Combien de temps dure ce tutoriel comment automatiser l'enrichissement de leads avec l'api de recherche ?

La plupart des développeurs terminent ce tutoriel en 15 à 30 minutes. Vous aurez besoin d'une clé API Scavio (l'offre gratuite suffit) et d'un environnement Python ou JavaScript fonctionnel.

De quoi ai-je besoin avant de commencer ?

Python 3.8+ installé. bibliothèque requests installée. Une clé API Scavio depuis scavio.dev. Un fichier CSV de noms d'entreprises à enrichir. Une clé API Scavio vous donne 50 crédits gratuits à l'inscription.

Puis-je suivre ce tutoriel avec l'offre gratuite ?

Oui. L'offre gratuite comprend 50 crédits à l'inscription, ce qui est largement suffisant pour terminer ce tutoriel et prototyper une solution fonctionnelle.

Avec quels frameworks cela fonctionne-t-il ?

Scavio dispose d'un package natif LangChain (langchain-scavio), d'un serveur MCP et d'une API REST simple qui fonctionne avec tout client HTTP. Ce tutoriel utilise the raw REST API, mais vous pouvez l'adapter à votre framework de prédilection.

Automatisez l'enrichissement de leads avec l'API de recherche (Python 2026)

Les outils traditionnels d'enrichissement de leads comme ZoomInfo et Apollo facturent 0,10 à 0,50 $ par enregistrement provenant de bases de données propriétaires mises à jour périodiquement. L'enrichissement par API de recherche adopte une approche différente : interroger les résultats de recherche en direct pour chaque lead afin d'obtenir des informations actuelles sur l'entreprise, sa présence sociale et son sentiment en ligne. Ce tutoriel construit un pipeline d'enrichissement en Python qui prend une liste de noms d'entreprises et produit des enregistrements enrichis avec le site web, l'URL LinkedIn, les données d'avis et les actualités récentes.

Prérequis

Python 3.8+ installé
bibliothèque requests installée
Une clé API Scavio depuis scavio.dev
Un fichier CSV de noms d'entreprises à enrichir

Parcours

Étape 1: Chargez votre liste de leads

Lisez les noms d'entreprises à partir d'un fichier CSV.

Python

import csv

def load_leads(filepath: str) -> list:
    with open(filepath) as f:
        reader = csv.DictReader(f)
        return [row['company_name'] for row in reader]

leads = load_leads('leads.csv')
print(f'Loaded {len(leads)} leads')

Étape 2: Enrichissez chaque lead avec les données de recherche

Effectuez plusieurs recherches par lead pour construire un profil complet.

Python

import requests, os
H = {'x-api-key': os.environ['SCAVIO_API_KEY']}

def enrich_lead(company: str) -> dict:
    # Search for company website and info
    info = requests.post('https://api.scavio.dev/api/v1/search', headers=H,
        json={'platform': 'google', 'query': company}, timeout=10).json()
    # Search for LinkedIn
    linkedin = requests.post('https://api.scavio.dev/api/v1/search', headers=H,
        json={'platform': 'google', 'query': f'{company} site:linkedin.com'}, timeout=10).json()
    # Search for reviews
    reviews = requests.post('https://api.scavio.dev/api/v1/search', headers=H,
        json={'platform': 'google', 'query': f'{company} reviews'}, timeout=10).json()
    return {
        'company': company,
        'website': info.get('organic', [{}])[0].get('link', ''),
        'description': info.get('organic', [{}])[0].get('snippet', ''),
        'linkedin': next((r['link'] for r in linkedin.get('organic', []) if 'linkedin.com' in r.get('link', '')), ''),
        'review_count': len(reviews.get('organic', [])),
    }

Étape 3: Traitez tous les leads avec limitation de débit

Enrichissez tous les leads avec un petit délai entre les requêtes pour respecter les limites de débit.

