Comment j'ai construit une recherche intelligente sur ~3500 contacts en 2 heures
~3500 contacts dans un seul JSON. Trouver quelque chose de précis — un calvaire.
La recherche classique cherche des correspondances de mots. Les mots exacts, dans l’ordre exact.
Le sens n’y est pas.
ancienne façon: nouvelle façon:
──────────────── ────────────────
ouvrir le fichier écrire en langage naturel
écrire des requêtes jq obtenir une liste
filtrer par champs
essayer encore“Founders à Berlin qui travaillent sur l’AI” n’est pas une requête jq. C’est une pensée humaine.
Mac
┌──────────────┐ ┌─────────────────────┐
│Claude Desktop│ ───▶ │ serveur MCP local │
└──────────────┘ └──────────┬──────────┘
│
┌──────────────┴──────────────┐
▼ ▼
┌───────────────────┐ ┌─────────────────────┐
│ Qdrant Cloud │ │ Embedding API │
│ (vecteurs) │ │ (sens encodé) │
└───────────────────┘ └─────────────────────┘Les lettres sont dans un fichier. Le sens est dans un vecteur. La distance entre vecteurs est la proximité du sens.
J’écris : “des gens qui construisent des produits”
Je trouve :
- “founder of startup X”
- “building my own project”
- “indie hacker”
Le mot “produit” n’apparaît nulle part. Le sens — oui.
coût de l'indexation: < 0,01 $
temps de configuration: ~2 heures
contacts indexés: ~3 500
contacts utilisables: ~1 500
coût Qdrant: gratuit2 heures. Moins d’un centime. Un CRM qui répond en français naturel.
La base de données était un fichier. Le fichier est devenu une conversation.
Pas de SQL. Pas de filtres. Pas de souffrance.
— Ilao Dzindin