L'outil d'études de marché

Le projet

Le client réalise des études de marché dans l'agroalimentaire, sur un secteur et un pays différents à chaque mission. L'outil récupère des dizaines de milliers de requêtes de recherche sur un sujet, les filtre et les classe avec un modèle de langage, les regroupe par proximité de sens, fusionne les variantes, puis produit un tableau Excel : une ligne par concept. Ma mission de départ : y ajouter l'historique mensuel des volumes de recherche, pour montrer les saisons et les tendances.

Tracer ce qu'on touche, sans dépôt

Le projet est arrivé en archive — 169 fichiers, deux API Python, une interface React, un déploiement cloud documenté — et le client ne travaille pas avec un gestionnaire de versions. Or les livraisons se feront fichier par fichier. J'ai créé un dépôt local dont le premier commit est l'état d'origine : à tout moment, il donne la liste exacte des fichiers modifiés.

Comprendre avant de modifier

• Faire tourner l'existant. Environnement Python isolé, trois services démarrés et vérifiés, et une liste claire de ce qui manquait : clés des fournisseurs, accès au cloud, fichiers de déploiement absents de l'archive.
• Apprendre le domaine. Suivre le trajet d'un mot-clé à travers chaque étape — filtrage, classification, regroupement, dédoublonnage — avant de toucher à quoi que ce soit.
• Lire la documentation du fournisseur. Le point d'accès indiqué était en réalité une base historique vendue sur devis et livrée en fichiers, pas un service appelable depuis le code. J'ai identifié l'équivalent utilisable, de la même famille que ceux déjà employés.
• Chiffrer avant d'appeler. Récupérer l'historique sur tout le corpus ou seulement sur les concepts retenus n'a pas le même coût. Aucun appel payant sans l'accord du client.

Le chantier en est là : quatorze questions de cadrage envoyées, classées de bloquantes à techniques, chacune avec son contexte. Aucun fichier du projet ne sera modifié tant que les questions bloquantes ne sont pas tranchées.