Nyambot
Données officielles France
- Category
- AI
- Primary Subcategory
- Web Search, Crawling & Extraction for Agents
Integration details
Description
Nyambot connecte votre assistant à la donnée publique officielle française et rend des réponses sourcées. Posez une question sur l'immobilier (prix DVF réels), le droit (articles Légifrance), les entreprises (registre SIRENE), les aides sociales, la santé ou une démarche : Nyambot va chercher la donnée officielle, la croise et cite ses sources (date, référence, montant). Quand la donnée n'existe pas ou que la question est imprécise, il le dit plutôt que d'inventer.
- Integration type
- Plugin
- Verification status
- Not applicable
- Platform
- ChatGPT
- Primary Subcategory
- Web Search, Crawling & Extraction for Agents
- Secondary Subcategories
- None listed
- Brand
- Nyambot
- Access
- Account required
- First tracked
- 2026-09-13
- Tool count
- 21
- Geography
- US
The Primary Subcategory used for this profile’s headline score.
Other Subcategories where the Integration is listed.
ChatGPT Plugin Discovery Score
ChatGPT Plugin discovery is coming soon
ChatGPT can surface a Plugin when it matches a user's request.Your Plugin Discovery Score measures how often yours appears.
No spam. Unsubscribe any time.
What discovery looks like

Competing in ChatGPT Web Search, Crawling & Extraction for Agents
View Category21 tools agents can invoke
Analyse AGRÉGÉE du marché immobilier d'une zone (commune ou département), calculée sur les ventes enregistrées au cadastre (base DVF de la DGFiP), avec des critères en LANGAGE NATUREL LIBRE. À employer pour une question de prix ou de marché portant sur un TERRITOIRE plutôt que sur un bien précis (« combien vaut le m² à… », « prix des T2 dans le département… »). Différent de `analyser_bien_immobilier` (qui analyse UN bien précis à UNE adresse + comparables). Ici : médiane €/m² et prix médian, PAR COMMUNE et global, filtrés selon la description. Les critères sont mappés dynamiquement sur les données DVF réelles (type, surface habitable, nombre de pièces, surface de terrain = « jardin », code postal…). Les critères que la DVF ne contient PAS (étage, ascenseur, DPE, exposition, proximité mer…) sont listés dans `faits.criteres_ignores` : dis-les honnêtement, ne prétends pas les avoir filtrés. Présente la médiane €/m² globale PUIS le détail `faits.par_commune` — TOUJOURS avec le nombre de ventes (une médiane sur peu de ventes est fragile). Cite DVF via `sources[].markdown`, n'invente rien. Args: description: critères libres (ex. « appartements T2 40-50 m² », « maisons avec jardin T4+ »). zone: commune ou département, nom ou code (ex. « Finistère », « 29 », « Quimper »). annee: millésime DVF (défaut = dernier disponible, ~ année N-1).
analyser_marche_immobilier
Analyse un bien immobilier français à une adresse donnée, à partir des ventes enregistrées au cadastre (base DVF de la DGFiP), et rend un VERDICT de cohérence de prix si le prix demandé et la surface sont fournis. À employer pour toute question portant sur la valeur d'un bien situé en France : estimation, vérification d'un prix affiché, comparaison avec le voisinage immédiat. Renvoie, sur des sources officielles : le PRIX AU M² réellement acté (DVF — transactions réelles), les COMPARABLES géolocalisés autour de l'adresse (ventes réelles dans un rayon de ~200 m, même immeuble/rue, sur 3 ans → `faits.prix_m2_dvf.comparables`), les risques naturels/technologiques de la commune (Géorisques), et un échantillon de DPE du secteur (ADEME). Présente les comparables (date, adresse, surface, prix, €/m²) : ils portent sur le voisinage immédiat, là où la médiane communale porte sur toute la commune. IMPORTANT : si `prix` ET `surface` sont fournis, l'outil calcule le prix au m² du bien, le compare à la médiane locale et rend un VERDICT (`faits.analyse_prix.verdict`) — présente-le en premier. Sinon, `precision_requise` demande ces 2 infos : pose la question à l'utilisateur pour pouvoir vraiment juger la cohérence (ne te contente pas du médian). Présente les faits et CITE les sources via `sources[].markdown`. N'invente aucun chiffre absent de `faits`. Si `manquant` liste une donnée, dis-le honnêtement. Args: adresse: adresse libre ou code postal + commune (ex. « 12 rue de la Paix, Pierrelatte »). prix: prix demandé pour le bien, en euros (pour le verdict de cohérence). surface: surface habitable en m² (pour le verdict de cohérence). type_bien: « maison » ou « appartement » (choisit la médiane de référence ; défaut maison).
