Recherche sur les entreprises

Découvrez et étudiez en profondeur les entreprises auxquelles vous souhaitez vendre vos produits. Utilise l'API de recherche Browserbase pour la découverte et un modèle Planification → Recherche → Synthèse pour un enrichissement approfondi — générant un rapport de recherche noté et un fichier CSV.

Requis : BROWSERBASE_API_KEY une variable d’environnement et browse CLI installées.

Configuration lors de la première utilisation : lors de la première utilisation, vous serez invité à approuver browse cloud fetch, browse cloud search, cat, mkdir, sed, etc. Sélectionnez « Oui, et ne plus demander pour : browse cloud fetch:* » (ou équivalent) pour chaque élément afin de les approuver automatiquement pour la session. Pour les approuver de manière permanente, ajoutez-les à votre ~/.claude/settings.json sous permissions.allow:

"Bash(browse:*)", "Bash(bunx:*)", "Bash(bun:*)", "Bash(node:*)",
"Bash(cat:*)", "Bash(mkdir:*)", "Bash(sed:*)", "Bash(head:*)", "Bash(tr:*)", "Bash(rm:*)"

Règles de chemin d’accès : utilisez toujours le chemin d’accès littéral complet dans toutes les commandes Bash — PAS ~ ni $HOME (ces deux options déclenchent des invites d’autorisation de type « syntaxe d’expansion du shell »). Définissez une fois pour toutes le répertoire personnel et utilisez-le partout. Lorsque vous créez des invites de sous-agent, remplacez {SKILL_DIR} par le chemin littéral complet.

Répertoire de sortie : tous les résultats de recherche sont enregistrés dans ~/Desktop/{company_slug}_research_{YYYY-MM-DD}/. Ce répertoire contient un .md fichier par entreprise étudiée, ainsi qu’un .csv. L’utilisateur reçoit à la fois la feuille de calcul notée et l’ensemble des fichiers de recherche sur son bureau.

IMPORTANT — Restrictions de l’outil (s’appliquent à l’agent principal ET à tous les sous-agents) :

• Toutes les recherches sur le Web : utilisez browse cloud search. N’utilisez JAMAIS WebSearch.
• Toute extraction de contenu de page : utilisez node {SKILL_DIR}/scripts/extract_page.mjs "". Ce script récupère via browse cloud fetch --output, analyse le titre, les balises meta et le texte visible du corps de la page, et se rabat automatiquement sur browse get markdown lorsque la récupération échoue ou renvoie un contenu allégé rendu par JavaScript. N’écrivez JAMAIS manuellement un browse cloud fetch | sed pipeline — cela supprime les balises méta et n’analyse pas l’enveloppe JSON de la sortie standard. N’utilisez JAMAIS WebFetch.
• Tous les résultats de recherche : les sous-agents rédigent un fichier Markdown par entreprise en {OUTPUT_DIR}/{company-slug}.md à l’aide d’un heredoc bash. N’utilisez JAMAIS l’outil Write ni python3 -c. Voir references/example-research.md pour le format de fichier.
• Compilation du rapport et du fichier CSV : utilisez node {SKILL_DIR}/scripts/compile_report.mjs {OUTPUT_DIR} --open — génère un rapport HTML et un fichier CSV en une seule étape, et ouvre la vue d’ensemble dans le navigateur.
• Déduplication des URL : utilisez node {SKILL_DIR}/scripts/list_urls.mjs /tmp après la découverte.
• Les sous-agents doivent utiliser UNIQUEMENT l’outil Bash. Aucun autre outil n’est autorisé.
• L'agent principal ne lit JAMAIS les fichiers batch JSON bruts de découverte. Utilisez list_urls.mjs pour la déduplication.

CRITIQUE — Règles anti-hallucination (s'appliquent à l'agent principal ET à tous les sous-agents) :

• Ne jamais déduire product_description, industry, ni target_audience à partir des polices, du framework (Framer/Next.js/React), du système de conception ou de la typographie d’un site. Ces éléments sont purement esthétiques et ne renseignent en rien sur ce que vend l’entreprise.
• NE JAMAIS laisser l’ICP propre à l’utilisateur transparaître dans la description d’une cible. Si vous ne savez pas ce que fait la cible, écrivez Unknown — ne les associez pas à l’ICP.
• product_description VOUS DEVEZ citer ou paraphraser une phrase spécifique issue de extract_page.mjs contenu (TITRE, META_DESCRIPTION, OG_DESCRIPTION, TITRES ou CORPS). Si aucun de ces champs ne contient de description de produit identifiable, écrivez Unknown — homepage content not accessible.
• Si product_description est Unknown, mettez icp_fit_score à 3 et définissez icp_fit_reasoning sur Insufficient evidence — homepage returned no readable content.

