Une liste de « directeurs de l'innovation » achetée en bloc ne produit rien dans ce métier. Les prospects utiles se repèrent par leurs traces : une entreprise qui recrute trois ingénieurs data, qui publie une offre pour un responsable de la gouvernance des données, qui opère dans un secteur visé par les nouvelles obligations sur l'IA. Le travail consiste à relier ces traces à une personne joignable, depuis des sources autorisées.

Ce qu'il fait chaque jour chez vous

Écrire les signaux qui font un bon prospectIl tient avec l'équipe commerciale la liste des signaux qui ont précédé les affaires gagnées — recrutements, migrations vers Snowflake ou Databricks, nomination d'un directeur des données — et les pondère.
Cartographier les secteurs touchés par la réglementationIl constitue des listes d'entreprises dont l'activité les expose à un système d'IA à haut risque, comme le crédit ou le recrutement, en indiquant pour chacune l'usage probablement concerné.
Rattacher chaque signal à un interlocuteur nomméPour une entreprise retenue, il cherche dans des sources autorisées la personne qui porte le sujet — data, métier ou conformité — et vérifie qu'elle occupe encore le poste.
Écarter les comptes déjà pris ou réservésIl retire les clients actifs, les comptes suivis par un autre commercial, les partenaires et les comptes qu'un éditeur partenaire s'est réservés, ainsi que toute personne qui a refusé les sollicitations.
Rédiger une première prise de contact par signalIl écrit des messages qui partent du signal repéré — une migration, un recrutement, une échéance réglementaire — et proposent un contenu ou un échange en rapport, sans promesse de résultat.
Mesurer quels signaux produisent des rendez-vousIl compte par signal et par secteur les contacts trouvés, les réponses, les rendez-vous et les affaires ouvertes, pour abandonner les sources qui ne donnent que du volume.

Sur le terrain

Des recrutements qui disaient tout

En suivant les offres d'emploi, l'agent repère un distributeur régional qui recrute en même temps un data engineer et un ingénieur MLOps, signe qu'un projet approche de la mise en production d'un modèle. Il identifie la directrice des données, vérifie qu'elle est toujours en poste, lui écrit en évoquant l'industrialisation et propose un retour d'expérience client. Elle accepte un rendez-vous qu'il transmet au commercial.

Un secteur santé à traiter avec précaution

Une campagne vise des cliniques privées qui veulent exploiter leurs données de séjour. L'agent ajoute au message une phrase sur la pseudonymisation et l'accompagnement à l'analyse d'impact, préparée avec le délégué de l'entreprise, car c'est la première question de ces interlocuteurs. Le taux de réponse double par rapport à la campagne précédente, qui ne parlait que de prédiction.

Les mots qu'il emploie chaque jour

Système d'IA à haut risque: La catégorie réglementaire qui impose documentation, supervision humaine et journalisation avant toute mise sur le marché.
Mise en production d'un modèle: Le passage du prototype au service utilisé : c'est là qu'apparaissent le coût, la latence et la surveillance.
Pseudonymisation: Elle remplace les identifiants mais laisse des données personnelles ; seule une anonymisation véritable est irréversible.

Son métier de départ : Chargé de génération de prospects. Toute l'activité : Données et intelligence artificielle.