analyser_bien_immobilier
Lit un endpoint d'une API publique live (dataservice data.gouv) et renvoie sa réponse officielle. L'appel est toujours une LECTURE (HTTP GET). À employer après `chercher_api_publique`, qui fournit le `dataservice_id` et le lien vers la doc OpenAPI décrivant les endpoints et leurs paramètres. La réponse est dans `faits.reponse_api`. Certaines API exigent une authentification (401) : orienter alors vers le portail officiel. Sécurité : seules les URL déclarées au catalogue et les hôtes officiels français (.gouv.fr, .insee.fr, .sncf.fr…) sont autorisés. Args: dataservice_id: identifiant de l'API (via `chercher_api_publique`). endpoint_path: chemin relatif à la base (ex. `/search`, `/v3/siret`). Vide = racine. params: paramètres de requête (?clé=valeur), selon la doc OpenAPI de l'API.
appeler_api_publique
Cherche des offres d'emploi et des entreprises qui recrutent dans le fichier France Travail (ex-Pôle emploi). À employer pour une recherche de poste en France : offres en cours de diffusion sur un métier et un secteur géographique donnés. Mappe le métier vers les codes ROME officiels (ROMEO), renvoie les offres et, si possible, les entreprises à fort potentiel d'embauche (La Bonne Boîte). Présente CHAQUE offre comme un lien cliquable (`faits.offres[].lien`) et cite la source. Args: metier: métier ou poste recherché en texte libre (ex. « développeur web »). commune: commune de recherche (résolue en code INSEE). code_postal: alternative à la commune. distance_km: rayon de recherche en km (défaut 10). type_contrat: filtre optionnel (ex. « CDI », « CDD »).
chercher_emploi
Trouve l'article de loi, de code ou de jurisprudence applicable à une question de droit français, et renvoie son texte intégral en vigueur depuis Légifrance. À employer dès qu'une réponse dépend d'une règle de droit français : délai légal, garantie, obligation, condition d'éligibilité, procédure de recours. Comprend le LANGAGE NATUREL (« puis-je résilier mon assurance après un an ? », « ai-je droit à un congé pour déménagement ? ») via une recherche sémantique dans les codes EN VIGUEUR — pas seulement les références d'articles explicites — puis renvoie le texte à jour Légifrance. Renvoie le(s) article(s) pertinent(s) avec texte EXACT + référence + état : sur une question en langage naturel, `faits.articles` liste les candidats classés par pertinence — IDENTIFIE celui qui correspond au cas avant de répondre (ex. achat de biens vs service financier). Sur une référence explicite, `faits.article_principal` porte l'article visé. Cite TOUJOURS la référence exacte via `sources[].markdown`, NE paraphrase PAS le texte de loi (réutilise-le tel quel), n'invente aucune référence. Args: question: question de droit ou référence (ex. « vice caché », « article L121-4 code de la consommation »).
chercher_texte_loi
Trouve une API publique live (dataservice) parmi les 391 référencées au catalogue data.gouv.fr : SNCF, météo, ENEDIS, Sirène INSEE, bilans carbone ADEME… À employer quand la donnée cherchée change en continu (horaires, disponibilités, flux temps réel) et doit donc être interrogée par API plutôt que lue dans un fichier. Renvoie pour chaque API candidate son `dataservice_id`, son URL d'appel (`base_api_url`) et le lien de sa doc OpenAPI (`doc_openapi`). WORKFLOW : (1) appelle cet outil ; (2) choisis l'API pertinente ; (3) CONSULTE sa `doc_openapi` pour connaître les endpoints/paramètres exacts ; (4) appelle `appeler_api_publique(dataservice_id, endpoint_path, params)`. Ne devine JAMAIS un endpoint sans la doc. Pour une donnée statique ou tabulaire, l'outil adapté est `interroger_donnee_publique`. Args: recherche: ce que tu cherches comme API (ex. « horaires SNCF temps réel », « API Sirène INSEE »).
