feat: Add bulk AI product analysis feature with a new UI component and API route.

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

@@ -11,20 +11,11 @@ const AnalyzeSchema = z.object({
     sales12m: z.record(z.string(), z.number()),
     codeGamme: z.string().nullable(),
     score: z.number().nullable().optional(),
-    // Champs enrichis (optionnels, envoyés par le batch)
-    weightInNomenclature2: z.number().optional(),
-    adjustedCaWeight: z.number().optional(),
-    nomenclature2Weight: z.number().optional(),
-    scorePercentile: z.number().optional(),
-    moisActifs: z.number().optional(),
-    nomenclature: z.string().optional(),
-    // Mode batch : retourne du JSON structuré au lieu de texte libre
-    batchMode: z.boolean().optional(),
 });
 
 const OPENROUTER_URL = "https://openrouter.ai/api/v1/chat/completions";
 
-const SYSTEM_PROMPT_INDIVIDUAL = `Tu es un expert en stratégie d'achat retail. Ton rôle est de catégoriser ce produit (A=Permanent, C=Saisonnier, Z=Sortie) via une analyse de VALEUR CONTEXTUELLE.
+const SYSTEM_PROMPT = `Tu es un expert en stratégie d'achat retail. Ton rôle est de catégoriser ce produit (A=Permanent, C=Saisonnier, Z=Sortie) via une analyse de VALEUR CONTEXTUELLE.
 
 L'IMPORTANCE ÉCONOMIQUE PRIME SUR LE SCORE DE PERFORMANCE RELATIVE.
 
@@ -41,27 +32,6 @@ DÉFINITION :
 Réponse courte, mentionnant la contribution économique et le score. Ne mentionne aucun seuil en euros.
 Format: "[Recommandation]: [Justification basée sur la valeur et le score]"`;
 
-const SYSTEM_PROMPT_BATCH = `Tu es un expert en assortiment retail. Decide si ce produit doit rester en gamme (A) ou sortir (Z).
-
-REPONDS UNIQUEMENT A ou Z. Jamais C. La saisonnalite est geree manuellement par l'acheteur.
-
-DONNEES CLES :
-- weightInNomenclature2 : % du CA du produit dans sa categorie. LE CRITERE PRINCIPAL.
-- adjustedCaWeight : % du CA produit dans le total fournisseur (extrapole reseau).
-- scorePercentile : rang du produit parmi le fournisseur (50 = median).
-- moisActifs : mois avec ventes > 0 sur 12 mois.
-
-REGLES (dans l'ordre, la premiere qui s'applique gagne) :
-1. weightInNomenclature2 >= 5% → A
-2. moisActifs >= 8 → A
-3. scorePercentile >= 50 ET moisActifs >= 4 → A
-4. En cas de doute → A
-5. Z seulement si TOUT est faible : weightInNomenclature2 < 3% ET moisActifs < 5 ET scorePercentile < 30
-
-Ne tiens PAS compte du nom du produit pour ta decision. Base-toi UNIQUEMENT sur les chiffres.
-
-Reponds UNIQUEMENT en JSON : {"recommandationGamme":"A|Z","justificationCourte":"..."}`;
-
 export async function POST(req: NextRequest) {
     const config = await getSavedDatabaseConfig();
     const apiKey = process.env.OPENROUTER_API_KEY || config?.openRouterKey;
@@ -79,42 +49,19 @@ export async function POST(req: NextRequest) {
     }
 
     const p = parsed.data;
-    const isBatch = p.batchMode === true;
 
     // Format monthly sales for the prompt
     const monthlySummary = Object.entries(p.sales12m)
         .map(([k, v]) => `${k}: ${Math.round(v)} unités`)
         .join(", ");
 
