https://github.com/minervarose/ai-competitive-intelligence-observatory
French Streamlit demonstrator showing how generative AI can turn scattered business intelligence signals into a structured strategic briefing with LLM analysis, source traceability, human validation, and lightweight AI governance.
https://github.com/minervarose/ai-competitive-intelligence-observatory
ai-governance business-ai competitive-intelligence decision-support generative-ai human-in-the-loop llm openai python streamlit
Last synced: about 19 hours ago
JSON representation
French Streamlit demonstrator showing how generative AI can turn scattered business intelligence signals into a structured strategic briefing with LLM analysis, source traceability, human validation, and lightweight AI governance.
- Host: GitHub
- URL: https://github.com/minervarose/ai-competitive-intelligence-observatory
- Owner: MinervaRose
- License: other
- Created: 2026-06-07T13:13:08.000Z (18 days ago)
- Default Branch: master
- Last Pushed: 2026-06-07T14:13:30.000Z (18 days ago)
- Last Synced: 2026-06-07T16:10:10.772Z (18 days ago)
- Topics: ai-governance, business-ai, competitive-intelligence, decision-support, generative-ai, human-in-the-loop, llm, openai, python, streamlit
- Language: Python
- Homepage: https://minervarose.github.io/
- Size: 2.67 MB
- Stars: 0
- Watchers: 0
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
- License: LICENSE
Awesome Lists containing this project
README
# AI Competitive Intelligence Observatory
[](https://doi.org/10.5281/zenodo.20581501)
**Démonstrateur IA pour équipes métiers : veille, synthèse stratégique, workflows LLM et validation humaine.**
Ce projet est une application Streamlit en français, conçue comme un cas pratique de formation professionnelle à l’IA générative appliquée aux métiers.
Il montre comment transformer des signaux de veille dispersés en briefing utile, vérifiable et actionnable grâce à l’IA générative, avec une étape explicite de validation humaine.
---
## Positionnement
Ce projet n’est pas un outil de recherche académique. C’est un démonstrateur métier.
Il sert à montrer, dans un contexte professionnel réaliste, comment une équipe peut utiliser l’IA pour :
- structurer des informations dispersées ;
- analyser des signaux de veille ;
- produire une synthèse exploitable ;
- identifier opportunités, risques et actions ;
- conserver la traçabilité des sources ;
- intégrer une validation humaine ;
- documenter les limites et responsabilités.
---
## Aperçu de l’application
L’application propose une démonstration complète du workflow : visualisation des signaux, analyse métier par LLM, génération de briefing, validation humaine et usage pédagogique.
### Page d’accueil et vue d’ensemble
### Signaux à traiter et tendances détectées
### Analyse métier par LLM
### Briefing stratégique
### Gouvernance et usage formation
---
## Ce que fait l’application
L’application permet de :
- charger des signaux de veille depuis un CSV ;
- scorer les signaux selon leur nouveauté, leur pertinence métier et leur impact gouvernance ;
- visualiser les signaux à traiter ;
- détecter des tendances utiles pour une équipe métier ;
- analyser un signal avec OpenAI ;
- générer un briefing stratégique avec OpenAI ou avec un moteur local de démonstration ;
- télécharger le briefing en Markdown ;
- appliquer une checklist de validation humaine ;
- documenter un registre léger de gouvernance.
---
## Valeur pédagogique
Ce démonstrateur peut servir de support à un atelier sur :
- l’IA générative appliquée aux métiers ;
- les workflows LLM ;
- la synthèse stratégique ;
- le prompting orienté sortie structurée ;
- la traçabilité des sources ;
- la supervision humaine ;
- les limites des modèles ;
- la gouvernance opérationnelle de l’IA.
Il est construit autour d’une logique simple : partir d’un cas réel de travail, produire un livrable utile, puis questionner les limites et les responsabilités.
---
## Workflow
```text
Sources de veille métier
↓
Structuration des signaux
↓
Scoring nouveauté / pertinence / gouvernance
↓
Analyse LLM
↓
Briefing stratégique
↓
Validation humaine
↓
Diffusion interne
```
---
## Exemple de cas d’usage
Une équipe métier reçoit chaque semaine plusieurs sources d’information : articles, annonces d’éditeurs IA, signaux internes, notes réglementaires ou retours clients.
L’application aide à transformer ces éléments dispersés en briefing structuré :
- ce qu’il faut retenir ;
- pourquoi cela compte pour l’organisation ;
- quels risques ou limites encadrer ;
- quelles actions envisager ;
- quels points doivent être validés humainement.
---
## Architecture fonctionnelle
```text
CSV de signaux
↓
App Streamlit
↓
Scoring local
↓
Analyse LLM optionnelle
↓
Briefing Markdown
↓
Checklist de validation humaine
```
---
## Installation
```bash
python -m venv .venv
.venv\Scripts\python.exe -m pip install -r requirements.txt
```
Sur macOS/Linux :
```bash
python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
```
---
## Configuration OpenAI
L’application fonctionne en mode démonstration sans clé API.
Pour activer OpenAI, vous pouvez saisir votre clé dans la barre latérale Streamlit ou créer un fichier :
```text
.streamlit/secrets.toml
```
avec :
```toml
OPENAI_API_KEY = "votre_clé_api"
```
Ne publiez jamais votre clé API sur GitHub.
---
## Lancer l’application
Sous Windows :
```bash
.venv\Scripts\python.exe -m streamlit run app\streamlit_app.py
```
Sur macOS/Linux :
```bash
streamlit run app/streamlit_app.py
```
---
## Format CSV attendu
Le CSV doit contenir les colonnes suivantes :
```text
date, source, categorie, titre, url, contenu, contexte_metier, statut_revue
```
Un fichier de démonstration est fourni dans :
```text
data/sample/signaux_veille_demo.csv
```
---
## Structure du projet
```text
ai-competitive-intelligence-observatory/
│
├── app/
│ ├── streamlit_app.py
│ ├── analyse.py
│ └── llm_openai.py
│
├── data/
│ └── sample/
│ └── signaux_veille_demo.csv
│
├── docs/
│ ├── cas_pedagogique.md
│ └── notes_gouvernance.md
│
├── images/
│ ├── image-1.png
│ ├── image-2.png
│ ├── image-3.png
│ ├── image-4.png
│ ├── image-5.png
│ ├── image-6.png
│ ├── image-7.png
│ ├── image-8.png
│ ├── image-9.png
│ ├── image-10.png
│ └── image-11.png
│
├── outputs/
│ └── briefing_demo.md
│
├── .streamlit/
│ └── config.toml
│
├── .env.example
├── requirements.txt
├── LICENSE
└── README.md
```
---
## Technologies utilisées
- Python
- Streamlit
- Pandas
- OpenAI API
- Markdown export
- CSV input
- Human-in-the-loop review pattern
---
## Note sur les données de démonstration
Les signaux fournis dans le CSV sont fictifs ou génériques. Ils servent à illustrer le workflow. L’application peut être adaptée à des sources réelles, des fichiers internes ou des cas sectoriels.
---
## Objectif portfolio
Ce projet démontre une capacité à concevoir un workflow IA professionnel, explicable et pédagogique :
- compréhension des besoins métiers ;
- intégration concrète d’un LLM ;
- structuration de l’information ;
- aide à la décision ;
- visualisation claire ;
- prise en compte des limites ;
- gouvernance et validation humaine.
Il peut servir de support pour présenter une approche de formation fondée sur des cas concrets, manipulables et directement reliés aux usages professionnels.