CRITIQUE — Réduire au minimum les demandes d’autorisation :

• Les sous-agents DOIVENT regrouper TOUTES les écritures de fichiers en un SEUL appel Bash à l’aide d’heredocs enchaînés. Un appel Bash = une demande d’autorisation.
• Regroupez TOUTES les recherches et TOUTES les récupérations en appels Bash uniques à l’aide d’un && le chaînage.

Présentation du pipeline

Suivez ces 5 étapes dans l’ordre. Ne sautez aucune étape et ne modifiez pas leur ordre.

1. Recherche sur l’entreprise — Comprenez en profondeur l’entreprise de l’utilisateur, son produit et à qui elle vend
2. Sélection du mode de recherche approfondie — Choisissez le niveau de détail de la recherche en fonction du nombre de cibles souhaitées
3. Découverte — Identifiez les entreprises cibles à l’aide de requêtes de recherche variées
4. Recherche approfondie et notation — Étudiez chaque entreprise et évaluez son adéquation avec le profil client idéal (ICP)
5. Rapport et fichier CSV — Présentez les résultats et compilez un fichier CSV avec les notes attribuées

Étape 0 : Configuration du répertoire de sortie

Avant de commencer, créez le répertoire de sortie sur le bureau de l’utilisateur :

OUTPUT_DIR=~/Desktop/{company_slug}_research_{YYYY-MM-DD}
mkdir -p "$OUTPUT_DIR"

Remplacez {company_slug} par le nom de l'entreprise de l'utilisateur (en minuscules, avec des tirets) et {YYYY-MM-DD} par la date du jour. Transmettez {OUTPUT_DIR} (sous forme de chemin d’accès littéral complet, et non avec ~) à toutes les invites des sous-agents afin qu’ils y enregistrent les fichiers de recherche.

Nettoyez également les fichiers batch de découverte issus des exécutions précédentes :

rm -f /tmp/company_discovery_batch_*.json

Étape 1 : Recherche approfondie sur l’entreprise

C'est l'étape la plus importante. La qualité de toutes les étapes en aval dépend d'une compréhension approfondie de l'entreprise de l'utilisateur.

1. Demandez à l’utilisateur le nom ou l’URL de son entreprise

2. Vérifiez si un profil existe déjà :

   • Répertoriez les fichiers dans {SKILL_DIR}/profiles/ (ignorer example.json)
   • Si un profil correspondant existe → chargez-le, présentez-le à l'utilisateur : « J'ai votre profil provenant de {researched_at}. Est-il toujours d'actualité ? » Si oui → passez à l'étape 2.
   • Si aucun profil n’existe → procédez à une recherche approfondie comme indiqué ci-dessous.

3. Effectuer une recherche approfondie complète sur l’entreprise de l’utilisateur en suivant le schéma Plan→Recherche→Synthèse. Voir references/research-patterns.md pour les modèles de sous-questions et la méthodologie de recherche.

   Étapes clés de la recherche :

   • Recherche : browse cloud search "{company name}" --num-results 10
   • Récupérer la page d'accueil : node {SKILL_DIR}/scripts/extract_page.mjs "{company website}"
   • Découvrez les pages du site via le plan du site (ne codez PAS en dur des chemins d’accès tels que /about ou /customers):
     1. browse cloud fetch --allow-redirects "{company website}/sitemap.xml" — le plan du site est court, une version brute browse cloud fetch convient
     2. Rechercher les URL contenant des mots-clés : customer, case-stud, pricing, about, use-case, industry, solution
     3. Vous pouvez également récupérer /llms.txt les descriptions des pages
     4. Sélectionnez les 3 à 5 URL les plus pertinentes et extrayez-les avec extract_page.mjs (PAS au format brut browse cloud fetch)
   • Rechercher le contexte externe et les concurrents
   • Compiler les résultats avec des niveaux de confiance

   Synthétisez le tout en un profil : Entreprise, produit, clients existants, concurrents, cas d’utilisation. N’incluez PAS le profil client cible (ICP) ni les sous-secteurs — ces éléments font l’objet de décisions au cas par cas.

4. Présentez le profil à l’utilisateur pour confirmation. Ne passez pas à l’étape suivante tant que la confirmation n’a pas été donnée.

5. Enregistrer le profil confirmé dans {SKILL_DIR}/profiles/{company-slug}.json

6. Posez des questions de clarification à l’aide AskUserQuestion des cases à cocher :

   • « Quels segments ciblez-vous ? » avec des options issues de l’étude sur l’entreprise
   • « Stade de développement de l’entreprise ? » — Start-ups, PME, Grandes entreprises, Toutes
   • « Combien d’entreprises / niveau de détail ? » — Rapide (100), Approfondi (50), Plus approfondi (~25)
   • Il s’agit de la SEULE interaction avec l’utilisateur. Ensuite, l’exécution se fait en arrière-plan jusqu’à ce que les résultats soient prêts.

Étape 2 : Sélection du mode de profondeur

Étape 3 : Découverte

Formule : ceil(requested_companies / 35) requêtes de recherche nécessaires. Prévoyez environ 2 à 3 fois plus de résultats, car le filtrage en élimine généralement 50 à 70 %.

