lead-intelligence
par affaan-mlead-intelligence est un workflow d’intelligence commerciale IA pour la recherche de prospects, le scoring des leads, l’identification de voies d’approche « chaudes » et la rédaction de messages de prise de contact. Utilisez le skill lead-intelligence pour construire une liste de leads classés, évaluer l’adéquation et transformer la recherche en prises de contact par email, LinkedIn ou X avec moins d’hypothèses.
Ce skill obtient un score de 82/100, ce qui en fait un bon candidat pour les utilisateurs d’un annuaire qui veulent un vrai workflow d’intelligence commerciale plutôt qu’un simple prompt générique de prospection. Le dépôt fournit assez de détails opérationnels pour déclencher le skill, comprendre le pipeline et voir comment il utilise les signaux pour le scoring, la cartographie des liens, l’enrichissement et la rédaction d’approches, même s’il dépend encore d’outils externes et manque de சிலques indications d’installation.
- Déclencheurs d’activation clairs pour la recherche de leads, les listes de prospection, les mises en relation via contacts communs et le classement des prospects, avec des exemples de formulations utilisateur.
- Le workflow multi-étapes est explicite : scoring des signaux, enrichissement, cartographie des relations communes et rédaction des messages sont répartis dans des fichiers d’agent dédiés.
- Des grilles de scoring concrètes et des attentes de sortie précises réduisent les approximations pour les agents et rendent le workflow plus réutilisable.
- Nécessite des services externes comme Exa MCP et des identifiants X API, ce qui peut limiter l’usage immédiat.
- Aucune commande d’installation, aucun script ni fichier d’assistance n’est fourni, donc la mise en place et l’intégration demanderont une interprétation manuelle.
Vue d’ensemble du skill lead-intelligence
Ce que fait lead-intelligence
lead-intelligence est un workflow d’intelligence commerciale piloté par l’IA pour Lead Research, qui sert à trouver, scorer et prioriser des prospects, puis à transformer cette recherche en pistes d’approche. Il convient particulièrement aux utilisateurs qui ont besoin de lead-intelligence pour Lead Research : constituer une liste cible, déterminer qui compte le plus, et trouver une entrée tiède plutôt que de deviner.
À qui s’adresse ce skill
Utilisez le lead-intelligence skill si vous faites de la prospection commerciale, de la prise de contact pour des partenariats, de la recherche pour une levée de fonds, du sourcing de créateurs/influenceurs ou du networking entre fondateurs. C’est un très bon choix quand le vrai travail n’est pas seulement de “trouver des noms”, mais de “trouver les bons noms, avec du contexte, et décider qui contacter en premier”.
Ce qui le distingue
Ce skill combine scoring des signaux, classement mutuel, recherche de voies d’approche tièdes et outreach adapté au canal. C’est important si vous cherchez plus qu’une simple liste d’enrichissement statique : cela vous aide à passer des résultats bruts à une shortlist classée et exploitable, avec un meilleur timing et de meilleurs points d’entrée.
Comment utiliser le skill lead-intelligence
L’installer et l’activer
Pour lead-intelligence install, ajoutez le skill à votre environnement Claude Code, puis travaillez à partir des fichiers du skill dans le repo. La commande de base indiquée dans la source est :
npx skills add affaan-m/everything-claude-code --skill lead-intelligence
Après l’installation, vérifiez que l’environnement peut accéder aux outils requis, en particulier la recherche Exa et les identifiants de l’API X, sinon le workflow sera partiellement bloqué.
Partir de la bonne entrée
Le pattern lead-intelligence usage donne les meilleurs résultats quand vous fournissez une cible étroite. De bons inputs incluent :
- le secteur ou la niche visée
- le buyer persona ou le rôle
- la zone géographique ou le fuseau horaire
- ce qui compte comme un lead qualifié
- le canal préféré : email, LinkedIn ou X
- si vous voulez des voies d’approche tièdes, du scoring ou des brouillons d’outreach
Une demande trop vague comme “trouve des leads pour ma startup” laisse trop de choses non définies. Un prompt plus solide ressemble à : “Trouve 25 responsables ops SaaS en Amérique du Nord, classe-les par pertinence et activité récente, puis identifie des voies d’introduction tièdes et rédige 5 cold emails.”
