Apollo, Sales Nav, scraping custom : comment choisir vraiment
Sommaire
Trois outils, trois budgets, trois philosophies. La question revient à chaque kickoff client : “On part sur quoi pour le sourcing ?” La mauvaise réponse, c’est de répondre par défaut. Le bon outil dépend du signal que tu cherches, pas de la marque que tu connais.
Je détaille ici la grille de décision que j’applique chez mes clients depuis trois ans, et où chaque outil casse.
Apollo : volume bas-mid, ciblage standard, budget contraint
Apollo est l’option par défaut quand le critère de ciblage est firmographique pur. Secteur, taille, géographie, intitulé de poste. Si ta liste cible “Head of Marketing dans des SaaS de 50 à 200 personnes en Europe”, Apollo te sort 8 000 lignes en 30 secondes pour 90 euros par mois.
Les forces d’Apollo : interface simple, base massive de 275 millions de contacts, mails vérifiés directement. Plug-and-play sur n’importe quelle séquence Instantly ou Lemlist. Si ton objectif est de tester un message rapidement sur un large public, c’est imbattable en time-to-list.
Les limites sont nettes. La donnée Apollo est large mais peu fraîche. J’estime entre 25% et 35% des contacts comme obsolètes : changement de poste, départ, mauvais email. Pas un drame en B2B mid-market, problématique en outbound serré.
Apollo ne donne aucun signal comportemental. Pas de date de prise de poste, pas d’event récent, pas de stack technique fiable. Si ton message doit s’appuyer sur un contexte, il faut chercher ailleurs.
Sales Navigator : signal de transition, intent moyen, budget standard
Sales Nav coûte 100 à 150 euros par mois et débloque un truc qu’Apollo ne fait pas. Les filtres comportementaux. “Changed jobs in past 90 days” est le filtre qui paie le plus chez mes clients. Tu cibles les gens qui viennent de prendre un nouveau poste et qui sont en mode “je regarde tout”.
Autres filtres utiles : “Posted on LinkedIn in past 30 days” pour cibler les actifs visibles, “Following your company” pour les gens déjà chauds, “Mentions keywords in profile” pour repérer un usage explicite d’un outil ou d’un sujet.
Sales Nav ne donne pas les mails. C’est sa principale limite. Il faut un scrape par-dessus pour récupérer les profils complets, puis Dropcontact ou Hunter pour vérifier les adresses. Le workflow type que je monte : Sales Nav vers scrape via Phantombuster ou Apify, vers enrichissement Dropcontact, vers import dans Clay pour scoring.
Sales Nav est puni si tu scrapes en mode brut. LinkedIn détecte les accès anormaux et te suspend le compte. Compte 200 à 300 profils par jour maximum, idéalement répartis depuis 2 ou 3 comptes différents.
Apify : signal sur mesure, scraping spécifique, budget projet
Apify devient indispensable quand le signal que tu cherches n’existe nulle part en standard. Trois cas où je le sors systématiquement.
Premier cas : scrape de signaux publics non agrégés. Job boards, pages careers d’entreprises spécifiques, Product Hunt, posts LinkedIn récents sur un sujet précis. Apify a des “actors” prêts à l’emploi pour chacun, ou tu en écris un en quelques heures.
Deuxième cas : croisement de signaux. Tu veux les CTOs d’entreprises ayant publié une offre d’emploi pour un Data Engineer dans les 30 derniers jours, qui ont aussi levé entre 2 et 10 millions au cours des 12 derniers mois. Aucun outil packagé ne fait ça. Apify oui, en chaînant 3 actors et un script de jointure.
Troisième cas : volume sur des sources niches. Annuaires sectoriels, bases métier, signaux propriétaires détectés via une logique custom. Apify gère la rotation IP, les retries, les captchas légers.
Le coût d’Apify est consommation. Entre 50 et 300 euros par mois selon le volume. À ça s’ajoute le temps de setup, qui est non trivial. Pour un actor custom, compte 4 à 12 heures de dev. Pour un actor existant, 30 minutes.
La grille de décision en une question
Quand un client me demande quel outil prendre, je pose une question. Quel est le critère qui change ta conversion ?
Si c’est firmographique pur, Apollo est suffisant. Si c’est un signal de transition ou de comportement LinkedIn, Sales Nav est la bonne base. Si c’est un croisement de sources ou un signal niche, Apify est obligatoire.
La plupart des clients ont besoin des trois. Apollo pour les listes large-spectre testées rapidement. Sales Nav pour les segments où la transition compte. Apify pour les deux ou trois listes premium qui font 40% du pipeline.
Ce qu’il faut vraiment éviter
Trois patterns que je vois revenir et qui coûtent.
Acheter Apollo pour faire du ciblage ultra-niche. La donnée n’est pas assez fraîche, le signal est absent. Mauvaise conversion garantie, et tu accuses le copy.
Utiliser Sales Nav comme un Apollo. Tu paies plus cher pour la même donnée firmographique que tu aurais eue ailleurs. Le ROI de Sales Nav est dans ses filtres comportementaux, pas dans son annuaire.
Lancer un projet Apify sans définir le signal exact que tu cherches. Tu vas dev pendant une semaine pour finir avec une liste qui aurait été plus rapide à construire avec Sales Nav plus 30 minutes d’enrichissement.
Mon stack par défaut en 2026
Pour 80% de mes nouvelles missions, je démarre identique. Un compte Apollo seed sur la première liste générique pour bench rapide, Sales Nav pour la liste principale avec filtre transition, Clay au milieu pour enrichir et scorer. Apify entre en jeu à la deuxième vague, quand on sait quel signal différencie les répondeurs des autres.
Le piège commun est de partir sur Apify dès le début “pour bien faire”. C’est l’inverse. Plus le signal est custom, plus tu dois l’avoir validé avant d’investir dans le scraping. Le bon réflexe : Apollo ou Sales Nav d’abord, custom seulement après preuve que le signal vaut le dev.