Similar Finder — Recherche de prospects similaires

Déclencheur

• /similaire 12345678901234 (SIRET du client idéal)
• "trouve des entreprises similaires à mon meilleur client"
• "quels prospects ressemblent à X"
• "lookalike de cette entreprise"

Ce que fait ce skill

1. Encode le profil textuel d'une entreprise de référence en vecteur d'embedding
2. Recherche par similarité cosinus dans LanceDB
3. Retourne les 10 entreprises les plus proches

Modèle utilisé

paraphrase-multilingual-MiniLM-L12-v2 (~470 MB)

• Modèle multilingue optimisé pour le français
• Pré-téléchargé dans l'image Docker
• Embeddings de dimension 384

Utilisation

Chercher des similaires par SIRET

source /opt/albert-ml/bin/activate
python3 scripts/find_similar.py --siret 12345678901234 --top 10

Chercher par description textuelle

source /opt/albert-ml/bin/activate
python3 scripts/find_similar.py \
    --description "ESN cybersécurité 50 employés Toulouse spécialisée NIS2 et SOC" \
    --top 10

Ingérer une entreprise dans la base vectorielle

source /opt/albert-ml/bin/activate
python3 scripts/find_similar.py --ingest \
    --siret 12345678901234 \
    --description "Cabinet de conseil IT, 30 salariés, Paris, spécialiste cloud AWS et DevOps"

Arguments

Argument	Description	Défaut
--siret	SIRET de l'entreprise de référence	—
--description	Description textuelle du profil cible	—
--top	Nombre de résultats similaires	10
--ingest	Mode ingestion (ajouter à la base)	false
--threshold	Score de similarité minimum (0-1)	0.5

Stockage

• Table LanceDB : company_embeddings à /home/node/.openclaw/data/companies.lance
• Chaque enregistrement : SIRET, nom, description, vecteur 384D, métadonnées

Sortie

{
  "query": "ESN cybersécurité Toulouse...",
  "results": [
    {
      "siret": "98765432109876",
      "nom": "CyberSec SAS",
      "description": "...",
      "similarity": 0.89,
      "rank": 1
    }
  ],
  "total_in_db": 1500,
  "model": "paraphrase-multilingual-MiniLM-L12-v2"
}

Comment enrichir la base

La base vectorielle s'enrichit automatiquement via les pipelines de données (skill data-pipes). On peut aussi ingérer manuellement avec le flag --ingest. Plus la base est riche, meilleurs sont les résultats de recherche.