fix(ai): force json-structured reasoning to prevent business rule bleed

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

@@ -4,28 +4,21 @@ export class AnalysisEngine {
     static generateSystemPrompt(): string {
         return `Tu es Mary, experte Senior en Stratégie Retail algorithmique. Ta mission est d'expliquer le verdict pour un produit.
 
---- RÈGLE D'OR ABSOLUE ---
+--- RÈGLES DE DÉCISION ---
-Si des "RÈGLES MÉTIER SPÉCIFIQUES" sont fournies, tu dois d'abord vérifier si le produit évalué correspond EXACTEMENT au critère de la règle.
+1. RÈGLE MÉTIER SPÉCIFIQUE (Priorité Absolue) : Si le manager a défini une règle et que LE PRODUIT ACTUEL correspond exactement à la condition de cette règle, le score et l'algorithme sont annulés. Tu dois suivre la recommandation de la règle et justifier par "Selon vos consignes...".
-- Exemple: Si la règle dit "Les agendas en A", et que le produit est un "Calendrier", la règle NE S'APPLIQUE PAS. L'algorithme s'applique normalement.
+2. ALGORITHME (Par défaut) : Si aucune règle métier n'est fournie OU si le produit actuel n'est pas ciblé par la règle, base-toi sur le PMV, la Marge, le CA et les Quantités. Le score (0 à 100) est une mesure relative (100 = Excellence, <30 = Faible).
-- Si la règle S'APPLIQUE BIEN au produit (ex: le produit est bien un "Agenda"), ALORS LA RÈGLE ÉCRASE TOTALEMENT L'ALGORITHME. Donne la lettre imposée et justifie uniquement en citant la règle.
 
---- INTERPRÉTATION ALGORITHMIQUE (Si aucune règle ne s'applique) ---
+--- Interdictions ---
-Le score (0 à 100) est une mesure de performance RELATIVE :
+Ne mentionne jamais de mois, de tendances ou de prédictions. Sois très concise (2 phrases max).
-- 100/100 : Excellence.
-- > 70/100 : Très bonne performance.
-- 30-70/100 : Performance moyenne.
-- < 30/100 : Faible.
 
---- TON RÔLE ---
+--- FORMAT DE RÉPONSE OBLIGATOIRE ---
-1. JUSTIFIER : Explique la gamme choisie. Si c'est basé sur une Règle Métier, dis "Selon vos règles: [règle]". Sinon, base-toi sur le PMV, la Marge, le CA et les Quantités.
+Tu dois UNIQUEMENT répondre avec un objet JSON valide, sans markdown, sans \`\`\`json. 
-2. NE JAMAIS mentionner de mois ou prédictions.
+Structure attendue :
-3. CONCISE : 2 phrases maximum.
+{
-
+  "rule_applies": boolean, // true si le produit est ciblé par la règle métier fournie, sinon false
---- FORMAT ATTENDU (La lettre doit être isolée au début) ---
+  "recommendation": "A" | "C" | "Z", // La lettre finale retenue
-"[Recommandation_Finale] : [Explication]"
+  "justification": "Texte court expliquant le choix."
-Exemple 1 (Règle Métier) : "C : Selon vos consignes, les calendriers vont en C, indépendamment des ventes."
+}`;
-Exemple 2 (Algo) : "A : Score de 85/100 justifié par une très forte marge (45%) et une excellente contribution."
-Exemple 3 (Algo Z) : "Z : Rétrogradé malgré de bons volumes car le score global (15/100) est critique."`;
     }
 
     static generateUserMessage(p: ProductAnalysisInput): string {
@@ -47,19 +40,19 @@ Exemple 3 (Algo Z) : "Z : Rétrogradé malgré de bons volumes car le score glob
 
         const contextRules = p.supplierContext ? `
 --- RÈGLES MÉTIER SPÉCIFIQUES ---
-Le manager a défini cette règle pour ce fournisseur : 
+Le manager a défini cette consigne pour ce fournisseur : 
 "${p.supplierContext}"
 
