feat: Introduce AI copilot for product analysis, incorporating a scoring engine, dedicated state management, and insight display.

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

@@ -7,15 +7,19 @@ export class AnalysisEngine {
 RÈGLES D'OR DE DÉCISION :
 1. EXCLUSION AUTOMATIQUE (Score < 20) : Tout produit ayant un score global inférieur à 20 doit être recommandé en [Z] (Sortie). C'est une règle de sécurité non négociable.
 2. ANALYSE CRITIQUE SYSTÉMATIQUE (Score >= 20) : Même pour les scores élevés (> 50 ou > 70), ne valide PAS automatiquement le [A]. Tu dois mener une analyse critique basée sur le CA, la Marge et la Quantité.
-3. VALIDATION PAR LA VALEUR : Pour recommander [A], le produit doit prouver sa valeur réelle (ex: Marge élevée, CA significatif, ou Régularité de service irréprochable). Si les volumes sont dérisoires et la marge faible, propose [Z] même si le score est correct.
+3. TYPOLOGIES DE VALEUR :
+    - [GÉNÉRATEUR DE TRAFIC] : Si le CA est faible mais que le VOLUME est nettement supérieur à la moyenne du groupe/rayon, le produit est stratégique. Il doit être maintenu [A] car il attire le client, même s'il rapporte peu directement.
+    - [CONTRIBUTEUR DE MARGE] : Si le VOLUME est faible mais que le PMV (Prix Moyen de Vente) et la MARGE sont élevés, le produit est un contributeur de valeur.
+    - [PRODUIT DE SERVICE] : Produit très régulier (vendu chaque mois) mais à faible enjeux financier. À protéger modérément.
+4. VALIDATION PAR LA VALEUR : Pour recommander [A], le produit doit prouver sa valeur réelle. Si les volumes sont dérisoires, le CA faible et la marge faible, propose [Z] même si le score est correct.
 
 RÈGLES DE RÉDACTION :
 1. VÉRACITÉ : Respecte strictement les chiffres fournis.
 2. SANS COMPLAISANCE : Sois directe. Si un produit est mauvais malgré son score, dis-le.
-3. JUSTIFICATION : Base ta réponse sur la rentabilité (marge), le poids business (CA) ou le service (régularité).
+3. JUSTIFICATION : Base ta réponse sur la rentabilité (marge), le poids business (CA/Volume) ou la typologie (Trafic vs Marge).
 
 Options de recommandation :
-- [A] - PERMANENT : Produit dont la valeur business ou le service client est prouvé.
+- [A] - PERMANENT : Produit dont la valeur business, le trafic ou le service client est prouvé.
 - [C] - SAISONNIER : Pics de ventes concentrés, inactivité hors saison.
 - [Z] - SORTIE : Inutilité business (Score < 20 OU CA/Marge/Quantité insuffisants).
 
@@ -24,12 +28,19 @@ Format : "[Recommandation] : [Justification factuelle]"`;
     }
 
     static generateUserMessage(p: ProductAnalysisInput): string {
+        const pmv = p.totalQuantite > 0 ? p.totalCa / p.totalQuantite : 0;
+
         const monthlySummary = Object.entries(p.sales12m || {})
             .map(([k, v]) => `${k}: ${Math.round(v)}u`)
             .join(", ");
 
         const volumeInfo = `Volumes : ${Math.round(p.totalQuantite)}u sur ${p.storeCount} mag.`;
 
+        // Contexte comparatif des volumes : On préfère la moyenne du rayon si disponible
+        const avgRef = p.avgQtyRayon || p.avgQtyFournisseur || 0;
+        const refName = p.avgQtyRayon ? "rayon" : "fournisseur";
+        const relativeVolume = avgRef > 0 ? ` (Moyenne du ${refName} : ${avgRef.toFixed(1)}u)` : "";
+
         const projectionInfo = p.regularityScore > 0 && p.regularityScore < 12 ? `
 --- ANALYSE DE POTENTIEL (Produit récent : ${p.regularityScore}/12 mois active) ---
 Projection 12 mois : ${Math.round(p.projectedTotalQuantite || 0)}u (${(p.projectedTotalCa || 0).toFixed(2)}€)` : "";
@@ -46,9 +57,10 @@ Projection 12 mois : ${Math.round(p.projectedTotalQuantite || 0)}u (${(p.project
 DONNÉES BUSINESS :
 - Marge brute : ${p.tauxMarge.toFixed(1)}%
 - Total CA : ${p.totalCa.toFixed(2)}€
+- PMV (Prix de Vente Moyen) : ${pmv.toFixed(2)}€
 - Score Global App : ${p.score.toFixed(1)}/100
 - Régularité : ${p.regularityScore}/12 mois active
-${volumeInfo}${projectionInfo}${activityAlert}
+${volumeInfo}${relativeVolume}${projectionInfo}${activityAlert}
 - Historique mensuel (Pondéré) : ${monthlySummary}
 
