Spaces:
Sleeping
Sleeping
Sem commited on
Commit ·
dfcacaf
0
Parent(s):
chore: initialisation d'un historique épuré pour Nexus-Prime
Browse files- .gitattributes +44 -0
- .gitignore +2 -0
- Dockerfile +56 -0
- README.md +10 -0
- datasets/ARIA.csv +3 -0
- datasets/Attack_Dataset.csv +3 -0
- datasets/Bitext_Sample_Customer_Support_Training_Dataset_27K_responses-v11.csv +3 -0
- datasets/MTA_Customer_Feedback_Data__2014-2019.csv +3 -0
- datasets/Tweets.csv +0 -0
- datasets/audit_corrections_expert.csv +21 -0
- datasets/dataset_tickets_Infra.csv +0 -0
- datasets/dataset_tickets_Materiel.csv +0 -0
- datasets/dataset_tickets_PoliceNationale.csv +0 -0
- datasets/dataset_tickets_acces.csv +0 -0
- datasets/dataset_tickets_acceslogin.csv +0 -0
- datasets/dataset_tickets_medical.csv +0 -0
- datasets/dataset_tickets_pompiers.csv +0 -0
- datasets/foire-aux-questions.csv +0 -0
- datasets/medDataset_processed.csv +0 -0
- datasets/nexus_dataset_8000.csv +0 -0
- datasets/nexus_dataset_v33_premium.csv +0 -0
- datasets/nexus_dataset_v34_hardcore.csv +0 -0
- datasets/nexus_medical_3000.csv +0 -0
- datasets/nexus_renfort_15000_complet.csv +0 -0
- datasets/nexus_stress_test_15000.csv +0 -0
- datasets/nexus_urgences_priorises.csv +0 -0
- datasets/requetes311 (2).csv +3 -0
- datasets/service_public.csv +3 -0
- executives/#nexus_agentic_forge.py +185 -0
- executives/__pycache__/nexus_config.cpython-313.pyc +0 -0
- executives/__pycache__/nexus_core.cpython-313.pyc +0 -0
- executives/__pycache__/nexus_matrix.cpython-313.pyc +0 -0
- executives/__pycache__/nexus_qualification.cpython-313.pyc +0 -0
- executives/api.py +62 -0
- executives/main.py +598 -0
- executives/nexus_3d_viz.py +84 -0
- executives/nexus_advanced_parser.py +116 -0
- executives/nexus_audit_expert.py +102 -0
- executives/nexus_config.py +15 -0
- executives/nexus_core.py +30 -0
- executives/nexus_data_mutator.py +72 -0
- executives/nexus_etl_master.py +246 -0
- executives/nexus_inference.py +90 -0
- executives/nexus_matrix.py +370 -0
- executives/nexus_qualification.py +91 -0
- executives/requirements.txt +12 -0
- executives/train_engine.py +54 -0
- executives/ui.py +93 -0
- pickle_result/.DS_Store +0 -0
- start.sh +36 -0
.gitattributes
ADDED
|
@@ -0,0 +1,44 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
*.7z filter=lfs diff=lfs merge=lfs -text
|
| 2 |
+
*.arrow filter=lfs diff=lfs merge=lfs -text
|
| 3 |
+
*.bin filter=lfs diff=lfs merge=lfs -text
|
| 4 |
+
*.bz2 filter=lfs diff=lfs merge=lfs -text
|
| 5 |
+
*.ckpt filter=lfs diff=lfs merge=lfs -text
|
| 6 |
+
*.ftz filter=lfs diff=lfs merge=lfs -text
|
| 7 |
+
*.gz filter=lfs diff=lfs merge=lfs -text
|
| 8 |
+
*.h5 filter=lfs diff=lfs merge=lfs -text
|
| 9 |
+
*.joblib filter=lfs diff=lfs merge=lfs -text
|
| 10 |
+
*.lfs.* filter=lfs diff=lfs merge=lfs -text
|
| 11 |
+
*.mlmodel filter=lfs diff=lfs merge=lfs -text
|
| 12 |
+
*.model filter=lfs diff=lfs merge=lfs -text
|
| 13 |
+
*.msgpack filter=lfs diff=lfs merge=lfs -text
|
| 14 |
+
*.npy filter=lfs diff=lfs merge=lfs -text
|
| 15 |
+
*.npz filter=lfs diff=lfs merge=lfs -text
|
| 16 |
+
*.onnx filter=lfs diff=lfs merge=lfs -text
|
| 17 |
+
*.ot filter=lfs diff=lfs merge=lfs -text
|
| 18 |
+
*.parquet filter=lfs diff=lfs merge=lfs -text
|
| 19 |
+
*.pb filter=lfs diff=lfs merge=lfs -text
|
| 20 |
+
*.pickle filter=lfs diff=lfs merge=lfs -text
|
| 21 |
+
*.pkl filter=lfs diff=lfs merge=lfs -text
|
| 22 |
+
*.pt filter=lfs diff=lfs merge=lfs -text
|
| 23 |
+
*.pth filter=lfs diff=lfs merge=lfs -text
|
| 24 |
+
*.rar filter=lfs diff=lfs merge=lfs -text
|
| 25 |
+
*.safetensors filter=lfs diff=lfs merge=lfs -text
|
| 26 |
+
saved_model/**/* filter=lfs diff=lfs merge=lfs -text
|
| 27 |
+
*.tar.* filter=lfs diff=lfs merge=lfs -text
|
| 28 |
+
*.tar filter=lfs diff=lfs merge=lfs -text
|
| 29 |
+
*.tflite filter=lfs diff=lfs merge=lfs -text
|
| 30 |
+
*.tgz filter=lfs diff=lfs merge=lfs -text
|
| 31 |
+
*.wasm filter=lfs diff=lfs merge=lfs -text
|
| 32 |
+
*.xz filter=lfs diff=lfs merge=lfs -text
|
| 33 |
+
*.zip filter=lfs diff=lfs merge=lfs -text
|
| 34 |
+
*.zst filter=lfs diff=lfs merge=lfs -text
|
| 35 |
+
*tfevents* filter=lfs diff=lfs merge=lfs -text
|
| 36 |
+
datasets/Attack_Dataset.csv filter=lfs diff=lfs merge=lfs -text
|
| 37 |
+
datasets/signalements_urbains_paris.csv filter=lfs diff=lfs merge=lfs -text
|
| 38 |
+
datasets/ARIA.csv filter=lfs diff=lfs merge=lfs -text
|
| 39 |
+
datasets/Bitext_Sample_Customer_Support_Training_Dataset_27K_responses-v11.csv filter=lfs diff=lfs merge=lfs -text
|
| 40 |
+
datasets/service_public.csv filter=lfs diff=lfs merge=lfs -text
|
| 41 |
+
datasets/dans-ma-rue.csv filter=lfs diff=lfs merge=lfs -text
|
| 42 |
+
datasets/MTA_Customer_Feedback_Data__2014-2019.csv filter=lfs diff=lfs merge=lfs -text
|
| 43 |
+
datasets/requetes311.csv filter=lfs diff=lfs merge=lfs -text
|
| 44 |
+
datasets/requetes311[[:space:]](2).csv filter=lfs diff=lfs merge=lfs -text
|
.gitignore
ADDED
|
@@ -0,0 +1,2 @@
|
|
|
|
|
|
|
|
|
|
| 1 |
+
pickle_result/
|
| 2 |
+
pickle_result/
|
Dockerfile
ADDED
|
@@ -0,0 +1,56 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
# Alignement strict sur CUDA 12.2 pour piloter l'architecture de la NVIDIA L4
|
