Remplacer une cellule SDR par une stack IA + automatisée

Signer 350 restaurants en 4 mois, sans cellule SDR

Rushour est un SaaS B2B qui aide les restaurants à optimiser leurs performances sur les plateformes de livraison (UberEats, Deliveroo, JustEat). Le marché est gigantesque — des centaines de milliers de restaurants sur quatre marchés européens prioritaires (France, Belgique, Royaume-Uni, Suisse) — et le produit a déjà fait ses preuves.

L'enjeu de la mission était d'une ambition rare : signer 350 nouveaux restaurants en 4 mois. Sur un volume de cette ampleur, deux approches étaient envisageables. La première, classique : recruter une équipe de SDR pour traiter manuellement le flux de leads — coûteuse, longue à monter en compétence, complexe à piloter sur quatre marchés aux spécificités linguistiques et réglementaires. La seconde, plus radicale : automatiser intégralement le tunnel de prospection et concentrer les AE Rushour exclusivement sur ce qui crée vraiment de la valeur — la démo et le closing.

Rushour a choisi la seconde option. Le pari : construire une stack growth automatisée de bout en bout, capable de scraper, scorer, contacter, qualifier et booker des RDV sans intervention humaine — et brancher cette mécanique sur les quatre marchés en parallèle, avec leurs codes spécifiques. Pas un SDR externalisé. Pas un Outbound piloté à la main. Un système autonome qui produit 80 RDV qualifiés par semaine, en continu, pendant que les AE se consacrent exclusivement à closer les démos qui arrivent dans leur agenda.

C'est probablement le cas le plus représentatif de l'expertise Rerow sur l'architecture de stack IA et CRM — une mission où la valeur ne réside pas dans des appels passés ou des messages écrits à la main, mais dans la conception et le câblage propre d'un dispositif automatisé qui tourne 24/7.

4 chantiers pour construire une stack autonome

1. ScrapHour câblé à HubSpot — le moteur d'alimentation du tunnel

Premier chantier, et fondation du dispositif : brancher ScrapHour à HubSpot. ScrapHour est le moteur propriétaire de Rushour, capable de scraper les restaurants présents sur les plateformes de livraison et de générer un tenant_score (0–100) basé sur des variables business concrètes : note du restaurant, nombre de vues, nombre de commandes, taux de conversion (commandes / vues), catégorie de cuisine, type d'établissement (indépendant vs franchise).

Ce score est traduit en classement A/B/C, qui détermine la séquence appliquée. Un indépendant bien noté à volume moyen reçoit une séquence orientée gain de temps. Une franchise à gros volume reçoit une séquence orientée performance et ROI. Un restaurant récemment ouvert reçoit une séquence dédiée « lancement rapide ».

Le câblage technique a été assuré via n8n comme orchestrateur : chaque restaurant scrappé est injecté dans HubSpot avec ses propriétés enrichies (marché, type, score, tags) et déclenche automatiquement l'entrée dans la séquence appropriée. Le tout fonctionne en continu — ~400 nouveaux leads activés par jour sans la moindre intervention humaine, soit environ 8 000 leads/mois.

Important : le scoring est exploité exclusivement en interne. Il sert à choisir la bonne séquence et le bon ton, mais n'est jamais exposé au prospect. Le restaurant ne sait pas qu'il a été classé « A » ou « C » — il reçoit simplement un message qui parle à sa réalité.

2. Séquences multicanales différenciées par marché

Sur les quatre marchés, les contraintes diffèrent. La base France et Belgique contenait emails et téléphones — ouverture sur la séquence email avec SMS en fallback. La base UK et Suisse contenait uniquement des téléphones — bascule sur du SMS only via Ringover, avec des séquences plus courtes et plus directes.

Nous avons construit plusieurs typologies de séquences :

• Générique FR/BE : 4 emails + SMS en fallback, différenciée par score (gain de temps pour les indépendants, ROI pour les franchises).
• SMS only UK/CH : adaptée aux codes du SMS (concis, direct, CTA fort), calibrée sur les fuseaux locaux pour atterrir au bon moment dans la journée du restaurateur.
• « Nouveau resto » : pour les établissements ouverts depuis moins de 30 jours, détectés automatiquement par ScrapHour. Angle « lancement rapide », message court, CTA sur les premières semaines critiques après ouverture.