 Analyse la pertinence business du produit sans aucune complaisance. Quelle est ta recommandation (A, C ou Z) ?`;

src/features/ai-copilot/components/ai-insight-block.tsx

@@ -66,6 +66,8 @@ export function AiInsightBlock({ row }: AiInsightBlockProps) {
             projectedTotalCa: regScore > 0 ? (row.totalCa * weight * (12 / regScore)) : (row.totalCa * weight),
             lastMonthWithSale: lastMonth,
             inactivityMonths: inactivity,
+            avgQtyFournisseur: row.avgQtyFournisseur,
+            avgQtyRayon: row.avgQtyRayon,
         });
     };
 

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

@@ -8,10 +8,8 @@ export interface ProductAnalysisInput {
     weightedTotalQuantite?: number;
     weightedTotalCa?: number;
     avgTotalQuantite?: number;
-    avgQtyGroup1?: number; // Moyenne volume pour produits à 1 magasin (Fournisseur)
-    avgQtyGroup2?: number; // Moyenne volume pour produits à 2 magasins+ (Fournisseur)
-    avgQtyRayon1?: number; // Moyenne volume pour produits à 1 magasin (Rayon)
-    avgQtyRayon2?: number; // Moyenne volume pour produits à 2 magasins+ (Rayon)
+    avgQtyRayon?: number;
+    avgQtyFournisseur?: number;
     storeCount: number;
     sales12m: Record<string, number>;
     codeGamme: string | null;

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

@@ -30,6 +30,8 @@ interface AiCopilotState {
         projectedTotalCa?: number;
         lastMonthWithSale?: string;
         inactivityMonths?: number;
+        avgQtyFournisseur?: number;
+        avgQtyRayon?: number;
     }) => Promise<void>;
     resetInsights: () => void;
 }

src/lib/score-engine.ts

@@ -50,8 +50,25 @@ export function computeProductScores(
     const maxCa = Math.max(...weightedData.map((d) => d.wCa));
     const maxMarge = Math.max(...weightedData.map((d) => d.wMarge));
 
-    // 2. Pour chaque produit, calculer le score relatif aux max pondérés
+    // 2. Calculer les moyennes globales et par rayon
+    const totalQty = weightedData.reduce((acc, d) => acc + d.wQty, 0);
+    const avgQtyFournisseur = rows.length > 0 ? totalQty / rows.length : 0;
+
+    const rayonTotals = new Map<string, { total: number, count: number }>();
+    weightedData.forEach(d => {
+        const r2 = d.row.code2 || "default";
+        const current = rayonTotals.get(r2) || { total: 0, count: 0 };
+        rayonTotals.set(r2, { total: current.total + d.wQty, count: current.count + 1 });
+    });
+
+    // 3. Pour chaque produit, calculer le score relatif aux max pondérés et injecter les moyennes
     for (const data of weightedData) {
+        // Injection des moyennes pour l'analyse IA
+        data.row.avgQtyFournisseur = avgQtyFournisseur;
+        const r2 = data.row.code2 || "default";
+        const rayonStat = rayonTotals.get(r2);
+        data.row.avgQtyRayon = rayonStat ? rayonStat.total / rayonStat.count : 0;
+
         // Score de 0 à 100 sur chaque axe pondéré (le Top 1 pondéré a 100)
         const scoreQty = maxQty > 0 ? (data.wQty / maxQty) * 100 : 0;
         const scoreCa = maxCa > 0 ? (data.wCa / maxCa) * 100 : 0;

src/types/grid.ts

@@ -57,6 +57,9 @@ export interface ProductRow {
     score: number;
     workingStores: string[];
     aiRecommendation?: string | null;
+    /** Moyennes de comparaison pour l'IA */
+    avgQtyFournisseur?: number;
+    avgQtyRayon?: number;
 }
 
 /** Summary bar totals for the currently visible/filtered rows */