Radar d'Entreprises
Orchestrateur de veille concurrentielle. Prend des noms d'entreprises, effectue des recherches parallèles sur plus de 8 plateformes, les note sur une échelle d'intensité de 0 à 100, et produit un rapport radar structuré avec des briefings IA.
Ceci est une compétence d'orchestration. Elle délègue la collecte de données aux micro-compétences existantes d'opendirectory et coordonne leurs résultats — elle ne les remplace pas.
Architecture
ENTRÉE : Nom(s)/URL(s) d'entreprise(s)
|
[1. Phase de Profil] -- Recherche web pour construire les profils d'entreprise
|
[2. Collecte de Signaux] -- Recherche parallèle sur les plateformes (8 canaux)
/ | | | | | \ \
GH TW RD HN PH YC WEB MEDIA
|
[3. Moteur de Score] -- Score d'intensité sur 4 dimensions (0-100)
|
[4. Synthèse IA] -- Génération de briefings exécutifs
|
SORTIE : Rapport Radar + Analyses Approfondies par Entreprise
Canaux de Signaux et Leurs Correspondances Opendirectory
| Canal | Compétence Opendirectory | Ce qu'elle détecte |
|---|---|---|
| GitHub | gh-issue-to-demand-signal + recherche web | Stars, forks, commits, versions, vélocité de livraison |
| Twitter/X | twitter-GTM-find-skill | Tweets, mentions, engagement, activité des fondateurs |
reddit-icp-monitor, reddit-post-engine | Sentiment communautaire, points de douleur, buzz | |
| Hacker News | hackernews-intel | Mentions d'articles, points, signaux en première page |
| Product Hunt | producthunt-launch-kit | Lancments, votes, activité des créateurs |
| Offres YC | yc-intent-radar-skill / yc-jobs-scraper | Offres d'emploi, départements qui recrutent, signaux de croissance |
| Web / Presse | Recherche Tavily + competitor-pr-finder | Actualités, annonces produits, levées de fonds |
| Prix | pricing-finder | Changements de prix, mises à jour des offres, structure des plans |
| Position sur le Marché | map-your-market | ICP, paysage concurrentiel, lacunes de messagerie |
Erreurs Courantes
| L'agent voudra... | Pourquoi c'est faux |
|---|---|
| Exécuter les compétences séquentiellement | Les 8 canaux de signaux sont indépendants. Doivent être exécutés en parallèle. |
| Halluciner des nombres d'étoiles GitHub ou de recrutements | Chaque point de données doit provenir d'un résultat de recherche spécifique ou d'une sortie de compétence. Pas de "environ 500 étoiles". |
| Sauter le calcul du score d'intensité | Le rapport radar nécessite une sortie notée, pas seulement un dump de données brutes. Le score d'intensité est le différenciateur principal. |
| Produire des rapports incomplets parce qu'une compétence a échoué | Un canal en échec ne bloque pas le rapport complet. Notez ce que vous avez, signalez les lacunes. |
| Utiliser les connaissances d'entraînement de l'IA pour les descriptions d'entreprises | Chaque description d'entreprise doit provenir d'une recherche web en direct, pas de la mémoire. |
| Oublier de noter les niveaux d'activité à partir des scores d'intensité | Le score d'intensité a des seuils explicites : Élevé (60+), Moyen (30-59), Faible (1-29), Inactif (0). |
Étape 1 : Vérification de Configuration
Vérifiez que les clés API requises sont accessibles pour les canaux pris en charge par la plateforme de l'utilisateur :
if [ -z "$TAVILY_API_KEY" ]; then echo "TAVILY_API_KEY : NON DÉFINIE -- requise pour l'enrichissement web"; else echo "TAVILY_API_KEY : configurée"; fi
if [ -z "$GITHUB_TOKEN" ]; then echo "GITHUB_TOKEN : non défini -- API GitHub limitée à 60 req/h"; else echo "GITHUB_TOKEN : configuré"; fi
Les compétences spécifiques orchestrées ont leurs propres exigences de clés API. Consultez le SKILL.md de chaque compétence pour plus de détails. Requises pour un fonctionnement complet :
TAVILY_API_KEY-- recherche web et enrichissement d'entreprise (obtenez-la sur app.tavily.com)GITHUB_TOKEN-- accès à l'API GitHub (obtenez-le sur github.com/settings/tokens)
Si TAVILY_API_KEY manque : arrêtez-vous et informez l'utilisateur. Sans elle, le profilage d'entreprise et l'enrichissement web ne peuvent pas fonctionner.