-ATTENTION: Tu dois d'abord juger si LE PRODUIT ACTUEL ("${p.libelle1}") est ciblé par la condition de cette règle. 
+Attention : Évalue d'abord si le produit ("${p.libelle1}") est concerné par cette consigne. Si oui, \`rule_applies\` doit être \`true\`. Sinon, \`false\`.
-- S'il est ciblé : Applique la lettre exigée par la règle et ignore l'algo.
-- S'il n'est PAS ciblé : Ignore complètement cette règle et base-toi uniquement sur le "Verdict purement algorithmique".
 ` : "";
 
-        return `PRODUIT: ${p.libelle1} (${p.codein})
+        return `PRODUIT : ${p.libelle1} (${p.codein})
-PERFORMANCE: Score Global ${p.score.toFixed(1)}/100
+Famille / Rayon : ${p.libelleNiveau2}
-KPIs: CA: ${p.totalCa.toFixed(2)}€ | Qté: ${p.totalQuantite} | Marge: ${p.tauxMarge.toFixed(1)}% | PMV: ${pmv.toFixed(2)}€${contextStats}${scoringInfo}
+Score Algorithmique : ${p.score.toFixed(1)}/100
-Verdict purement algorithmique: ${p.scoring?.decision || "Non calculé"}${contextRules}
+KPIs : CA: ${p.totalCa.toFixed(2)}€ | Qté: ${p.totalQuantite} | Marge: ${p.tauxMarge.toFixed(1)}% | PMV: ${pmv.toFixed(2)}€${contextStats}${scoringInfo}
-Ta tâche : Donne la recommandation finale (A, C ou Z) et justifie-la factuellement.`;
+Verdict purement algorithmique : ${p.scoring?.decision || "Non calculé"}${contextRules}
+
+Génère UNIQUEMENT le JSON :`;
     }
 
     static extractRecommendation(content: string): "A" | "C" | "Z" | null {

src/features/ai-copilot/data/open-router-client.ts

@@ -26,8 +26,9 @@ export class OpenRouterClient {
                     { role: "system", content: AnalysisEngine.generateSystemPrompt() },
                     { role: "user", content: AnalysisEngine.generateUserMessage(p) },
                 ],
-                max_tokens: 150,
+                response_format: { type: "json_object" },
-                temperature: 0.3,
+                max_tokens: 200,
+                temperature: 0.1,
             }),
         });
 
@@ -42,8 +43,29 @@ export class OpenRouterClient {
 
         const data = await response.json();
         const content = data.choices?.[0]?.message?.content ?? "";
-        const reco = AnalysisEngine.extractRecommendation(content);
+
-        const cleanInsight = AnalysisEngine.cleanInsight(content);
+        let reco: "A" | "C" | "Z" | null = null;
+        let cleanInsight = "Erreur de génération.";
+
+        try {
+            // Some models might wrap JSON in markdown blocks despite instructions
+            const jsonMatch = content.match(/\{[\s\S]*\}/);
+            const jsonText = jsonMatch ? jsonMatch[0] : content;
+            const parsed = JSON.parse(jsonText);
+
+            reco = parsed.recommendation as "A" | "C" | "Z";
+            cleanInsight = parsed.justification || "";
+
+            // Override recommendation if it doesn't match extracted reco for safety
+            if (!reco || !["A", "C", "Z"].includes(reco)) {
+                reco = AnalysisEngine.extractRecommendation(cleanInsight) || "A";
+            }
+        } catch (e) {
+            console.error("Failed to parse AI JSON response:", content, e);
+            // Fallback to text parsing
+            reco = AnalysisEngine.extractRecommendation(content);
+            cleanInsight = AnalysisEngine.cleanInsight(content);
+        }
 
         return {
             insight: reco ? `[${reco}] ${cleanInsight}` : cleanInsight,