SonarFetch
Plateforme SaaS qui fait parler le même langage à 400+ fabricants différents. Automatise ce qui prenait des mois de travail manuel en quelques minutes.
Contexte
Steliau Technology est un distributeur français de composants électroniques — résistances, condensateurs, microcontrôleurs, capteurs — qui travaille avec plus de 400 fabricants différents. Pour maintenir son catalogue à jour, ses équipes devaient ouvrir chaque site fabricant manuellement, copier les références produits, les caractéristiques techniques, les prix, et les ressaisir dans leur système. Un processus entièrement manuel, répété pour chaque fabricant, à chaque mise à jour produit. SonarFetch est né de ce constat, et du travail initié pendant mon stage chez Steliau sous forme d'un premier PoC.
Problème
Concrètement, voici ce que ça donne : un employé ouvre le site du fabricant, cherche les produits un par un, copie les données dans un tableau Excel ou directement dans le back-office. Fois 400 fabricants. Fois les mises à jour régulières quand les références changent, que des produits sont discontinués, que de nouveaux arrivent. C'est du copy-paste industriel — chronophage, source d'erreurs, impossible à maintenir à jour en permanence. Et le scraping traditionnel ne résout pas le problème : il faut un script écrit à la main par fabricant, qui casse dès que le site change de layout. Avec 400 fabricants, c'est 400 scripts à maintenir.
Approche
L'idée centrale : un scraper qui n'est pas hard-coded, mais qui comprend et s'adapte. Au lieu d'un script par fabricant, un seul agent qui analyse la structure de n'importe quel site et sait quoi extraire — sans configuration manuelle. L'agent reçoit une URL de site fabricant, explore la navigation, identifie les pages produits, extrait les données et les normalise selon un schéma unifié. Tous les fabricants parlent enfin la même langue : même nom de champ, mêmes unités, même structure — peu importe le format d'origine. SonarFetch est l'évolution directe du PoC initié chez Steliau, qui reposait sur du ML classique (NER, classification neuronale). Dans SonarFetch, ce ML laisse place à une architecture entièrement agentique LLM : plus robuste, plus flexible, et sans réentraînement nécessaire à chaque nouveau fabricant.
Impact
Ajouter 200 nouveaux produits d'un fabricant ? Ce qui prenait 3 semaines d'extraction et de nettoyage prend maintenant 15 minutes de validation humaine. Les données sont normalisées cross-fabricants — un client qui cherche un composant 5V peut comparer des produits de fournisseurs différents sans se perdre dans leurs nomenclatures propriétaires. Et parce que tout est structuré de façon cohérente, SonarFetch devient la fondation pour des fonctionnalités à forte valeur : comparaison de pricing automatique, connexion directe à l'ERP, upload vers le site vitrine, analyse concurrentielle.