feat: Introduce AI copilot with a refined analysis engine for product recommendations based on strategic weight and relative contribution.

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

@@ -2,27 +2,31 @@ import { ProductAnalysisInput } from "../models/ai-analysis.types";
 
 export class AnalysisEngine {
     static generateSystemPrompt(): string {
-        return `Tu es Mary, experte en analyse de gammes retail B2B. Ta mission est d'aider un acheteur à arbitrer son assortiment avec une rigueur absolue.
+        return `Tu es Mary, une experte en stratégie retail. Ton rôle est de conseiller un acheteur sur le maintien ou l'arrêt d'un produit.
+Tu reçois des données de vente sur 12 mois, la marge, le score de performance (0-100), et surtout le POIDS RELATIF du produit chez son fournisseur.
 
-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. 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.
+--- CRITÈRES DE DÉCISION (Priorité Décroissante) ---
+1. POIDS STRATÉGIQUE (% CA ou % MARGE) :
+   - Si un produit pèse > 8% du CA Total du fournisseur, il est STRATÉGIQUE. Ne JAMAIS le classer en [Z], sauf si la marge est négative ou la régularité < 3/12.
+   - Si un produit pèse > 15% du CA, il doit être classé [A] même avec un score moyen, car son arrêt déstabiliserait le fournisseur.
 
-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/Volume) ou la typologie (Trafic vs Marge).
+2. TYPOLOGIE DE PERFORMANCE :
+   - [A] (Maintenir/Protéger) : Produits piliers, forte contribution CA/Marge, ou "Générateurs de Trafic" (Volumes élevés vs moyenne rayon).
+   - [C] (À surveiller) : Produits récents à potentiel, ou produits de service stables mais à faible impact.
+   - [Z] (Arrêter/Sortir) : Produits à faible poids (< 2%), mauvaise régularité, faible marge, ET volume inférieur à la moyenne.
+
+3. VOLUME VS VALORISATION (PMV) :
+   - Un produit à faible CA peut être un "Générateur de Trafic" si son volume est > à la moyenne du Rayon.
+   - Un produit à faible volume peut être un "Contributeur de Marge" s'il a un PMV (Prix Moyen de Vente) élevé et une marge excellente.
+
+--- TON TON ET STYLE ---
+Sois brève (max 2-3 phrases). Justifie toujours par le poids (%) ou le volume comparatif. 
+Sois directe : "Pèse 12% du CA", "Volume 2x supérieur au rayon", etc.
+Commence toujours par ta recommandation entre crochets : [A], [C] ou [Z].
 
 Options de recommandation :
 - [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).
-
 Ta réponse doit être courte, directe et sans complaisance.
 Format : "[Recommandation] : [Justification factuelle]"`;
     }
@@ -36,11 +40,20 @@ Format : "[Recommandation] : [Justification factuelle]"`;
 
         const volumeInfo = `Volumes : ${Math.round(p.totalQuantite)}u sur ${p.storeCount} mag.`;
 
-        // Contexte comparatif des volumes : On préfère la moyenne du rayon si disponible
+        // Contexte comparatif et contribution
         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 weights = p.shareCa !== undefined ? `
+CONTRIBUTION (%) :
+- Chiffre d'Affaires : ${p.shareCa.toFixed(1)}% du total fournisseur
+- Marge Brute : ${p.shareMarge?.toFixed(1)}% du total fournisseur
+- Volumes : ${p.shareQty?.toFixed(1)}% du total fournisseur
+` : "";
+
+        const totalContext = p.totalFournisseurCa ? `TOTAL FOURNISSEUR : ${p.totalFournisseurCa.toFixed(0)}€ CA` : "";
+
         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)}€)` : "";
@@ -49,21 +62,22 @@ Projection 12 mois : ${Math.round(p.projectedTotalQuantite || 0)}u (${(p.project
             ? `\n⚠️ ALERTE : Inactif depuis ${p.inactivityMonths} mois`
             : "";
 
-        return `IDENTITÉ DU PRODUIT :
-- Libellé : "${p.libelle1}" (Ref: ${p.codein})
-- Rayon : ${p.libelleNiveau2 || "Non classé"}
-- Gamme actuelle : ${p.codeGamme ?? "Non définie"}
+        return `Produit : ${p.libelle1} (${p.codein})
+PERFORMANCE GLOBALE : ${p.score.toFixed(1)}/100
+MARGE : ${p.tauxMarge.toFixed(1)}%
+PRIX MOYEN (PMV) : ${pmv.toFixed(2)}€
+${volumeInfo}${relativeVolume}
+${weights}
+${totalContext}
 
-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}${relativeVolume}${projectionInfo}${activityAlert}
-- Historique mensuel (Pondéré) : ${monthlySummary}
+Régularité : ${p.regularityScore}/12 mois active
+${projectionInfo}${activityAlert}
 
