Comment Riece Keck a automatisé la prospection de son cabinet

La partie la plus utile de l’histoire de Riece Keck n’est pas le chiffre d’affaires affiché dans le titre du podcast. C’est la décision qu’il a prise avant de choisir le moindre outil : concevoir d’abord le système opérationnel.

Keck avait déjà développé un cabinet grâce à une équipe et à beaucoup d’efforts. Quand le marché a changé, ce modèle s’est révélé fragile. Pour la version suivante, il est parti d’une question différente : quelles tâches exigent le jugement d’un recruteur, et lesquelles demandent surtout une exécution fiable ?

Ce portrait s’appuie sur son passage dans The Elite Recruiter Podcast, animé par Benjamin Mena. La page officielle propose une transcription horodatée. Les chiffres de revenus, de pipeline et de performance restent les déclarations de Keck, sauf mention contraire.

Un cabinet en forte croissance, puis un marché qui disparaît

Keck commence sa carrière chez Robert Half avant de créer son cabinet à 27 ans. L’entreprise se spécialise dans le recrutement embarqué pour des start-up en forte croissance. Elle ajoute ensuite le recrutement permanent dans la tech pour diversifier ses revenus.

Ce positionnement fonctionne pendant la période d’embauche intense. Keck affirme avoir facturé personnellement environ 1,2 million de dollars en 2021. Le cabinet aurait réalisé entre 1,8 et 2 millions de dollars de chiffre d’affaires total. L’équipe grandit avec la demande.

Les conditions changent en 2022. Les entreprises technologiques réduisent leurs recrutements et leurs équipes Talent Acquisition. Le recrutement embarqué, qui apportait un revenu mensuel prévisible, se contracte fortement. Keck raconte que l’effectif passe d’environ 40 personnes à quatre.

Le cabinet finit par rejoindre une structure plus importante dans le cadre d’une opération que Keck décrit comme financièrement modeste. En 2024, il dirige pendant quelques mois le recrutement d’une start-up IA comme consultant. Cette pause lui permet de repenser la façon de développer un cabinet.

1. 2021

   Un cabinet en forte croissance

   Keck déclare 1,2 million de dollars de facturation personnelle tandis que le cabinet grandit sur un marché tech très actif.

2. 2022 à 2024

   La demande chute et le modèle se contracte

   Le marché du recrutement embarqué ralentit, l’équipe diminue et le cabinet rejoint un groupe plus large.

3. 2025

   Un desk reconstruit autour des systèmes

   Au lieu de recruter immédiatement, Keck crée un workflow commercial piloté par des signaux.

4. 2026

   Du cabinet à la création d’un logiciel

   Après l’année annoncée à 800 000 dollars, Keck quitte le recrutement en cabinet pour se concentrer sur Rune.

Ce contexte compte. Le workflow n’est pas né d’une expérimentation technologique abstraite. Il vient d’un dirigeant qui a vu un modèle très dépendant des personnes grandir vite, puis devenir difficile à maintenir.

Le deuxième cabinet commence par un système, pas par une embauche

La nouvelle thèse de Keck est simple : construire la machine avant d’ajouter des personnes.

Cette idée inverse une habitude fréquente. Un dirigeant gagne davantage de mandats, recrute un consultant et lui demande de reproduire ses habitudes. Chaque desk développe alors ses propres recherches, feuilles de calcul, messages et règles de relance. La croissance ajoute de la capacité, mais aussi de la variation.

Keck veut que chaque future recrue utilise le même système opérationnel. Le travail répétitif doit être exécuté de façon constante. Les recruteurs peuvent alors consacrer davantage de temps au jugement, aux relations et aux conversations.

Cette distinction est également au cœur de notre guide sur l’automatisation du recrutement. L’automatisation devient utile quand elle enlève une contrainte clairement identifiée. Elle l’est beaucoup moins quand elle accélère un processus que personne n’a défini.