Chaque séquence a été testée, itérée et optimisée pendant les 4 mois d'exécution, avec des A/B tests systématiques sur les taux de réponse et de conversion en RDV.

3. L'Agent IA — qualification automatique des réponses entrantes

C'est le chantier qui distingue le plus ce dispositif d'un Outbound automatisé classique. Sur 8 000 leads activés par mois, le nombre de réponses entrantes est massif — et les traiter manuellement aurait reconstruit la dépendance aux SDR qu'on cherchait à éliminer.

Nous avons mis en place un Agent IA qui analyse en continu les réponses (emails et SMS) et tague automatiquement chaque prospect dans HubSpot selon trois catégories :

• Intéressé → signal d'intention positive : l'Agent déclenche le routing vers le lien HubSpot Meetings round robin du marché concerné, et le RDV se prend en autonomie.
• Pas intéressé → refus explicite : l'Agent retire le contact des séquences, le tague, et arrête les sollicitations.
• Mauvais timing → intéressé mais pas maintenant (saison basse, contrat en cours, projet reporté) : l'Agent qualifie la raison, programme une réactivation différée, et préserve le compte pour plus tard.

Cette qualification automatique transforme le dispositif. Aucun humain n'a besoin de lire les réponses pour les trier. L'Agent travaille en continu, 24h/24, sur 4 marchés simultanément. Les AE ne récupèrent dans leur agenda que des RDV déjà bookés avec des prospects qualifiés — leur temps est intégralement consacré à la valeur, jamais à la qualification.

4. Pipeline HubSpot, routing AE et reporting

Dernier maillon : la fluidité du passage du dispositif automatisé vers l'équipe humaine. Nous avons configuré dans HubSpot un pipeline dédié « Acquisition – ScrapHour » avec des étapes claires (Lead généré → RDV pris → Démo → Proposition → Gagné/Perdu).

Lorsque l'Agent IA détecte un prospect intéressé et déclenche la prise de RDV, le système crée automatiquement un Deal en étape « RDV pris », attribue le compte à un AE via le round robin par marché, et notifie en temps réel sur Slack pour que l'AE soit informé immédiatement.

Le reporting suit la même logique : un report Slack quotidien consolide les leads injectés, les emails et SMS envoyés, et les RDV bookés sur les quatre marchés. Un dashboard HubSpot suit en continu le closing rate et la performance du pipeline. La direction Rushour pilote en temps réel un dispositif qui fonctionne en autonomie.

• Une stack automatisée livrée en 10 jours, opérationnelle dès le 11e jour avec un test pilote à 400 leads sur les 4 marchés, puis montée à pleine cadence (~400 leads activés par jour).
• 80 RDV qualifiés par semaine générés en autonomie, soit ~320 RDV/mois, sans aucune intervention humaine en amont du RDV. Sur les 4 mois d'exécution, l'objectif de 350 clients signés a été atteint à la cadence prévue.
• 4 marchés couverts simultanément (France, Belgique, Royaume-Uni, Suisse), chacun avec ses contraintes (email + SMS en FR/BE, SMS only en UK/CH, fuseaux locaux respectés). La mécanique a tourné sans dégrader la performance malgré la complexité multi-marchés.
• Des AE Rushour exclusivement concentrés sur la démo et le closing. C'est probablement le résultat le plus structurant. Pas une minute de leur temps consacrée à de la prospection, à de la qualification de leads entrants, ou à du tri de réponses. Leur agenda se remplit automatiquement de RDV qualifiés — leur seule responsabilité est de bien les transformer.
• Une stack qui tourne sans friction, livrée dans les délais, et qui continue d'opérer en production après la fin de la mission. La passation s'est faite sur un dispositif documenté, fonctionnel et autonome.