Étape 2 : Analyse de l'Entrée
Collectez à partir de la conversation :
companies: liste des noms/URLs d'entreprises à suivre (requis, min 1, max 10 par exécution)output_preference: "rapport complet" (par défaut), "alertes-seulement", "briefing-seulement", ou "score-seulement" (tableau de classement + scores uniquement, sans analyses approfondies)timeframe: "temps réel" (par défaut) ou "dernière-semaine" ou "dernier-mois"
Si l'utilisateur donne un seul nom d'entreprise : exécutez quand même le pipeline radar complet. Les radars mono-entreprise sont valides -- obtenez le profil complet.
Si plus de 10 entreprises : dites à l'utilisateur "Maximum 10 entreprises par scan radar. Je vais exécuter les 10 premières. Faites-moi savoir si vous souhaitez en échanger."
Demandez si certaines entreprises ont des identifiants connus spécifiques :
- Nom d'organisation GitHub (s'il est différent du nom de l'entreprise)
- Identifiant Twitter
- Batch YC (s'il s'agit d'une entreprise YC)
- Slug Product Hunt
Cela économise du temps de recherche. Si inconnu, la phase de profil les découvrira.
Étape 3 : Phase de Profil d'Entreprise
Pour chaque entreprise, construisez un profil de base avant d'exécuter la recherche sur les plateformes.
Étape 3a : Enrichissement Web Initial
Pour chaque entreprise, exécutez une recherche Tavily pour découvrir :
[nom de l'entreprise] site officiel twitter github linkedin producthunt yc fondateurs
Extrayez des résultats de recherche :
- Domaine / URL du site web
- Description (2-3 phrases)
- Identifiant Twitter (à partir des URLs twitter.com/X.com dans les résultats)
- Organisation GitHub (à partir des URLs github.com dans les résultats)
- URL LinkedIn
- Slug Product Hunt
- Batch YC et URL (le cas échéant)
- Noms des fondateurs et leurs identifiants Twitter
Format de sortie : Pour chaque entreprise, produisez un objet de profil suivant references/company-profile-format.md.
Étape 3b : Confirmation avec l'Utilisateur
Affichez les profils découverts et demandez à l'utilisateur de confirmer ou de corriger avant de continuer.
## Profils d'Entreprise Découverts
| Entreprise | Domaine | Twitter | GitHub | Batch YC | Fondateurs |
|---|---|---|---|---|---|
| ... | ... | ... | ... | ... | ... |
Corrigez les identifiants incorrects avant de passer à la collecte de signaux ?
Attendez la confirmation de l'utilisateur. Ne sautez pas cette étape -- des identifiants erronés produisent des signaux erronés.
Étape 4 : Collecte Parallèle de Signaux
Maintenant, effectuez des recherches sur toutes les plateformes en parallèle pour toutes les entreprises confirmées.
Carte de Collecte de Signaux
Pour chaque plateforme, utilisez la méthode appropriée. Exécutez TOUTES les plateformes simultanément -- ne les séquencez pas.
Signal GitHub
Utilisez la recherche web (Tavily) pour trouver l'organisation GitHub, puis cherchez :
github.com/[org] stars forks commits
Extrayez :
- Nombre total d'étoiles sur tous les dépôts
- Nombre total de forks
- Commits récents (7 derniers jours)
- Versions récentes (30 derniers jours)
- Date du dernier push
- Langage principal
- Nombre de problèmes ouverts
Ou appelez la compétence gh-issue-to-demand-signal si vous souhaitez une analyse plus approfondie des signaux de demande à partir des Issues GitHub.