| 2 |
+
FROM nvidia/cuda:12.2.2-runtime-ubuntu22.04
|
| 3 |
+
|
| 4 |
+
# Variables d'environnement pour figer la non-interactivité et les chemins
|
| 5 |
+
ENV PYTHONUNBUFFERED=1
|
| 6 |
+
ENV TMPDIR=/tmp
|
| 7 |
+
ENV DEBIAN_FRONTEND=noninteractive
|
| 8 |
+
|
| 9 |
+
# --- CONFIGURATION STRICTE POUR NVIDIA L4 (ADA LOVELACE COMPUTE 8.9) ---
|
| 10 |
+
ENV OLLAMA_CUDA_COMPUTE_CAPABILITIES="89"
|
| 11 |
+
ENV TORCH_CUDA_ARCH_LIST="8.9"
|
| 12 |
+
ENV FORCE_CUDA=1
|
| 13 |
+
|
| 14 |
+
# Installation des outils système indispensables
|
| 15 |
+
RUN apt-get update && apt-get install -y --no-install-recommends \
|
| 16 |
+
python3 \
|
| 17 |
+
python3-pip \
|
| 18 |
+
python3-dev \
|
| 19 |
+
python3-venv \
|
| 20 |
+
build-essential \
|
| 21 |
+
curl \
|
| 22 |
+
git \
|
| 23 |
+
zstd \
|
| 24 |
+
&& rm -rf /var/lib/apt/lists/*
|
| 25 |
+
|
| 26 |
+
# Fixation de la couche d'outils de build Python globaux
|
| 27 |
+
RUN pip3 install --no-cache-dir --upgrade pip setuptools wheel
|
| 28 |
+
|
| 29 |
+
# Intégration d'Ollama - Les variables du dessus vont forcer le téléchargement du binaire Compute 8.9
|
| 30 |
+
RUN curl -fsSL https://ollama.com/install.sh | sh
|
| 31 |
+
|
| 32 |
+
# Définition du workspace
|
| 33 |
+
WORKDIR /app
|
| 34 |
+
|
| 35 |
+
# Isolation du requirements pour maximiser le cache
|
| 36 |
+
COPY executives/requirements.txt .
|
| 37 |
+
|
| 38 |
+
# --- COUCHES DE SÉQUENÇAGE STATIQUE (INSTALLATION DES PACKAGES) ---
|
| 39 |
+
RUN pip3 install --no-cache-dir torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
|
| 40 |
+
RUN pip3 install --no-cache-dir -r requirements.txt
|
| 41 |
+
RUN pip3 install --no-cache-dir scikit-learn==1.5.2 joblib==1.4.2 numpy==1.26.4 --force-reinstall
|
| 42 |
+
|
| 43 |
+
# Copie finale du code applicatif
|
| 44 |
+
COPY . /app
|
| 45 |
+
|
| 46 |
+
# Attribution des droits sur le script de démarrage interne
|
| 47 |
+
RUN chmod +x /app/start.sh
|
| 48 |
+
|
| 49 |
+
# Nettoyage des entrypoints
|
| 50 |
+
ENTRYPOINT []
|
| 51 |
+
|
| 52 |
+
# Exposition des ports Gradio (UI) et Ollama (Inférence)
|
| 53 |
+
EXPOSE 7860 11434
|
| 54 |
+
|
| 55 |
+
# Allumage du pipeline
|
| 56 |
+
CMD ["/app/start.sh"]
|
README.md
ADDED
|
@@ -0,0 +1,10 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
---
|
| 2 |
+
title: Nexus Api
|
| 3 |
+
emoji: 📊
|
| 4 |
+
colorFrom: gray
|
| 5 |
+
colorTo: indigo
|
| 6 |
+
sdk: docker
|
| 7 |
+
pinned: false
|
| 8 |
+
---
|
| 9 |
+
|
| 10 |
+
Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference
|
datasets/ARIA.csv
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:6c9a020d50846aaed3402b9dfcf9e8cd1174d26b7a84e11ebf24d9d017f63b04
|
| 3 |
+
size 60169658
|
datasets/Attack_Dataset.csv
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:130e90c57e33d1791a3f2aad07855dcc80e7d6b0727ecd421376abc2550283d4
|
| 3 |
+
size 18290701
|
datasets/Bitext_Sample_Customer_Support_Training_Dataset_27K_responses-v11.csv
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:6f81102b0100b97b8468eb04368033a23206bf1fde9d53500d5806ec1001a434
|
| 3 |
+
size 19202474
|
datasets/MTA_Customer_Feedback_Data__2014-2019.csv
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:ac02318fe5e0f86ea8a00a9b9978eddb2d6747ba7c5bf4182ddae010cdd1449d
|
| 3 |
+
size 58217808
|
datasets/Tweets.csv
ADDED
|
The diff for this file is too large to render.
See raw diff
|
|
|
datasets/audit_corrections_expert.csv
ADDED
|
@@ -0,0 +1,21 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
texte,domaine,severite,impact,cible,friction
|
| 2 |
+
"Il n'y a pas d'arme, c'est juste une dispute verbale",POLICE,2,1,0,COMPLET
|
| 3 |
+
"Ce n'est pas urgent, je veux juste un renseignement",NON_URGENT,1,1,0,COMPLET
|
| 4 |
+
Je regarde un film où une bombe explose au centre commercial,NON_URGENT,1,1,0,COMPLET
|
| 5 |
+
"Dans mon jeu vidéo, le mec s'est pris une balle",NON_URGENT,1,1,0,COMPLET
|
| 6 |
+
"Ma pizza est froide, c'est un scandale absolu !",NON_URGENT,1,1,0,COMPLET
|
| 7 |
+
Un camion citerne d'essence a percuté le commissariat et prend feu,POMPIER,4,3,2,MANQUE_LIEU
|
| 8 |
+
Le serveur principal a pris feu à cause d'un court-circuit,CYBERSÉCURITÉ,4,2,2,MANQUE_LIEU
|
| 9 |
+
"Attaque ransomware massive, on perd toutes les données bancaires",CYBERSÉCURITÉ,4,4,2,MANQUE_LIEU
|
| 10 |
+
Le bébé est tout bleu et ne respire plus du tout,MÉDICAL,4,1,0,MANQUE_LIEU
|
| 11 |
+
Un homme cagoulé tire sur la foule,POLICE,4,4,0,MANQUE_LIEU
|
| 12 |
+
Ça saigne beaucoup.,MÉDICAL,3,1,0,MANQUE_LIEU
|
| 13 |
+
On a piraté,CYBERSÉCURITÉ,3,2,0,MANQUE_CONTEXTE
|
| 14 |
+
Mon ordinateur.,DIGITAL SUPPORT,2,1,0,MANQUE_SYMPTOMES
|
| 15 |
+
Au feu !,POMPIER,4,2,0,MANQUE_LIEU
|
| 16 |
+
Vite police !,POLICE,4,1,0,MANQUE_LIEU
|
| 17 |
+
Aled,MÉDICAL,4,1,0,MANQUE_CONTEXTE
|
| 18 |
+
Accident grave,TRANSPORT & MOBILITÉ,4,2,0,MANQUE_LIEU
|
| 19 |
+
Chien sauvage à proximité,ANIMALIER,3,2,2,MANQUE_IDENTIFIANT
|
| 20 |
+
Chien sauvage à proximité,ANIMALIER,3,2,2,MANQUE_LIEU
|
| 21 |
+
Route cassée ! Panique !,SERVICES URBAINS,4,1,0,MANQUE_LIEU
|
datasets/dataset_tickets_Infra.csv
ADDED
|
The diff for this file is too large to render.
