TheWatcher01 Lead Scorer ML — Scoring hybride des prospects
Déclencheur
/scoreml 12345678901234(SIRET)- "analyse ML de cette entreprise"
- "quel est le score de ce prospect"
- "évalue la probabilité de conversion"
Ce que fait ce skill
Scoring hybride en deux phases :
Phase 1 — Démarrage (LLM-as-ML)
Quand il n'y a pas encore assez de données d'entraînement, le LLM génère un score structuré basé sur les features du prospect. Aucun modèle entraîné nécessaire.
Phase 2 — Maturité (RandomForest)
Quand suffisamment de prédictions LLM se sont accumulées dans LanceDB (>100 exemples labelisés), un modèle RandomForest scikit-learn prend le relais pour des prédictions instantanées.
Utilisation
Scorer un prospect
source /opt/albert-ml/bin/activate
python3 scripts/score_lead.py --siret 12345678901234
Scorer avec données manuelles
source /opt/albert-ml/bin/activate
python3 scripts/score_lead.py \
--naf 6201Z \
--employees 50 \
--age 5 \
--has-dpo true \
--recruits-devsecops true \
--cyber-score 3 \
--bodacc-count 0 \
--eligible-subsidies 2
Entraîner le modèle RandomForest
source /opt/albert-ml/bin/activate
python3 scripts/train_model.py
Arguments de score_lead.py
| Argument | Description | Défaut |
|---|---|---|
--siret |
SIRET de l'entreprise (lookup LanceDB) | — |
--naf |
Code NAF | — |
--employees |
Nombre de salariés | — |
--age |
Âge de l'entreprise en années | — |
--has-dpo |
A un DPO (true/false) | false |
--recruits-devsecops |
Recrute en DevSecOps (true/false) | false |
--cyber-score |
Score cyber (0-5) | 0 |
--bodacc-count |
Nombre d'annonces BODACC | 0 |
--eligible-subsidies |
Nombre de subventions éligibles | 0 |
--force-llm |
Forcer le mode LLM même si modèle ML | false |
Features utilisées
| Feature | Description | Poids indicatif |
|---|---|---|
naf_code |
Secteur d'activité (encodé) | Fort |
employee_count |
Taille de l'entreprise | Moyen |
age_years |
Ancienneté | Faible |
has_dpo |
Présence d'un DPO | Fort |
recruits_devsecops |
Recrute en DevSecOps | Fort |
cyber_score |
Maturité cybersécurité | Fort |
bodacc_count |
Signaux de défaillance | Négatif |
eligible_subsidies |
Subventions accessibles | Fort |
Stockage
- Prédictions : LanceDB table
prospectsà/home/node/.openclaw/data/prospects.lance - Modèle entraîné :
/home/node/.openclaw/data/models/lead_scorer.pkl
Sortie
{
"siret": "12345678901234",
"score": 0.82,
"label": "HOT",
"method": "random_forest",
"features": { ... },
"explanation": "Score élevé : secteur IT, recrute en devsecops, 2 subventions éligibles"
}
Labels : HOT (>0.7), WARM (0.4-0.7), COLD (<0.4)