Réserver un appel
Clients
Ressources
Accéder à votre portail client

Comment Linear a transformé 4 mois d'outbound fondateur en machine propulsée par Clay.

+187%

Pipeline qualifié · 90 jours

9 jours

Du brief à la machine outbound en production

3 agents IA

Sur mesure · propriété du client

Chaque opérateur de notre équipe a un impact démultiplié : le moteur construit par Mercator absorbe le travail qu'auraient fait trois recrutements de plus.

Marcus Holm Head of Growth, Linear

Marcus Holm dirige la croissance de Linear, l'outil de suivi de tickets conçu pour les équipes d'ingénierie qui livrent chaque jour. Quand il contacte Mercator, Linear a atteint le plafond du founder-led : un flux inbound régulier, un CEO qui mène chaque conversation outbound importante, et aucun système en dessous qui puisse être confié à quelqu'un d'autre.

Le brief était précis. Pas une campagne. Pas un deck. Un moteur que l'équipe pourrait posséder, opérer et étendre — sans Mercator dans la pièce.

Une équipe qui a scalé son produit, pas sa machine outbound.

Pendant trois ans, Linear a vendu comme la plupart des entreprises product-led : bouche-à-oreille, démo virale, fondateurs sur chaque deal important. Ça a fonctionné — jusqu'à ce que ça ne scale plus. Le produit avançait plus vite que le système chargé de l'alimenter en conversations.

Ce dont Marcus avait besoin, ce n'était pas plus d'effectifs. C'était l'infrastructure qu'une équipe commerciale de 30 personnes aurait bâtie en dix-huit mois — sans les dix-huit mois. « La vélocité est notre seul critère de recrutement », explique Marcus. « Le système doit suivre le rythme des gens, pas l'inverse. »

L'angle mort des signaux d'achat

Les données d'intention de Linear vivaient à cinq endroits : HubSpot, la base produit, Clearbit, les logs Intercom et une table Notion tenue par un seul opérateur. Chaque système détenait un morceau du tableau. Aucun ne parlait aux autres. Le temps qu'un signal remonte, la fenêtre pour agir était déjà refermée.

Le problème n'était pas la donnée. C'était l'absence de surface de contrôle.

Mercator a passé les quatre premiers jours dans la stack de Linear, pas sur un deck stratégique. Le diagnostic est revenu plus précis que prévu : chaque signal dont Linear avait besoin était déjà capté. Aucun n'était exploité, faute d'une surface capable de classer, router et mémoriser.

La plupart des équipes pensent avoir un problème de données. C'est presque jamais le cas. Elles ont un problème de routage — et c'est le routage qui crée l'effet cumulé. — Mémo de diagnostic Mercator, semaine 1

Le choix d'architecture a été tranché la même semaine. Trois agents IA sur mesure — Scoring, Enrichissement, Outreach — posés sur Clay comme couche d'orchestration, avec HubSpot en système de référence et n8n pour assurer le câblage entre eux. Aucun nouvel outil introduit. Aucune licence ajoutée.

Trois agents, un orchestrateur, zéro outil supplémentaire.

L'agent de scoring évalue chaque compte selon trente et un critères pondérés issus de l'usage produit, des signaux de recrutement, de l'empreinte technographique et des levées de fonds récentes. Un score qu'un SDR mettait quarante minutes à assembler prend moins de neuf secondes à l'agent — et la justification voyage avec le score, pour que l'humain qui le relit puisse le valider ou le corriger en une seule lecture.

CLAY · LINEAR · OUTBOUND_PRIORITY_2026Q2 Compte Score Signal Justification (agent) Vercel 94 Recrutement VPE · il y a 14 j Équipe eng doublée, goulots de perf… Replicate 88 Série B · il y a 7 j Tracker interne abandonné le mois… Pinecone 71 Offre d'emploi · il y a 21 j Recrute 4 ingés platform ; palier d'usage… Resend 62 Usage produit Workspace actif, peu de sièges… FIG 01 · SURFACE DE SCORING FIG 01 · VUE CLAY · PRIORITÉ OUTBOUND LINEAR

L'agent d'enrichissement tourne une fois par compte classé et rassemble ce qu'un SDR senior collecterait normalement à la main : composition de l'équipe, signaux de stack, le dernier livrable public de chaque décideur. L'agent d'outreach rédige l'accroche en s'appuyant sur la justification — jamais une ligne de template — et le résultat arrive dans la boîte de Marcus prêt à relire, pas à réécrire.

La couche de données qui a appris à s'expliquer

Le détail qui a fait changer Marcus d'avis sur l'IA : quand l'agent de scoring se trompe, l'équipe le corrige en langage naturel. Après une semaine de feedback, la calibration de confiance du modèle avait mesurablement évolué. Après un mois, la liste d'exceptions avait fondu de 64%. L'agent n'est pas seulement devenu plus précis — il est devenu lisible.

100% 75% 50% 25% JOUR 1 JOUR 45 JOUR 90 MANUEL · 61% AGENT · 94% FIG 02 · PRÉCISION DU SCORING · 90 PREMIERS JOURS FIG 02 · PRÉCISION · 90 JOURS

Quatre-vingt-dix jours plus tard, le moteur tournait sans Mercator dans la pièce.

La passation a duré six jours ouvrés. Au septième, l'équipe de Marcus tenait la cadence opérationnelle : revue de la file de scoring le lundi, calibration le mercredi sur ce que l'agent a manqué, digest du vendredi poussé dans le canal direction. Pas de Mercator sur Slack. Pas de retainer au compteur.

Quatre-vingt-dix jours après le kickoff, le pipeline qualifié avait progressé de 187%. Le temps passé en recherche de comptes est tombé de quatre heures par SDR et par jour à moins de vingt minutes. Le coût total du système, outils compris, est resté sous le coût d'un seul SDR senior pour l'entreprise.

Ce sur quoi je mise désormais, ce n'est pas l'agence. C'est le moteur qu'elle m'a remis. Je le reconstruirais de zéro demain s'il le fallait. — Marcus Holm, Head of Growth, Linear

Ce que Linear en retire

01 ·

Un moteur en propriété, pas un livrable. Trois agents sur mesure et l'orchestration autour — opérés de bout en bout par l'équipe existante de Linear après une passation de six jours.

02 ·

Le routage résolu avant le scale. Chaque signal que Linear captait déjà atterrit désormais devant le bon opérateur en moins d'une heure, justification incluse.

03 ·

Un modèle qui apprend en langage naturel. Les corrections viennent de l'équipe de Marcus en toutes lettres, pas en config. La calibration de l'agent s'améliore à chaque cycle.

04 ·

Une économie qui se cumule. Le coût mensuel du système est inférieur au coût complet d'un SDR senior — et il gagne en précision à mesure qu'il tourne.

Découvrir notre méthodologie GTM Engineering

Construisez le moteur GTM que votre équipe construirait — si elle avait 18 mois.