Filtrer les demandes indésirables : règles de détection, liste noire et vérification manuelle
1. D’où viennent les demandes indésirables : quatre sources et leur difficulté de détection
Tant que le formulaire du site est ouvert, tout type de trafic peut entrer. Les demandes indésirables n’arrivent pas au hasard : elles ont quatre sources stables, chacune avec une difficulté de détection et un coût de traitement bien différents. Commencez par identifier la source, puis choisissez le niveau de règle qui doit la bloquer.
| Type de source | Signes typiques | Part observée | Difficulté de détection | Niveau de filtrage conseillé |
|---|---|---|---|---|
| Envoi automatisé par un robot | Champs remplis n’importe comment, e-mail sur un domaine jetable, IP dans une plage de proxy connue | environ 25 à 35 % | Faible, les règles suffisent | L1 blocage en dur |
| Espionnage concurrentiel | Nom d’entreprise bien orthographié, questions très précises, e-mail sur un domaine d’entreprise | Environ 5 % à 10 % | Élevée, jugement humain nécessaire | L3 vérification manuelle |
| Demande hors sujet | La question ne porte pas sur votre produit : recherche d’emploi, partenariat, achat d’espace publicitaire | Environ 10 % à 15 % | Moyenne, un premier tri par mots-clés est possible | L2 score par règles |
| Vraie demande de faible qualité | E-mail authentique, besoin flou, ni quantité ni pays de destination | environ 15 à 20 % | Faible, mais impossible à bloquer | L4 vers la file de nurturing |
Les proportions du tableau ci-dessus sont des ordres de grandeur observés sur des sites B2B en propre ; ils varient sensiblement selon le secteur. Les envois automatisés par robot sont les plus faciles à bloquer, car leur empreinte comportementale est stable : envoi en moins de 2 secondes, tous les champs remplis en une seule requête, domaine d’e-mail appartenant à un service d’e-mail jetable ou temporaire. Cette catégorie part directement en L1 blocage en dur, sans relecture humaine.
Le vrai problème, c’est l’espionnage concurrentiel : il ressemble trop à une vraie demande. Nom d’entreprise correctement orthographié, questions posées avec professionnalisme, domaine d’e-mail normal. Aucune règle ne peut l’arrêter, il faut passer par la vérification manuelle L3. C’est aussi pourquoi le filtrage ne peut pas être entièrement automatique : plus vous bloquez fort, plus le concurrent se déguise, et plus vous risquez de bloquer à tort un vrai client. Pour les capacités anti-spam du formulaire lui-même, voir Fiabilité des formulaires de demande et livraison anti-spam.
2. Les quatre niveaux de filtrage : ce que chacun fait et ne fait pas
Répartir le filtrage sur quatre niveaux, l’objectif est simple : traiter séparément ce qui est « certainement indésirable » et ce qui est « peut-être réel ». Ce qui est certain part directement à la poubelle, ce qui est possible est confié à un humain, et la zone intermédiaire est triée par un score basé sur des règles. Chaque niveau fait uniquement ce qu’il doit faire ; vouloir en sauter un, c’est prendre le risque d’éliminer de vrais prospects.
| Niveau | Action à mener | Critère de détermination | Coût d’un faux rejet | Délai de traitement |
|---|---|---|---|---|
| L1 Blocage strict | Rejet immédiat, sans entrée dans le CRM | Domaines indésirables connus, plages d’IP proxy, adresses e-mail jetables | Quasiment nul | Temps réel, en millisecondes |
| L2 Score par règles | Score faible : corbeille ; score élevé : traitement normal | Complétude des champs, mots-clés, horodatage du comportement, réputation du domaine e-mail | Faible, à surveiller | Temps réel, en millisecondes |
| L3 Vérification humaine | Décision sous 30 minutes : indésirable ou vraie demande | Zone de score suspecte de 50 à 70, cas limites | Moyen, repose sur le jugement humain | Sous 30 minutes |
| L4 Traitement normal | Entrée dans la file commerciale, suivi selon le SLA | Score supérieur à 70, champs complets, comportement normal | nulle | Selon le SLA de première réponse |
Le seuil de score est la clé de ce tableau. En dessous de 50, direction la corbeille ; entre 50 et 70, file de vérification humaine ; au-dessus de 70, traitement normal. Cette plage n’a pas été fixée au hasard : elle vient d’un backtest sur vos demandes des trois derniers mois. Identifiez les affaires conclues et les indésirables connus, faites tourner le modèle de scoring et trouvez le point de coupure le plus juste. Le seuil est recalibré chaque trimestre avec de nouvelles données.
