Banque de posts

Sur mon showcase, deux modules tapent sur Apify pour scraper des profils LinkedIn. Le free tier donne dix appels par mois. C'est genereux pour tester, c'est tout pourri pour une demo publique. Premiere option, investir. Deuxieme option, transformer le bug en feature. J'ai choisi la deuxieme. Quand le quota est atteint, le module renvoie un message propre qui dit "quota demo atteint, pour des recherches illimitees discutons d'un projet". Avec un bouton qui pointe vers ma page contact. Resultat, le visiteur qui voit ce message a un signal clair, soit la demo l'a convaincu et il veut la version sans limite, soit il revient demain. Pas d'erreur cryptique, pas d'image cassee. Juste un teaser commercial honnete. C'est dix euros par mois economises et un funnel naturel vers mes prestations.

Concretement il fait le boulot d'un community manager ou d'un agent back-office, mais 24/7 et a la seconde. Il a deux modes au choix selon le besoin de la page. Mode catalogue : il pioche dans le catalogue produits et repond avec le bon prix, la bonne photo, des suggestions guidees. Parfait pour une boutique qui veut convertir directement dans le DM. Mode classique : il discute en texte naturel, ton WhatsApp court, comme un CM ou un agent humain qui repondrait a la main. Pour les pages qui font plus du conseil ou du support. Et derriere les commentaires sous chaque post, un classifier OpenAI tourne en temps reel. Des qu'un commentaire pose une vraie question (intent prix, dispo, details), le bot ouvre automatiquement une conversation privee et y repond avec le mode actif sur la page. Pour que ca tourne sur les vraies pages, l'app Meta doit etre en Live mode. Pour passer en Live, mon entreprise doit etre verifiee. Pour la verifier, il faut prouver le nom legal et l'adresse exacte sur un document officiel. J'ai soumis quatre fois. Quatre rejets. Et la cinquieme, c'est la bonne — apres avoir fait des allers-retours a la banque et au shop 😄 App publiee en Live aujourd'hui. Stack derriere : Backend : Python / FastAPI — recoit les webhooks Meta, orchestre la classification et les reponses IA : OpenAI gpt-4o-mini — classification des commentaires (intent, engagement) + generation des reponses Base de donnees : Neon Postgres avec pgvector — stockage du catalogue produits + RAG (recherche vectorielle) Hebergement backend : Render Dashboard : Next.js + Vercel — interface multi-tenant pour gerer les pages connectees Disclaimer : Claude Code m'a beaucoup aide, que ce soit pour la preparation des documents de verification ou sur l'ensemble du projet — IA fullstack 😄 Prochaines etapes : support WhatsApp, Instagram, et ouverture du dashboard a d'autres pages que la mienne.