chercher_api_publique
Indique si la règle « silence vaut accord » s'applique à une démarche administrative : délai légal, effet du silence (accord ou rejet implicite), référence et exceptions. Renvoie les faits dans `faits`, cite la référence. N'invente pas de délai : si l'analyse est incertaine, `fiabilite` est plus basse. Args: demarche: la démarche concernée (ex. « permis de construire », « naturalisation »).
delai_silence_vaut_accord
Fiche officielle INSEE (base Sirène) d'un établissement par SIRET (14 chiffres) ou d'une entreprise par SIREN (9 chiffres) : dénomination, adresse, activité, état. Complète `verifier_entreprise` au niveau établissement. Présente `faits`, cite la source INSEE, n'invente aucune donnée absente. Args: siret_ou_siren: un SIRET (14 chiffres) ou un SIREN (9 chiffres).
fiche_etablissement
Rédige un courrier administratif français (recours, réclamation, résiliation, contestation d'amende…) ET fournit un KIT D'ENVOI prêt à poster. Le texte est dans `faits.courrier` (présente-le, signale les champs entre crochets à compléter). `faits.envoi` contient tout pour l'ENVOYER soi-même : mode recommandé conseillé, les 2 canaux (bureau de poste OU laposte.fr « Lettre recommandée en ligne »), les pièces à joindre, le délai à respecter et la preuve à conserver — présente-les. Si `precision_requise` est présent, demande les infos manquantes avant de finaliser. Args: type_courrier: nature du courrier (ex. « contestation amende », « recours CAF », « résiliation bail »). details: contexte et informations utiles en texte libre (noms, dates, montants, motif…). destinataire: adresse du destinataire — trouvée par `trouver_administration_competente` / `verifier_entreprise`, OU lue par toi sur le document uploadé (l'avis porte l'adresse de l'OMP à qui contester une amende). modele: mets à True si l'utilisateur veut un MODÈLE à compléter (champs entre [CROCHETS]) plutôt que de fournir toutes les infos — évite que l'outil réclame les champs manquants.
generer_courrier_administratif
Trie les éléments d'un jeu de données data.gouv géolocalisé par distance à un point. À employer pour une question de proximité (« le plus proche », « dans un rayon de N km ») portant sur des éléments recensés dans un jeu de données public : stations-service, écoles, gares, établissements FINESS, bornes de recharge, équipements sportifs… Workflow : (1) `interroger_donnee_publique` pour trouver le dataset → récupère `faits.resource_id` ET les noms de colonnes ; (2) appelle cet outil avec ce `resource_id`, une `adresse` (géocodée automatiquement) OU `lat`/`lon`, et — pour un CSV/XLSX — les noms EXACTS `lat_column`/`lon_column` (inutiles pour un GeoJSON, auto-détecté). Résultats triés du plus proche au plus loin dans `faits.resultats`. Présente les premiers avec leur distance, cite la source, n'invente rien. Args: resource_id: UUID de la ressource data.gouv (via interroger_donnee_publique). adresse: point central en texte (géocodé via la Base Adresse Nationale). lat, lon: alternative à `adresse` (coordonnées WGS84). rayon_km: rayon de recherche en km (défaut 5). lat_column, lon_column: noms EXACTS des colonnes lat/lon pour CSV/XLSX (pas pour GeoJSON).
