lead-scorer-ml

Scoring ML hybride des prospects : LLM au démarrage, RandomForest quand assez de données. Utiliser pour évaluer la probabilité de conversion d'un prospect.

SKILL.md

GitHub

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 prospects à /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)