Utiliser des LLM locaux avec des données de plomb Exporter depuis Google Maps, puis Nourrissez votre IA

Nourrissez votre IA avec de véritables données commerciales

Les grands modèles de langage ne sont utiles que si les données qu'on leur fournit le sont. Demandez à ChatGPT de « trouver des dentistes à Madrid » et il vous donnera une réponse. Donnez-lui un fichier propre contenant… de vraies entreprises que vous avez capturées vous-même, avec les noms, les numéros de téléphone, les sites web, les notes et les commentaires, et il devient un véritable analyste.

C'est tout l'intérêt de Extension Chrome Vonsel. Vous effectuez une recherche sur Google Maps, récupérez les résultats et les exportez au format CSV, Excel ou JSON. Ce fichier sert de lien entre la carte et tout modèle que vous souhaitez utiliser. Aucune clé API, aucun code de scraping, aucun copier-coller.

Ce guide se concentre sur les deux outils les plus utilisés, ChatGPT et Claude Code, puis aborde Codex et les LLM locaux pour les sessions privées ou scriptées. Pour une introduction plus détaillée, consultez Nourrissez votre IA avec des données d'entreprise..

Exportez le format approprié à partir de l'extension

Ouvrez Google Maps, recherchez une catégorie et une zone, et laissez l'outil Vonsel s'afficher pour capturer les établissements. Une fois la capture terminée, choisissez un format. Chaque format est adapté à un type d'application d'IA différent ; choisissez donc en fonction de votre destination.

Une règle empirique utile: CSV ou Excel lorsque les données sont lues par un humain ou une fenêtre de chat, JSON lorsqu'elles sont lues par un script. Si vous souhaitez une analyse complète des moments où chacun excelle, lisez JSON vs CSV pour l'analyse IA et le pratique prospects d'exportation pour l'IA visite guidée.

ChatGPT : téléchargez le fichier et demandez

C’est par là que la plupart des gens commencent, et à juste titre. Ouvrez ChatGPT, joignez votre fichier CSV ou Excel et traitez-le comme un tableau que le modèle peut lire directement. Ses outils d’analyse de données peuvent regrouper, trier et attribuer des scores sans que vous ayez à écrire de formule. Voir OpenAI documentation pour les développeurs pour sa façon de gérer les entrées structurées.

Bonnes premières suggestions une fois le fichier téléchargé:

1. Segment. "Regroupez ces entreprises par tranche de notation (moins de 3,5, de 3,5 à 4,2, plus de 4,2) et comptez combien, dans chaque tranche, n'ont pas de site web. » Cela permet de repérer instantanément les clients potentiels en conception web qui se cachent dans votre liste.

2. Score. "Classez chaque ligne selon la probabilité qu'elle ait besoin d'aide en marketing, en utilisant le faible nombre d'avis et l'absence de site web comme indicateurs. Affichez les 25 premières lignes avec une brève explication. Vous obtenez ainsi une liste d'appels, et non plus un tableur.

3. Brouillon. "Rédigez une première phrase courte et percutante pour un e-mail de prospection destiné aux 10 premiers prospects, en faisant référence à un élément concret de leurs données. » Vous alimentez l'IA, elle vous fournit des phrases d'accroche que vous pouvez réellement envoyer.

Pour une version détaillée de ceci, consultez notre Importer un fichier CSV de prospects dans ChatGPT Le guide détaille les clics exacts.

Claude Code : exécutez des scripts sur votre JSON

Quand une simple fenêtre de chat ne suffit pas, Claude Code transforme votre exportation en un jeu de données exploitable. Fonctionnant dans votre terminal et capable de lire des fichiers, il excelle avec l'exportation JSON, où chaque entreprise possède des avis, des horaires et des liens vers les réseaux sociaux. Indiquez-lui l'emplacement du fichier : il écrit et exécute le code pour vous Code Claude L'agent gère l'analyse syntaxique, vous n'avez donc jamais besoin de toucher à une bibliothèque.

Ce qui est trivial dans le code Claude et douloureux à la main:

Pour des recettes plus élaborées, voir Analyser les prospects avec Claude Code. Ensemble, ChatGPT pour les questions rapides et Claude Code pour les tâches scriptées couvrent la grande majorité de ce que vous ferez avec une liste extraite.

Codex et LLM locaux pour les courses hors ligne

Deux autres voies entrent en jeu lorsque la priorité est donnée à la confidentialité ou à l'automatisation. Manuscrit Il fonctionne de manière similaire à Claude Code, un agent dans votre terminal qui lit l'export et écrit les scripts d'enrichissement. Si votre équipe utilise déjà cet environnement de développement, notre enrichissez vos listes de prospects avec Codex Le guide reprend à cet endroit.

Les LLM locaux sont la solution idéale si vous préférez ne pas du tout transférer vos contacts professionnels sur un service hébergé. Un environnement d'exécution comme Ollama Vous pouvez ainsi exécuter un modèle ouvert sur votre propre machine, puis l'alimenter avec les mêmes fichiers CSV ou JSON. Les données restent sur votre ordinateur portable, ce qui est crucial si vous travaillez avec des secteurs réglementés ou des listes de clients soumises à des accords stricts.

Les modèles locaux sont plus petits et plus lents que les serveurs hébergés, il est donc conseillé de limiter les tâches à des éléments précis : classer une colonne, résumer un ensemble d’avis, étiqueter les prospects par niche. Effectuez les calculs complexes dans ChatGPT ou Claude Code et réservez le modèle local aux opérations que vous souhaitez réaliser entièrement hors ligne. Sur le plan juridique, l’extraction de données d’entreprises publiques est généralement autorisée, mais il est toujours préférable de consulter la réglementation en vigueur Est-il légal de récupérer des données de Google Maps avant d'y construire un pipeline.

L'exportation est le moyen, le tableau de bord est la fin

L'analyse d'un fichier extrait via un LLM est puissante, mais une transcription de conversation n'est pas un système de vente. Les informations affichées dans un terminal ne permettent pas de prendre des rendez-vous. C'est pourquoi l'extension n'est que la porte d'entrée vers Vonsel.

Tout ce que vous capturez est également intégré au Tableau de bord Vonsel, Un CRM cartographié où vos prospects sont organisés de manière claire et structurée, et non pas éparpillés dans un fichier CSV. Grâce à lui, les modules Ventes, Avis et Analyse des e-mails se chargent de l'analyse : les avis sont automatiquement analysés pour identifier les points faibles, et un e-mail personnalisé est rédigé par l'IA pour chaque entreprise, en tenant compte de son contexte. La base de données, enrichie et contextualisée, se construit au fur et à mesure de la collecte des données, et non par ajout ultérieur.

N'hésitez donc pas à utiliser ChatGPT et Claude Code pour explorer et expérimenter. Lorsque vous serez prêt à exploiter pleinement votre pipeline, relancez une collecte de données pour ajouter des entreprises ou associer des avis aux entreprises déjà acquises, et laissez le tableau de bord gérer les prospects de la première prise de contact à la première réunion. L'IA vous permet d'apprendre. Vonsel vous permet de conclure des ventes.