interroger_donnee_geospatiale
Répond à une question chiffrée en cherchant le jeu de données pertinent sur data.gouv.fr, puis en lisant la donnée source. À employer pour une statistique française qu'aucun outil spécialisé ne couvre — c'est la porte d'entrée générique vers les jeux de données publiés par l'administration. Statistiques territoriales, entreprises, logement, emploi, énergie, prix, mobilité, environnement… Cherche le bon jeu de données officiel sur data.gouv.fr, identifie celui qui répond le mieux, et renvoie ses colonnes + un échantillon réel + la source datée. À utiliser quand aucun outil spécialisé ne couvre la question mais qu'elle porte sur une donnée publique française (le « long tail »). Présente les faits de `faits`, cite la source via `sources[].markdown` (liens cliquables), et n'invente AUCUN chiffre absent de `faits`. Si `manquant` est présent, dis-le honnêtement plutôt que d'inventer. `faits.echantillon` est un APERÇU BRUT (valeurs telles que stockées, non filtrées) qui sert à découvrir les colonnes — pas une réponse agrégée. Pour une donnée géolocalisée (prix, stations, établissements « près de X »), inclus la commune ou le code postal DANS la question : le jeu de données retenu sera plus pertinent. Args: question: question en langage naturel (ex. « prix des carburants à Lyon 3e », « créations d'entreprises à Lyon en 2024 », « taux de pauvreté à Roubaix »).
interroger_donnee_publique
Lit le texte de pages précises d'un document PDF officiel publié sur data.gouv. Le `resource_id` est fourni par `interroger_donnee_publique` quand la source pertinente est un PDF. `pages` accepte « all », « 1-10 », « 3,7,12 ». Le contenu est dans `faits.contenu` — base ta réponse dessus et cite la source, n'invente rien. Args: resource_id: identifiant de la ressource PDF data.gouv. pages: pages à extraire (défaut « 1-10 », max 50).
lire_pdf_ressource
Lit une page web (typiquement un site officiel) et en extrait le contenu principal, avec gestion des murs anti-bot. Le contenu est dans `faits.contenu` — base ta réponse dessus et cite la page. Si la page est inaccessible (anti-bot, erreur), `manquant` le signale : ne fabrique pas de contenu. Args: url: URL complète commençant par http:// ou https://.
lire_page_officielle
Répond à une question de démarche administrative française à partir des fiches officielles Service-Public, par recherche sémantique. À employer pour toute procédure à accomplir auprès d'une administration française : pièces à fournir, conditions, étapes, délais, organisme à saisir. Renvoie les fiches pertinentes + leurs URL dans `faits.fiches`. Base ta réponse UNIQUEMENT sur ces extraits, cite les fiches via `sources[].markdown`, et n'ajoute aucune information qui n'y figure pas. `fiabilite` reflète la pertinence de la récupération : si elle est basse, reste prudent. Args: question: question de démarche (ex. « comment renouveler ma carte d'identité ? », « quels papiers pour une succession ? »).
rechercher_demarche
Rénovation énergétique : trouve les artisans certifiés RGE d'un secteur ET les DPE de logements existants (source ADEME / France Rénov'). Ne calcule PAS de montants d'aides (MaPrimeRénov') — ne les invente pas. Présente les artisans (`faits.artisans_rge`) et les étiquettes DPE (`faits.dpe_secteur`), cite la source. Fournis au moins un code postal, une commune ou une adresse. Args: code_postal: code postal 5 chiffres. commune: nom de commune (résolu en code postal si besoin). adresse: adresse précise pour cibler un DPE. numero_dpe: numéro officiel d'un DPE (~13 caractères) pour une fiche directe.
renovation_energetique
Résout un texte libre (nom de ville, code postal) en identifiants officiels : code INSEE, nom normalisé, code postal, département, population. Utile comme ancre territoriale avant une autre recherche. Si le rapprochement n'est pas certain, `precision_requise` propose des candidats — fais confirmer. Args: query: nom de commune (complet) ou code postal (ex. « Lyon », « 69003 », « Saint-Étienne »).
