Outil d'automatisation d'etudes de marche pour consultants en strategie.
A partir de trois variables — client, secteur et geographie — MarketMind recherche automatiquement des donnees sur le web, les synthetise via un LLM et genere un rapport structure, source et exploitable.
Les consultants en strategie passent des heures a preparer des etudes de marche pour leurs propositions commerciales. Le travail est repetitif : chercher des donnees sur la taille du marche, les tendances, les concurrents, le profil du client... a travers des dizaines de sources web, puis synthetiser le tout dans un document structure.
Ce processus manuel est lent, sujet aux oublis, et ne capitalise pas sur les recherches precedentes.
MarketMind automatise la generation d'etudes de marche. L'utilisateur saisit trois variables et recoit un rapport complet en 5 sections, chacune accompagnee de ses sources.
| Section | Contenu |
|---|---|
| Taille de marche | Valeur et volume du marche, CAGR, segmentation, tendances structurantes |
| Environnement de marche | Tendances sectorielles, facteurs macroeconomiques, operations M&A recentes |
| Paysage concurrentiel | Acteurs principaux, parts de marche, dynamique concurrentielle, positionnement du client |
| Profil du client | Chiffres cles, activites principales, position dans la chaine de valeur |
| Strategie et enjeux | Operations strategiques recentes, enjeux futurs du client |
- Chaque chiffre est accompagne de sa source
- Les donnees manquantes sont explicitement signalees
- Le format est directement exploitable pour alimenter des slides de presentation
- L'ajout d'une nouvelle section au rapport ne necessite aucune modification du code existant
MarketMind fonctionne en trois etapes :
-
Recherche — Pour chaque section, plusieurs requetes sont envoyees en parallele a un moteur de recherche web (Tavily). Les resultats sont dedupliques.
-
Synthese — Les resultats de recherche sont transmis a un LLM (Gemini 2.5 Flash) avec un prompt expert adapte a la section. Le LLM redige une analyse structuree en Markdown avec des citations.
-
Affichage — Le Markdown est converti en HTML cote serveur et affiche dans le navigateur via HTMX, sans rechargement de page.
- Backend : Python 3.13, FastAPI
- Frontend : Jinja2, TailwindCSS (CDN), HTMX
- Recherche web : Tavily (API REST)
- LLM : Google Gemini 2.5 Flash
- Tests : pytest, pytest-asyncio
- Python 3.13+
- Une cle API Gemini (gratuite sur Google AI Studio)
- Une cle API Tavily (gratuite sur tavily.com, 1000 recherches/mois)
git clone https://github.com/adrina1n/MarketMind.git
cd MarketMind
python -m venv .venv
.venv\Scripts\activate # Windows
pip install -r requirements.txt
Creer un fichier .env a la racine :
DEBUG=true
GEMINI_API_KEY=votre-cle-gemini
TAVILY_API_KEY=votre-cle-tavily
uvicorn app.main:app --reload
Ouvrir http://127.0.0.1:8000 dans le navigateur.
pytest tests/ -v
- Setup projet + interface formulaire
- Pipeline E2E avec premiere section (taille de marche)
- 5 categories de rapport completes
- Score de confiance et gestion des donnees manquantes
- Pre-recherche et clarification des ambiguites
- RAG : base de connaissances avec upload de documents (ChromaDB)
- Polish : parallelisation, streaming, export PDF
Projet prive.