| Abstract: | This thesis presents Blypt, an AI-powered platform designed to transform go-to-market
(GTM) operations through intelligent automation and data-driven personalization.
Modern GTM teams face critical challenges in prospect identification, data enrichment,
and personalized outreach at scale—challenges that traditional manual approaches
cannot address efficiently. Blypt addresses these limitations through a comprehensive
technical architecture combining Next.js, TypeScript, Drizzle ORM, and Neon
PostgreSQL for the frontend and data layer, with Python, FastAPI, LangGraph, and
Pydantic AI powering sophisticated backend AI agents.
The platform’s core innovation lies in its dynamic list grid system, which employs a
flexible three-table JSONB-based architecture enabling arbitrary data structures
without schema migrations. This foundation supports advanced features including
real-time inline editing, HyperFormula-powered calculated columns with
Excel-compatible functions, and AI-driven data enrichment through specialized agents.
The Raven AI Research Agent implements a dual-agent architecture for automated web
research with source attribution, while the AI Text Generation Agent provides efficient
content analysis and classification capabilities.
Blypt’s Specter AI Company Discovery System represents a significant advancement in
prospect identification, utilizing multi-agent LangGraph orchestration with progressive
streaming workflows. The system transforms natural language queries into
comprehensive company datasets through automated query analysis, adaptive search
strategy generation, real-time criteria evaluation, and Server-Sent Events streaming.
This progressive execution model delivers immediate value while continuing to refine
results, enabling GTM teams to begin working with qualified prospects within minutes
rather than hours.
The platform addresses critical infrastructure challenges through distributed
architectures: CSV upload processing leverages Cloudflare R2, QStash, and dedicated
Render workers to overcome serverless limitations; ARQ and Redis provide reliable
background job orchestration; and comprehensive database integration maintains data
consistency across complex workflows. The Agent Builder System further democratizes
AI development by enabling users to create production-ready AI agents through natural
language descriptions, automatically generating dynamic input interfaces and executable
Python code.
Empirical evidence demonstrates that personalized outreach delivers 29% higher open
rates and up to 5.7× more revenue compared to generic messaging. Blypt
operationalizes this insight by enabling teams to produce up to 10,000 personalized
emails in 1–2 hours—a 50–100× improvement over manual approaches. By combining
precision targeting, context-rich insights, and efficient execution, Blypt transforms GTM
operations from volume-based spray-and-pray tactics into systematic, data-driven
engagement strategies that drive measurable business outcomes***
Ce mémoire présente Blypt, une plateforme alimentée par l’intelligence artificielle,
conçue pour transformer les opérations go-to-market (GTM) grâce à l’automatisation
intelligente et à la personnalisation fondée sur les données. Les équipes GTM modernes
font face à des défis majeurs en matière d’identification des prospects, d’enrichissement
des données et de prospection personnalisée à grande échelle — des défis que les
approches manuelles traditionnelles ne peuvent plus relever efficacement. Blypt
surmonte ces limites grâce à une architecture technique complète combinant Next.js,
TypeScript, Drizzle ORM et Neon PostgreSQL pour le front-end et la couche de
données, ainsi que Python, FastAPI, LangGraph et Pydantic AI pour des agents
IA sophistiqués côté serveur.
L’innovation principale de la plateforme réside dans son système dynamique de grilles de
listes, qui s’appuie sur une architecture flexible à trois tables utilisant le type JSONB,
permettant de gérer des structures de données arbitraires sans migration de schéma.
Cette base prend en charge des fonctionnalités avancées telles que l’édition en temps
réel, les colonnes calculées avec HyperFormula, et l’enrichissement des données par
des agents IA spécialisés. L’agent de recherche Raven AI met en oeuvre une
architecture à double agent pour la recherche web automatisée avec attribution des
sources, tandis que l’agent de génération de texte IA offre des capacités efficaces
d’analyse et de classification de contenu.
Le système Specter AI Company Discovery représente une avancée majeure dans
l’identification de prospects, en exploitant une orchestration multi-agents LangGraph
avec des flux d’exécution progressifs. Il convertit des requêtes en langage naturel en
ensembles de données d’entreprises complets via l’analyse automatique des requêtes, la
génération adaptative de stratégies de recherche, l’évaluation dynamique des critères et
la diffusion en continu via Server-Sent Events. Ce modèle d’exécution progressif
permet d’obtenir des résultats exploitables quasi instantanément tout en affinant les
données en continu.
La plateforme résout également des défis d’infrastructure critiques grâce à une
architecture distribuée : le traitement des fichiers CSV repose sur Cloudflare R2,
QStash et des workers dédiés Render; ARQ et Redis assurent une orchestration
fiable des tâches de fond; et une intégration complète des bases de données garantit la
cohérence des données sur l’ensemble des flux complexes. Enfin, le Agent Builder
System démocratise le développement d’agents IA en permettant la création d’agents
prêts pour la production à partir de simples descriptions en langage naturel.
Les résultats empiriques montrent que la prospection personnalisée permet d’obtenir
29% de taux d’ouverture supplémentaires et jusqu’à 5,7 fois plus de revenus que les
approches génériques. Blypt met cette idée en pratique en permettant aux équipes de
générer jusqu’à 10 000 courriels personnalisés en 1 à 2 heures — une amélioration de 50
à 100 fois par rapport aux méthodes manuelles. En combinant ciblage précis,
informations contextuelles riches et exécution efficace, Blypt transforme les opérations
GTM en stratégies d’engagement systématiques et fondées sur les données, produisant
des résultats commerciaux mesurables. |