Un exemple concret : une demande arrive avec une adresse gmail.com, la société renseignée est « Trading Co », le besoin indiqué est « need price list » et l’envoi a lieu à 3 h du matin. Selon les règles du L2, champs incomplets, nom de société trop vague, adresse e-mail gratuite : le score est d’environ 55, donc direction la vérification humaine du L3. Le commercial y jette un œil, constate que l’IP est à Hong Kong et que l’adresse e-mail a moins de 30 jours, conclut à une piste de faible qualité et l’envoie en nurturing plutôt que de la rejeter. C’est là tout l’intérêt du filtrage par niveaux : on ne condamne pas à tort, mais on ne laisse rien passer non plus.
III. Base de liste noire : structure à trois niveaux et maintenance continue
La liste noire n’est pas une liste figée, c’est une base vivante à trois niveaux. La liste statique n’en représente qu’une petite partie ; ce qui compte vraiment, c’est la maintenance dynamique des niveaux cumulatif et liste blanche.
| Niveau | Contenu | Fréquence de mise à jour | Mode de maintenance | Part observée |
|---|---|---|---|---|
| Niveau automatique | Domaines e-mail indésirables connus, plages d’IP proxy, services d’e-mail jetable | Synchronisation hebdomadaire avec des listes tierces | Récupération automatique, sans intervention humaine | Environ 60 % |
| Niveau cumulatif | E-mails / IP / noms de société suspects signalés manuellement | Ajout quotidien, réévaluation mensuelle | Ajout automatique dès qu’un commercial signale | Environ 30 % |
| Niveau liste blanche | Clients réels connus, partenaires, contacts de salons | Mise à jour au fil des affaires conclues et des pistes | Ajout après confirmation humaine | environ 10 % |
Le niveau liste blanche est le plus souvent négligé, alors qu’il est essentiel pour éviter les faux rejets. Un client récupère une carte de visite en salon, puis demande un devis via le formulaire du site : son adresse peut être gratuite, le nom de sa société peut être très succinct, et le score par règles peut l’envoyer en L3. Mais s’il figure dans la liste blanche, il passe directement en L4, sans aucun filtrage. Ce mécanisme vous permet de durcir les règles, parce que vous savez que les vrais clients ne seront pas bloqués.
Le cycle de rétention de la couche cumulative est de 30 jours. Si un e-mail est signalé manuellement comme suspect, il entre dans la couche cumulative. S’il soumet à nouveau une demande dans les 30 jours avec un comportement normal cette fois, il en est retiré. Ne le bloquez pas définitivement : certains vous contactent vraiment pour la première fois, ou changent d’adresse e-mail pour revenir vers vous. La liste noire permanente ne s’utilise que lorsqu’un scraping malveillant ou une prospection continue d’un concurrent est confirmé. Pour la méthode globale de scoring et de priorisation des leads, voir Scoring et priorisation des demandes entrantes.
IV. Vérification manuelle : quand faut-il qu’un humain intervienne
La vérification manuelle n’est pas une question de quantité. Si le volume de vérifications dépasse 15 % du total des demandes, c’est que vos règles L2 sont mal calibrées : vous poussez vers l’humain trop de cas qui auraient pu être tranchés automatiquement. Le taux de vérification doit rester entre 10 % et 15 %. Au-delà, vous gaspillez des ressources ; en dessous, vos règles sont trop grossières et le taux de faux positifs augmente.
| Scénario de décision | Plage de score | Mesure à prendre | Délai de décision | Gestion des erreurs |
|---|---|---|---|---|
| Spam évident | Moins de 40 points | Rejet automatique | Temps réel | Échantillon mensuel de 5 % pour détecter les faux positifs |
| Suspect | 40 à 60 points | File de vérification manuelle | Sous 30 minutes | Appel possible dans les 24 heures suivant la décision |
| Cas limite | 60 à 70 points | Vérification manuelle + confirmation commerciale | Dans l’heure | Traité par défaut comme une vraie demande |
| Vraie demande confirmée | Plus de 70 points | Directement dans la file commerciale | Selon le SLA de première réponse | En cas d’erreur du commercial, retour en vérification |
L’action par défaut pour les cas limites est cruciale : dans la tranche 60 à 70 points, on traite par défaut comme une vraie demande, et non comme un spam à jeter. La raison est simple : le coût d’un faux positif sur une vraie demande est bien supérieur à celui de 30 minutes passées sur un lead de faible qualité. Ce choix par défaut est l’interrupteur le plus important du système de filtrage : il détermine si votre tendance générale est « plutôt laisser passer » ou « plutôt éliminer à tort ».
