feat: implement AI analysis engine for product recommendation prompt generation and extraction.

src/features/ai-copilot/business/analysis-engine.ts

@@ -2,25 +2,26 @@ import { ProductAnalysisInput } from "../models/ai-analysis.types";
 
 export class AnalysisEngine {
     static generateSystemPrompt(): string {
-        return `Tu es un expert en analyse de gammes de produits B2B pour un acheteur retail professionnel.
+        return `Tu es Mary, experte en analyse de gammes retail B2B. Ta mission est d'aider un acheteur à arbitrer son assortiment.
 
-En analysant les données de ventes fournies, génère une recommandation de gamme impérative parmi :
-- [A] - PERMANENT : Produit de fond de rayon avec une rotation régulière et prévisible. Doit être maintenu toute l'année.
-- [C] - SAISONNIER : Produit dont les ventes sont concentrées sur des périodes spécifiques (pics saisonniers).
-- [Z] - SORTIE : Produit en fin de cycle de vie, sans rotation significative ou en chute libre, devant être retiré du référencement.
+RÈGLES D'OR :
+1. VÉRACITÉ ABSOLUE : Ne déforme JAMAIS les chiffres fournis (score, volumes, marges). Si le score est de 53.5, ne dis jamais qu'il est < 30.
+2. ANALYSE MULTI-CRITÈRES : Le score est un indicateur important mais pas unique. Analyse la cohérence entre le score, le volume de vente et la régularité.
+3. JUSTIFICATION FACTUELLE : Base tes recommandations [A], [C] ou [Z] sur les FAITS fournis, même s'ils contredisent les tendances générales.
 
-Critères de pondération et Règles Métier Strictes :
-1. Normalisation Totale (Base 2 magasins) : TOUTES les statistiques fournies sont PONDÉRÉES par 2 si le produit n'est au catalogue que de 1 magasin.
-2. Potentiel Annuel (Run Rate) : Si un produit est récent (Régularité < 12 mois), base ton jugement sur sa "Projection 12m" plutôt que sur son volume brut cumulé.
-3. Détection Saisonnalité/Fin de vie : Si un produit est inactif depuis plus de 2 mois (Inactivité > 2), la projection 12 mois devient INCERTAINE. 
-   - Si Inactivité > 2 et Régularité < 6 : Probable SAISONNIER [C] ou SORTIE [Z].
-   - Si Inactivité <= 2 et Régularité < 12 : Probable LANCEMENT (Permanent [A]).
-4. Segmentation par Rayon (Univers) : Privilégie la comparaison "Intra-Rayon". Un produit doit être performant par rapport aux standards de son propre Rayon (Niveau 2).
-5. Score de Performance Global (0-100) : Un score > 70 est un indicateur fort pour "Permanent" (A). Un score < 30 est un indicateur fort pour "Sortie" (Z).
+Options de recommandation :
+- [A] - PERMANENT : Rotation régulière, produit de fond de rayon.
+- [C] - SAISONNIER : Pics de ventes concentrés, inactivité hors saison.
+- [Z] - SORTIE : Fin de cycle, rotation insuffisante ou en chute libre.
+
+Critères d'Aide à la Décision (Indicatifs) :
+- Score Global > 70 : Forte présomption pour [A].
+- Score Global < 30 : Forte présomption pour [Z].
+- Entre 30 et 70 : Zone pivot nécessitant une analyse fine de la marge et de la régularité.
+- Inactivité > 2 mois : Signal d'alerte pour [Z] ou [C].
 
 Ta réponse doit être courte, directe et sans complaisance.
-Format impératif : "[Recommandation] : [Texte brut de l'explication sans aucun préfixe du type 'Justification:' ou 'Pourquoi:']"
-Exemple : "A : Volume de vente et score élevés justifiant le maintien en rayon."`;
+Format : "[Recommandation] : [Justification factuelle]"`;
     }
 
     static generateUserMessage(p: ProductAnalysisInput): string {
@@ -31,7 +32,7 @@ Exemple : "A : Volume de vente et score élevés justifiant le maintien en rayon
         const volumeInfo = `Stats Réelles : ${Math.round(p.totalQuantite)}u (${p.totalCa.toFixed(2)}€) sur ${p.storeCount} mag.
 Stats Pondérées (Base 2 mag) : ${Math.round(p.weightedTotalQuantite || 0)}u (${(p.weightedTotalCa || 0).toFixed(2)}€)`;
 
-        const projectionInfo = p.regularityScore < 12 ? `
+        const projectionInfo = p.regularityScore > 0 && p.regularityScore < 12 ? `
 --- ANALYSE DE POTENTIEL (Produit récent : ${p.regularityScore}/12 mois active) ---
 Projection 12 mois (Run Rate) : ${Math.round(p.projectedTotalQuantite || 0)}u (${(p.projectedTotalCa || 0).toFixed(2)}€)` : "";
 
@@ -40,19 +41,19 @@ Projection 12 mois (Run Rate) : ${Math.round(p.projectedTotalQuantite || 0)}u ($
             : "";
 
         const benchmarks = `
-Benchmarks Fournisseur (Global) :
-- Moyenne 1 mag: ${Math.round(p.avgQtyGroup1 || 0)}u | Multi-mag: ${Math.round(p.avgQtyGroup2 || 0)}u
 Benchmarks Rayon ("${p.libelleNiveau2}") :
 - Moyenne 1 mag: ${Math.round(p.avgQtyRayon1 || 0)}u | Multi-mag: ${Math.round(p.avgQtyRayon2 || 0)}u`;
 
-        return `Produit : "${p.libelle1}" (Ref: ${p.codein})
-Rayon : ${p.libelleNiveau2 || "Non classé"}
-Gamme actuelle : ${p.codeGamme ?? "Non définie"}
-${volumeInfo}${projectionInfo}${activityAlert}${benchmarks}
-Indicateurs de Performance :
+        return `IDENTITÉ DU PRODUIT :
+- Libellé : "${p.libelle1}" (Ref: ${p.codein})
+- Rayon : ${p.libelleNiveau2 || "Non classé"}
+- Gamme actuelle : ${p.codeGamme ?? "Non définie"}
+
+DONNÉES FACTUELLES (À RESPECTER SCRUPULEUSEMENT) :
 - Score Global App : ${p.score.toFixed(1)}/100
 - Régularité des ventes : ${p.regularityScore}/12 mois
 - Marge brute : ${p.tauxMarge.toFixed(1)}%
+${volumeInfo}${projectionInfo}${activityAlert}${benchmarks}
 - Historique mensuel (Pondéré) : ${monthlySummary}
 
 Quelle est ta recommandation (A, C ou Z) et pourquoi ?`;

task.md

@@ -6,11 +6,11 @@ Create a PRD for a retail analytics application. The app will manage product col
 
 # Current Focus
 
-Ajout d'un bouton de rafraîchissement des données dans la barre de filtres.
+Analyse du déclenchement des scores lors du rafraîchissement SQL.
 
 - [x] Étape 11 : Polissage final et validation du PRD
 - [x] PRD Finalisé et prêt pour la suite (Architecture/UX)
-- [x] Ajout du bouton de rafraîchissement SQL dans l'UI
+- [x] Investigation et correction du bug de recommandation IA (Mary)
 
 # Progress Log