feat: introduce AI-powered bulk product analysis feature with dedicated engine, types, and UI component.

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

@@ -10,11 +10,11 @@ En analysant les données de ventes fournies, génère une recommandation de gam
 - [Z] - SORTIE : Produit en fin de cycle de vie, sans rotation significative ou en chute libre, devant être retiré du référencement.
 
 Critères de pondération et Règles Métier Strictes :
-1. Normalisation Totale (Base 2 magasins) : TOUTES les statistiques fournies (Totaux et Historique Mensuel) sont PONDÉRÉES par 2 si le produit n'est présent que dans 1 magasin. L'objectif est de simuler une performance sur une base réseau de 2 magasins.
+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. Seuil "Permanent" (A) : Pour être A, un produit doit avoir un volume PONDÉRÉ significatif (ex: > 30-50 unités/an).
+2. Segmentation par Rayon (Univers) : Privilégie la comparaison "Intra-Rayon". Un produit doit être performant par rapport aux standards de son propre Rayon (Niveau 2).
-3. Seuil "Sortie" (Z) : Un produit avec moins de 10 unités pondérées par an et un CA faible est un candidat naturel à la sortie (Z).
+3. Seuil "Permanent" (A) : Pour être A, un produit doit avoir un volume PONDÉRÉ significatif (ex: > 30-50 unités/an).
-4. Volume/CA/Marge : Un produit "A" doit justifier sa place en rayon par son flux (volume) OU sa rentabilité brute (CA/Marge). S'il est faible sur les deux, c'est un Z.
+4. Seuil "Sortie" (Z) : Un produit avec moins de 10 unités pondérées par an et un CA faible est un candidat à la sortie (Z).
-5. Poids Relatif : Analyse la performance par rapport aux moyennes fournies.
+5. Équilibre : Un produit "A" doit justifier sa place par son flux OU sa rentabilité brute.
 
 Ta réponse doit être courte, directe et sans complaisance.
 Format impératif : "[Recommandation]: [Justification courte]"`;
@@ -28,18 +28,19 @@ Format impératif : "[Recommandation]: [Justification courte]"`;
         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 benchmarks = p.avgQtyGroup1 !== undefined && p.avgQtyGroup2 !== undefined
+        const benchmarks = `
-            ? `\nBenchmarks (Volumes moyens) :
+Benchmarks Fournisseur (Global) :
-- Moyenne mag unique : ${Math.round(p.avgQtyGroup1)}u
+- Moyenne 1 mag: ${Math.round(p.avgQtyGroup1 || 0)}u | Multi-mag: ${Math.round(p.avgQtyGroup2 || 0)}u
-- Moyenne multi-magasins : ${Math.round(p.avgQtyGroup2)}u`
+Benchmarks Rayon ("${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"}
 ${volumeInfo}${benchmarks}
 Indicateurs Clés :
 - Marge : ${p.tauxMarge.toFixed(1)}%
-- Historique mensuel : ${monthlySummary}
+- Historique mensuel (Pondéré) : ${monthlySummary}
 
 Quelle est ta recommandation (A, C ou Z) et pourquoi ?`;
     }

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

@@ -1,14 +1,17 @@
 export interface ProductAnalysisInput {
     codein: string;
     libelle1: string;
+    libelleNiveau2?: string;
     totalCa: number;
     tauxMarge: number;
     totalQuantite: number;
     weightedTotalQuantite?: number;
     weightedTotalCa?: number;
     avgTotalQuantite?: number;
-    avgQtyGroup1?: number; // Moyenne volume pour produits à 1 magasin
+    avgQtyGroup1?: number; // Moyenne volume pour produits à 1 magasin (Fournisseur)
-    avgQtyGroup2?: number; // Moyenne volume pour produits à 2 magasins+
+    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)
     storeCount: number;
     sales12m: Record<string, number>;
     codeGamme: string | null;

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

@@ -33,13 +33,38 @@ export function BulkAiAnalyzer() {
         const avgQty1 = rowsGroup1.length > 0 ? rowsGroup1.reduce((s: number, r: any) => s + (r.totalQuantite || 0), 0) / rowsGroup1.length : 0;
         const avgQty2 = rowsGroup2.length > 0 ? rowsGroup2.reduce((s: number, r: any) => s + (r.totalQuantite || 0), 0) / rowsGroup2.length : 0;
 
+        // Benchmarks par Rayon (Nomenclature Niveau 2)
+        const rayonStats = new Map<string, { qty1: number[], qty2: number[] }>();
+        rows.forEach((r: any) => {
+            const rayon = r.libelleNiveau2 || "Général";
+            if (!rayonStats.has(rayon)) rayonStats.set(rayon, { qty1: [], qty2: [] });
+            const stats = rayonStats.get(rayon)!;
+            const sc = r.workingStores?.length || 1;
+            if (sc === 1) stats.qty1.push(r.totalQuantite || 0);
+            else stats.qty2.push(r.totalQuantite || 0);
+        });
+
+        const rayonBenchmarks = new Map<string, { avg1: number, avg2: number }>();
+        rayonStats.forEach((stats, rayon) => {
+            const totalCount = stats.qty1.length + stats.qty2.length;
+            // Seuil de 3 produits pour justifier un benchmark spécifique par rayon
+            if (totalCount >= 3) {
+                rayonBenchmarks.set(rayon, {
+                    avg1: stats.qty1.length > 0 ? stats.qty1.reduce((a, b) => a + b, 0) / stats.qty1.length : 0,
+                    avg2: stats.qty2.length > 0 ? stats.qty2.reduce((a, b) => a + b, 0) / stats.qty2.length : 0
+                });
+            }
+        });
+
         const productPayloads: ProductAnalysisInput[] = rows.map(r => {
             const sc = r.workingStores?.length || 1;
             const weight = sc === 1 ? 2 : 1; // On ramène tout sur une base 2 magasins
+            const rb = rayonBenchmarks.get(r.libelleNiveau2 || "Général");
 
             return {
                 codein: r.codein,
                 libelle1: r.libelle1 || "",
+                libelleNiveau2: r.libelleNiveau2 || "Général",
                 totalCa: r.totalCa || 0,
                 tauxMarge: r.tauxMarge || 0,
                 totalQuantite: r.totalQuantite || 0,
@@ -48,6 +73,8 @@ export function BulkAiAnalyzer() {
                 avgTotalQuantite: avgQty,
                 avgQtyGroup1: avgQty1,
                 avgQtyGroup2: avgQty2,
+                avgQtyRayon1: rb ? rb.avg1 : avgQty1,
+                avgQtyRayon2: rb ? rb.avg2 : avgQty2,
                 storeCount: sc,
                 sales12m: Object.fromEntries(
                     Object.entries(r.sales12m || {}).map(([month, val]) => [month, val * weight])