See raw diff
|
|
|
datasets/dataset_tickets_Materiel.csv
ADDED
|
The diff for this file is too large to render.
See raw diff
|
|
|
datasets/dataset_tickets_PoliceNationale.csv
ADDED
|
The diff for this file is too large to render.
See raw diff
|
|
|
datasets/dataset_tickets_acces.csv
ADDED
|
The diff for this file is too large to render.
See raw diff
|
|
|
datasets/dataset_tickets_acceslogin.csv
ADDED
|
The diff for this file is too large to render.
See raw diff
|
|
|
datasets/dataset_tickets_medical.csv
ADDED
|
The diff for this file is too large to render.
See raw diff
|
|
|
datasets/dataset_tickets_pompiers.csv
ADDED
|
The diff for this file is too large to render.
See raw diff
|
|
|
datasets/foire-aux-questions.csv
ADDED
|
The diff for this file is too large to render.
See raw diff
|
|
|
datasets/medDataset_processed.csv
ADDED
|
The diff for this file is too large to render.
See raw diff
|
|
|
datasets/nexus_dataset_8000.csv
ADDED
|
The diff for this file is too large to render.
See raw diff
|
|
|
datasets/nexus_dataset_v33_premium.csv
ADDED
|
The diff for this file is too large to render.
See raw diff
|
|
|
datasets/nexus_dataset_v34_hardcore.csv
ADDED
|
The diff for this file is too large to render.
See raw diff
|
|
|
datasets/nexus_medical_3000.csv
ADDED
|
The diff for this file is too large to render.
See raw diff
|
|
|
datasets/nexus_renfort_15000_complet.csv
ADDED
|
The diff for this file is too large to render.
See raw diff
|
|
|
datasets/nexus_stress_test_15000.csv
ADDED
|
The diff for this file is too large to render.
See raw diff
|
|
|
datasets/nexus_urgences_priorises.csv
ADDED
|
The diff for this file is too large to render.
See raw diff
|
|
|
datasets/requetes311 (2).csv
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:c5e8c714fb2baf90c2d75a7d48a3d95a35959d2036cb5f96c2dccc1efe29cb83
|
| 3 |
+
size 88381532
|
datasets/service_public.csv
ADDED
|
@@ -0,0 +1,3 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
version https://git-lfs.github.com/spec/v1
|
| 2 |
+
oid sha256:b1b9d337b679b81e9ffcc54f9a0a39135fdec3f14f0682eeb4e4ffbee691c70c
|
| 3 |
+
size 153412874
|
executives/#nexus_agentic_forge.py
ADDED
|
@@ -0,0 +1,185 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
# executives/nexus_agentic_forge.py
|
| 2 |
+
import os
|
| 3 |
+
import random
|
| 4 |
+
import asyncio
|
| 5 |
+
import json
|
| 6 |
+
import pandas as pd
|
| 7 |
+
from google import genai
|
| 8 |
+
from google.genai import types
|
| 9 |
+
from pydantic import BaseModel, Field
|
| 10 |
+
from dotenv import load_dotenv
|
| 11 |
+
|
| 12 |
+
from nexus_matrix import DOMAINES, PERSONAS, CONTRAINTES_ENVIRONNEMENT, SCENARIOS
|
| 13 |
+
|
| 14 |
+
# ==========================================
|
| 15 |
+
# 1. INITIALISATION SÉCURISÉE
|
| 16 |
+
# ==========================================
|
| 17 |
+
load_dotenv()
|
| 18 |
+
|
| 19 |
+
# Initialisation du client GenAI officiel
|
| 20 |
+
# Le SDK récupère automatiquement la variable d'environnement GEMINI_API_KEY
|
| 21 |
+
client = genai.Client()
|
| 22 |
+
MODEL_ID = 'gemini-2.5-flash'
|
| 23 |
+
|
| 24 |
+
|
| 25 |
+
# ==========================================
|
| 26 |
+
# 2. SCHÉMA STRICT POUR LE JUGE (Anti-Hallucination)
|
| 27 |
+
# ==========================================
|
| 28 |
+
class EvaluationJuge(BaseModel):
|
| 29 |
+
qualite_score: int = Field(description="Note de 1 à 10 sur le réalisme de la conversation.")
|
| 30 |
+
texte: str = Field(description="La concaténation exacte des paroles de l'appelant uniquement.")
|
| 31 |
+
domaine: str = Field(description="Le domaine PRINCIPAL de l'urgence (ex: POMPIER).")
|
| 32 |
+
domaines_secondaires: list[str] = Field(
|
| 33 |
+
description="Liste des autres domaines impliqués si la situation exige plusieurs services (ex: ['POLICE', 'ÉNERGIE & INFRASTRUCTURES']). Vide si mono-domaine.")
|
| 34 |
+
severite: int = Field(description="Score de 1 à 4 (1=Banal, 4=Critique/Mortel).")
|
| 35 |
+
impact: int = Field(description="Score de 1 à 4 (1=1 personne, 4=Ville entière).")
|
| 36 |
+
cible: int = Field(description="0 (Citoyen), 2 (VIP/Entreprise), ou 4 (Hôpital/Infra vitale).")
|
| 37 |
+
friction: str = Field(
|
| 38 |
+
description="Valeur exacte parmi : MANQUE_LIEU, MANQUE_IDENTIFIANT, MANQUE_SYMPTOMES, MANQUE_MESSAGE_ERREUR, MANQUE_CONTEXTE, COMPLET.")
|
| 39 |
+
|
| 40 |
+
|
| 41 |
+
# ==========================================
|
| 42 |
+
# 3. MOTEUR ASYNCHRONE
|
| 43 |
+
# ==========================================
|
| 44 |
+
async def simuler_conversation(domaine_cible):
|
| 45 |
+
persona = random.choice(PERSONAS)
|
| 46 |
+
contrainte = random.choice(CONTRAINTES_ENVIRONNEMENT)
|
| 47 |
+
scenario = random.choice(SCENARIOS.get(domaine_cible, SCENARIOS["MÉDICAL"]))
|
| 48 |
+
|
| 49 |
+
system_appelant = f"""
|
| 50 |
+
Tu es un appelant contactant les urgences ou un support IT.
