Comment rédiger des cold emails avec Make.com et Claude ?

Réponse rapide : vous pouvez construire un workflow Make.com qui récupère des données de contact, les envoie à Claude via l'API Anthropic et place l'email rédigé en file d'attente pour une relecture humaine avant l'envoi. La mise en place prend moins de deux heures et supprime complètement l'étape de rédaction manuelle de votre processus de prospection.

Le cold email n'est pas un problème d'écriture. C'est un problème de volume et de régularité. La plupart des fondateurs et des équipes commerciales savent à quoi ressemble un bon cold email, mais ils ne peuvent pas en écrire 50 personnalisés par semaine sans que cela déborde sur leur emploi du temps.

Ce tutoriel vous montre précisément comment connecter Make.com à Claude : les données de contact entrent, des brouillons d'emails personnalisés sortent, et rien n'est envoyé sans vérification humaine. Pas besoin de Claude Code. Pas besoin de développeur.

Ce que vous allez construire

Le workflow comporte trois étapes :

1. Récupérer un contact depuis une source (Google Sheets, Airtable ou un CRM)
2. Générer un brouillon de cold email personnalisé avec Claude via l'API Anthropic
3. Placer le brouillon dans une couche de relecture (Google Sheets, Notion ou un message Slack) avant tout envoi

Il s'agit d'un workflow MOFU. L'objectif n'est pas d'envoyer des emails automatiquement. L'objectif est d'avoir en quelques secondes un premier brouillon solide sous les yeux, pour que la relecture et l'envoi prennent quelques minutes au lieu d'une heure.

Ce qu'il vous faut avant de commencer

• Un compte Make.com (l'offre gratuite suffit pour tester ; le plan Core à 9 $/mois couvre les volumes de production)
• Une clé API Anthropic (à créer sur console.anthropic.com)
• Une liste de contacts dans Google Sheets contenant au minimum : prénom, nom de l'entreprise, poste et un signal de personnalisation (levée de fonds récente, un outil utilisé, une offre d'emploi, etc.)
• Une destination pour les brouillons relus (un second onglet Google Sheets convient très bien)

Étape 1 : configurer votre source de contacts dans Google Sheets

Structurez votre feuille avec ces colonnes avant de construire quoi que ce soit dans Make :

La colonne Statut est importante. Définissez-la sur « En attente » pour les nouveaux contacts. Votre scénario Make filtrera dessus afin de ne traiter que les contacts dont le brouillon n'a pas encore été rédigé.

Gardez la colonne du signal de personnalisation courte et factuelle. Une phrase suffit. Claude se chargera de la transformer en texte.

Étape 2 : créer le scénario Make.com

Connecter Google Sheets comme déclencheur

1. Ouvrez Make.com et créez un nouveau scénario
2. Ajoutez un module Google Sheets: Search Rows comme déclencheur
3. Connectez votre compte Google et sélectionnez votre feuille de contacts
4. Configurez le filtre pour ne renvoyer que les lignes dont la colonne Statut est égale à « En attente »
5. Programmez l'exécution du scénario (tous les matins à 8 h convient bien à la plupart des équipes)

Cela récupère un lot de contacts en attente à chaque exécution du scénario. Si vous préférez traiter un contact à la fois, utilisez Watch Rows à la place de Search Rows et déclenchez le scénario à chaque ajout de ligne.

Ajouter un Iterator

Après le module Search Rows, ajoutez un module Flow Control: Iterator. Il découpe le lot de lignes en éléments individuels, de sorte que chaque contact fasse l'objet de son propre appel API à Claude. Sans cela, Make transmet toutes les lignes en un seul bundle et le prompt devient illisible.

Étape 3 : construire le module de prompt Claude

Ajouter un module HTTP pour appeler l'API Anthropic

Make.com n'a pas encore de module Claude natif : vous appelez donc l'API directement avec le module HTTP: Make a Request.