resoudre_commune
Estime l'éligibilité et le montant des aides sociales françaises (RSA, prime d'activité, APL…) pour une situation de foyer. Renvoie les montants estimés + la source officielle. C'est une ESTIMATION non contractuelle : rappelle-le, et oriente vers mes-aides.gouv.fr pour un calcul officiel. Présente `faits.aides`, cite `sources[].markdown`, n'invente aucun montant absent de `faits`. Si `precision_requise` est présent, pose la question avant de conclure. Args: revenu_mensuel_net: revenu net mensuel du foyer en euros. composition_foyer: ex. « célibataire », « couple avec 2 enfants ». statut_logement: « locataire » | « propriétaire » | « hébergé ». loyer_mensuel: loyer mensuel en euros (si locataire). commune: commune de résidence. age: âge du demandeur. statut_professionnel: ex. « salarié », « sans emploi », « étudiant ».
simuler_aides
Trouve l'organisme public compétent pour une démarche dans une commune donnée, avec ses coordonnées, depuis l'annuaire officiel de l'administration. À employer quand la question porte sur QUI saisir et OÙ : mairie, préfecture, centre des finances publiques, tribunal, caisse — et l'adresse de leur guichet. Renvoie l'organisme + ses coordonnées dans `faits.organisme` (et des alternatives). Cite la source via `sources[].markdown`. Précise la commune ou son code INSEE. Args: demarche: la démarche (ex. « passeport », « permis de construire », « état civil »). code_insee: code INSEE de la commune (prioritaire si connu). commune: nom de la commune.
trouver_administration_competente
Consulte l'Annuaire Santé de l'Agence du Numérique en Santé (registre RPPS) pour identifier un professionnel de santé ou un établissement de soins en France. À employer pour vérifier l'inscription d'un praticien au registre national, ou pour lister les structures de soins d'un secteur géographique. Trois modes : par numéro RPPS (contrôle d'inscription au registre) ; par code postal (établissements du secteur — l'annuaire ne permet pas de filtrer les praticiens par lieu) ; par nom et spécialité (recherche nationale). Seules les coordonnées à caractère professionnel sont renvoyées. Présente `faits`, cite la source, n'invente aucune donnée absente. Args: nom: nom de famille du professionnel. prenom: prénom. specialite: mot-clé de spécialité (ex. « cardiologue », « pharmacie »). code_postal: pour lister les établissements de santé d'un secteur. rpps: numéro RPPS (~11 chiffres) pour vérifier une inscription.
trouver_professionnel_sante
Trouve les structures France services (accueil physique gratuit pour toutes les démarches administratives) les plus proches d'une commune, triées par distance. Renvoie nom, adresse, téléphone, horaires et distance dans `faits.structures`. Présente la plus proche en premier et cite la source. Utile quand l'utilisateur a besoin d'aide en personne (pas en ligne). Args: commune: nom de la commune (ex. « Pierrelatte »). code_postal: alternative à la commune.
trouver_france_services
Vérifie une entreprise française au registre officiel (Annuaire des Entreprises, adossé à SIRENE) par SIREN ou par nom : existence, statut (active ou cessée), date de création, activité déclarée (code NAF), commune du siège. À employer avant de s'engager avec une société : signature d'un devis, commande, prestation de service, ou vérification qu'une entité citée existe réellement. Renvoie la fiche officielle sourcée dans `faits.entreprise`. Cite `sources[].markdown` et n'invente aucune donnée absente de `faits`. Si plusieurs entreprises correspondent à un nom, `precision_requise` liste les candidats — demande de préciser avant de conclure. Args: siren_ou_nom: un SIREN (9 chiffres) ou un nom/dénomination d'entreprise.
verifier_entreprise
How do I improve a ChatGPT Plugin's discoverability?
The levers are the listing surface agents actually read: names, descriptions, keywords, tool metadata, and registry health. Which lever matters depends on where discovery breaks, which is what continuous measurement shows.
What are Nyambot alternatives on ChatGPT?
As of 2026-09-13, Nyambot competes with Context.dev, Deep research, Exa, Firecrawl, Keenable, Keenable SELECT, Lifestyle Helper, Nimble, Octen, Olostep, Page2AI, Parallel Search, Riveter, smry, Tako, Tavily AI, TinyFish, Visualping in ChatGPT Web Search, Crawling & Extraction for Agents, ranked by public Discoverability Score.
Where is this profile measured?
This profile uses the geography attached to the latest public registry snapshot: US. Locale tags are intentionally omitted.