En deeptech B2B, l'ICP classique (firmographics + intent data) ne fonctionne pas. La raison est simple : votre catégorie de produit n'existe pas encore. Personne ne tape "cybersécurité on-device pour dispositifs médicaux" dans Google. Il n'y a pas de marché à analyser, pas de concurrents directs à benchmarker, pas de données d'intent à collecter. Votre ICP doit se construire autrement : sur le terrain, conversation par conversation, en identifiant les patterns qui séparent les prospects qui achèteront de ceux qui ne signeront jamais.
Ce guide s'appuie sur l'accompagnement de startups deeptech en cybersécurité médicale (Parcoor), en API Management (Dynalight) et en solutions souveraines (Watcha). Dans chaque cas, les méthodes ICP standard ont échoué. La méthode terrain décrite ici a produit des résultats concrets : 47 entreprises ultra-qualifiées pour Parcoor, 5 profils décideurs identifiés pour Dynalight, Lyon Métropole comme client référence pour Watcha.
Pourquoi les méthodes ICP SaaS échouent en deeptech
En SaaS classique, construire un ICP suit un processus bien rodé. Vous analysez vos meilleurs clients existants, vous extrayez des critères firmographiques (taille, secteur, localisation, chiffre d'affaires), vous ajoutez des données d'intent (qui visite votre site, qui télécharge vos contenus, qui cherche vos mots-clés) et vous obtenez un profil exploitable. C'est propre, c'est data-driven, et ça fonctionne quand votre catégorie existe.
En deeptech, trois problèmes structurels rendent cette approche inutile :
1. Pas de catégorie existante
Votre produit crée une nouvelle catégorie. Il n'y a pas de concurrents directs avec lesquels vous comparer. Les analystes Gartner n'ont pas encore de Magic Quadrant pour votre domaine. Vos prospects ne savent pas qu'ils ont besoin de votre solution parce qu'ils ne savent pas qu'elle existe. Quand Parcoor a commencé à vendre de la cybersécurité pour dispositifs médicaux, aucun hôpital ne cherchait cette solution : ils géraient le problème avec des rustines et des processus manuels.
2. Pas de requêtes Google
L'intent data repose sur le fait que des acheteurs cherchent activement des solutions. En deeptech, le volume de recherche pour vos mots-clés spécifiques est quasi nul. Personne ne tape "API management pour systèmes legacy industriels" ou "suite collaborative souveraine pour collectivités". Les requêtes n'existent pas parce que la catégorie mentale n'existe pas encore dans la tête des acheteurs.
3. Pas de données d'intent exploitables
Sans contenu existant sur votre catégorie, il n'y a pas de comportements en ligne à tracker. Pas de pages de comparaison, pas d'articles de blog de référence, pas de webinaires concurrents. Les outils comme Bombora, 6sense ou ZoomInfo ne détectent aucun signal d'achat pour une catégorie qui n'existe pas.
En deeptech, l'intent n'est pas en ligne. Il est dans les couloirs des hôpitaux, dans les réunions de DSI, dans les rapports d'audit que personne ne lit. Il faut aller le chercher sur le terrain.
La méthode ICP terrain : 3 verticales x 10 conversations
Puisque les données en ligne ne servent à rien, il faut construire votre ICP à partir de données terrain. La méthode que j'utilise avec les startups deeptech suit un processus en 3 étapes.
Étape 1 : Sélectionner 3 verticales
Partez de votre technologie et identifiez 3 secteurs où elle pourrait résoudre un problème existant. Pas 10, pas 15 : trois. Pourquoi 3 ? Parce qu'avec moins, vous n'avez pas assez de diversité pour comparer. Avec plus, vous diluez vos efforts et vos conversations restent superficielles.
Les critères de sélection d'une verticale :
- Douleur identifiable : le secteur a un problème connu que votre technologie adresse, même si les acteurs ne le formulent pas encore comme vous.