-    let userMessage: string;
+    const userMessage = `Produit: "${p.libelle1}" (Code: ${p.codein})
-    let systemPrompt: string;
-
-    if (isBatch) {
-        // Mode batch : prompt simplifié avec métriques enrichies, PAS de codeGamme
-        systemPrompt = SYSTEM_PROMPT_BATCH;
-        const enrichedLines = [
-            `Produit: "${p.libelle1}" (${p.codein})`,
-            p.nomenclature ? `Nomenclature: ${p.nomenclature}` : null,
-            `CA: ${p.totalCa.toFixed(0)} EUR | Marge: ${p.tauxMarge.toFixed(1)}% | Volume: ${Math.round(p.totalQuantite)} unites`,
-            p.weightInNomenclature2 != null ? `Poids dans sa categorie N2: ${p.weightInNomenclature2}%` : null,
-            p.adjustedCaWeight != null ? `Poids global fournisseur (ajuste): ${p.adjustedCaWeight}%` : null,
-            p.nomenclature2Weight != null ? `Poids de la categorie N2 dans le fournisseur: ${p.nomenclature2Weight}%` : null,
-            p.scorePercentile != null ? `Rang percentile: ${p.scorePercentile}/100` : null,
-            p.moisActifs != null ? `Mois actifs (ventes > 0): ${p.moisActifs}/12` : null,
-            `Historique: ${monthlySummary}`,
-        ].filter(Boolean).join("\n");
-        userMessage = enrichedLines;
-    } else {
-        // Mode individuel : prompt original
-        systemPrompt = SYSTEM_PROMPT_INDIVIDUAL;
-        userMessage = `Produit: "${p.libelle1}" (Code: ${p.codein})
 Gamme actuelle: ${p.codeGamme ?? "Non définie"}
 Score de performance: ${p.score ?? "N/A"}/100
 CA total 12m: ${p.totalCa.toFixed(0)}€ | Taux de marge: ${p.tauxMarge.toFixed(1)}% | Volume: ${Math.round(p.totalQuantite)} unités
 Historique mensuel: ${monthlySummary}
 
 Quelle gamme recommandes-tu et pourquoi ?`;
-    }
 
     try {
         const response = await fetch(OPENROUTER_URL, {
@@ -128,10 +75,9 @@ Quelle gamme recommandes-tu et pourquoi ?`;
             body: JSON.stringify({
                 model,
                 messages: [
-                    { role: "system", content: systemPrompt },
+                    { role: "system", content: SYSTEM_PROMPT },
                     { role: "user", content: userMessage },
                 ],
-                ...(isBatch ? { response_format: { type: "json_object" } } : {}),
                 max_tokens: 150,
                 temperature: 0.1,
             }),
@@ -151,24 +97,7 @@ Quelle gamme recommandes-tu et pourquoi ?`;
         const data = await response.json();
         const content: string = data.choices?.[0]?.message?.content ?? "";
 
-        if (isBatch) {
+        return NextResponse.json({ insight: content, codein: p.codein });
-            // Parse JSON response for batch mode
-            let jsonStr = content;
-            const start = content.indexOf("{");
-            const end = content.lastIndexOf("}");
-            if (start !== -1 && end !== -1) {
-                jsonStr = content.slice(start, end + 1);
-            }
-            const result = JSON.parse(jsonStr);
-            return NextResponse.json({
-                codein: p.codein,
-                recommandationGamme: result.recommandationGamme || "A",
-                justificationCourte: result.justificationCourte || "",
-                isDuplicate: false,
-            });
-        } else {
-            return NextResponse.json({ insight: content, codein: p.codein });
-        }
     } catch (err) {
         const msg = err instanceof Error ? err.message : "Unknown error";
         return NextResponse.json({ error: msg }, { status: 500 });

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

@@ -13,70 +13,20 @@ export function BulkAiAnalyzer() {
 
     const handleAnalyze = async () => {
         const { rows } = useGridStore.getState();
-        const supplierTotalCa = rows.reduce((acc, row) => acc + (row.totalCa || 0), 0);
 
         console.log("[BulkAiAnalyzer] Starting analysis on", rows.length, "rows");
 