-Analyse la pertinence business du produit sans aucune complaisance. Quelle est ta recommandation (A, C ou Z) ?`;
+--- HISTORIQUE DES VENTES (12 mois) ---
+${monthlySummary}
+
+Recommandation actuelle : ${p.codeGamme || "Aucune"}
+Verdict attendu : [A], [C] ou [Z] avec justification par les chiffres.`;
     }
 
     static extractRecommendation(content: string): "A" | "C" | "Z" | null {

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

@@ -68,6 +68,10 @@ export function AiInsightBlock({ row }: AiInsightBlockProps) {
             inactivityMonths: inactivity,
             avgQtyFournisseur: row.avgQtyFournisseur,
             avgQtyRayon: row.avgQtyRayon,
+            shareCa: row.shareCa,
+            shareMarge: row.shareMarge,
+            shareQty: row.shareQty,
+            totalFournisseurCa: row.totalFournisseurCa,
         });
     };
 

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

@@ -10,6 +10,12 @@ export interface ProductAnalysisInput {
     avgTotalQuantite?: number;
     avgQtyRayon?: number;
     avgQtyFournisseur?: number;
+    /** Poids relatifs (%) */
+    shareCa?: number;
+    shareMarge?: number;
+    shareQty?: number;
+    /** Référentiels */
+    totalFournisseurCa?: number;
     storeCount: number;
     sales12m: Record<string, number>;
     codeGamme: string | null;

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

@@ -32,6 +32,10 @@ interface AiCopilotState {
         inactivityMonths?: number;
         avgQtyFournisseur?: number;
         avgQtyRayon?: number;
+        shareCa?: number;
+        shareMarge?: number;
+        shareQty?: number;
+        totalFournisseurCa?: number;
     }) => Promise<void>;
     resetInsights: () => void;
 }

src/lib/score-engine.ts

@@ -50,8 +50,11 @@ export function computeProductScores(
     const maxCa = Math.max(...weightedData.map((d) => d.wCa));
     const maxMarge = Math.max(...weightedData.map((d) => d.wMarge));
 
-    // 2. Calculer les moyennes globales et par rayon
+    // 2. Calculer les moyennes et totaux globaux
     const totalQty = weightedData.reduce((acc, d) => acc + d.wQty, 0);
+    const totalCa = weightedData.reduce((acc, d) => acc + d.wCa, 0);
+    const totalMarge = weightedData.reduce((acc, d) => acc + d.wMarge, 0);
+
     const avgQtyFournisseur = rows.length > 0 ? totalQty / rows.length : 0;
 
     const rayonTotals = new Map<string, { total: number, count: number }>();
@@ -61,15 +64,22 @@ export function computeProductScores(
         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
+    // 3. Pour chaque produit, calculer le score relatif et injecter les contextes (poids, moyennes)
     for (const data of weightedData) {
-        // Injection des moyennes pour l'analyse IA
+        // Injection des métriques de poids et contextes
         data.row.avgQtyFournisseur = avgQtyFournisseur;
+        data.row.totalFournisseurCa = totalCa;
+
+        // Calcul des poids (%)
+        data.row.shareQty = totalQty > 0 ? (data.wQty / totalQty) * 100 : 0;
+        data.row.shareCa = totalCa > 0 ? (data.wCa / totalCa) * 100 : 0;
+        data.row.shareMarge = totalMarge > 0 ? (data.wMarge / totalMarge) * 100 : 0;
+
         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)
+        // Score de 0 à 100 sur chaque axe pondéré
         const scoreQty = maxQty > 0 ? (data.wQty / maxQty) * 100 : 0;
         const scoreCa = maxCa > 0 ? (data.wCa / maxCa) * 100 : 0;
         const scoreMarge = maxMarge > 0 ? (data.wMarge / maxMarge) * 100 : 0;

src/types/grid.ts

@@ -60,6 +60,12 @@ export interface ProductRow {
     /** Moyennes de comparaison pour l'IA */
     avgQtyFournisseur?: number;
     avgQtyRayon?: number;
+    /** Poids relatifs (%) du produit chez le fournisseur */
+    shareCa?: number;
+    shareMarge?: number;
+    shareQty?: number;
+    /** Référentiels globaux */
+    totalFournisseurCa?: number;
 }
 
 /** Summary bar totals for the currently visible/filtered rows */

task.md

@@ -1,58 +1,27 @@
-# Context
+# Tâches en cours : Optimisation de l'Analyse IA (Phase 2 - Contextualisation)
 
-Activation de l'Agent Master BMAD pour la gestion du projet CollectFlow selon la méthodologie BMAD.
+## Contexte
 
-# Current Focus
+L'IA (Mary) donne des recommandations incohérentes (ex: [Z] pour un produit plus performant qu'un [A]) car elle manque de repères relatifs. Elle ne connaît pas le poids réel d'un produit dans le chiffre d'affaires total du fournisseur ou du rayon.
 