- Accessibilité : vous pouvez obtenir des rendez-vous avec des décideurs en moins de 2 semaines via votre réseau ou du cold outreach ciblé.
- Taille de marché suffisante : il y a au moins 50 à 100 entreprises potentielles dans la verticale en France.
- Capacité à payer : les entreprises du secteur ont des budgets pour des solutions technologiques (ce n'est pas le cas de tous les secteurs).
Étape 2 : Mener 10 conversations par verticale
Pour chaque verticale, l'objectif est de mener 10 conversations structurées de 30 à 45 minutes. Ce ne sont pas des appels de vente. Ce sont des conversations d'exploration avec 3 types d'interlocuteurs :
- Experts sectoriels (consultants, freelances, analystes) : ils connaissent le secteur sans avoir d'agenda commercial. Ils vous donnent une vue macro des problèmes et des budgets.
- Utilisateurs potentiels (opérationnels, ingénieurs, techniciens) : ils vivent le problème au quotidien. Ils vous donnent les verbatims réels et les frustrations concrètes.
- Décideurs (CTO, VP Ops, directeurs métier) : ils connaissent les circuits de décision, les budgets et les contraintes politiques internes.
À chaque conversation, posez les mêmes questions : quel est votre plus gros problème dans ce domaine ? Comment le gérez-vous aujourd'hui ? Combien ça vous coûte (temps, argent, risque) ? Si une solution existait, qui devrait valider l'achat ?
Étape 3 : Identifier les patterns
Au bout de 10 conversations par verticale, des patterns émergent. Les mêmes problèmes reviennent. Les mêmes objections apparaissent. Les mêmes types d'organisations se montrent réceptifs. C'est la pattern recognition : vous ne cherchez pas des données statistiquement significatives, vous cherchez des récurrences qualitatives.
Ce que vous obtenez après 30 conversations : une verticale prioritaire (celle où la douleur est la plus aiguë et le cycle de décision le plus court), un profil d'organisation type (taille, maturité, contraintes), et un vocabulaire client que vous pouvez réutiliser dans vos messages de prospection.
Les 5 signaux d'un bon prospect deeptech
Après vos 30 conversations, vous devez filtrer. Tous les prospects ne se valent pas, et en deeptech, le coût d'acquisition d'un deal est trop élevé pour gaspiller du temps sur les mauvaises cibles. Voici les 5 signaux que je recherche systématiquement.
| Signal | Ce que ça signifie | Comment le détecter |
|---|---|---|
| Problème urgent | Le prospect subit une douleur active, pas un "nice to have" | Il en parle spontanément, il a déjà tenté des solutions alternatives |
| Budget accessible | Une ligne budgétaire existe ou peut être créée rapidement | Le prospect mentionne des dépenses actuelles sur le problème |
| Champion interne | Quelqu'un dans l'organisation est prêt à porter le projet | Il pose des questions sur la mise en oeuvre, il vous met en contact avec des collègues |
| Cycle décision court | Moins de 3 à 4 décideurs, processus d'achat connu | Le champion sait qui doit valider et estime un délai inférieur à 6 mois |
| Potentiel de référence | Le client peut devenir un cas d'usage réutilisable | L'organisation est connue dans son secteur, le cas est représentatif |
Un prospect qui coche 4 ou 5 de ces signaux est une cible prioritaire. Un prospect qui en coche 2 ou moins est à dé-prioriser, quelle que soit la taille de son organisation. Un grand compte qui coche 1 signal sur 5 est moins intéressant qu'une PME qui en coche 5.
La taille de l'entreprise n'est pas un critère de qualification en deeptech. La vitesse de décision et le potentiel de référence comptent beaucoup plus que le nombre de salariés ou le chiffre d'affaires.