-        // --- Statistiques globales pour contextualiser le score ---
+        // Payload identique à l'analyse individuelle — aucun enrichissement
-        const allScores = rows.map(r => r.score || 0).sort((a, b) => a - b);
+        const productPayloads = rows.map(r => ({
-        const totalProducts = rows.length;
+            codein: r.codein,
-
+            libelle1: r.libelle1 || "",
-        const maxStoreCount = Math.max(...rows.map(r => r.workingStores?.length || 1), 1);
+            totalCa: r.totalCa || 0,
-
+            tauxMarge: r.tauxMarge || 0,
-        // Percentile par produit
+            totalQuantite: r.totalQuantite || 0,
-        const scorePercentileMap = new Map<string, number>();
+            sales12m: r.sales12m || {},
-        rows.forEach(r => {
+            codeGamme: r.codeGamme || null,
-            const productScore = r.score || 0;
+            score: r.score || 0,
-            const rank = allScores.filter(s => s <= productScore).length;
+        }));
-            scorePercentileMap.set(r.codein, Math.round((rank / totalProducts) * 100));
-        });
-
-        // Double poids par nomenclature niveau 2
-        const nomenclature2CaMap = new Map<string, number>();
-        rows.forEach(r => {
-            const n2 = r.libelleNiveau2 || "Non classe";
-            nomenclature2CaMap.set(n2, (nomenclature2CaMap.get(n2) || 0) + (r.totalCa || 0));
-        });
-
-        const nomenclature2WeightMap = new Map<string, number>();
-        nomenclature2CaMap.forEach((ca, n2) => {
-            nomenclature2WeightMap.set(n2, supplierTotalCa > 0
-                ? parseFloat(((ca / supplierTotalCa) * 100).toFixed(1))
-                : 0);
-        });
-
-        // Préparer les payloads enrichis pour chaque produit
-        const productPayloads = rows.map(r => {
-            const rawCaWeight = supplierTotalCa > 0
-                ? parseFloat(((r.totalCa / supplierTotalCa) * 100).toFixed(3))
-                : 0;
-            const storeCount = r.workingStores?.length || 1;
-            const storeRatio = storeCount < maxStoreCount ? maxStoreCount / storeCount : 1;
-            const adjustedCaWeight = parseFloat((rawCaWeight * storeRatio).toFixed(3));
-            const n2 = r.libelleNiveau2 || "Non classe";
-            const n2Ca = nomenclature2CaMap.get(n2) || 1;
-            const weightInNomenclature2 = parseFloat((((r.totalCa || 0) / n2Ca) * 100).toFixed(2));
-            const moisActifs = Object.values(r.sales12m || {}).filter(v => v > 0).length;
-
-            return {
-                codein: r.codein,
-                libelle1: r.libelle1 || "",
-                totalCa: r.totalCa || 0,
-                tauxMarge: r.tauxMarge || 0,
-                totalQuantite: r.totalQuantite || 0,
-                sales12m: r.sales12m || {},
-                codeGamme: r.codeGamme || null,
-                score: r.score || 0,
-                // Champs enrichis
-                weightInNomenclature2,
-                adjustedCaWeight,
-                nomenclature2Weight: nomenclature2WeightMap.get(n2) ?? 0,
-                scorePercentile: scorePercentileMap.get(r.codein) ?? 0,
-                moisActifs,
-                nomenclature: `${r.libelleNiveau1 || ""} > ${r.libelleNiveau2 || ""} > ${r.libelle3 || ""}`,
-                batchMode: true,
-            };
-        });
 
         setIsAnalyzing(true);
         let completed = 0;
@@ -119,10 +69,15 @@ export function BulkAiAnalyzer() {
                         errors++;
                     } else {
                         const data = await res.json();
-                        if (data.recommandationGamme) {
+                        if (data.insight) {
-                            setDraftGamme(data.codein, data.recommandationGamme);
+                            // Extraire la recommandation (première lettre A, C ou Z)
-                            const justification = `Gamme ${data.recommandationGamme} — ${data.justificationCourte || "Analyse effectuée."}`;
+                            const match = data.insight.match(/^[^A-Z]*([ACZ])\b/i);
-                            setInsight(data.codein, justification, data.isDuplicate ?? false);
+                            const gamme = match ? match[1].toUpperCase() : null;
+
+                            if (gamme) {
+                                setDraftGamme(data.codein, gamme);
+                                setInsight(data.codein, data.insight, false);
+                            }
                         }
                     }
                 } catch {