Créer son agent de veille concurrentielle avec Claude : le workflow complet

À retenir

• Le workflow prime sur l’outil : La vraie valeur de l’IA ne vient pas d’un prompt ponctuel, mais de la création de systèmes fiables et réutilisables à chaque étape du cycle produit (veille automatisée, prototypage express, base de feedbacks centralisée).

• L’IA exécute, l’humain décide : L’IA agit comme un « sparring partner » qui élimine la friction documentaire (structurer des données, rédiger des tickets Jira). Le jugement produit (cadrer, prioriser, arbitrer) reste une discipline strictement humaine.

• L’émergence du « Product Building » : L’enjeu stratégique n’est plus de tester les derniers outils à la mode, mais d’industrialiser ces usages et de partager ces nouvelles pratiques en communauté pour générer de vrais gains business.

Pour ouvrir Le Grand Rattrapage, la série de cinq talks organisée par Converteo et Le Ticket, Elodie Gueho, Lead Product Manager chez Gens de Confiance (2,2 millions de membres, une équipe produit d’une dizaine de personnes), a ouvert le capot d’un système qui tourne chez elle depuis neuf mois : sa veille sectorielle automatisée, qu’elle reçoit chaque lundi sur Slack sans y passer des heures.

Le point de départ : le sentiment d’être dépassée par les posts IA

Le récit d’Elodie parlera à beaucoup de PM. Début 2026, face au flot de posts techniques sur l’IA dans son fil LinkedIn, elle décrit une forme d’appréhension : le sentiment d’être dépassée, de ne pas savoir par où commencer. Sa réponse n’a pas été de tout apprendre d’un coup, mais de partir d’un cas d’usage minuscule et très concret de son quotidien : « si je devais juste générer une veille, qu’est-ce que ça donnerait ? »

Neuf mois plus tard, ce petit test est devenu une infrastructure : une veille du marché immobilier, pilier de croissance de Gens de Confiance, générée par Claude, archivée dans Notion et diffusée chaque lundi sur un channel Slack ouvert à toute l’entreprise : produit, sales et support compris. Et la méthode a essaimé au-delà du produit : d’autres équipes, y compris les RH, ont été formées pour construire leur propre veille.

Le workflow en trois étapes : Claude, Notion, Slack

Le parti pris de la session n’était pas de livrer un prompt clé en main, mais de montrer comment on le construit.

• Étape 1 – Construire son prompt en dialoguant avec Claude

La méthode commence volontairement par une question vague, « saurais-tu faire une veille concurrentielle sur les plateformes de petites annonces en France ? », pour jauger ce que le modèle sait faire de lui-même, avant de cadrer. Puis on itère : quel type de veille, quels concurrents, quelle fréquence, et surtout quelles sources. Pour structurer le contexte, Elodie s’appuie sur la méthode CAFÉ (Contexte, Attentes, Format, Exemple). Détail qui compte : au final, ce n’est pas elle qui rédige le prompt. Elle demande à Claude de l’écrire à partir de toute la conversation de cadrage. Son conseil : ajouter des contraintes explicites (longueur, non-répétition d’un mois sur l’autre, périmètre géographique) pour éviter que le modèle noie l’information importante en voulant trop bien faire.

• Étape 2 – Archiver dans Notion

Le message Slack ne contient que les points saillants ; le rapport complet vit dans une base de données Notion, créée par Claude en utilisant les outils exposés par le connecteur MCP Notion. Deux choix structurants : créer une base de données (bien plus requêtable qu’une simple page) plutôt que de laisser Claude improviser dans une architecture existante dont il ne connaît pas toujours la structure ; et cadrer finement les autorisations du connecteur (par exemple autoriser la création mais pas la modification de contenu existant). Elodie a aussi ajouté un champ « highlight » pour que seul ce résumé remonte dans Slack, le reste étant trop dense. C’est ce qui rend la veille réellement utile : chacun peut creuser une information, retrouver quand un concurrent a sorti telle fonctionnalité, et Claude lui-même peut requêter cette base pour répondre à des questions ultérieures.