Python

import time

def enrich_all(leads: list, delay: float = 0.5) -> list:
    enriched = []
    for i, company in enumerate(leads):
        try:
            data = enrich_lead(company)
            enriched.append(data)
            print(f'[{i+1}/{len(leads)}] Enriched: {company}')
        except Exception as e:
            enriched.append({'company': company, 'error': str(e)})
            print(f'[{i+1}/{len(leads)}] Failed: {company}: {e}')
        time.sleep(delay)
    return enriched

Étape 4: Exportez les données enrichies

Enregistrez les leads enrichis dans un fichier CSV pour les importer dans votre CRM ou outil de prospection.

Python

def export_enriched(data: list, filepath: str):
    if not data: return
    keys = data[0].keys()
    with open(filepath, 'w', newline='') as f:
        writer = csv.DictWriter(f, fieldnames=keys)
        writer.writeheader()
        writer.writerows(data)
    print(f'Exported {len(data)} enriched leads to {filepath}')

enriched = enrich_all(leads)
export_enriched(enriched, 'enriched_leads.csv')

Exemple Python

Python

import requests, os, csv
H = {'x-api-key': os.environ['SCAVIO_API_KEY']}

def enrich(company):
    data = requests.post('https://api.scavio.dev/api/v1/search', headers=H,
        json={'platform': 'google', 'query': company}, timeout=10).json()
    top = data.get('organic', [{}])[0]
    return {'company': company, 'url': top.get('link', ''), 'snippet': top.get('snippet', '')}

# Usage: enriched = [enrich(c) for c in companies]

Exemple JavaScript

JavaScript

async function enrich(company) {
  const data = await fetch('https://api.scavio.dev/api/v1/search', {
    method: 'POST', headers: {'x-api-key': process.env.SCAVIO_API_KEY, 'Content-Type': 'application/json'},
    body: JSON.stringify({platform: 'google', query: company})
  }).then(r => r.json());
  const top = data.organic?.[0] || {};
  return {company, url: top.link, snippet: top.snippet};
}

Sortie attendue

JSON

A CSV of enriched leads with company website, LinkedIn URL, description, and review presence data.

Tutoriels associés

Comment récupérer les résultats de recherche Google en Python

Prérequis

Python 3.8+ installé
bibliothèque requests installée
Une clé API Scavio depuis scavio.dev
Un fichier CSV de noms d'entreprises à enrichir

Parcours

Étape 1: Chargez votre liste de leads

Lisez les noms d'entreprises à partir d'un fichier CSV.

Python

import csv

def load_leads(filepath: str) -> list:
    with open(filepath) as f:
        reader = csv.DictReader(f)
        return [row['company_name'] for row in reader]

leads = load_leads('leads.csv')
print(f'Loaded {len(leads)} leads')

Étape 2: Enrichissez chaque lead avec les données de recherche

Effectuez plusieurs recherches par lead pour construire un profil complet.

Python

import requests, os
H = {'x-api-key': os.environ['SCAVIO_API_KEY']}

def enrich_lead(company: str) -> dict:
    # Search for company website and info
    info = requests.post('https://api.scavio.dev/api/v1/search', headers=H,
        json={'platform': 'google', 'query': company}, timeout=10).json()
    # Search for LinkedIn
    linkedin = requests.post('https://api.scavio.dev/api/v1/search', headers=H,
        json={'platform': 'google', 'query': f'{company} site:linkedin.com'}, timeout=10).json()
    # Search for reviews
    reviews = requests.post('https://api.scavio.dev/api/v1/search', headers=H,
        json={'platform': 'google', 'query': f'{company} reviews'}, timeout=10).json()
    return {
        'company': company,
        'website': info.get('organic', [{}])[0].get('link', ''),
        'description': info.get('organic', [{}])[0].get('snippet', ''),
        'linkedin': next((r['link'] for r in linkedin.get('organic', []) if 'linkedin.com' in r.get('link', '')), ''),
        'review_count': len(reviews.get('organic', [])),
    }

Étape 3: Traitez tous les leads avec limitation de débit

Enrichissez tous les leads avec un petit délai entre les requêtes pour respecter les limites de débit.