Avant de connecter ses logiciels, Keck dit avoir dessiné le workflow sur papier. Il a cartographié les sources, les transformations et les destinations. La première version fonctionnelle lui a ensuite demandé plusieurs mois.

Lors de sa première journée, deux réponses positives auraient produit quatre mandats et plus de 100 000 dollars de pipeline. Un pipeline n’est pas du chiffre d’affaires. Une journée ne constitue pas non plus une référence. L’expérience offre malgré tout une leçon : le signal de validation était une réponse commerciale qualifiée, pas le nombre de contacts collectés.

Dans le workflow de prospection IA du cabinet

Le système ne part pas d’une liste achetée accompagnée d’une séquence générique. Il commence par des changements susceptibles d’indiquer un besoin de recrutement.

1. 01

   Détecter un signal de recrutement

   Collecter une nouvelle offre, un départ récent, une arrivée de dirigeant ou une levée de fonds sur le marché ciblé.

   Automatisation
2. 02

   Cartographier l’entreprise et le décideur probable

   Estimer quel responsable RH, fondateur ou manager opérationnel porte vraisemblablement le besoin.

   Assisté par IA
3. 03

   Enrichir le contact

   Trouver et structurer les coordonnées nécessaires à une approche autorisée.

   Automatisation
4. 04

   Préparer un message à partir du contexte

   Utiliser le signal, l’entreprise et le rôle du décideur pour produire un premier brouillon pertinent.

   Assisté par IA
5. 05

   Valider avant l’entrée en séquence

   Contrôler le signal, le contact, l’hypothèse, la base légale et le texte avant toute approche.

   Humain
6. 06

   Transformer la réponse en conversation réelle

   Confier la découverte, le conseil, la négociation et la relation au recruteur.

   Humain

La séquence ressemble au workflow connecté présenté dans notre guide pour trouver des clients avec des agents IA. L’élément décisif n’est pas le modèle qui rédige le message. C’est la preuve qui détermine pourquoi un prospect entre dans le processus.

Les offres d’emploi donnent le signal le plus simple

Keck utilise Apify pour collecter des postes sur un jobboard pertinent pour sa spécialité tech. La première extraction remonte sur 60 jours. Un traitement quotidien collecte ensuite les nouvelles offres.

Le poste, l’entreprise et le lien passent par n8n avant d’arriver dans Clay. Une étape IA estime les intitulés probables du manager qui recrute. Apollo aide ensuite à rechercher les personnes correspondantes et leurs coordonnées.

Ce processus automatise une recherche qu’un recruteur ferait normalement onglet après onglet. Il ne confirme pas que l’entreprise souhaite travailler avec un cabinet. Une offre montre seulement qu’un poste existe.

Les changements de direction font apparaître de nouveaux décideurs

Keck surveille aussi les arrivées de dirigeants dans une liste d’environ 6 000 entreprises. Il indique que cette vérification est mensuelle, car elle coûte davantage à exécuter.

L’arrivée d’un directeur technique ou d’un responsable engineering peut modifier les priorités d’une équipe. L’événement donne une raison légitime de faire une recherche. Il ne prouve ni l’existence d’un budget, ni l’ouverture d’un poste, ni l’envie de recourir à un cabinet.

Les départs récents suggèrent des remplacements possibles

Un autre processus recherche les personnes récemment passées d’une entreprise ciblée à un nouvel employeur. Si le départ date de moins de 30 jours, l’ancienne entreprise peut avoir besoin d’un remplacement.

Cela reste une hypothèse. Le poste a pu être supprimé, réparti dans l’équipe ou pourvu en interne. Un message responsable doit demander si le changement crée un besoin. Il ne doit jamais présenter une supposition comme une information certaine.

Les levées de fonds ajoutent du contexte, pas une certitude

Keck utilise les données de Crunchbase pour repérer des levées allant du seed à la série D. Un financement peut soutenir des embauches, mais il peut aussi financer le produit, une acquisition, la dette ou la trésorerie.