Signal Twitter/X
Utilisez twitter-GTM-find-skill ou une recherche Tavily :
twitter.com/[handle] site:twitter.com [entreprise] startup
Extrayez :
- Nombre de tweets récents (dernières 24h)
- Volume de mentions
- Activité de tweet des fondateurs
- Sujets/hashtags clés
Signal Reddit
Utilisez l'approche reddit-icp-monitor ou une recherche Tavily :
site:reddit.com [nom entreprise] [catégorie produit]
Extrayez :
- Nombre de mentions
- Scores des posts (upvotes)
- Sentiment (positif/négatif/mixte)
- Plaintes ou éloges clés
- Subreddits pertinents
Signal Hacker News
Utilisez l'approche hackernews-intel ou une recherche via l'API HN Algolia :
site:news.ycombinator.com [nom entreprise]
Extrayez :
- Nombre d'articles
- Points totaux
- Articles en première page
- Sujets clés
Signal Product Hunt
Utilisez l'approche producthunt-launch-kit ou une recherche Tavily :
site:producthunt.com [nom entreprise] produits
Extrayez :
- Lancements récents
- Nombre d'upvotes
- Commentaires/sentiment
- Fréquence de lancement
Signal Offres YC
Utilisez l'approche yc-intent-radar-skill / yc-jobs-scraper ou une recherche Tavily :
site:workatastartup.com [nom entreprise] OR site:ycombinator.com/companies [nom entreprise]
Extrayez :
- Nombre d'offres d'emploi ouvertes
- Titres/rôles des postes
- Répartition par département (Ingénierie, Ventes, Marketing, etc.)
- Localisation/télétravail
Signal Web / Presse
Utilisez une recherche Tavily :
[nom entreprise] levée de fonds lancement produit actualités 2026
Extrayez :
- Tours de financement récents
- Lancements de produits
- Embauches clés annoncées dans la presse
- Annonces de partenariats
Signal Prix (optionnel, exécutez si l'utilisateur souhaite des informations sur les prix)
Utilisez la compétence pricing-finder ou une recherche Tavily :
[nom entreprise] tarifs plans 2026
Extrayez :
- Niveaux de prix
- Changements dans la structure des plans
- Forfait gratuit vs payant
Gestion des Échecs
- Si un canal ne renvoie aucun résultat, notez-le dans le rapport comme "Aucun signal détecté"
- Si une compétence n'est pas disponible (clé API manquante), notez comme "Canal indisponible"
- N'inventez jamais de données de mémoire. Si vous ne pouvez pas les trouver, marquez-les comme non trouvées.
- Un canal vide n'invalide pas le rapport complet.
Étape 5 : Calcul du Score d'Intensité
Utilisez le script fourni scripts/heat-score-calc.mjs pour noter chaque entreprise. Ce script implémente l'algorithme de notation sur 4 dimensions de references/heat-score-methodology.md.
Comment Exécuter
Collectez toutes les données de signaux dans un fichier JSON correspondant à ce schéma :
{
"companies": [{
"name": "NomEntreprise",
"signals": {
"stars": null, "forks": null, "ph_votes": null,
"commits_week": null, "releases_month": null,
"active_shipping": false, "last_activity_days": null,
"tweets_24h": null, "mentions": null,
"reddit_posts": null, "reddit_score": null,
"hn_stories": null, "hn_points": null,
"youtube_videos": null,
"jobs": null, "dept_count": null,
"sentiment": null, "traction": null
}
}]
}
Remplissez chaque champ avec la valeur découverte. Laissez null pour tout ce qui n'est pas trouvé — le script traite null comme 0.
Exécutez ensuite :
node scripts/heat-score-calc.mjs --file signals.json
Ou en pipe :
echo '{"companies":[...]}' | node scripts/heat-score-calc.mjs
Ce qu'il Renvoie
Le script produit du JSON avec les résultats par entreprise :
{
"generated_at": "2026-05-29T...",
"company_count": 3,
"companies": [
{
"name": "Vercel",
"heat_score": 89,
"level": "Élevé",
"dimensions": {
"authority": { "score": 25, "max": 25, "breakdown": {...} },
"shipping": { "score": 25, "max": 25, "breakdown": {...} },
"social": { "score": 17, "max": 25, "breakdown": {...} },
"growth": { "score": 22, "max": 25, "breakdown": {...} }
},
"alerts": [...]