|
| 51 |
+
Ton problème réel : {scenario}
|
| 52 |
+
Ton profil : {persona['profil']} ({persona['instruction']})
|
| 53 |
+
Ton environnement : {contrainte}
|
| 54 |
+
|
| 55 |
+
Règles :
|
| 56 |
+
- Ne donne PAS toutes les informations d'un coup.
|
| 57 |
+
- Fais des phrases courtes, adaptées à ton profil.
|
| 58 |
+
- Attends que l'agent te pose des questions pour donner les détails (lieu, identité, contexte précis).
|
| 59 |
+
- Remplace les vrais noms/adresses par des tags génériques comme <VILLE>, <ADRESSE_1>.
|
| 60 |
+
"""
|
| 61 |
+
|
| 62 |
+
system_regulateur = f"""
|
| 63 |
+
Tu es un expert du triage pour le domaine : {domaine_cible}.
|
| 64 |
+
Ton but est d'obtenir : La nature exacte du problème, le lieu, et l'identité/codes.
|
| 65 |
+
|
| 66 |
+
Règles :
|
| 67 |
+
- Pose UNE SEULE question claire et précise à la fois.
|
| 68 |
+
- Sois professionnel.
|
| 69 |
+
- Si tu as toutes les informations vitales, termine en disant "COMPLET : [Résumé]".
|
| 70 |
+
"""
|
| 71 |
+
|
| 72 |
+
historique_conversation = []
|
| 73 |
+
|
| 74 |
+
# Appel 1 : L'appelant initie
|
| 75 |
+
prompt_initial = f"Génère ta première phrase pour signaler ce problème : {scenario}"
|
| 76 |
+
reponse_appelant = await client.aio.models.generate_content(
|
| 77 |
+
model=MODEL_ID,
|
| 78 |
+
contents=prompt_initial,
|
| 79 |
+
config=types.GenerateContentConfig(system_instruction=system_appelant)
|
| 80 |
+
)
|
| 81 |
+
msg_appelant = reponse_appelant.text.strip()
|
| 82 |
+
historique_conversation.append(f"Appelant: {msg_appelant}")
|
| 83 |
+
|
| 84 |
+
conversation_terminee = False
|
| 85 |
+
tours = 0
|
| 86 |
+
max_tours = 4
|
| 87 |
+
|
| 88 |
+
# Boucle de dialogue multi-agents (Vrai Asynchrone)
|
| 89 |
+
while not conversation_terminee and tours < max_tours:
|
| 90 |
+
# Tour du Régulateur
|
| 91 |
+
prompt_regulateur = "\n".join(historique_conversation) + "\n\nQue réponds-tu/demandes-tu ?"
|
| 92 |
+
reponse_reg = await client.aio.models.generate_content(
|
| 93 |
+
model=MODEL_ID,
|
| 94 |
+
contents=prompt_regulateur,
|
| 95 |
+
config=types.GenerateContentConfig(system_instruction=system_regulateur)
|
| 96 |
+
)
|
| 97 |
+
msg_reg = reponse_reg.text.strip()
|
| 98 |
+
historique_conversation.append(f"Régulateur: {msg_reg}")
|
| 99 |
+
|
| 100 |
+
if "COMPLET" in msg_reg:
|
| 101 |
+
break
|
| 102 |
+
|
| 103 |
+
# Tour de l'Appelant
|
| 104 |
+
prompt_app = "\n".join(
|
| 105 |
+
historique_conversation) + "\n\nRéponds à la dernière question du régulateur selon ton profil."
|
| 106 |
+
reponse_app = await client.aio.models.generate_content(
|
| 107 |
+
model=MODEL_ID,
|
| 108 |
+
contents=prompt_app,
|
| 109 |
+
config=types.GenerateContentConfig(system_instruction=system_appelant)
|
| 110 |
+
)
|
| 111 |
+
msg_appelant = reponse_app.text.strip()
|
| 112 |
+
historique_conversation.append(f"Appelant: {msg_appelant}")
|
| 113 |
+
tours += 1
|
| 114 |
+
|
| 115 |
+
texte_final = " ".join(
|
| 116 |
+
[msg.replace("Appelant: ", "") for msg in historique_conversation if msg.startswith("Appelant:")])
|
| 117 |
+
return historique_conversation, texte_final
|
| 118 |
+
|
| 119 |
+
|
| 120 |
+
async def evaluer_et_formatter_juge(historique, texte_appelant_concatene, domaine_initial):
|
| 121 |
+
texte_conversation = "\n".join(historique)
|
| 122 |
+
system_juge = "Tu es un Auditeur Qualité strict. Analyse la conversation et extrais les données selon le schéma JSON imposé. Gère les cas multi-domaines si la situation implique plusieurs services."
|
| 123 |
+
|
| 124 |
+
try:
|
| 125 |
+
# Utilisation du Structured Output (Pydantic) via le nouveau SDK
|
| 126 |
+
reponse_juge = await client.aio.models.generate_content(
|
| 127 |
+
model=MODEL_ID,
|
| 128 |
+
contents=f"Conversation :\n{texte_conversation}\n\nTexte Appelant concaténé : {texte_appelant_concatene}",
|
| 129 |
+
config=types.GenerateContentConfig(
|
| 130 |
+
system_instruction=system_juge,
|
| 131 |
+
response_mime_type="application/json",
|
| 132 |
+
response_schema=EvaluationJuge,
|
| 133 |
+
temperature=0.1
|
| 134 |
+
)
|
| 135 |
+
)
|
| 136 |
+
return json.loads(reponse_juge.text)
|
| 137 |
+
except Exception as e:
|
| 138 |
+
print(f"⚠️ Erreur lors de l'évaluation du Juge : {e}")
|
| 139 |
+
return None
|
| 140 |
+
|
| 141 |
+
|
| 142 |
+
async def worker_generation(id_worker, nb_conversations, resultats):
|
| 143 |
+
for i in range(nb_conversations):
|
| 144 |
+
domaine = random.choice(DOMAINES)
|
| 145 |
+
|
| 146 |
+
try:
|
| 147 |
+
historique, texte_concat = await simuler_conversation(domaine)
|
| 148 |
+
validation = await evaluer_et_formatter_juge(historique, texte_concat, domaine)
|
| 149 |
+
|
| 150 |
+
if validation and validation.get("qualite_score", 0) >= 8:
|
| 151 |
+
resultats.append(validation)
|
| 152 |
+
print(f"✅ [Worker {id_worker}] Ticket {i + 1}/{nb_conversations} validé ({validation['domaine']}).")
|
| 153 |
+
else:
|
| 154 |
+
print(f"⚠️ [Worker {id_worker}] Ticket {i + 1}/{nb_conversations} rejeté par le Juge.")
|
| 155 |
+
except Exception as e:
|
| 156 |
+
print(f"❌ [Worker {id_worker}] Erreur critique lors de la simulation : {e}")
|
| 157 |
+
|
| 158 |
+
|
| 159 |
+
async def main():
|
| 160 |
+
print("🚀 Démarrage de la Forge Agentique NEXUS (Mode Asynchrone Strict)...")
