$cat projects/leadsniffers.md

Startup explorée — arrêtée

LeadSniffers

année

2022–2023

rôle

Co-fondateur

stack

Angular, NoSQL, Python, LLM

durée

6 mois

Avec l'arrivée des LLM fin 2022, j'ai cherché à coupler scraping LinkedIn et messages personnalisés générés par IA pour la prospection B2B. Sur le plan de la personnalisation, notre approche surpassait les solutions établies comme Waalaxy ou Lemlist.

  • Conception produit et UX
  • Développement front-end Angular
  • Scraper Python pour extraire des profils LinkedIn
  • Prompting LLM pour la génération de messages personnalisés
  • Tests d'acquisition client
  • Premier projet structuré en automatisation et IA générative
  • Un bon produit ne suffit pas sans business model viable
  • Importance de l'analyse de marché en amont du développement

Projet arrêté en juin 2023. Le marché de la prospection B2B repose principalement sur la qualité des listes, optimisées au centime près par des acteurs établis. Notre angle — qualité du message plutôt que qualité de la liste — n'a pas trouvé son product-market fit.

J'ai arrêté LeadSniffers parce que je ne tenais plus le rythme. École à temps plein le jour, projet à temps plein le soir et le week-end, et en face des concurrents établis avec des équipes complètes. Les comptes ne tombaient pas juste — sur la durée, sur le souffle, sur la qualité.

La leçon que j'en garde — celle qui me sert vraiment aujourd'hui : l'IA seule n'est pas une USP. Fin 2022 on était fascinés par les LLM, on pensait que la qualité de personnalisation suffirait à nous différencier. Six mois plus tard, tout le monde avait branché GPT à son outil de prospection. L'avantage technologique avait fondu. Ce qui restait c'était la qualité des listes, le marketing, la machine commerciale — exactement les choses qu'on avait sous-estimées.

Ce projet a recâblé ma façon de penser : demande, puis offre, puis tech. Plus l'inverse. Je continue de coder pour le plaisir, mais je ne lance plus rien sans avoir creusé la douleur réelle d'un client réel.