Intégration Metabase avec lemlist via MCP, avec des prompts prêts à copier

Votre équipe data a construit un dashboard dans Metabase qui identifie les workspaces gratuits les plus actifs, les comptes d'essai sur le point d'atteindre une limite, les clients qui correspondent à un signal d'expansion. Quelqu'un y jette un œil en réunion hebdo. Personne ne l'exporte, personne ne le charge dans un outil de prospection, et la liste devient obsolète avant qu'un commercial ne la voie. Cet écart entre une question sauvegardée et une campagne active, c'est là que la plupart des opportunités de pipeline meurent en silence.

Cet article vous donne une intégration Metabase x lemlist basée sur MCP, avec des prompts à copier-coller dans Claude, ChatGPT ou Cursor dès aujourd'hui. Je vous montre pourquoi connecter les deux outils via MCP change la donne, ce qu'il faut pour le configurer, et deux workflows concrets : transformer une question sauvegardée en campagne, et vérifier quelles campagnes ont réellement généré des clients payants. Vous aurez aussi les garde-fous pour empêcher un agent de faire des dégâts dans l'un ou l'autre outil.

À la fin de cet article, vous saurez transformer un dashboard en pipeline sans écrire une seule ligne de logique d'export.

Pourquoi connecter lemlist et Metabase via MCP

Vos meilleures listes de cibles existent déjà dans Metabase sous forme de questions sauvegardées. Quand les deux serveurs MCP sont connectés dans le même client IA, un agent peut exécuter une question Metabase et transformer le résultat en campagne lemlist en une seule conversation, sans export CSV, sans copier-coller entre les onglets.

Un serveur MCP est une couche légère qui expose les actions d'un outil à un agent IA via un protocole standard. L'agent appelle ces actions comme vous utiliseriez l'interface de l'outil, mais il le fait depuis une seule fenêtre de chat. Pour une explication plus détaillée de comment ça fonctionne pour l'outbound, lisez le guide sur le MCP pour la vente.

Avec un serveur MCP Metabase, l'agent peut exécuter des questions sauvegardées, parcourir des dashboards et interroger des bases de données. Avec le serveur MCP lemlist, il peut rechercher des leads, enrichir des contacts, construire des séquences et lancer des campagnes. Combinez les deux et l'agent lit vos données BI, puis agit dessus dans lemlist sans que vous changiez d'outil.

Ce qu'il vous faut avant de commencer

• •

  Le MCP lemlist connecté dans Claude, ChatGPT ou Cursor. Suivez le guide sur comment configurer le MCP lemlist si ce n'est pas encore fait.

• •

  Le MCP Metabase connecté dans le même client. Votre admin Metabase active le serveur MCP dans Admin > AI > MCP, et vous pointez votre client vers l'endpoint.

• •

  Des permissions dans les deux outils adaptées à ce que les cas d'usage nécessitent réellement. Le MCP Metabase respecte les permissions de l'utilisateur connecté, et le MCP lemlist suit votre plan et votre rôle dans le workspace.

Commencez par des prompts en lecture seule. Laissez l'agent récupérer des données depuis Metabase et lire les stats de campagne dans lemlist avant de lui donner la permission de créer ou modifier quoi que ce soit. Une fois que vous faites confiance aux résultats, passez aux actions d'écriture.

1. Transformer une question sauvegardée en campagne

Les équipes data construisent d'excellentes listes dans Metabase. Workspaces gratuits triés par usage, comptes d'essai proches d'une limite, clients correspondant à un signal d'expansion. Ces listes restent dans un dashboard et n'arrivent jamais au commercial qui devrait agir dessus. Si vous êtes encore en train de définir quels comptes font partie de votre marché total adressable, commencez par là avant d'extraire une liste.

Copiez ce prompt dans votre client IA avec les deux MCP connectés :

Voici ce que fait l'agent. Il appelle le MCP Metabase pour exécuter la question sauvegardée et récupérer les résultats. Il analyse les lignes pour en extraire les noms d'entreprises, les domaines ou les coordonnées. Il appelle ensuite le MCP lemlist pour chercher les contacts correspondants dans la base People, les enrichit avec des emails vérifiés via l'enrichissement en cascade, et les importe dans une nouvelle campagne.