|
| 161 |
+
|
| 162 |
+
# Paramètres de production optimisés pour éviter les limites de quota (Rate Limits)
|
| 163 |
+
NB_WORKERS = 4
|
| 164 |
+
CONVS_PER_WORKER = 3
|
| 165 |
+
|
| 166 |
+
resultats_valides = []
|
| 167 |
+
taches = [worker_generation(i, CONVS_PER_WORKER, resultats_valides) for i in range(NB_WORKERS)]
|
| 168 |
+
await asyncio.gather(*taches)
|
| 169 |
+
|
| 170 |
+
if resultats_valides:
|
| 171 |
+
df = pd.DataFrame(resultats_valides)
|
| 172 |
+
# Colonnes strictement alignées pour le modèle final
|
| 173 |
+
colonnes_export = ['texte', 'domaine', 'severite', 'impact', 'cible', 'friction', 'domaines_secondaires']
|
| 174 |
+
df = df[colonnes_export]
|
| 175 |
+
|
| 176 |
+
os.makedirs("../datasets", exist_ok=True)
|
| 177 |
+
path = "../datasets/nexus_agentic_dataset.csv"
|
| 178 |
+
df.to_csv(path, index=False)
|
| 179 |
+
print(f"\n🎯 OPÉRATION TERMINÉE ! {len(df)} tickets prêts pour le Machine Learning -> {path}")
|
| 180 |
+
else:
|
| 181 |
+
print("❌ Échec total. Aucune donnée n'a passé les filtres.")
|
| 182 |
+
|
| 183 |
+
|
| 184 |
+
if __name__ == "__main__":
|
| 185 |
+
asyncio.run(main())
|
executives/__pycache__/nexus_config.cpython-313.pyc
ADDED
|
Binary file (423 Bytes). View file
|
|
|
executives/__pycache__/nexus_core.cpython-313.pyc
ADDED
|
Binary file (1.87 kB). View file
|
|
|
executives/__pycache__/nexus_matrix.cpython-313.pyc
ADDED
|
Binary file (23.8 kB). View file
|
|
|
executives/__pycache__/nexus_qualification.cpython-313.pyc
ADDED
|
Binary file (3.13 kB). View file
|
|
|
executives/api.py
ADDED
|
@@ -0,0 +1,62 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
from fastapi import FastAPI, Form, Response
|
| 2 |
+
from fastapi.middleware.cors import CORSMiddleware
|
| 3 |
+
from pydantic import BaseModel
|
| 4 |
+
|
| 5 |
+
|
| 6 |
+
app = FastAPI(title="NEXUS API")
|
| 7 |
+
|
| 8 |
+
|
| 9 |
+
app.add_middleware(
|
| 10 |
+
CORSMiddleware,
|
| 11 |
+
allow_origins=["*"],
|
| 12 |
+
allow_credentials=True,
|
| 13 |
+
allow_methods=["*"],
|
| 14 |
+
allow_headers=["*"],
|
| 15 |
+
)
|
| 16 |
+
|
| 17 |
+
class Ticket(BaseModel):
|
| 18 |
+
description: str
|
| 19 |
+
|
| 20 |
+
|
| 21 |
+
@app.get("/")
|
| 22 |
+
def verifier_statut():
|
| 23 |
+
return {"status": "✅ L'API NEXUS est en ligne sur Hugging Face !"}
|
| 24 |
+
|
| 25 |
+
|
| 26 |
+
@app.post("/api/twilio")
|
| 27 |
+
async def twilio_webhook(Body: str = Form(...), From: str = Form(...)):
|
| 28 |
+
"""
|
| 29 |
+
Route dédiée pour recevoir les SMS de Twilio.
|
| 30 |
+
- Body : Contient le texte du SMS envoyé par l'utilisateur.
|
| 31 |
+
- From : Contient le numéro de téléphone de l'expéditeur.
|
| 32 |
+
"""
|
| 33 |
+
|
| 34 |
+
|
| 35 |
+
reponse_twiml = f"""<?xml version="1.0" encoding="UTF-8"?>
|
| 36 |
+
<Response>
|
| 37 |
+
<Message>NEXUS a bien reçu votre signalement : "{Body}". Analyse en cours...</Message>
|
| 38 |
+
</Response>
|
| 39 |
+
"""
|
| 40 |
+
|
| 41 |
+
|
| 42 |
+
return Response(content=reponse_twiml, media_type="application/xml")
|
| 43 |
+
@app.post("/api/evaluer")
|
| 44 |
+
async def evaluer_urgence(ticket: Ticket):
|
| 45 |
+
try:
|
| 46 |
+
texte = ticket.description.lower()
|
| 47 |
+
|
| 48 |
+
|
| 49 |
+
if "feu" in texte: domaine, score = "POMPIERS", 10
|
| 50 |
+
elif "arme" in texte: domaine, score = "POLICE", 9
|
| 51 |
+
elif "mal" in texte or "tibia" in texte: domaine, score = "MÉDICAL", 8
|
| 52 |
+
else: domaine, score = "SUPPORT", 5
|
| 53 |
+
# =========================================================
|
| 54 |
+
|
| 55 |
+
return {
|
| 56 |
+
"domaine": domaine,
|
| 57 |
+
"score": score,
|
| 58 |
+
"friction": "COMPLET",
|
| 59 |
+
"question_ia": ""
|
| 60 |
+
}
|
| 61 |
+
except Exception as e:
|
| 62 |
+
return {"domaine": "ERREUR", "score": 0, "friction": str(e), "question_ia": ""}
|
executives/main.py
ADDED
|
@@ -0,0 +1,598 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
# executives/main.py
|
| 2 |
+
import asyncio
|
| 3 |
+
import sqlite3
|
| 4 |
+
import datetime
|
| 5 |
+
import warnings
|
| 6 |
+
import sys
|
| 7 |
+
import re
|
| 8 |
+
import textwrap
|
| 9 |
+
import os
|
| 10 |
+
import difflib
|
| 11 |
+
from ollama import AsyncClient
|
| 12 |
+
from groq import AsyncGroq
|
| 13 |
+
import nexus_config
|
| 14 |
+
from nexus_qualification import QualificationEngine
|
| 15 |
+
from nexus_matrix import DOMAINES
|
| 16 |
+
|
| 17 |
+
warnings.filterwarnings("ignore")
|
| 18 |
+
|
| 19 |
+
# =====================================================================
|
| 20 |
+
# MODULE 1 : BASE DE DONNÉES & LOGGING (MUTLI-THREAD)
|
| 21 |
+
# =====================================================================
|
| 22 |
+
class ShadowLogger:
|
| 23 |
+
def __init__(self):
|
| 24 |
+
self.conn = sqlite3.connect(nexus_config.DB_PATH, check_same_thread=False)
|
| 25 |
+
self.cursor = self.conn.cursor()
|
| 26 |
+
self.cursor.execute('''CREATE TABLE IF NOT EXISTS interactions_log (
|
| 27 |
+
id INTEGER PRIMARY KEY AUTOINCREMENT, date_log TEXT, ticket_complet TEXT,
|
| 28 |
+
domaine_principal TEXT, domaines_secondaires TEXT, score REAL, statut TEXT)''')
|
| 29 |
+
self.conn.commit()
|
| 30 |
+
|
| 31 |
+
def log(self, ticket_final, domaine_principal, sec_list, score, statut="CLOS"):