Notre guide du développement commercial en cabinet fait la même distinction. Un déclencheur donne une raison de rechercher et d’appeler. Dans le CRM, il doit rester séparé d’un mandat réellement qualifié.

Une grille de qualification des signaux de recrutement

Un cabinet peut reprendre cette logique sans reproduire toute la stack de Keck. Utilisez cette grille avant d’ajouter un contact à une campagne.

Champ	Question à résoudre	Exemple
Signal	Qu’est-ce qui a changé, et quand ?	Une Head of Engineering est partie il y a 18 jours
Preuve	Quelle source publique le confirme ?	Le profil de l’entreprise et le nouveau poste de la personne
Pertinence	Pourquoi cela concerne-t-il notre spécialité ?	Nous recrutons des dirigeants engineering sur ce marché
Décideur	Qui peut comprendre le problème ?	CTO, responsable Talent ou fondateur
Incertitude	Que ne savons-nous pas encore ?	Si le poste sera remplacé
Question d’ouverture	Comment tester honnêtement l’hypothèse ?	« Ce changement a-t-il modifié votre plan de recrutement ? »
Responsable humain	Qui valide le contact et le message ?	Le consultant nommé sur ce compte

Cette grille protège deux choses. Elle empêche les signaux faibles d’entrer dans une séquence. Elle évite aussi qu’un texte généré par IA transforme une probabilité en affirmation trompeuse.

Pour un cabinet français, la qualification doit aussi couvrir la conformité. La présence d’une donnée en ligne ne suffit pas à autoriser tous les usages. Le responsable du workflow doit vérifier la base légale, l’information des personnes, la durée de conservation et les règles applicables au canal choisi.

La stack compte moins que son architecture

Keck cite six outils principaux pour expliquer la première version de son workflow.

Apify collecte les données publiques du web. n8n fait circuler l’information entre les étapes. Clay structure l’enrichissement et les appels aux modèles. Apollo contribue à la recherche d’entreprises et de contacts. Lemlist gère les séquences. Crunchbase apporte des informations sur les sociétés et leurs financements.

La liste des produits vieillira. L’architecture restera plus durable :

1. Collecter un signal pertinent.
2. Conserver sa preuve et la date de la source.
3. Identifier l’entreprise et le décideur probable.
4. Enrichir uniquement les informations nécessaires.
5. Préparer un brouillon qui respecte le niveau d’incertitude.
6. Exiger la validation d’un responsable nommé.
7. Enregistrer les réponses, les rendez-vous et les mandats dans le système de référence.

La dernière étape est essentielle. Une stack fragmentée crée davantage de travail si les réponses et les décisions ne reviennent jamais dans le CRM. Une stack connectée pour cabinet de recrutement doit conserver le contexte qui explique pourquoi un prospect a été approché et ce qui s’est passé ensuite.

Les plateformes modernes peuvent aussi exposer certaines actions CRM approuvées à des assistants via des API et MCP. Notre guide sur la connexion des agents IA à la stack de recrutement explique la différence entre donner à un agent des outils limités et lui ouvrir un accès incontrôlé.

La validation humaine fait partie du système

Keck explique à Mena qu’il contrôle les leads dans Lemlist avant chaque envoi. La transcription officielle décrit une vérification rapide de chaque fiche préparée.

Cette étape est centrale. Le système réduit le coût nécessaire pour arriver à un brouillon vérifiable. Il ne retire pas la responsabilité au recruteur.

La même limite apparaît plus tard dans l’épisode. Keck pense que les agents prendront davantage de sourcing, d’administration et de mise à jour des outils. Il continue pourtant de confier aux recruteurs les relations, les conversations téléphoniques et la négociation.

Cette frontière est aussi logique commercialement. Un modèle compare des champs et produit du texte rapidement. Il ne porte pas la promesse faite au client. Il n’assume pas non plus le coût réputationnel d’une hypothèse fausse ou d’un message déplacé.