Avant de lancer ça sur une liste complète, vérifiez les résultats que l'agent a extraits de Metabase. Confirmez que le mapping des colonnes est correct, vérifiez que l'enrichissement a trouvé les bonnes personnes, et relisez le brouillon de campagne. Si vous hésitez sur la taille du batch, le guide sur combien de leads par campagne vous donne un cadre pratique.

2. Comparer les résultats de campagne au revenu

La plupart des rapports outbound s'arrêtent aux ouvertures, clics et réponses. Vous savez quelle campagne a généré le plus d'intérêt, mais pas laquelle a produit des clients payants. Cette réponse se trouve dans Metabase, dans une table que votre équipe finance ou produit maintient déjà.

Copiez ce prompt :

L'agent lit les stats de vos campagnes lemlist et exporte la liste de leads avec les noms d'entreprises et les domaines. Il exécute ensuite une requête ou une question sauvegardée dans Metabase qui renvoie les comptes payants. Il croise les deux listes par domaine ou nom d'entreprise et vous indique quelles campagnes ont converti, lesquelles ont généré du pipeline qui a stagné, et lesquelles n'ont rien produit.

Avant de lancer ça sur toutes vos campagnes, confirmez que l'agent fait le matching sur le bon champ. Le matching par domaine est plus fiable que par nom d'entreprise. Demandez à l'agent de vous montrer les paires trouvées avant qu'il tire des conclusions.

Garde-fous quand un agent travaille dans lemlist et Metabase

Donner à un agent l'accès à deux outils, c'est deux fois plus de surface pour les erreurs. Ces garde-fous gardent le contrôle.

• •

  Relisez chaque campagne créée par l'agent avant de la lancer. L'agent peut rédiger des séquences et importer des leads, mais un humain doit valider la version finale.

• •

  Testez d'abord sur 10 leads. Lancez le workflow complet sur un petit batch, vérifiez les données, puis montez en volume.

• •

  Gardez les désinscriptions et les listes d'exclusion actives dans lemlist. L'agent les respecte, mais seulement si elles sont activées.

• •

  Décidez qui dans l'équipe peut connecter les MCP. Limitez l'accès aux personnes qui comprennent les deux outils et les données qui circulent entre eux.

• •

  Tracez ce que l'agent a modifié. Après chaque session, demandez à l'agent de résumer les actions qu'il a effectuées. Si quelque chose semble incorrect, vous pouvez remonter à la source.

Lancez-le dans lemlist

Le serveur MCP lemlist fonctionne dans Claude, ChatGPT et Cursor. Une fois connecté, l'agent a accès à tout le workflow outbound depuis un seul chat.

Il peut rechercher dans la base People avec 650M+ contacts dans 65M+ entreprises. Il peut enrichir les leads via l'enrichissement en cascade auprès de 14+ fournisseurs pour trouver des emails et numéros de téléphone vérifiés. Il peut créer des campagnes et des séquences sur email, LinkedIn, appels et WhatsApp. Il peut lire l'inbox unique et les stats de campagne pour vous dire ce qui fonctionne. Et il peut agir sur les signaux d'intention pour prioriser les leads qui montrent un comportement d'achat en ce moment.

Ce sont les mêmes capacités détaillées dans la liste complète des cas d'usage du MCP lemlist. La connexion Metabase ajoute une couche data par-dessus : au lieu de partir d'une recherche vierge, vous partez d'une question à laquelle votre équipe BI a déjà répondu.

Ce qu'il faut retenir

Votre outil BI sait déjà quels comptes méritent d'être prospectés. Le MCP lemlist et un MCP Metabase, connectés dans le même client IA, permettent à un agent de transformer cette connaissance en campagne active en quelques minutes. L'écart entre l'insight et l'action se réduit à un seul prompt.

Créez votre première séquence basée sur les signaux dans lemlist.