# Weak Signal : repérer les opportunités avant les concurrents, avec L-Acoustics

> Les équipes passaient leurs journées à lire, trier et qualifier l’actualité, et les opportunités refroidissaient quand même. Avec L-Acoustics, nous avons construit un pipeline agentique qui lit, qualifie et livre chaque opportunité à la bonne équipe commerciale.

Source : https://dasein-ai.com/fr/articles/weak-signal-l-acoustics · Dasein · Publié le 1er octobre 2026 · projet livré en décembre 2025

## En bref

- Le problème n’était pas le manque d’information, mais son excès : trop d’articles, trop de bruit, et des opportunités repérées trop tard.
- Un pipeline en quatre étapes (collecter, indexer, analyser, distribuer) sur Azure et Microsoft Fabric, avec un scoring explicable et des règles métier.
- Résultat : cinq fois plus d’articles traités, une qualification dix fois plus rapide et 58 % de faux positifs en moins, avec une validation humaine qui reste au centre.

- **×5** : articles traités chaque jour
- **×10** : plus rapide pour qualifier une opportunité
- **−58 %** : de faux positifs

## 1. Le point de départ

L-Acoustics suit l’actualité de ses marchés pour repérer, le plus tôt possible, les projets qui peuvent devenir des opportunités commerciales. Cette veille reposait sur des personnes : lire les articles, trier ce qui compte, qualifier chaque projet, puis prévenir la bonne équipe.

> Les équipes passaient leurs journées à lire, trier, qualifier. Pendant ce temps, les opportunités refroidissaient et les concurrents concluaient. Le paradoxe : plus on investissait dans une veille manuelle, moins elle rapportait.

## 2. Trois points de friction

Avant de parler de technologie, nous avons classé les difficultés des équipes en trois familles. Chacune appelle une réponse différente.

- **Le timing** : Une opportunité détectée trop tard est perdue pour la concurrence. La valeur de l’information baisse avec le temps.
- **Le bruit** : Beaucoup de bruit, peu de signal. Les équipes perdent du temps à trier des informations qui ne les concernent pas.
- **Le volume** : Des centaines d’articles par semaine. Impossible de tout lire, donc des angles morts.

## 3. La promesse : de l’article à l’opportunité qualifiée

- **Un framework agentique** : Des agents qui extraient de chaque article les informations utiles au métier : le projet, le lieu, les acteurs, l’échéance, le budget.
- **Un scoring** : Une qualification objective et explicable : chaque note s’appuie sur des critères lisibles, pas sur une boîte noire.
- **Du concret pour le terrain** : L’opportunité arrive directement chez l’équipe commerciale concernée, dans les outils qu’elle utilise déjà.

## 4. Un pipeline en quatre étapes

*Schéma : Le pipeline Weak Signal en quatre étapes : collecter, indexer, analyser, distribuer.*

- Collecter : les sources sont suivies dans Feedly, organisées par verticale de marché.
- Indexer : un agent extrait le contenu de chaque article et l’indexe dans Azure AI Search, pour pouvoir le retrouver et le comparer.
- Analyser : des agents enrichissent chaque article et évaluent son potentiel commercial.
- Distribuer : les opportunités retenues sont consolidées dans l’entrepôt de données, puis envoyées aux équipes pour validation.

Côté traitement, le framework agentique tourne dans des Azure Functions, en deux grandes étapes d’enrichissement : extraire et indexer d’abord, enrichir et analyser ensuite. Entre chaque étape, les données circulent sous forme de métadonnées JSON, ce qui rend chaque étape testable et remplaçable.

## 5. L’architecture data sur Microsoft Fabric

Les opportunités sont traitées, stockées et distribuées sur trois couches complémentaires.

| Lakehouse | Warehouse | Excel |
| --- | --- | --- |
| Déduplication : les doublons sont détectés par similarité sémantique ; au-delà de 0,90, ils sont écartés automatiquement. | Vues consolidées : opportunités dédupliquées, statistiques par zone, couverture des équipes. | Export hebdomadaire : un fichier avec les nouvelles opportunités de la semaine à valider. |
| Tables de référence : les équipes commerciales par zone géographique et par verticale. | Jointures métier : chaque opportunité est rattachée au responsable commercial de sa zone et de sa verticale. | Synchronisation dans les deux sens : les décisions des commerciaux (validé ou rejeté) remontent chaque jour. |
| Historisation : toutes les opportunités brutes sont conservées, pour la traçabilité et les analyses rétrospectives. | Alimentation BI : tableaux de bord Power BI et suivi des indicateurs commerciaux. | Notifications : un e-mail part vers le responsable concerné dès qu’une opportunité validée le concerne. |

*Trois couches : préparer les données (Lakehouse), les relier au métier (Warehouse), les remettre entre les mains des équipes (Excel).*

> Le choix d’Excel n’est pas un détail. Les équipes valident là où elles travaillent déjà, et leurs décisions reviennent dans la plateforme : c’est ce retour qui permet d’affiner les règles.

## 6. Les résultats

| Indicateur | Avant | Après |
| --- | --- | --- |
| Articles traités par jour | 10 à 20, lus à la main | 50 à 100, analysés en entier |
| Qualification d’une opportunité | 30 à 60 minutes | immédiate, avec un score argumenté |
| Part de bruit | 60 % | 25 % |

*Le scoring évalue le potentiel commercial à partir de la phase du projet, du calendrier, du budget et de la concurrence.*

La baisse du bruit ne vient pas d’un modèle plus puissant, mais de règles métier explicites : un projet déjà terminé, une échéance trop proche ou un financement incertain ne remontent plus aux équipes. Seules les vraies opportunités arrivent sur leur bureau.

## 7. Ce que nous en retenons

- Partir des frictions du terrain (timing, bruit, volume) plutôt que de la technologie.
- Écrire les règles métier noir sur blanc : elles font plus pour la qualité que le choix du modèle.
- Rendre le score explicable, pour que les commerciaux lui fassent confiance.
- Livrer dans les outils existants, et faire remonter les décisions pour améliorer le système.
- Garder une validation humaine : l’agent qualifie, l’équipe décide.

Article : [Business Applications : des agents qui travaillent dans vos processus, sous contrôle](https://dasein-ai.com/fr/articles/business-applications), Pour aller plus loin sur les agents métiers, l’aide à la décision et les garde-fous qui les entourent.

## Pour aller plus loin

- [L-Acoustics](https://www.l-acoustics.com)
- [Microsoft Fabric : documentation](https://learn.microsoft.com/fabric/)
- [Azure AI Search : documentation](https://learn.microsoft.com/azure/search/)
- [Azure Functions : documentation](https://learn.microsoft.com/azure/azure-functions/)
- [Feedly](https://feedly.com)