Exemple concret : une demande vient d’Allemagne, l’e-mail utilise un domaine d’entreprise, le nom de société est « Müller GmbH » et le besoin est formulé ainsi : « interested in your product, please send catalog ». Les champs ne sont pas tous remplis, mais le domaine et la zone géographique sont normaux. Score : 65 points, la demande entre dans la file des cas limites. Le commercial de permanence y jette un œil et constate, dans l’historique de visite du site, que ce visiteur a consulté 6 pages produit et est resté 12 minutes : il conclut à une vraie demande et la traite normalement. C’est là tout l’intérêt de la vérification manuelle couplée aux données comportementales : les champs du formulaire ne suffisent pas, il faut voir ce que le visiteur a parcouru sur votre site. Pour la conception conjointe du comportement visiteur et des champs de formulaire, voir Conception des champs du formulaire de demande et taux de conversion.
V. Contre-intuitif : plus le filtre est strict, plus le commercial est tranquille, mais les affaires perdues ne sonnent pas l’alarme
La plupart des gens pensent que l’objectif du filtrage des spams est de « bloquer le plus proprement possible ». C’est faux. Le véritable objectif d’un système de filtrage n’est pas le taux d’interception, mais le taux de faux positifs. Un système qui intercepte 90 % des spams mais élimine à tort 3 % des vraies demandes ne filtre pas des déchets : il filtre votre chiffre d’affaires.
| Indicateur | Fourchette saine | Seuil d’alerte | Seuil critique | Action |
|---|---|---|---|---|
| Taux d’interception | 45 % à 60 % | Supérieur à 70 % | Supérieur à 80 % | Vérifier si les règles sont trop strictes |
| Taux de faux positifs | Moins de 2 % | 2 % à 5 % | Supérieur à 5 % | Élargir immédiatement la zone limite |
| Taux de vérification manuelle | 10 % à 15 % | 15 % à 25 % | Supérieur à 25 % | Optimiser les règles L2 pour réduire le volume de vérifications |
| Taux de spams non détectés | Moins de 5 % | 5 % à 10 % | Supérieur à 10 % | Compléter la liste noire et les mots-clés |
Le point le plus critique de ce tableau, c’est le taux de faux positifs. Comment le mesurer ? Chaque mois, on prélève au hasard 5 % des demandes écartées en L1 et L2, puis on les vérifie manuellement. Si l’une d’elles est une vraie demande, c’est que les règles sont trop strictes. Ce contrôle par échantillonnage n’est pas optionnel : une demande filtrée ne viendra jamais vous dire « en fait, j’étais sérieux ». C’est à vous d’aller vérifier.
Autre point facile à négliger : la forme des demandes indésirables évolue. Une règle sur les mots-clés établie il y a trois mois peut aujourd’hui bloquer la demande d’un acheteur légitime. La liste noire et les règles de notation doivent donc être retestées chaque trimestre sur de nouvelles données, et non définies une fois pour toutes. La connexion des données entre le site et le CRM est la condition pour que le système de filtrage fonctionne ; voir sur ce point Des contacts du site au CRM.
FAQ — Questions fréquentes
Quel niveau de stricteté choisir pour les règles de filtrage des demandes indésirables ?
Comment repérer les adresses e-mail jetables ?
Comment distinguer la prospection d’un concurrent d’un vrai client ?
Comment constituer une liste blanche efficace ?
À quelle fréquence ajuster les règles de filtrage ?
Une soumission de formulaire en moins de 2 secondes est-elle forcément un robot ?
Pour conclure
Sur le filtrage des demandes indésirables, la plus grande erreur n’est pas de manquer de règles, mais d’en avoir de trop sévères. Beaucoup d’équipes commencent par ajouter un captcha, une vérification par téléphone, une vérification du domaine de l’entreprise : le spam diminue, mais les vraies demandes chutent de moitié. Un système de filtrage doit être conçu pour protéger les vrais clients des faux positifs, pas pour bloquer tout ce qui paraît suspect.
Trois étapes pour passer à l’action : d’abord lancer le blocage dur L1, en couvrant les soumissions de robots avec des listes de spam tierces existantes ; ensuite mettre en place le score par règles L2, en calibrant le seuil par backtest sur les données historiques ; enfin créer la revue manuelle L3, en maintenant le taux de revue entre 10 % et 15 % et en contrôlant chaque mois le taux de faux positifs. Une fois ces trois couches rodées, vous disposez d’un système de filtrage supervisable et ajustable, et non d’un mur qui ne fait que bloquer.
Une phrase à retenir : filtrer les demandes indésirables ne vise pas à bloquer le plus proprement possible, mais à minimiser les faux positifs. Écarter une vraie demande coûte dix fois plus cher que laisser passer dix demandes indésirables.