Lire d’abord ces fichiers
Pour aller le plus vite possible vers l’implémentation, inspectez :
SKILL.mdpour les règles d’activation et les outils requisagents/signal-scorer.mdpour la logique de classementagents/mutual-mapper.mdpour l’analyse des voies d’approche tièdesagents/enrichment-agent.mdpour le contexte de profil et d’entrepriseagents/outreach-drafter.mdpour la longueur des messages et les règles de personnalisation
C’est la meilleure approche lead-intelligence guide, parce qu’elle vous montre ce dont le workflow a besoin avant même de le lancer.
Le workflow qui donne de meilleurs résultats
Une séquence pratique consiste à :
- Définir le marché cible et l’ICP.
- Utiliser le scoring des signaux pour constituer une liste de prospects classés.
- Enrichir les prospects prioritaires avec leur fonction actuelle, leur entreprise, leur activité et leur contexte.
- Cartographier les mutuals ou autres voies d’approche tièdes.
- Rédiger l’outreach seulement après avoir une raison crédible de contacter chaque personne.
Si vous sautez le scoring ou l’enrichissement, l’étape d’outreach a tendance à devenir générique. Le skill fonctionne mieux quand chaque étape réduit l’incertitude pour la suivante.
FAQ sur le skill lead-intelligence
lead-intelligence est-il réservé aux équipes commerciales ?
Non. Le lead-intelligence skill est aussi utile pour les partenariats, la levée de fonds, le recrutement et le sourcing d’experts. Si vous devez prioriser des personnes selon leur pertinence et leur accessibilité, il peut vous aider.
Faut-il des API spéciales pour lead-intelligence ?
Oui, le workflow central dépend de l’accès à Exa et à l’API X. Des sources optionnelles comme LinkedIn, Apollo, Clay ou GitHub peuvent améliorer la couverture, mais le skill n’est pas un simple modèle de prompt ; il attend de vraies données de recherche et de graphe.
Est-ce mieux qu’un prompt normal ?
En général oui, si vous avez besoin d’une prospection reproductible. Un prompt générique peut rédiger quelques leads, mais lead-intelligence ajoute une méthode structurée pour le scoring, l’analyse des mutuals et l’enchaînement de l’outreach, ce qui réduit l’approximation et améliore la cohérence.
Quand ne faut-il pas l’utiliser ?
Ne l’utilisez pas si vous avez seulement besoin d’une liste ponctuelle de noms d’entreprises, ou si vous n’avez pas accès aux sources de données requises. C’est aussi un mauvais choix lorsque votre audience est trop large, car la logique de classement dépend d’un ciblage clair.
Comment améliorer le skill lead-intelligence
Donner de meilleures entrées au modèle de scoring
Le plus gros gain de qualité vient de critères plus précis : intitulé idéal, stade de l’entreprise, géographie, montant de deal, pertinence du sujet, et raison pour laquelle la personne mérite d’être contactée maintenant. Plus vos filtres sont explicites, moins le workflow lead-intelligence a besoin d’inférer.
Demander des preuves, pas seulement des noms
Quand vous demandez une sortie, demandez aussi le signal derrière chaque lead : publication récente, changement de rôle, événement de financement, connexion commune ou recoupement thématique. Cela aide le skill à éviter les correspondances superficielles et rend la shortlist plus défendable en interne.
Séparer la recherche de l’outreach
Une erreur fréquente consiste à demander en une seule fois une liste de leads et les messages finaux. De meilleurs résultats viennent d’une boucle en deux temps : d’abord identifier et classer, puis enrichir et rédiger. Si le premier passage semble incorrect, resserrez la cible avant de générer les messages.
Itérer sur le maillon le plus faible
Si les résultats sont proches du bon niveau mais pas encore utilisables, corrigez la partie qui bloque : affinez la définition du persona, ajoutez des critères d’exclusion ou resserrez le canal. Pour lead-intelligence for Lead Research, de petits ajustements sur l’ICP ou les exigences de sources améliorent souvent davantage le résultat que demander “plus de leads”.