Nettoyer sa base de prospects étudiants en CRM avant une campagne

Une base de prospects sale ressemble à quoi dans le CRM d'un cégep ou d'une université

Trois profils de contacts polluent presque toujours une base de recrutement au Québec avant une campagne : le doublon créé par un même futur cégépien qui a rempli le formulaire du site, puis celui du salon SRAM, puis celui de la page Facebook de l'établissement ; le faux numéro de cellulaire saisi en vitesse sur un formulaire mobile pour passer à l'étape suivante ; et l'adresse courriel scolaire secondaire qui expire dès la fin de l'année et rebondit six mois plus tard sans que personne ne l'ait retirée.

Un conseiller aux admissions qui exporte sa liste avant une campagne de printemps découvre typiquement que 15 à 25% des fiches contiennent une anomalie exploitable — orthographe de prénom différente selon la source, format de téléphone incohérent (418-555-0100 vs 4185550100 vs 555-0100), ou champ courriel resté vide et complété a posteriori avec une valeur bidon pour satisfaire un champ obligatoire. Rien de dramatique pris isolément, mais l'effet cumulé sabote une campagne entière avant même l'envoi du premier courriel.

Ce problème touche autant les cégeps qui reçoivent des candidatures via le SRAM, le SRACQ ou le SRASL que les universités en admission directe : chaque point d'entrée supplémentaire — portail centralisé, formulaire propre à l'établissement, salon de recrutement, chatbot — multiplie les occasions de créer une fiche en double ou de saisir une coordonnée incomplète.

Nettoyer avant une campagne compte plus que nettoyer après

Une base sale envoyée en campagne ne se contente pas de gaspiller des envois : elle abîme la délivrabilité de tout le domaine d'expédition. Un fournisseur de messagerie qui détecte un taux de rebond élevé sur une première vague — adresses invalides, courriels bidons — commence à filtrer les envois suivants vers les indésirables, y compris ceux destinés à des prospects parfaitement valides. Le nettoyage après coup ne répare pas cette réputation d'expéditeur du jour au lendemain.

Le doublon coûte cher d'une autre façon : un même futur étudiant relancé deux fois par deux conseillers différents, avec deux messages contradictoires, ne perçoit pas un établissement organisé. Il perçoit une équipe qui ne sait pas où en est son dossier — une mauvaise première impression au pire moment du parcours, juste avant qu'il compare votre offre à celle d'un autre cégep ou d'une autre université.

Le nettoyage a posteriori, après une campagne déjà envoyée, arrive systématiquement trop tard sur ces deux plans : la réputation d'expéditeur et l'impression laissée au prospect. Google Search Central et les principaux fournisseurs de messagerie recommandent d'ailleurs de traiter la qualité de liste comme un prérequis d'envoi, pas comme une correction post-mortem — un taux de rebond au-delà de 2% suffit à dégrader la réputation d'un domaine d'expédition, et une base de contacts non entretenue se dégrade naturellement d'environ 25 à 30% par année (HubSpot Research), ce qui justifie un nettoyage récurrent même en l'absence de campagne prévue à court terme.

La logique de dédoublonnage à appliquer avant chaque campagne

Détecter un doublon ne se limite pas à comparer deux adresses courriel identiques — la majorité des doublons réels se cachent derrière des variations de saisie. La logique à appliquer combine plusieurs clés de correspondance plutôt qu'une seule :

• Correspondance exacte : même courriel, même numéro de cellulaire normalisé (chiffres seulement, sans tiret ni espace).
• Correspondance approximative sur le nom : Marie-Ève Tremblay et Marie Eve Tremblay avec la même date de naissance ou le même code postal signalent presque toujours la même personne.
• Correspondance temporelle : deux fiches créées à quelques minutes d'intervalle depuis la même adresse IP ou le même appareil, un scénario fréquent quand un visiteur remplit un formulaire puis relance la conversation via le chatbot du site sans que les deux outils soient reliés.

La règle de fusion doit être définie avant de lancer l'opération, pas pendant : en cas de doublon confirmé, conserver la fiche la plus récente comme source de vérité pour les coordonnées, mais préserver l'historique complet des interactions des deux fiches (candidature commencée, question posée au chatbot, appel reçu) sous un seul profil fusionné. Perdre cet historique pendant une fusion mal exécutée revient à effacer le contexte qu'un conseiller utiliserait pour personnaliser sa prochaine relance.

Validation du courriel et du téléphone : le format ne suffit pas

Beaucoup de CRM vérifient uniquement le format d'un courriel — présence d'un @ et d'un domaine — sans vérifier que la boîte existe réellement. Une adresse au format parfaitement valide comme prenom.nom@cegepxyz.qc.ca peut très bien avoir été désactivée depuis le départ de l'étudiant du secondaire, et le format seul ne le détecte jamais.

Pour une campagne de recrutement, la combinaison réaliste reste la vérification en temps réel pour le courriel — largement automatisable et peu coûteuse — et le format strict plus une confirmation ponctuelle pour le téléphone, réservée aux prospects les plus avancés dans l'entonnoir plutôt qu'à l'ensemble de la base.