}
]
}
Chaque entreprise inclut :
heat_score— total de 0 à 100level— Élevé (60+), Moyen (30-59), Faible (1-29), Inactif (0)dimensions— score par dimension avec max et ventilation détailléealerts— signaux notables détectés automatiquement
Règles de Notation (implémentées dans le script)
Voici les formules appliquées par le script. Elles sont documentées ici pour transparence :
| Dimension | Signaux | Max |
|---|---|---|
| Autorité | Étoiles GitHub (min(15, stars/1000*3)), forks (min(5, forks/200*2)), votes PH (min(5, votes/100*5)) | 25 |
| Activité | Commits/semaine (min(10, commits*2)), versions/mois (5 si >0), indicateur actif (5), récence (5 si <7j, 3 si <30j) | 25 |
| Social | Tweets (5), mentions (5), posts Reddit (3) + score (2), articles HN (4) + points (3), YouTube (3) | 25 |
| Croissance | Emplois (min(10, jobs*3)), diversité départements (min(5, dept_count*2)), sentiment IA (5), traction IA (5) | 25 |
- Chaque dimension plafonne à 25. Les signaux manquants valent 0. N'estimez jamais les données.
- Méthodologie complète et cas limites dans
references/heat-score-methodology.md.
Étape 6 : Briefing Exécutif IA
Pour chaque entreprise notée au-dessus de 0 (c'est-à-dire tout signal détecté), générez un briefing exécutif IA en utilisant les données collectées.
Le briefing doit couvrir :
**Briefing Exécutif : [Nom Entreprise]**
**Contexte :** 1-2 phrases sur ce qu'ils font et leur position sur le marché
**Score d'Intensité :** [score]/100 — [Niveau d'Activité]
**Activité Récente :**
- Produit : signaux clés de produit ou de lancement trouvés
- Recrutement : état des recrutements, départements, rôles notables
- Communauté : résumé du sentiment (Reddit/HN/Twitter)
**Évaluation de la Menace :**
- Niveau de menace concurrentielle : [Faible / Moyen / Élevé]
- Justification : 2-3 phrases expliquant pourquoi
**Signal Clé (point le plus important à retenir) :**
Une phrase sur l'événement le plus important pour cette entreprise.
**Confiance des Données :**
Quels canaux avaient de bonnes données vs ce qui manquait.
Règles :
- Chaque affirmation dans le briefing doit provenir des données collectées
- La section "Confiance des Données" est obligatoire -- soyez honnête sur les lacunes
- L'évaluation de la menace doit comparer avec les autres entreprises du radar, pas dans le vide
- Gardez chaque briefing sous 250 mots
Étape 7 : Assembler et Produire le Rapport Radar
Compilez tout dans le format structuré du rapport radar. Utilisez references/radar-report-template.md pour la structure de sortie exacte.
Le rapport doit inclure :
- Résumé Exécutif — Conclusions principales avec classement des entreprises
- Classement des Scores d'Intensité — Tableau classé de toutes les entreprises
- Analyses Approfondies par Entreprise — Chaque entreprise avec profil complet, données de signaux, ventilation des scores et briefing IA
- Alertes de Signaux — Événements notables détectés (pics de recrutement, moments viraux, lancements)
- Notes sur la Qualité des Données — Quels canaux avaient des données, lesquels manquaient
Produisez au format markdown, prêt à copier dans Slack, Notion, Google Docs ou email.
Étape 8 : Optionnel — Planifier un Radar Récurrent
Si l'utilisateur souhaite une surveillance continue :
- Enregistrez la liste d'entreprises et la configuration API
- Mettez en place un planning cron (GitHub Actions ou cron système)
- Chaque exécution produit un rapport mis à jour
- Configurez des alertes pour les changements de score (par ex., "alerte si une entreprise gagne 20+ points")
Cette compétence est un orchestrateur — chaque exécution réalise le pipeline complet à partir de zéro.