fix(ai): improved seasonality detection in batch by sending detailed month-by-month history

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

@@ -44,8 +44,8 @@ export async function POST(req: NextRequest) {
 En analysant les données de ventes fournies (CA, Marge, Volume, Historique), génère pour chaque produit une recommandation de gamme (A=Permanent, C=Saisonnier, Z=Sortie). 
 
 CRITÈRES :
-- A (Permanent) : Produit permanent avec une rotation régulière et satisfaisante.
-- C (Saisonnier) : Produit dont les ventes sont concentrées sur des périodes spécifiques (pics saisonniers).
+- A (Permanent) : Produit permanent avec une rotation régulière et satisfaisante sur toute l'année.
+- C (Saisonnier) : Produit dont les ventes sont concentrées sur des périodes spécifiques. Détecte les pics dans l' 'historique' (ex: ventes en 202412 mais rien ailleurs). Aide-toi de la 'nomenclature' et du 'nom' pour confirmer l'usage saisonnier.
 - Z (Sortie) : Produit à arrêter car les ventes sont quasi nulles ou la rotation est insuffisante.
 
 DÉTECTION :

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

@@ -55,8 +55,10 @@ export function BulkAiAnalyzer() {
                     ventes: r.totalQuantite || 0,
                     marge: r.totalMarge ? parseFloat(((r.totalMarge / (r.totalCa || 1)) * 100).toFixed(1)) : 0,
                     gammeInit: r.codeGammeInit || "N/A",
-                    // Simplified history: last 12 values joined (e.g., "5,0,10...")
-                    historique: Object.values(r.sales12m || {}).join(","),
+                    // Detailed history: "YYYYMM: Qty, YYYYMM: Qty..." to help AI see seasonality
+                    historique: Object.entries(r.sales12m || {})
+                        .map(([month, qty]) => `${month}:${qty}`)
+                        .join(", "),
                     // Contextual nomenclature
                     nomenclature: `${r.libelleNiveau1 || ""} > ${r.libelleNiveau2 || ""} > ${r.libelle3 || ""}`
                 }));