Le workflow le plus avancé n’est donc pas toujours celui qui compte le moins d’étapes humaines. C’est celui qui place l’attention humaine là où une erreur coûterait cher.

Les candidats à fort potentiel deviennent un autre signal

Keck applique un processus proche au développement commercial porté par les candidats. Un bon ingénieur logiciel avec une expérience fintech peut être rapproché d’entreprises fintech pertinentes dans la bonne zone géographique. Le système aide ensuite à trouver les interlocuteurs et à préparer la campagne.

Cette approche est plus utile que l’envoi du même résumé anonyme à toutes les sociétés d’un secteur. Le parcours du candidat doit correspondre à un besoin plausible. Notre guide sur la mise en avant d’un candidat à fort potentiel de placement montre pourquoi l’argument final exige toujours le jugement du consultant.

La limite de conformité reste importante. L’identité et les données personnelles du candidat ne doivent pas être communiquées sans fondement approprié et sans son accord lorsque celui-ci est requis. Un profil présenté comme anonyme doit l’être réellement.

Les partenariats de recommandation créent un deuxième moteur

L’épisode ne défend pas uniquement l’automatisation de la prospection à froid. Keck noue aussi des relations avec des entreprises qui servent les mêmes clients sans vendre du recrutement.

Il cite un cabinet comptable spécialisé dans les start-up en croissance. Ses équipes rencontrent souvent les fondateurs lorsqu’ils construisent leurs fonctions internes. Les besoins de recrutement peuvent apparaître pendant ces échanges. Keck peut aussi présenter ce cabinet comptable à ses propres clients quand la situation s’y prête.

Une autre source vient d’un recruteur spécialisé dans les recrutements internes aux cabinets. Quand ce partenaire reçoit une demande pour une équipe Talent Acquisition en entreprise, il peut transmettre l’introduction à Keck.

Keck décrit le versement de commissions dans certains cas, dont 25 % sur les premiers placements dans un accord. Il s’agit de sa pratique commerciale, pas d’une recommandation universelle. Les commissions d’apport peuvent entraîner des obligations juridiques, fiscales et de transparence. Chaque cabinet doit obtenir un conseil adapté à son pays avant de les proposer.

La méthode générale est plus facilement transférable. Cartographiez les entreprises qui conseillent déjà votre client idéal. Cherchez un bénéfice réel dans les deux sens. Suivez les introductions et leurs résultats dans le CRM client.

Un pilote de deux semaines avant d’automatiser tout le desk

Un cabinet n’a pas besoin de six outils ni de 6 000 entreprises surveillées pour tester cette méthode. Commencez par un seul signal, dans une seule spécialité.

Décision	Choix du pilote
Marché	Une spécialité, une zone et une tranche de taille d’entreprise
Signal	Un événement observable, comme une offre republiée après 30 jours
Volume quotidien	Un nombre vérifiable, par exemple cinq entreprises
Règle de preuve	Une URL source et une date pour chaque fiche
Règle décideur	Un ensemble de fonctions approuvées selon la taille de l’entreprise
Règle de rédaction	Le message formule l’incertitude sous forme de question
Responsable	Un recruteur nommé valide chaque entrée en séquence
Mesure de succès	Conversations qualifiées et mandats, pas emails envoyés
Condition d’arrêt	Pause si les faux positifs ou les réécritures dépassent le seuil fixé

Exécutez le processus manuellement pendant la première semaine. Notez les recherches répétitives et les moments où le jugement modifie le résultat. Automatisez uniquement les étapes stabilisées durant la deuxième semaine.

À la fin, comparez cinq mesures : temps de recherche, taux de faux positifs, temps de correction, réponses qualifiées et mandats créés. Le test doit montrer si le workflow supprime une contrainte ou ajoute simplement un nouveau tableau de bord à maintenir.

