feat: Add bulk AI product analysis component with supporting data types and AI system prompt.

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

@@ -13,7 +13,8 @@ Critères de pondération et Règles Métier :
 1. Volume Relatif (Flux de stock) : Si le volume est élevé (très supérieur à la moyenne), c'est un produit "fond de rayon" qui génère du trafic. ON LE GARDE (A ou C) même si son CA individuel est faible.
 2. Mix CA/Marge (Rentabilité) : Si le volume est faible mais que le produit génère un CA conséquent et une BONNE MARGE, c'est une pépite. ON LE GARDE EN A.
 3. Poids Relatif : Analyse toujours la performance du produit PAR RAPPORT AU RESTE (moyenne fournisseur). Un produit doit être Z uniquement s'il est faible sur TOUS les indicateurs (Volume, CA, Marge).
-4. Régularité : La stabilité sur 12 mois est la signature du Permanent (A).
+4. Contexte Magasins (Crucial) : Compare le produit à ses pairs. Si le produit est dans 1 magasin, compare son volume à la moyenne des produits à 1 magasin (avgQtyGroup1). Ne le pénalise pas parce qu'il vend moins qu'un produit présent dans 2 magasins ou plus. Un produit à 1 magasin qui performe mieux que la moyenne de son groupe est un excellent candidat A.
+5. Régularité : La stabilité sur 12 mois est la signature du Permanent (A).
 
 Ta réponse doit être en 1-2 phrases maximum, en français, directe et actionnable.
 Format impératif : "[Recommandation]: [Justification courte]"`;
@@ -30,6 +31,7 @@ Format impératif : "[Recommandation]: [Justification courte]"`;
 
         return `Produit : "${p.libelle1}" (Ref: ${p.codein})
 Gamme actuelle : ${p.codeGamme ?? "Non définie"}
+Contexte : Données basées sur ${p.storeCount} magasin(s).
 Indicateurs 12m :
 - CA : ${p.totalCa.toFixed(2)}€
 - Marge : ${p.tauxMarge.toFixed(1)}%

src/features/ai-copilot/models/ai-analysis.types.ts

@@ -5,6 +5,9 @@ export interface ProductAnalysisInput {
     tauxMarge: number;
     totalQuantite: number;
     avgTotalQuantite?: number;
+    avgQtyGroup1?: number; // Moyenne volume pour produits à 1 magasin
+    avgQtyGroup2?: number; // Moyenne volume pour produits à 2 magasins+
+    storeCount: number;
     sales12m: Record<string, number>;
     codeGamme: string | null;
 }

src/features/grid/components/bulk-ai-analyzer.tsx

@@ -20,12 +20,16 @@ export function BulkAiAnalyzer() {
     };
 
     const handleAnalyze = async () => {
-        const { rows } = useGridStore.getState();
-        isCancelledRef.current = false;
-
         const totalQtySum = rows.reduce((sum, r) => sum + (r.totalQuantite || 0), 0);
         const avgQty = rows.length > 0 ? totalQtySum / rows.length : 0;
 
+        // Benchmarks par groupe de magasins
+        const rowsGroup1 = rows.filter(r => (r.workingStores?.length || 1) === 1);
+        const rowsGroup2 = rows.filter(r => (r.workingStores?.length || 1) >= 2);
+
+        const avgQty1 = rowsGroup1.length > 0 ? rowsGroup1.reduce((s, r) => s + (r.totalQuantite || 0), 0) / rowsGroup1.length : 0;
+        const avgQty2 = rowsGroup2.length > 0 ? rowsGroup2.reduce((s, r) => s + (r.totalQuantite || 0), 0) / rowsGroup2.length : 0;
+
         const productPayloads: ProductAnalysisInput[] = rows.map(r => ({
             codein: r.codein,
             libelle1: r.libelle1 || "",
@@ -33,6 +37,9 @@ export function BulkAiAnalyzer() {
             tauxMarge: r.tauxMarge || 0,
             totalQuantite: r.totalQuantite || 0,
             avgTotalQuantite: avgQty,
+            avgQtyGroup1: avgQty1,
+            avgQtyGroup2: avgQty2,
+            storeCount: r.workingStores?.length || 1,
             sales12m: r.sales12m || {},
             codeGamme: r.codeGamme || null,
         }));