|
| 32 |
+
date_now = datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S")
|
| 33 |
+
sec_str = ", ".join(sec_list) if sec_list else "AUCUN"
|
| 34 |
+
|
| 35 |
+
# BLINDAGE ANTI-SURROGATES : Supprime définitivement les caractères d'encodage corrompus (\udcc3)
|
| 36 |
+
ticket_assaini = str(ticket_final).encode('utf-8', errors='ignore').decode('utf-8')
|
| 37 |
+
|
| 38 |
+
try:
|
| 39 |
+
self.cursor.execute('''INSERT INTO interactions_log (date_log, ticket_complet, domaine_principal, domaines_secondaires, score, statut)
|
| 40 |
+
VALUES (?, ?, ?, ?, ?, ?)''', (date_now, ticket_assaini, domaine_principal, sec_str, score, statut))
|
| 41 |
+
self.conn.commit()
|
| 42 |
+
except sqlite3.OperationalError:
|
| 43 |
+
self.cursor.execute('DROP TABLE IF EXISTS interactions_log')
|
| 44 |
+
self.cursor.execute('''CREATE TABLE IF NOT EXISTS interactions_log (
|
| 45 |
+
id INTEGER PRIMARY KEY AUTOINCREMENT, date_log TEXT, ticket_complet TEXT,
|
| 46 |
+
domaine_principal TEXT, domaines_secondaires TEXT, score REAL, statut TEXT)''')
|
| 47 |
+
self.cursor.execute('''INSERT INTO interactions_log (date_log, ticket_complet, domaine_principal, domaines_secondaires, score, statut)
|
| 48 |
+
VALUES (?, ?, ?, ?, ?, ?)''', (date_now, ticket_assaini, domaine_principal, sec_str, score, statut))
|
| 49 |
+
self.conn.commit()
|
| 50 |
+
|
| 51 |
+
print("\n" + "📊 " + "=" * 25 + " DATABASE COMMIT OVERSIGHT " + "=" * 25)
|
| 52 |
+
print(f" 📅 Horodatage : {date_now}")
|
| 53 |
+
print(f" 📂 Statut Log : {statut}")
|
| 54 |
+
print(f" 🎯 Domaine Maître : {domaine_principal} | Urgence Score : {score}/10")
|
| 55 |
+
print(f" 🚨 Renforts Unit : {sec_str}")
|
| 56 |
+
print(f" 📝 Transcript Final Reconstitué :\n {ticket_assaini}")
|
| 57 |
+
print("=" * 78 + "\n")
|
| 58 |
+
|
| 59 |
+
# =====================================================================
|
| 60 |
+
# MODULE 2 : EXÉCUTION TACTIQUE
|
| 61 |
+
# =====================================================================
|
| 62 |
+
class TaskExecutor:
|
| 63 |
+
@staticmethod
|
| 64 |
+
def declencher_protocoles(domaines_impliques, niveau_urgence, resume_ticket, motif_cloture="STANDARD"):
|
| 65 |
+
print("\n ⚡ DÉCLENCHEMENT DES TÂCHES OPÉRATIONNELLES (MULTI-SERVICES) :")
|
| 66 |
+
|
| 67 |
+
if motif_cloture == "SILENCE_CRITIQUE":
|
| 68 |
+
print(" [ALERTE] 🚨 RUPTURE DE LIAISON DÉTECTÉE - PROTOCOLE D'URGENCE ABSOLUE ACTIVÉ")
|
| 69 |
+
elif motif_cloture == "CRI_DETECTE":
|
| 70 |
+
print(" [ALERTE] 🚨 PANIQUE ACOUSTIQUE DÉTECTÉE - INTERVENTION MAXIMUM IMMÉDIATE")
|
| 71 |
+
elif motif_cloture == "FRUSTRATION_CRITIQUE":
|
| 72 |
+
print(" [ALERTE] ⚠️ RUPTURE DE COOPÉRATION - ARBITRAGE D'URGENCE : ENVOI IMMÉDIAT DES SECOURS")
|
| 73 |
+
|
| 74 |
+
if niveau_urgence == "⚡ PROTOCOLE JUPITER":
|
| 75 |
+
print(" [CONSEIL DE DÉFENSE] 🎖️ Activation immédiate du protocole de sauvegarde des Institutions d'État -> ALERTÉ")
|
| 76 |
+
print(" [GIGN / RAID] 🚁 Déploiement des forces d'intervention spéciales héliportées -> EN COURS")
|
| 77 |
+
elif niveau_urgence == "🟣 CONTINUITÉ DE L'ÉTAT":
|
| 78 |
+
print(" [CIC REGLÉ] 📡 Activation de la Cellule Interministérielle de Crise (Place Beauvau) -> ALERTÉ")
|
| 79 |
+
print(" [CYBERCOM / ANSSI] 🛡️ Intervention sur infrastructure critique -> ALERTÉ")
|
| 80 |
+
elif "PLAN NOVI" in niveau_urgence:
|
| 81 |
+
print(" [PLAN NOVI] ⛺ Déploiement Poste Médical Avancé (PMA) et Plan Blanc -> EN COURS")
|
| 82 |
+
print(" [COD PRÉFET] 📡 Activation du Centre Opérationnel Départemental -> ALERTÉ")
|
| 83 |
+
elif "URGENCE VITALE" in niveau_urgence:
|
| 84 |
+
print(" [SAMU 15] 🚑 Envoi d'une Unité Mobile Hospitalière (SMUR) -> EN COURS")
|
| 85 |
+
|
| 86 |
+
for domaine in domaines_impliques:
|
| 87 |
+
print(f"\n --- Unité En Alerte : {domaine} ---")
|
| 88 |
+
if domaine == "POMPIER":
|
| 89 |
+
print(" [WEBHOOK] 🚒 Transmission au SDIS local (Code Rouge) -> OK")
|
| 90 |
+
print(" [TASK] 🗺️ Extraction des coordonnées GPS pour les engins -> EN COURS")
|
| 91 |
+
elif domaine == "POLICE":
|
| 92 |
+
print(" [WEBHOOK] 🚓 Alerte patrouille secteur en cours (Sécurisation) -> OK")
|
| 93 |
+
elif domaine == "ÉNERGIE & INFRASTRUCTURES" or domaine == "CYBERSÉCURITÉ":
|
| 94 |
+
print(" [WEBHOOK] ⚡ Alerte Cellule de Crise Infrastructure -> OK")
|
| 95 |
+
elif domaine == "MÉDICAL" and "URGENCE VITALE" not in niveau_urgence and "PLAN NOVI" not in niveau_urgence:
|
| 96 |
+
print(" [WEBHOOK] 🚑 Transmission du bilan au SAMU (Régulation 15) -> OK")
|
| 97 |
+
elif domaine == "EN_ATTENTE" or domaine == "NON_URGENT":
|
| 98 |
+
print(" [DISPATCH] 🗑️ Appel fantôme / Erreur de ligne -> ARCHIVÉ SANS SUITE")
|
| 99 |
+
else:
|
| 100 |
+
if domaine != "MÉDICAL":
|
| 101 |
+
print(f" [DISPATCH] 📨 Transmission standard au centre {domaine} -> OK")
|
| 102 |
+
|
| 103 |
+
# =====================================================================
|
| 104 |
+
# MODULE 3 : MOTEUR COGNITIF HYBRIDE (LLM)
|
| 105 |
+
# =====================================================================
|
| 106 |
+
class NexusAgenticSystem:
|
| 107 |
+
def __init__(self):
|
| 108 |
+
print(f"🧠 Initialisation NEXUS V_ULTIME (Cloud & Local {nexus_config.MODEL_LOCAL})...")
