feat(ai): integrate performance score for smarter analysis and parallelize batch processing

src/app/api/ai/analyze/route.ts

@@ -10,18 +10,21 @@ const AnalyzeSchema = z.object({
     totalQuantite: z.number(),
     sales12m: z.record(z.string(), z.number()),
     codeGamme: z.string().nullable(),
+    score: z.number().nullable().optional(),
 });
 
 const OPENROUTER_URL = "https://openrouter.ai/api/v1/chat/completions";
 const SYSTEM_PROMPT = `Tu es un expert en analyse de gammes de produits B2B pour un acheteur retail professionnel.
 
-En analysant les données de ventes fournies, génère une recommandation de gamme (A=Permanent, C=Saisonnier, Z=Sortie). 
+En analysant les données de ventes et le SCORE de performance relative (0-100), génère une recommandation de gamme (A=Permanent, C=Saisonnier, Z=Sortie). 
-- A : Produit permanent avec rotation régulière.
+
-- C : Produit saisonnier (pics de ventes spécifiques).
+RÈGLES CRITIQUES :
-- Z : Produit en sortie (aucune vente ou rotation insignifiante).
+- SCORE < 20 : Signal fort de "Sortie" (Z). Même si le volume semble correct dans l'absolu, un score faible signifie que le produit sous-performe par rapport à ses pairs.
+- A (Permanent) : Uniquement si la rotation est régulière ET le score est satisfaisant.
+- C (Saisonnier) : Uniquement si des pics clairs apparaissent dans l'historique.
 
 Ta réponse doit être en 1-2 phrases maximum, en français, directe et actionnable.
-Format: "[Recommandation]: [Justification courte basée sur les données]"`;
+Format: "[Recommandation]: [Justification courte basée sur les données et le score]"`;
 
 export async function POST(req: NextRequest) {
     console.log("[AI] Analysis request received.");
@@ -42,7 +45,7 @@ export async function POST(req: NextRequest) {
         return NextResponse.json({ error: "Invalid payload", details: parsed.error.flatten() }, { status: 400 });
     }
 
-    const { codein, libelle1, totalCa, tauxMarge, totalQuantite, sales12m, codeGamme } = parsed.data;
+    const { codein, libelle1, totalCa, tauxMarge, totalQuantite, sales12m, codeGamme, score } = parsed.data;
 
     // Format monthly sales for the prompt
     const monthlySummary = Object.entries(sales12m)
@@ -51,6 +54,7 @@ export async function POST(req: NextRequest) {
 
     const userMessage = `Produit: "${libelle1}" (Code: ${codein})
 Gamme actuelle: ${codeGamme ?? "Non définie"}
+Score de performance: ${score ?? "N/A"}/100
 CA total 12m: ${totalCa.toFixed(0)}€ | Taux de marge: ${tauxMarge.toFixed(1)}% | Volume: ${Math.round(totalQuantite)} unités
 Historique mensuel: ${monthlySummary}
 

src/app/api/ai/batch-analyze/route.ts

@@ -11,6 +11,7 @@ const BatchAnalyzeSchema = z.object({
         ca: z.number().nullable().optional(),
         ventes: z.number().nullable().optional(),
         marge: z.number().nullable().optional(),
+        score: z.number().nullable().optional(),
         gammeInit: z.string().nullable().optional(),
         historique: z.string().nullable().optional(),
         nomenclature: z.string().nullable().optional(),
@@ -41,39 +42,40 @@ export async function POST(req: NextRequest) {
         // Optimized System Prompt: Merged from analyze/route.ts as requested by user
         const systemPrompt = `Tu es un expert en analyse de gammes de produits B2B pour un acheteur retail professionnel.
 
-En analysant les données de ventes fournies (CA, Marge, Volume, Historique), génère pour chaque produit une recommandation de gamme (A=Permanent, C=Saisonnier, Z=Sortie). 
+En analysant les données de ventes fournies (CA, Marge, Volume, Historique) et surtout le SCORE de performance relative (0-100), génère pour chaque produit une recommandation de gamme (A=Permanent, C=Saisonnier, Z=Sortie). 
 