Configurez-la comme suit :

URL :

https://api.anthropic.com/v1/messages

Method : POST

Headers :

• x-api-key : votre clé API Anthropic
• anthropic-version: 2023-06-01
• content-type: application/json

Type de corps : Raw

Corps (JSON) :

{
  "model": "claude-opus-4-5",
  "max_tokens": 400,
  "messages": [
    {
      "role": "user",
      "content": "Write a cold email to {{First Name}} who is {{Job Title}} at {{Company}}. The email is from [Your Name] at [Your Company]. We help [one-line value prop]. Use this personalisation signal to open the email: {{Personalisation Signal}}. Keep the email under 120 words. Use a plain, direct tone. No fluff. End with a single low-friction call to action asking for a 15-minute call. Output the subject line first, then the email body. No preamble."
    }
  ]
}

Remplacez les espaces réservés en italique par vos informations réelles. Associez les {{First Name}}, {{Job Title}}, {{Company}}, et {{Personalisation Signal}} champs issus de la sortie de l'Iterator pour que chaque contact reçoive un prompt unique.

Pourquoi ce prompt fonctionne

Le prompt donne à Claude les quatre éléments dont il a besoin pour rédiger un brouillon exploitable : le contexte du destinataire, le contexte de l'expéditeur, un point d'accroche de personnalisation et des contraintes strictes de longueur et de ton. La consigne « sans préambule » empêche Claude de commencer par « Bien sûr, voici un cold email... », ce qui perturberait l'analyse de la sortie en aval.

Étape 4 : analyser la réponse de Claude

L'API renvoie un objet JSON. Le texte de l'email se trouve dans choices[0].message.content pour les réponses de type OpenAI, mais la structure d'Anthropic est légèrement différente.

Le chemin vers le texte généré dans Make est le suivant :

{{body.content[].text}}

Ajoutez un module Text Parser: Get Substrings ou associez simplement cette valeur directement au module suivant. À ce stade, vous disposez du texte brut du brouillon sous forme de chaîne. Il ressemblera à ceci :

Subject: Quick question about your SDR team

Hi Sarah,

Saw you recently brought on three new SDRs at Acme Corp. That growth stage is exactly when outreach consistency becomes a bottleneck...

Étape 5 : mettre le brouillon en file d'attente pour relecture

Réécrire le brouillon dans Google Sheets

Ajoutez un module Google Sheets: Update a Row. Associez-le à la ligne d'origine du contact grâce au numéro de ligne fourni par l'Iterator.

Ajoutez deux nouvelles colonnes à votre feuille : Objet du brouillon et Corps du brouillon. Écrivez-y l'objet et le corps de l'email analysés.

Dans le même temps, faites passer la colonne Statut de « En attente » à « Relecture ». Cela évite que le contact soit retraité à l'exécution suivante.

Votre feuille ressemble désormais à ceci :

Facultatif : envoyer une notification Slack

Si vous voulez être prévenu quand de nouveaux brouillons sont prêts, ajoutez un module Slack: Create a Message à la fin. Publiez dans un canal privé avec le nom du contact et un lien vers la feuille. La relecture devient ainsi une tâche quotidienne de 10 minutes plutôt qu'une vérification à laquelle il faut penser.

Étape 6 : la couche de relecture et d'envoi

Ce workflow s'arrête volontairement avant l'envoi. C'est une fonctionnalité, pas une limite.

Votre processus de relecture ne devrait pas prendre plus de 60 secondes par brouillon :

1. Lisez le brouillon dans la feuille
2. Faites vos modifications directement dans la cellule
3. Faites passer le statut de « Relecture » à « Approuvé »
4. Copiez l'email approuvé dans votre outil d'envoi (Instantly, Smartlead, Gmail ou tout autre outil que vous utilisez)

Si vous souhaitez automatiser l'envoi plus tard, vous pouvez ajouter un second scénario Make qui surveille les lignes dont le statut est « Approuvé » et les transmet à votre outil d'envoi d'emails via son API. Construisez d'abord la couche de relecture. Habituez-vous à la qualité des résultats avant de retirer l'humain de la boucle.

Améliorer la qualité des résultats au fil du temps

Les 20 premiers brouillons vous en apprendront plus sur votre prompt que n'importe quel guide. Surveillez ces cas de figure :

Si les emails sont trop longs : ajoutez « 100 mots maximum » au prompt et précisez que l'objet doit faire moins de 8 mots.

Si la personnalisation paraît forcée : resserrez la colonne du signal dans votre feuille. « A récemment levé une Série A » vaut mieux que « Entreprise en croissance ». Des signaux précis produisent des textes précis.

Si le ton ne convient pas : ajoutez au prompt 2 ou 3 exemples d'emails que vous avez écrits vous-même comme référence de style. Claude s'alignera rapidement sur ce registre.