Python

import time

def enrich_all(leads: list, delay: float = 0.5) -> list:
    enriched = []
    for i, company in enumerate(leads):
        try:
            data = enrich_lead(company)
            enriched.append(data)
            print(f'[{i+1}/{len(leads)}] Enriched: {company}')
        except Exception as e:
            enriched.append({'company': company, 'error': str(e)})
            print(f'[{i+1}/{len(leads)}] Failed: {company}: {e}')
        time.sleep(delay)
    return enriched

Étape 4: Exportez les données enrichies

Enregistrez les leads enrichis dans un fichier CSV pour les importer dans votre CRM ou outil de prospection.

Python

def export_enriched(data: list, filepath: str):
    if not data: return
    keys = data[0].keys()
    with open(filepath, 'w', newline='') as f:
        writer = csv.DictWriter(f, fieldnames=keys)
        writer.writeheader()
        writer.writerows(data)
    print(f'Exported {len(data)} enriched leads to {filepath}')

enriched = enrich_all(leads)
export_enriched(enriched, 'enriched_leads.csv')

Exemple Python

Python

import requests, os, csv
H = {'x-api-key': os.environ['SCAVIO_API_KEY']}

def enrich(company):
    data = requests.post('https://api.scavio.dev/api/v1/search', headers=H,
        json={'platform': 'google', 'query': company}, timeout=10).json()
    top = data.get('organic', [{}])[0]
    return {'company': company, 'url': top.get('link', ''), 'snippet': top.get('snippet', '')}

# Usage: enriched = [enrich(c) for c in companies]

Exemple JavaScript

JavaScript

async function enrich(company) {
  const data = await fetch('https://api.scavio.dev/api/v1/search', {
    method: 'POST', headers: {'x-api-key': process.env.SCAVIO_API_KEY, 'Content-Type': 'application/json'},
    body: JSON.stringify({platform: 'google', query: company})
  }).then(r => r.json());
  const top = data.organic?.[0] || {};
  return {company, url: top.link, snippet: top.snippet};
}

Sortie attendue

JSON

A CSV of enriched leads with company website, LinkedIn URL, description, and review presence data.

Tutoriels associés

Comment récupérer les résultats de recherche Google en Python

Comment automatiser l'enrichissement de leads avec l'API de recherche

Prérequis

Parcours

Étape 1: Chargez votre liste de leads

Étape 2: Enrichissez chaque lead avec les données de recherche

Étape 3: Traitez tous les leads avec limitation de débit

Étape 4: Exportez les données enrichies

Exemple Python

Exemple JavaScript

Sortie attendue

Tutoriels associés

Questions fréquentes

Combien de temps dure ce tutoriel comment automatiser l'enrichissement de leads avec l'api de recherche ?

De quoi ai-je besoin avant de commencer ?

Puis-je suivre ce tutoriel avec l'offre gratuite ?

Avec quels frameworks cela fonctionne-t-il ?

Ressources connexes

Enrichissement des leads via l'API de recherche

Meilleure API d'enrichissement de leads en 2026

Enrichissez les leads commerciaux avec des données de recherche au lieu d'Apollo.

Workflow d'enrichissement de recherche n8n

Enrichissement des leads de vente

Meilleurs outils de recherche d'enrichissement B2B en 2026

Commencer

Comment automatiser l'enrichissement de leads avec l'API de recherche

Prérequis

Parcours

Étape 1: Chargez votre liste de leads

Étape 2: Enrichissez chaque lead avec les données de recherche

Étape 3: Traitez tous les leads avec limitation de débit

Étape 4: Exportez les données enrichies

Exemple Python

Exemple JavaScript

Sortie attendue

Tutoriels associés

Questions fréquentes

Combien de temps dure ce tutoriel comment automatiser l'enrichissement de leads avec l'api de recherche ?

De quoi ai-je besoin avant de commencer ?

Puis-je suivre ce tutoriel avec l'offre gratuite ?

Avec quels frameworks cela fonctionne-t-il ?

Ressources connexes

Enrichissement des leads via l'API de recherche

Meilleure API d'enrichissement de leads en 2026

Enrichissez les leads commerciaux avec des données de recherche au lieu d'Apollo.

Workflow d'enrichissement de recherche n8n

Enrichissement des leads de vente

Meilleurs outils de recherche d'enrichissement B2B en 2026

Commencer