La checklist avant de lancer une campagne

Avant tout envoi de masse, un responsable admissions ou marketing devrait pouvoir cocher chacun des points suivants sur l'export final :

Ce dernier point sur les consentements n'est pas qu'une bonne pratique marketing. La Loi 25, en vigueur depuis le 22 septembre 2023 et administrée par la Commission d'accès à l'information du Québec (CAI), impose aux établissements une obligation de minimisation des renseignements personnels collectés et une durée de conservation déterminée en fonction de la finalité de la collecte. Une base gonflée de fiches en double, de coordonnées obsolètes et de renseignements conservés sans justification n'est pas seulement moins performante en campagne — elle expose l'établissement à un manquement documenté si la CAI demande de justifier pourquoi un contact inactif depuis trois ans figure toujours dans le CRM. Nettoyer périodiquement sert donc un double objectif : performance de campagne et conformité réglementaire.

Comment un chatbot empêche les données sales d'entrer dans le CRM

La méthode la plus efficace pour garder une base propre n'est pas de mieux la nettoyer après coup — c'est de réduire ce qui y entre de sale au départ. Un formulaire statique classique accepte à peu près n'importe quelle saisie : un champ téléphone qui prend « 000-000-0000 » sans broncher, un champ courriel qui valide « test@test.com » sans vérifier qu'il correspond à une vraie personne intéressée.

Un chatbot conversationnel bien conçu change cette dynamique dès la capture. Il valide le format du courriel et du numéro de cellulaire au moment de la saisie, dans l'échange lui-même — pas après coup dans un rapport d'erreurs que personne ne consulte avant trois mois. Il reformule une réponse ambiguë (« Vous avez entré 8 chiffres, il en manque un — pouvez-vous vérifier votre numéro ? ») plutôt que d'enregistrer une donnée incomplète telle quelle. Et surtout, en centralisant la conversation avec un futur étudiant sur un seul canal identifié, il réduit la création de doublons issus de formulaires multiples déconnectés entre eux.

Cet effet de capture propre à la source se reflète dans les résultats mesurés par Skolbot sur son panel de partenaires : le nombre de prospects qualifiés par mois passe en moyenne de 120 à 195 (+62%) après déploiement d'un chatbot, avec un coût par prospect en baisse de 38%. Ces résultats médians proviennent d'un panel de référence d'établissements partenaires européens de Skolbot sur 2024-2025, cités ici à titre comparatif — ils reflètent l'effet combiné du chatbot et d'optimisations de parcours menées en parallèle, pas l'action du chatbot seul. La logique reste néanmoins directement transposable au contexte québécois : moins de fiches sales à l'entrée signifie mécaniquement plus de prospects réellement exploitables en sortie, pour un même volume brut de trafic capté.

Cette réduction du volume de données sales facilite aussi le calcul du coût réel par étudiant inscrit : un CAC calculé sur une base gonflée de doublons et de faux contacts sous-estime systématiquement le coût réel d'acquisition, puisque le dénominateur — le nombre de prospects — est artificiellement élevé.

FAQ

Combien de temps prend un nettoyage complet de base CRM avant une campagne ?

Pour une base de quelques milliers de contacts, un dédoublonnage automatisé combiné à une vérification courriel en temps réel prend généralement une demi-journée à une journée avec les bons outils, une fois les règles de correspondance définies. La première passe est toujours la plus longue ; les nettoyages suivants, effectués sur une base déjà en partie propre, se font en quelques heures.

Faut-il supprimer définitivement les fiches en double ou les fusionner ?

Fusionner, presque toujours. Supprimer une fiche fait perdre l'historique d'interaction associé — questions posées au chatbot, candidature commencée, courriels ouverts — qui reste utile pour personnaliser une relance future. La fusion conserve les coordonnées les plus récentes tout en préservant l'ensemble du parcours du contact.

Un numéro de cellulaire au bon format est-il forcément valide ?

Non. Le format (10 chiffres, indicatif nord-américain plausible) élimine les erreurs de saisie évidentes, mais un numéro parfaitement bien formaté peut avoir été résilié ou jamais attribué. Seule une confirmation active — code SMS, appel test — garantit qu'un numéro est réellement joignable, une vérification à réserver aux prospects avancés dans l'entonnoir plutôt qu'à toute la base par souci de coût.

La Loi 25 impose-t-elle vraiment de nettoyer périodiquement sa base de prospects ?

Elle n'impose pas de fréquence de nettoyage précise, mais elle impose une minimisation des données collectées et une durée de conservation limitée à la finalité poursuivie. Un établissement incapable de justifier pourquoi il conserve encore les coordonnées d'un prospect inactif depuis plusieurs années s'expose à un manquement documenté par la CAI — le nettoyage périodique devient donc une pratique de conformité autant que de performance marketing.

Le chatbot suffit-il à garantir une base 100% propre ?

Non. Il réduit fortement l'entrée de données sales à la source — format validé en temps réel, moins de doublons issus de canaux déconnectés — mais il ne remplace pas un nettoyage périodique de l'existant : contacts devenus inactifs, adresses désactivées après coup, fusions historiques jamais faites. Les deux mesures se complètent plutôt qu'elles ne s'excluent.

Notre guide marketing digital pour établissements postsecondaires situe cette hygiène de données dans l'ensemble du dispositif d'acquisition, et notre comparatif de CRM pour cégeps et universités détaille les fonctionnalités de dédoublonnage natif à privilégier au moment du choix d'un outil. Si votre base contient surtout des contacts anciens plutôt que des doublons récents, notre article sur la réactivation des leads dormants complète directement cette démarche.