raisonnable : quand une nouvelle requête ajoute moins de 10 % de comptes nouveaux et que sa précision baisse, vous avez atteint ce que vos sources peuvent voir. Q5 en est là. Les 190 comptes de Q3 méritent une lecture : il peut s’agir de groupes que le registre a classés sous un code que vous avez exclu, ce qui vous renverrait à la grille de critères.

Gardez le journal des requêtes avec la donnée

Requête	Lancée le	Par	Paramètres exacts ou URL	Lignes	Plafond atteint	Crédits ou coût	Notes
Q3	2026-11-09	Growth	URL Sales Navigator	580	Non	580	Découpée en 13 régions

Vous relancerez ces requêtes lors de l’actualisation du TAM : ce qui n’est pas écrit ici sera reconstitué de mémoire.

Votre prochaine étape : écrivez votre plan de requêtes, lancez d’abord les requêtes d’ancrage et mesurez ce que chaque requête suivante ajoute jusqu’à votre règle d’arrêt. Portez ensuite la table brute à la déduplication, avant de dépenser quoi que ce soit en enrichissement.