Les 800 000 dollars annoncés demandent une attribution prudente

Keck affirme que l’activité reconstruite a généré environ 800 000 dollars pendant sa première année, sans dépendre fortement de son ancien portefeuille. L’épisode ne fournit ni états financiers audités ni modèle d’attribution par canal.

Il serait donc trompeur d’affirmer qu’une automatisation a produit 800 000 dollars. L’expérience de Keck, sa réputation, son talent commercial, le choix du marché, les recommandations et la qualité de livraison ont tous contribué au résultat.

Le chiffre reste intéressant comme témoignage de dirigeant. Il montre que le workflow a fonctionné dans une activité réelle et qu’il a donné à Keck assez de confiance pour continuer à développer le système.

Keck quitte ensuite le recrutement en cabinet pour créer Rune. Cette histoire diffère donc du portrait d’un cabinet encore en activité. Elle se lit plutôt comme le dernier chapitre opérationnel d’un recruteur qui transforme un outil interne en nouvelle entreprise.

L’épisode contient également des promesses commerciales faites par des sponsors. Elles ne figurent pas dans cette analyse, car la source ne fournit pas de méthode indépendante pour les vérifier.

Quatre leçons pour les cabinets qui construisent avec l’IA

1. 01

   Cartographier le workflow avant d’acheter des outils

   Définissez la source, la décision, la sortie et la personne responsable avant de choisir un logiciel.

2. 02

   Traiter chaque signal comme une hypothèse

   Une offre, un départ ou une levée crée une raison d’enquêter. Ce n’est pas la preuve d’un mandat.

3. 03

   Mesurer la qualité de validation, pas le volume

   Suivez les faux positifs, le temps de correction, les conversations qualifiées et les mandats.

4. 04

   Garder le travail rare entre des mains humaines

   La découverte, le jugement, la confiance et la négociation restent la valeur du bon recruteur.

L’histoire de Keck ne prouve pas que chaque cabinet doit construire sa propre stack d’automatisation. Elle montre pourquoi la conception du mode opératoire doit précéder l’automatisation.

Le principe reste le même avec plusieurs outils spécialisés ou une plateforme connectée. Commencez par le travail à améliorer. Conservez les preuves. Placez une personne au point de responsabilité. Mesurez ensuite si le système produit davantage de conversations utiles.

Pour les cabinets qui évaluent ce modèle, l’espace Leonar pour les cabinets de recrutement relie candidats, entreprises clientes, deals, approches et workflows IA contrôlés par les consultants. La vraie question dépasse le produit : votre stack aide-t-elle vos recruteurs à consacrer davantage de temps aux décisions pour lesquelles les clients les paient ?

Questions sur le système de prospection IA de Riece Keck

Comment Riece Keck utilisait-il l’IA pour la prospection de son cabinet ?

Il décrit un système qui collectait des signaux de recrutement, identifiait les décideurs probables, enrichissait les contacts et préparait des messages. Il validait les leads et les textes avant leur entrée dans une séquence.

Quels signaux de recrutement le système surveillait-il ?

L’épisode cite les nouvelles offres d’emploi, les arrivées de dirigeants, les départs pouvant créer un remplacement et les levées de fonds. Chaque signal devait être qualifié avant toute approche.

Quels outils composaient la stack de Riece Keck ?

Il cite Apify, n8n, Clay, Apollo, Lemlist et Crunchbase dans la première version. L’architecture du workflow compte davantage que cette liste, car les fonctions, les tarifs et les conditions évoluent.

L’IA gérait-elle tout le cabinet de recrutement ?

Non. Le système prenait surtout en charge le travail répétitif en haut de funnel. Riece Keck conservait la validation, la découverte du besoin, la relation et la négociation.

Le résultat annoncé de 800 000 dollars est-il vérifié ?

Non. Ce chiffre est déclaré par l’invité dans le podcast. Leonar n’a pas audité le chiffre d’affaires, son attribution ni la contribution de chaque canal.