Comment qualifier : le scoring par effort/impact
Une fois vos prospects identifiés et passés au filtre des 5 signaux, il reste à les prioriser. Le scoring classique (BANT : Budget, Authority, Need, Timeline) fonctionne mal en deeptech car il suppose que le prospect a déjà un projet d'achat structuré. En deeptech, le besoin est souvent latent.
Je préfère un scoring en deux dimensions : effort (combien de temps et de ressources faut-il pour closer ce prospect) et impact(quelle valeur ce deal apporte, en revenus et en référence).
Axe effort : ce que ça va vous coûter
- Nombre de décideurs à convaincre : 1 à 2 = faible effort, 3 à 5 = moyen, 6+ = élevé
- Complexité d'intégration : plug-and-play = faible, intégration légère = moyen, intégration système = élevé
- Maturité du prospect : conscient du problème = faible, problème latent = moyen, pas conscient = élevé
- Cycle de décision estimé : moins de 3 mois = faible, 3 à 6 mois = moyen, 6+ mois = élevé
Axe impact : ce que ça va vous rapporter
- Valeur du contrat : montant annuel récurrent potentiel
- Potentiel d'expansion : possibilité de passer de 10 à 100 puis 1 000 licences
- Valeur de référence : ce client ouvre-t-il des portes dans son secteur ?
- Vitesse d'apprentissage : ce deal vous apprend-il quelque chose de réutilisable ?
Concrètement, tracez une matrice 2x2. Les prospects "faible effort, fort impact" sont vos cibles immédiates. Les "effort élevé, impact élevé" sont vos cibles à moyen terme. Les "effort élevé, impact faible" sont à éliminer. Et les "faible effort, faible impact" ne valent le coup que si vous avez besoin de premières références rapides, comme dans une stratégie Land & Expand.
Cas Parcoor : de 88% d'élimination à 47 entreprises ultra-qualifiées
Parcoor développe une solution de cybersécurité pour dispositifs médicaux. Le marché adressable théorique comprenait plus de 400 établissements de santé en France. Mais avec un produit deeptech qui nécessite une intégration on-device, impossible de cibler tout le monde.
Voici comment la méthode ICP terrain a été appliquée :
Phase 1 : Sélection des 3 verticales
Plutôt que de cibler "les hôpitaux" en bloc, nous avons segmenté en 3 verticales distinctes : les CHU (centres hospitaliers universitaires), les cliniques privées de taille moyenne, et les groupes de santé multi-sites. Chaque verticale a des contraintes, des budgets et des circuits de décision très différents.
Phase 2 : 30 conversations terrain
10 conversations par verticale avec des RSSI hospitaliers, des directeurs biomédicaux, des DSI, et des consultants en cybersécurité santé. Les patterns identifiés :
- Les CHU ont le budget mais un cycle de décision de 12 à 18 mois avec 6 à 8 décideurs
- Les cliniques privées ont un cycle court (3 à 4 mois) mais des budgets limités
- Les groupes multi-sites ont le budget ET un cycle raisonnable (4 à 6 mois) car la décision se prend au siège
Phase 3 : Filtrage et scoring
Sur les 400+ établissements du marché théorique, le filtrage par les 5 signaux et le scoring effort/impact a produit 47 entreprises ultra-qualifiées, soit 88% d'élimination. Ces 47 cibles ont été segmentées en 3 verticales avec 197 décideurs identifiés nominativement. Chaque décideur a été catégorisé par rôle (sponsor technique, sponsor business, décideur budget) avec un message adapté à son profil.
Résultat : 2 POCs signés et 100 licences pilote en se concentrant sur ces 47 cibles, au lieu de disperser l'effort sur 400 prospects vaguement qualifiés. Le détail complet est dans l' étude de cas Parcoor.
Cas Dynalight : identifier les 5 profils décideurs quand le poste n'existe pas
Dynalight propose une solution d'API Management pour systèmes legacy. Le problème ICP était différent de Parcoor : ce n'était pas le nombre de cibles qui posait question, mais l'identification des bons interlocuteurs. Le poste "API Manager" n'existe pas dans la plupart des entreprises industrielles.