|
| 109 |
+
self.logger = ShadowLogger()
|
| 110 |
+
self.evaluator = QualificationEngine()
|
| 111 |
+
self.executor = TaskExecutor()
|
| 112 |
+
|
| 113 |
+
self.client_llm = AsyncClient()
|
| 114 |
+
self.local_model = nexus_config.MODEL_LOCAL
|
| 115 |
+
self.llm_en_ligne = False
|
| 116 |
+
|
| 117 |
+
self.groq_key = os.getenv("GROQ_API_KEY")
|
| 118 |
+
self.groq_disponible = bool(self.groq_key)
|
| 119 |
+
if self.groq_disponible:
|
| 120 |
+
self.client_groq = AsyncGroq(api_key=self.groq_key)
|
| 121 |
+
print("🌐 [CLOUD] Client Groq initialisé.")
|
| 122 |
+
else:
|
| 123 |
+
print("⚠️ [WARN] Clé GROQ_API_KEY introuvable. Souveraineté locale exclusive.")
|
| 124 |
+
|
| 125 |
+
async def prechauffer_cerveau(self):
|
| 126 |
+
print(f"🔥 Pré-chauffage du bouclier local {self.local_model} en cours...")
|
| 127 |
+
try:
|
| 128 |
+
await self.client_llm.chat(model=self.local_model, messages=[{'role': 'user', 'content': 'ping'}],
|
| 129 |
+
options={'num_predict': 1})
|
| 130 |
+
self.llm_en_ligne = True
|
| 131 |
+
print(f"✅ Moteur local {self.local_model} paré et monté en RAM.")
|
| 132 |
+
except Exception as e:
|
| 133 |
+
self.llm_en_ligne = False
|
| 134 |
+
print(f"⚠️ ERREUR CRITIQUE LOCAL : Impossible de joindre Ollama. {e}")
|
| 135 |
+
|
| 136 |
+
if self.groq_disponible:
|
| 137 |
+
print(f"📡 Vérification du pipeline Groq Cloud ({nexus_config.MODEL_CLOUD})...")
|
| 138 |
+
try:
|
| 139 |
+
await self.client_groq.chat.completions.create(
|
| 140 |
+
model=nexus_config.MODEL_CLOUD, messages=[{'role': 'user', 'content': 'ping'}],
|
| 141 |
+
max_tokens=1, timeout=5.0
|
| 142 |
+
)
|
| 143 |
+
print(f"✅ [STATUS] Inférence Cloud active ({nexus_config.MODEL_CLOUD}).")
|
| 144 |
+
except Exception as e:
|
| 145 |
+
self.groq_disponible = False
|
| 146 |
+
|
| 147 |
+
def est_salutation_basique(self, texte):
|
| 148 |
+
t_clean = texte.strip().lower()
|
| 149 |
+
t_clean = re.sub(r'[^\w\s]', '', t_clean)
|
| 150 |
+
return t_clean in ["bonjour", "salut", "allo", "allô", "bonsoir", "oui", "non", "ok"]
|
| 151 |
+
|
| 152 |
+
def detecter_choc_acoustique(self, texte):
|
| 153 |
+
t = texte.upper()
|
| 154 |
+
if re.search(r'\b(CASSÉ MON TÉLÉPHONE|CASSE MON TELEPHONE|PÉTÉ MON ORDI|PASSEPORT)\b', t):
|
| 155 |
+
return False
|
| 156 |
+
if re.search(r'\b(AU SECOURS|AIDEZ-MOI|ÇA EXPLOSE|AU FEU|JE MEURS|AAAA|VITE VITE)\b', t):
|
| 157 |
+
return True
|
| 158 |
+
if len(t) > 5 and sum(1 for c in texte if c.isupper()) / len(texte) > 0.6:
|
| 159 |
+
return True
|
| 160 |
+
return False
|
| 161 |
+
|
| 162 |
+
def verifier_presence_localisation(self, texte):
|
| 163 |
+
t = texte.lower()
|
| 164 |
+
if re.search(r'\b(gare|aéroport|aeroport|hôpital|hopital|clinique|mairie|préfecture|prefecture|super u|élysée|elysee)\b', t):
|
| 165 |
+
return True
|
| 166 |
+
if re.search(r'\b(rue|avenue|boulevard|impasse|allée|chemin|route|place|square|pont)\b', t):
|
| 167 |
+
return True
|
| 168 |
+
if re.search(r'\b\d{5}\b', t):
|
| 169 |
+
return True
|
| 170 |
+
return False
|
| 171 |
+
|
| 172 |
+
def verifier_protocole_jupiter(self, texte):
|
| 173 |
+
t = str(texte).lower()
|
| 174 |
+
cible_president = re.search(r'\b(président|president|macron|élysée|elysée|elysee)\b', t)
|
| 175 |
+
|
| 176 |
+
if not cible_president:
|
| 177 |
+
return None
|
| 178 |
+
|
| 179 |
+
mots_menaces_internes = [
|
| 180 |
+
'arme', 'tir', 'tirs', 'assassinat', 'tuer', 'bombe', 'attaque',
|
| 181 |
+
'sang', 'inconscient', 'coma', 'évanoui', 'étouffe', 'cardiaque',
|
| 182 |
+
'coeur', 'poitrine', 'infarctus', 'saigne', 'hémorragie'
|
| 183 |
+
]
|
| 184 |
+
|
| 185 |
+
mots_texte = re.findall(r'\w+', t)
|
| 186 |
+
menace_valide = False
|
| 187 |
+
|
| 188 |
+
if re.search(r'\b(arrêt cardiaque|arret cardiaque|mal au coeur|mal au cœur|vie en danger)\b', t):
|
| 189 |
+
menace_valide = True
|
| 190 |
+
|
| 191 |
+
if not menace_valide:
|
| 192 |
+
for mot in mots_texte:
|
| 193 |
+
if len(mot) < 4: continue
|
| 194 |
+
match = difflib.get_close_matches(mot, mots_menaces_internes, n=1, cutoff=0.8)
|
| 195 |
+
if match:
|
| 196 |
+
print(f" [DEBUG JUPITER] 🔍 Alerte Souveraine : '{mot}' assimilé à la menace '{match[0]}'")
|
| 197 |
+
menace_valide = True
|
| 198 |
+
break
|
| 199 |
+
|
| 200 |
+
if menace_valide:
|
| 201 |
+
if re.search(r'\b(arrêt cardiaque|arret cardiaque|inconscient|coma|évanoui|étouffe|malaise|sang|saigne|mal au coeur|mal au cœur|poitrine|infarctus)\b', t):
|
| 202 |
+
return "MÉDICAL", 20.0, ["POLICE", "POMPIER", "TRANSPORT & MOBILITÉ"]
|
| 203 |
+
return "POLICE", 20.0, ["MÉDICAL", "POMPIER", "CYBERSÉCURITÉ", "TRANSPORT & MOBILITÉ"]
|