Générer des requêtes de recherche selon les modèles suivants :

• Secteur d’activité + stade de développement de l’entreprise + zone géographique (« start-ups fintech série A région de la Baie de San Francisco »)
• Pile technologique + cas d’utilisation (« entreprises utilisant Selenium pour le web scraping »)
• Proximité avec la concurrence (« alternatives à {entreprise connue dans l'ICP} »)
• Profil d’acheteur + problème (« équipes d’ingénieurs confrontées à des difficultés d’automatisation des navigateurs »)

Procédure :

1. Lancer TOUS les sous-agents de découverte en même temps (jusqu’à environ 6 par message). Chacun exécute ses requêtes dans un SEUL appel Bash :

   browse cloud search "{query}" --num-results 25 --output /tmp/company_discovery_batch_{N}.json
   

2. Une fois toutes les vagues terminées, dédupliquer : node {SKILL_DIR}/scripts/list_urls.mjs /tmp
3. Filtrer la liste d’URL — supprimer :
   • Les articles de blog, les articles d’actualité (globenewswire.com, techcrunch.com, etc.)
   • Les annuaires/agrégateurs (tracxn.com, crunchbase.com, g2.com)
   • Les concurrents et les clients existants de l’utilisateur (à partir de son profil) Ne conservez que les pages d’accueil des entreprises.

Voir references/workflow.md pour les modèles de messages destinés aux sous-agents et la gestion des vagues.

Étape 4 : Recherche approfondie et notation

Lancez des sous-agents pour effectuer des recherches parallèles sur les entreprises. Voir references/workflow.md pour le modèle de prompt du sous-agent d’enrichissement. Voir references/research-patterns.md pour la méthodologie de recherche complète.

Procédure :

1. Répartir les URL filtrées en groupes par sous-agent (rapide : ~10, approfondi : ~5, très approfondi : ~2-3)

2. Lancer TOUS les sous-agents d'enrichissement en même temps (jusqu'à environ 6 par message)

3. Chaque sous-agent utilise UNIQUEMENT Bash — pour chaque entreprise :

   Phase A — Planification (à ignorer en mode rapide) : Décomposition en 2 à 5 sous-questions en fonction de l’ICP et des champs d’enrichissement.

   Phase B — Boucle de recherche : Rechercher et récupérer des pages, extraire les résultats. Respecter le budget par étape (rapide : 2-3, approfondi : 5-8, très approfondi : 10-15).

   Phase C — Synthèse : Noter l’adéquation à l’ICP sur une échelle de 1 à 10 à l’aide de preuves. Remplir les champs d’enrichissement à partir des résultats.

4. Les sous-agents écrivent TOUS les fichiers Markdown en un SEUL appel Bash à l’aide d’heredocs enchaînés afin de {OUTPUT_DIR}/

5. Une fois que TOUS les sous-agents ont terminé, passer à l’étape 5

Critique : inclure la description confirmée de l’ICP mot pour mot dans chaque invite de sous-agent. Transmettre le chemin d’accès littéral complet {OUTPUT_DIR} à chaque sous-agent.

Étape 5 : Rapport et CSV

1. Générer un rapport HTML + CSV (ouvre automatiquement la vue d'ensemble dans le navigateur) :

   node {SKILL_DIR}/scripts/compile_report.mjs {OUTPUT_DIR} --open
   

   Cela génère :

   • {OUTPUT_DIR}/index.html — une page de synthèse avec un tableau de scores (s’ouvre dans le navigateur)
   • {OUTPUT_DIR}/companies/*.html — des pages individuelles par entreprise (accessibles depuis la vue d’ensemble)
   • {OUTPUT_DIR}/results.csv — une feuille de calcul avec les notes, à importer dans Google Sheets ou un CRM

2. Afficher également un résumé dans le chat :

## Company Research Complete

- **Total companies researched**: {count}
- **Depth mode**: {mode}
- **Score distribution**:
  - Strong fit (8-10): {count}
  - Partial fit (5-7): {count}
  - Weak fit (1-4): {count}
- **Report opened in browser**: ~/Desktop/{company_slug}_research_{date}/index.html

3. Affichez les meilleures entreprises classées par score ICP dans un tableau :

| Company | Score | Product | Industry | Fit Reasoning |
|---------|-------|---------|----------|---------------|
| Acme | 9 | AI inventory management | E-commerce SaaS | Series A, uses Selenium, expanding to EU |

4. Pour les 3 à 5 meilleures entreprises, présentez un bref résumé de la recherche : principales conclusions, raisons pour lesquelles elles correspondent bien au profil recherché et angle d’approche spécifique à adopter.

Proposer d’approfondir l’analyse de sociétés spécifiques, d’ajuster les critères de notation ou de relancer la recherche avec des requêtes différentes.