Si l'appel à l'action varie trop : verrouillez-le. Écrivez dans le prompt la phrase exacte que vous voulez : « Termine exactement par cette phrase : "Un appel de 15 minutes cette semaine, ça vous dit ?" »

Comment nous avons construit et testé ce workflow chez SaaS Hackers

SaaS Hackers a comparé ce workflow à un processus de rédaction manuel sur 200 contacts, pendant quatre semaines. Le processus manuel demandait en moyenne 8 minutes par brouillon. Le workflow Make et Claude a produit un brouillon prêt à relire en moins de 40 secondes par contact, avec un temps de relecture moyen de 90 secondes. Gain de temps net : environ 6 minutes par contact, soit près de 20 heures sur le lot de 200 contacts.

Qualité des brouillons jugée « bonne ou meilleure » par le relecteur dès la première lecture : 74 % des brouillons. Les 26 % restants ont nécessité de légères retouches, principalement sur l'accroche de personnalisation lorsque le signal indiqué dans la feuille était vague.

Le principal levier de qualité a été la colonne du signal de personnalisation. Les contacts associés à un signal précis et récent (une offre d'emploi, une annonce de levée de fonds, un outil mentionné dans leur bio LinkedIn) ont produit des brouillons qui n'ont demandé aucune modification dans 61 % des cas.

FAQ

Quel modèle dois-je utiliser dans l'appel à l'API Anthropic ?
Claude Opus 4.5 produit les meilleurs textes de cold email, mais coûte plus cher par appel. Claude Haiku 3.5 est nettement moins cher et suffisamment rapide pour la plupart des usages de prospection. Pour un lot de 50 emails par jour, la différence de coût est inférieure à 1 $. Commencez avec Haiku, puis passez à Opus si la qualité ne vous satisfait pas.

Ai-je besoin d'un plan payant Make.com pour faire fonctionner ce workflow ?
L'offre gratuite donne droit à 1 000 opérations par mois. Chaque contact traité consomme environ 4 à 6 opérations (déclencheur, étape Iterator, appel HTTP, mise à jour de la feuille). À ce rythme, l'offre gratuite couvre environ 200 contacts par mois. Pour des volumes plus élevés, le plan Core à 9 $/mois lève cette contrainte.

Ce workflow est-il conforme au RGPD si j'envoie des e-mails à des contacts européens ?
Ce workflow rédige des e-mails et les place en file d'attente pour relecture. Il n'envoie rien automatiquement. La question de la conformité concerne votre outil d'envoi et votre méthode de collecte des contacts, pas l'étape de rédaction. Si votre liste de contacts a été constituée sur la base de l'intérêt légitime et que vos e-mails incluent un lien de désinscription, l'étape de rédaction n'ajoute aucun risque de conformité supplémentaire.

Puis-je utiliser Airtable plutôt que Google Sheets comme source de contacts ?
Oui. Make.com dispose d'un module Airtable natif. Remplacez le déclencheur Google Sheets par un module Airtable : Search Records et filtrez sur votre champ de statut. Le reste du workflow est identique.

Quelle est la différence entre cette approche et l'utilisation de Claude Code pour le cold emailing ?
Claude Code nécessite un accès au terminal et une certaine aisance pour écrire ou modifier du code. Ce workflow Make.com ne demande aucun codage : vous configurez des modules dans une interface visuelle. Claude Code offre plus de flexibilité pour les logiques complexes ; Make.com permet une mise en place plus rapide et une maintenance plus simple pour les équipes sans profil technique.

Si vous souhaitez améliorer la qualité des contacts qui alimentent ce workflow, le guide du marketing digital B2B SaaS est un bon point de départ pour affiner votre ciblage, vos messages et votre stratégie de canaux.

Les équipes qui souhaitent se faire accompagner pour construire le dispositif outbound et de demand generation qui entoure ce type de workflow peuvent aussi comparer les agences de marketing digital B2B SaaS, surtout si cette automatisation de rédaction d'e-mails ne constitue qu'une partie d'un programme de pipeline plus large.

Si votre stratégie d'outreach cible des comptes à forte valeur plutôt que de larges listes de prospects, il est utile de regarder comment les principales agences ABM pour le SaaS B2B abordent la personnalisation, la sélection des comptes et les campagnes multi-touch.

Et si votre étape de relecture des brouillons s'étend un jour à LinkedIn et à d'autres canaux de diffusion, ces agences social media pour le SaaS B2B peuvent vous aider à aligner vos messages outbound sur le reste de votre présence de marque.