Développement Python

# Développeur Python expérimenté – Fiabilisation d'un outil d'enrichissement de données B2B

## Présentation du projet

Nous sommes une entreprise spécialisée dans l'accompagnement des organismes de formation.

Nous recherchons un développeur Python expérimenté en scraping, automatisation de recherches web et enrichissement de données B2B.

Nous disposons déjà d'un **programme Python fonctionnel**, développé et testé à plusieurs reprises. Il permet de rechercher des informations publiques sur les entreprises et d'extraire des coordonnées professionnelles.

Nous souhaitons aujourd'hui le fiabiliser, améliorer la qualité des résultats et le rendre utilisable de manière autonome sur des bases de données importantes.

L'objectif n'est pas nécessairement de redévelopper une solution complète, mais d'auditer et d'améliorer l'existant.

## 1. Objectifs du programme

À partir d'une base d'entreprises comprenant notamment la raison sociale, le SIREN et le SIRET, le programme doit permettre de :

- Identifier le site Internet officiel de chaque entreprise.
- Vérifier le rattachement du site à la bonne entité juridique.
- Rechercher prioritairement les dirigeants, directeurs et responsables de formation ou pédagogiques.
- Identifier leurs adresses e-mail professionnelles lorsqu'elles sont publiquement accessibles.
- **À défaut de contact nominatif fiable, rechercher systématiquement une adresse générique professionnelle** : ••••@••••@, ••••@••••@, etc.
- Conserver la source des informations et leur niveau de fiabilité.
- Éviter les fausses attributions provenant d'annuaires, de prestataires, d'hébergeurs ou d'entreprises tierces.

Les adresses utilisant des domaines externes (Gmail, Orange, etc.) doivent pouvoir être retenues lorsqu'une source fiable confirme leur rattachement à l'entreprise.

## 2. Fonctionnalités attendues

### Recherche et qualification

Le programme devra notamment permettre :

- La recherche automatisée de sites Internet via des API de recherche.
- L'exploration des pages Contact, Équipe, Direction, À propos et Mentions légales.
- L'exploitation de documents PDF publics lorsque cela est pertinent.
- L'identification et l'association des noms, fonctions et adresses e-mail.
- Le contrôle des SIREN et SIRET.
- La distinction entre contacts confirmés, contacts probables et pistes non vérifiées.
- La détection des doublons et des adresses appartenant à des tiers.

Chaque information devra rester traçable jusqu'à sa source. Aucune adresse ou identité ne devra être inventée.

### Automatisation et performance

Le programme devra pouvoir traiter des bases volumineuses **par lots successifs**, avec :

- Lancement automatisé d'un ou plusieurs lots.
- Sauvegarde automatique des recherches et des résultats.
- Reprise après interruption, sans recommencer les recherches déjà réalisées.
- Relance ciblée des entreprises sans résultat ou en erreur.
- Gestion des limitations des API et des délais de réponse.
- Optimisation du nombre de requêtes et maîtrise des coûts d'exploitation.
- Suivi de la progression et des statistiques de résultats.

Nous souhaitons pouvoir utiliser le programme de façon totalement autonome, sans intervention du développeur pour les traitements courants.

## 3. Résultats attendus

Le programme devra générer des fichiers CSV et Excel comprenant :

- La base initiale enrichie.
- Le meilleur contact disponible par entreprise.
- Les contacts nominatifs identifiés.
- Les adresses génériques de remplacement.
- Les contacts secondaires.
- Les informations nécessitant une vérification.
- Les entreprises sans résultat et les erreurs rencontrées.

Pour chaque contact, nous souhaitons disposer du nom, de la fonction lorsqu'ils sont connus, de l'e-mail, de l'URL source, de la date de recherche et du niveau de fiabilité.

Les exports devront être utilisables dans des outils de prospection B2B tels que Lemlist, après les contrôles de conformité nécessaires.

## 4. Travaux déjà réalisés

Nous disposons de plusieurs versions du programme Python, d'historiques de recherches, de fichiers de résultats et de tests documentés.

Les principales difficultés identifiées sont :

- La reconnaissance du véritable site officiel d'une entreprise.
- La distinction entre les informations de l'entreprise et celles de ses prestataires.
- L'association correcte entre une personne, sa fonction et son adresse e-mail.
- La sélection du meilleur contact.
- La conservation d'une adresse générique lorsque le contact nominatif est indisponible.
- La limitation des recherches redondantes et des appels API.

Ces éléments seront communiqués au prestataire retenu pour faciliter l'audit.

## 5. Organisation de la mission

Nous envisageons trois étapes :

**Phase 1 – Audit technique**

Analyse du programme existant, identification des corrections nécessaires et proposition d'une architecture fiable.

**Phase 2 – Correction et validation**

Amélioration du programme, réalisation de tests sur un échantillon représentatif et contrôle de la qualité des informations obtenues.

Les critères de validation devront être définis en amont, notamment la fiabilité de l'attribution des contacts, le taux de couverture et le coût des recherches.

**Phase 3 – Industrialisation**

Adaptation aux traitements par lots, optimisation des performances, documentation et livraison d'une solution autonome et réutilisable.

## 6. Exigences et livrables

Nous attendons :

- Le programme fonctionnel et son code source complet.
- La documentation technique et utilisateur.
- Une procédure d'installation et d'utilisation simple.
- Un fonctionnement sur Mac ou une solution accessible via une interface adaptée.
- Les tests automatisés et les résultats du contrôle qualité.
- Un mécanisme fiable de sauvegarde et de reprise.
- Une estimation des coûts récurrents des API et services externes.
- La correction des anomalies pendant la phase de recette.
- Les droits nécessaires à l'utilisation, la modification et la maintenance du programme.

Le traitement devra respecter les règles applicables aux données professionnelles, la réglementation sur les données personnelles et les conditions d'utilisation des sources consultées.

## 7. Profil recherché

Nous privilégierons un développeur ayant une expérience démontrée dans :

- Python et automatisation.
- Web scraping et API de recherche.
- Enrichissement de bases de données B2B.
- Extraction et qualification de contacts professionnels.
- Traitement de données à grande échelle.
- Optimisation des performances et des coûts API.

Merci de préciser dans votre réponse :

- Vos références sur des projets comparables.
- Votre approche technique.
- Votre méthode pour fiabiliser l'attribution des contacts aux bonnes entreprises.
- Votre capacité à reprendre et améliorer un programme existant.
- Votre proposition de déroulement, de délai et de tarification par phase.

**Nous recherchons un prestataire capable de livrer un outil fiable, réutilisable et exploitable en autonomie, et non une prestation ponctuelle de collecte de contacts.**