• Étape 3 – Automatiser avec Claude Cowork

La programmation de la tâche récurrente se fait dans Cowork (disponible en version desktop), qui permet de créer des tâches planifiées, contrairement au chat classique resté conversationnel. Le prompt d’automatisation regroupe les trois étapes : rechercher selon les sources validées, créer une entrée Notion, envoyer un résumé sur Slack. Astuce partagée : Cowork ne gère pas nativement « le premier lundi du mois », mais une simple instruction conditionnelle dans le prompt (« si la date n’est pas comprise entre le 1 et le 7, n’envoie rien ») fait le travail. Deux garde-fous pratiques : tester d’abord sur son Slack personnel avant de brancher un canal partagé (Claude peut se tromper de destinataire), et garder en tête que Cowork tourne en local, donc l’ordinateur doit être allumé au moment prévu.

La vraie clé : la vérification des sources

Le moment le plus précieux de la session n’était pas la démo, mais l’insistance d’Elodie sur le cadrage et la vérification. Sur neuf mois d’usage, elle estime avoir passé deux mois à fiabiliser le système, avec une trentaine de tests avant la mise en production.

Sa discipline : demander systématiquement les sources, aller les vérifier soi-même sur une période courte et connue (la semaine passée plutôt que le mois), challenger Claude quand une date ou une information est fausse, et le pousser à croiser plusieurs sources. Ce travail a une vertu inattendue : il amène le modèle à exclure lui-même ce qu’il ne peut pas suivre de façon fiable. Facebook Marketplace, par exemple, s’est révélé trop opaque pour une veille hebdomadaire, quand Leboncoin dispose de change logs exploitables.

Les hallucinations n’ont pas disparu pour autant : Claude répète parfois obstinément une information d’un mois sur l’autre en la faisant passer pour nouvelle, malgré les instructions. D’où le conseil d’Elodie : commencer par un domaine qu’on maîtrise, pour être capable de qualifier l’information. Et sa formule, qui résume tout le principe du human in the loop : l’IA « vous dira toujours que vous avez raison ». C’est donc à l’humain de dire « là, tu as tort ».

Ce que ça change : des signaux faibles aux opportunités business

Au-delà du temps gagné, Elodie situe le premier ROI dans la pédagogie : toute l’entreprise partage désormais un même niveau de lecture du marché immobilier. Mais la veille a aussi fait remonter des opportunités concrètes. Exemple partagé en session : Claude a détecté en signal faible une évolution permettant aux copropriétés de refuser les locations Airbnb, autant de biens susceptibles de revenir en location longue durée, donc de la supply potentielle pour Gens de Confiance. Le genre d’information qu’une veille manuelle au fil du flux LinkedIn aurait très probablement manquée. Autre usage évoqué : surveiller des marchés internationaux dans des langues qu’on ne parle pas, pour combler des angles morts inaccessibles à une veille humaine.

Pourquoi c’est un sujet structurel pour les équipes produit

Ce cas d’usage illustre un basculement plus large que la seule veille : la valeur ne vient pas de l’outil, mais de la capacité à transformer un usage isolé en workflow fiable, contextualisé et réutilisable. Un prompt ponctuel fait gagner quinze minutes. Un système de veille vivant, sourcé, archivé, diffusé, requêtable, change la façon dont une équipe nourrit sa discovery, priorise et arbitre.

C’est aussi une leçon d’humilité utile. Le système a ses limites assumées : le PC doit être allumé pour que Cowork exécute la tâche, LinkedIn n’est pas accessible comme source (impossible à scraper sans être connecté), et les tests consomment des tokens. Fait notable : Claude Sonnet 5 a été choisi par défaut plutôt qu’après un benchmark, et selon Elodie le workflow fonctionnerait aussi avec d’autres modèles. Son principal apprentissage rétrospectif, enfin, est organisationnel et non technique : elle segmenterait aujourd’hui la veille « marché » (économique, réglementaire) et la veille « fonctionnalités concurrentielles », car les sales et le produit n’ont ni les mêmes besoins de fiabilité ni la même audience. Construire un agent, c’est un produit comme un autre : on itère, on mesure, on refactorise.