Le problème : à qui parler ?
Dans une entreprise SaaS, le buyer persona est clair : le VP Engineering, le CTO, le Head of Product. En API Management pour l'industrie, la responsabilité est éclatée. Personne n'a "API Management" dans son titre de poste. Le problème est géré par des personnes différentes selon la taille et l'organisation de l'entreprise.
La méthode : 30 conversations pour mapper les profils
Après 30 conversations terrain, nous avons identifié 5 profils décideurs récurrents :
- Le DSI/CTO : il voit le problème sous l'angle de la dette technique et de la maintenance des systèmes legacy. Son argument : réduction du temps de maintenance de 40%.
- Le responsable intégration : il gère les connexions entre systèmes au quotidien. Son argument : automatisation des flux qui prennent aujourd'hui 3 jours manuels.
- Le directeur des opérations : il subit les pannes et les ralentissements. Son argument : disponibilité des systèmes passant de 95% à 99,5%.
- Le directeur digital/transformation : il pilote la modernisation. Son argument : accélération des projets de transformation de 6 mois.
- Le DAF/CFO : il valide le budget. Son argument : ROI en 8 mois sur le coût de maintenance actuel des intégrations manuelles.
Chaque profil a un discours différent, des KPIs différents et des objections différentes. Un seul message de prospection ne peut pas adresser les 5. La clé a été de créer 5 séquences de prospection distinctes, chacune parlant le langage du profil ciblé.
Résultat : le taux de réponse est passé de 2% (message générique envoyé à tout le monde) à 15 à 30% (message personnalisé par profil). 2 à 4 rendez-vous qualifiés par semaine en 3 mois. L'étude de cas complète est disponible sur la page Dynalight.
Cette approche de personnalisation par profil est aussi ce qui fait la différence dans la prospection B2B en cycle long : le volume ne compense jamais le manque de pertinence.
Questions fréquentes
Comment définir un ICP quand on est une startup deeptech sans marché existant ?
L'ICP deeptech ne se construit pas avec des données firmographiques ou de l'intent data. La méthode : sélectionner 3 verticales prometteuses, mener 10 conversations terrain par verticale, et identifier les patterns récurrents. C'est la pattern recognition terrain, pas l'analyse de données, qui produit un ICP exploitable. Après 30 conversations, vous obtenez une verticale prioritaire, un profil d'organisation type et un vocabulaire client réutilisable.
Combien de conversations faut-il pour construire un ICP deeptech fiable ?
Il faut environ 30 conversations terrain (10 par verticale sur 3 verticales). Ce ne sont pas des appels de vente : ce sont des échanges de 30 à 45 minutes avec des experts sectoriels, des utilisateurs potentiels et des décideurs. Au bout de 10 conversations par verticale, les mêmes problèmes, les mêmes objections et les mêmes circuits de décision reviennent systématiquement.
Quels sont les signaux d'un bon prospect deeptech B2B ?
Les 5 signaux : un problème urgent et reconnu, un budget accessible ou une ligne budgétaire existante, un champion interne prêt à porter le projet, un cycle de décision inférieur à 6 mois, et un potentiel de référence (le client peut devenir un cas d'usage réutilisable). Un prospect qui coche 4 ou 5 signaux est prioritaire. Un grand compte avec 1 signal sur 5 est moins intéressant qu'une PME avec 5.
Pourquoi l'intent data ne fonctionne pas pour la prospection deeptech ?
L'intent data repose sur les requêtes de recherche et les comportements en ligne. En deeptech, votre catégorie n'existe pas encore : personne ne cherche votre solution sur Google. Il n'y a pas de mots-clés à tracker, pas de pages de comparaison, pas de contenu éducatif existant. L'intent est latent, pas explicite. La seule façon de le détecter est d'aller sur le terrain pour mener des conversations directes avec des prospects potentiels.