-CRITÈRES :
+CRITÈRES PRIORITAIRES :
-- A (Permanent) : Produit permanent avec une rotation régulière et satisfaisante sur toute l'année.
+- SCORE < 20 : Recommandation "Z" (Sortie) quasi-obligatoire. Même si le volume semble correct, le produit est un boulet par rapport au reste du fournisseur.
-- C (Saisonnier) : Produit dont les ventes sont concentrées sur des périodes spécifiques. Détecte les pics dans l' 'historique' (ex: ventes en 202412 mais rien ailleurs). Aide-toi de la 'nomenclature' et du 'nom' pour confirmer l'usage saisonnier.
+- A (Permanent) : Produit avec une rotation régulière ET un score satisfaisant (> 30-40).
-- Z (Sortie) : Produit à arrêter car les ventes sont quasi nulles ou la rotation est insuffisante.
+- C (Saisonnier) : Pics de ventes concentrés sur l'historique. Aide-toi de la nomenclature.
+- Z (Sortie) : Ventes nulles, rotation insuffisante ou score médiocre.`;
 
-DÉTECTION :
+        DÉTECTION:
 Marque 'isDuplicate: true' si le produit semble être un doublon dans le lot.
 
-IMPORTANT : RÉPONDS UNIQUEMENT EN JSON VALIDE.
+            IMPORTANT : RÉPONDS UNIQUEMENT EN JSON VALIDE.
-Format:
+                Format:
-{
+        {
-  "results": [
+            "results": [
-    {
+                {
-      "codein": "ID",
+                    "codein": "ID",
-      "recommandationGamme": "A|C|Z",
+                    "recommandationGamme": "A|C|Z",
-      "isDuplicate": boolean,
+                    "isDuplicate": boolean,
-      "justificationCourte": "..."
+                    "justificationCourte": "..."
-    }
+                }
-  ]
+            ]
-}
+        }
 
-INTERDICTION FORMELLE : N'utilise jamais la phrase "Justification courte basée sur les données" comme réponse. Tu dois rédiger une analyse réelle.
+INTERDICTION FORMELLE: N'utilise jamais la phrase "Justification courte basée sur les données" comme réponse. Tu dois rédiger une analyse réelle.
 
-Données : codein, nom, ca (€), ventes (unités), marge (%), gammeInit, historique, nomenclature.`;
+        Données: codein, nom, ca(€), ventes(unités), marge(%), gammeInit, historique, nomenclature.`;
 
-        const userPrompt = `Analyse cette liste de produits :\n${JSON.stringify(products, null, 2)}`;
+        const userPrompt = `Analyse cette liste de produits: \n${ JSON.stringify(products, null, 2) } `;
 
         const response = await fetch("https://openrouter.ai/api/v1/chat/completions", {
             method: "POST",
             headers: {
-                "Authorization": `Bearer ${apiKey}`,
+                "Authorization": `Bearer ${ apiKey } `,
                 "Content-Type": "application/json",
             },
             body: JSON.stringify({
@@ -91,7 +93,7 @@ Données : codein, nom, ca (€), ventes (unités), marge (%), gammeInit, histor
             // Read the retry-after header and pass it back to the client
             const retryAfter = response.headers.get("Retry-After") || response.headers.get("x-ratelimit-reset-requests");
             const waitSeconds = retryAfter ? parseInt(retryAfter, 10) : 60;
-            console.warn(`[batch-analyze] Rate limited. Retry after ${waitSeconds}s.`);
+            console.warn(`[batch - analyze] Rate limited.Retry after ${ waitSeconds } s.`);
             return NextResponse.json({ error: "rate_limited", retryAfter: waitSeconds }, { status: 429 });
         }
 
@@ -112,7 +114,7 @@ Données : codein, nom, ca (€), ventes (unités), marge (%), gammeInit, histor
 
         // Try to extract JSON block from the response (handles markdown code blocks and raw JSON)
         let jsonStr = content;
-        const jsonBlock = content.match(/```json\s*([\s\S]*?)\s*```/);
+        const jsonBlock = content.match(/```json\s * ([\s\S] *?) \s * ```/);
         if (jsonBlock) {
             jsonStr = jsonBlock[1];
         } else {

src/features/ai-copilot/store/use-ai-copilot-store.ts

@@ -36,7 +36,7 @@ export const useAiCopilotStore = create<AiCopilotState>((set) => ({
     },
 
     analyzeProduct: async (payload) => {
-        const { codein } = payload;
+        const { codein, score } = payload;
 
         // Mark as loading
         set((s) => ({