-Activation et initialisation de l'Agent Master BMAD.
+## Focus Actuel
 
-- [x] Étape 1 : Lecture de la configuration et de la persona de l'Agent Master
-- [x] Étape 2 : Initialisation des variables de session (user_name, language, output_folder)
-- [x] Étape 3 : Accueil de l'utilisateur et affichage du menu principal
-- [x] Étape 4 : Exécution du workflow Party Mode ([PM])
-- [x] Étape 5 : Discussion multi-agents : Refonte de la logique de recommandation
-- [x] Étape 6 : Proposition technique et plan d'implémentation
-- [x] Étape 7 : Application des modifications dans `analysis-engine.ts`
-- [x] Étape 8 : Vérification et validation
-- [x] Étape 9 : Relativisation des recommandations (Abandon Benchmarking)
-- [x] Étape 10 : Ajustement du seuil de protection (Score < 20)
-- [x] Étape 11 : Intégration de l'analyse critique systématique (même score > 50)
-- [x] Étape 12 : Validation finale et correction TS
-- [x] Étape 13 : Implémentation du modal pour les explications IA détaillées
-- [x] Étape 14 : Correction du design et du positionnement du modal (z-index/Portal)
-- [x] Étape 15 : Polissage final et validation Michael
-- [x] Étape 16 : Correction graphique selon la charte CollectFlow (Slate-950/Apple)
-- [x] Étape 17 : Optimisation de l'analyse (Volumes, PMV & Produits de Trafic)
-- [x] Étape 18 : Validation finale des recommandations sur cas réels
+**Recherche & Développement** : Mieux définir les critères de ranking pour Mary afin d'éliminer les faux négatifs (Score 70+ classé en Z).
+
+## Master Plan
+
+- [x] Correction graphique du modal (Slate-950/Apple)
+- [x] Étape 20 : Intégration des poids (%) et contribution relative (Analyse de Cohérence)
+- [x] Étape 21 : Sanctuarisation des produits stratégiques dans le prompt
+- [x] Étape 22 : Test et validation des recommandations (Élimination des faux Z)
+- [ ] Recherche de meilleures pratiques pour le ranking IA (Analyse ABC/XYZ enrichie)
+- [ ] Implémentation du calcul des poids (%) dans `score-engine.ts`
+- [ ] Mise à jour des types `ProductAnalysisInput`
+- [ ] Enrichissement du prompt Mary avec les notions de contribution (%)
+- [ ] Test et validation sur les cas limites (Score 70+ classé en Z par erreur)
 
 ## Progress Log
 
-- Initialisation de la tâche d'activation de l'Agent Master BMAD.
-- Variables de session chargées : Michael, French, _bmad-output.
-- Michael a sélectionné "pm" (Party Mode). Lancement du workflow.
-- Manifeste des agents chargé (20 agents détectés).
-- Session Party Mode activée.
-- Michael soulève un problème sur le seuil arbitraire de score < 30 (impact petits fournisseurs).
-- Analyse en cours de `src/features/ai-copilot/business/analysis-engine.ts`.
-- Plan d'implémentation validé par Michael.
-- Déploiement de la nouvelle hiérarchie d'analyse (CA/Marge > Score).
-- Suppression des seuils de blocage score < 30.
-- Mise en avant des "Produits de Service".
-- Michael signale une inflation des recommandations [A] (86 articles).
-- Michael demande d'abandonner l'analyse par rayon.
-- Mise en place d'une protection stricte : Score < 20 => Sortie [Z] automatique.
-- Arbitrage IA maintenu entre 20 et 50 basé sur CA / Marge / Quantité.
-- Michael exige une analyse critique systématique même pour les scores > 50.
-- Logique finale implémentée et validée (Score < 20 = Z).
-- Demande de Michael : Ajouter une icône + modal pour voir l'explication complète.
-- Recherche du composant de la grille en cours.
-- Nouveau composant `AiExplanationModal` créé.
-- Intégration dans `AiInsightBlock` terminée (icône + déclenchement).
-- Correction du modal : utilisation de `createPortal` et `z-index: 9999` pour passer au-dessus de tout.
-- Opacité du fond renforcée (0.85).
-- Validation Michael reçue (LGTM).
-- Refonte visuelle complète du modal : passage aux variables CSS de `globals.css`.
-- Suppression des bordures blanches et du fond noir pur pour le thème `Slate-950`.
-- Intégration de `tabular-nums` pour les indicateurs financiers.
-- Ajout du calcul du PMV (CA/Qté) et des indicateurs de volume relatif dans l'IA.
-- Mise à jour du prompt pour protéger les produits "Générateurs de trafic" (Fort volume, faible CA).
+- **Phase 1 terminée** : Modal UI polie et Portail React opérationnel.
+- **Phase 1.5 terminée** : Mary prend désormais en compte le volume moyen du rayon et le PMV.
+- **Découverte** : Mary a besoin du "Poids CA" et du "Total Fournisseur" pour donner un avis juste. Un CA de 552€ est faible pour un géant, mais vital pour un petit artisan.