| 204 |
+
|
| 205 |
+
return None
|
| 206 |
+
|
| 207 |
+
def verifier_mots_clefs_vitaux(self, texte):
|
| 208 |
+
t_lower = str(texte).lower()
|
| 209 |
+
if re.search(r'\b(pété mon|cassé mon|va me tuer|téléphone|telephone|ordi)\b', t_lower):
|
| 210 |
+
return False
|
| 211 |
+
|
| 212 |
+
if re.search(r'\b(respire plus|arrêt cardiaque|arret cardiaque|vie et mort)\b', t_lower):
|
| 213 |
+
return True
|
| 214 |
+
|
| 215 |
+
mots_vitaux_isoles = [
|
| 216 |
+
'évanoui', 'étouffe', 'inconscient', 'malaise', 'coeur',
|
| 217 |
+
'poitrine', 'infarctus', 'mourir', 'saigne',
|
| 218 |
+
'amputé', 'hémorragie', 'suicide'
|
| 219 |
+
]
|
| 220 |
+
|
| 221 |
+
mots_texte = re.findall(r'\w+', t_lower)
|
| 222 |
+
for mot in mots_texte:
|
| 223 |
+
if len(mot) < 4: continue
|
| 224 |
+
correspondances = difflib.get_close_matches(mot, mots_vitaux_isoles, n=1, cutoff=0.8)
|
| 225 |
+
if correspondances:
|
| 226 |
+
print(f" [DEBUG HEURISTIQUE] 🔍 Correction dynamique : '{mot}' assimilé à l'urgence '{correspondances[0]}'")
|
| 227 |
+
return True
|
| 228 |
+
|
| 229 |
+
return False
|
| 230 |
+
|
| 231 |
+
def verifier_urgences_combinees(self, texte):
|
| 232 |
+
t_lower = str(texte).lower()
|
| 233 |
+
if re.search(r'\b(va me tuer)\b', t_lower) and re.search(r'\b(téléphone|telephone|ordi|ordinateur)\b', t_lower):
|
| 234 |
+
return "DIGITAL SUPPORT", 1.0, []
|
| 235 |
+
|
| 236 |
+
if re.search(r'\b(suicide|suicidaire|suicider)\b', t_lower):
|
| 237 |
+
return "MÉDICAL", 10.0, ["POLICE"]
|
| 238 |
+
|
| 239 |
+
has_feu = re.search(r'\b(feu|incendie|brûle|brule|flammes)\b', t_lower)
|
| 240 |
+
has_blesses = re.search(r'\b(blessé|blesse|victime|victimes|sang|saigne|saigen|mort|morts|urgence vitale)\b', t_lower)
|
| 241 |
+
has_chimique = re.search(r'\b(chimique|fuite|gaz|toxique|nuage)\b', t_lower)
|
| 242 |
+
|
| 243 |
+
has_transport_masse = re.search(r'\b(bus|cars|car|train|métro|metro|tram|avion)\b', t_lower)
|
| 244 |
+
has_accident = re.search(r'\b(accident|crash|collision|déraillement|renversé)\b', t_lower)
|
| 245 |
+
|
| 246 |
+
if has_transport_masse and has_accident:
|
| 247 |
+
return "POMPIER", 13.5, ["MÉDICAL", "POLICE", "TRANSPORT & MOBILITÉ"]
|
| 248 |
+
if has_feu and has_blesses:
|
| 249 |
+
return "POMPIER", 11.5, ["MÉDICAL", "POLICE"]
|
| 250 |
+
if has_chimique:
|
| 251 |
+
return "RISQUES ENVIRONNEMENTAUX", 13.0, ["POMPIER", "MÉDICAL", "POLICE"]
|
| 252 |
+
|
| 253 |
+
return None
|
| 254 |
+
|
| 255 |
+
async def generer_question_bot(self, transcript, texte_utilisateur, domaine, score_actuel, state):
|
| 256 |
+
if self.est_salutation_basique(texte_utilisateur):
|
| 257 |
+
return "EN_COURS", "Ici les urgences. Quel est votre problème et où vous trouvez-vous ?"
|
| 258 |
+
if not self.groq_disponible and not self.llm_en_ligne:
|
| 259 |
+
return "EN_COURS", "Décrivez votre urgence et votre adresse exacte."
|
| 260 |
+
|
| 261 |
+
if state["localisation_obtenue"]:
|
| 262 |
+
instruction_lieu = "- LIEU : [DÉJÀ OBTENU]. NE DEMANDE PLUS L'ADRESSE. Concentre-toi EXCLUSIVEMENT sur la nature du danger ou l'état de la victime."
|
| 263 |
+
else:
|
| 264 |
+
instruction_lieu = "- LIEU : Demande un repère ou le nom d'un bâtiment si aucune adresse n'est donnée."
|
| 265 |
+
|
| 266 |
+
etat_dispatch = "DÉJÀ DÉCLENCHÉS. Les unités sont en route. Concentre-toi sur le maintien en vie, la sécurisation, et le soutien moral en attendant." if state.get("secours_declenches", False) else "NON DÉCLENCHÉS. Objectif: Obtenir Lieu + Nature pour déclencher les secours."
|
| 267 |
+
|
| 268 |
+
prompt_base = f"""Tu es NEXUS, l'IA de régulation d'urgence de l'État français (Doctrines: SAMU, Police, Pompiers).
|
| 269 |
+
Ton rôle : Autorité bienveillante, directivité chirurgicale. Tu N'ES PAS un robot de discussion, tu es un opérateur tactique.
|
| 270 |
+
|
| 271 |
+
=== DONNÉES SYSTÈME ===
|
| 272 |
+
- Domaine actuel : {domaine}
|
| 273 |
+
- Gravité estimée (Score) : {score_actuel}/10
|
| 274 |
+
- Statut des Secours : {etat_dispatch}
|
| 275 |
+
|
| 276 |
+
=== HISTORIQUE DE LA LIAISON ===
|
| 277 |
+
{transcript}
|
| 278 |
+
Dernier message : "{texte_utilisateur}"
|
| 279 |
+
|
| 280 |
+
=== PROTOCOLE D'ANALYSE (RÉFLEXION INTERNE AVANT RÉPONSE) ===
|
| 281 |
+
1. Qualification de l'appelant :
|
| 282 |
+
- L'appelant est-il la VICTIME ? -> Consigne de survie.
|
| 283 |
+
- L'appelant est-il un TÉMOIN ? -> Bilan et le guider.
|
| 284 |
+
2. Extraction : {instruction_lieu}
|
| 285 |
+
|
| 286 |
+
=== RÈGLES ABSOLUES ===
|
| 287 |
+
- AUCUNE politesse. MAXIMUM 2 phrases.
|
| 288 |
+
- [DÉCLENCHEMENT] Si les secours sont NON DÉCLENCHÉS ET que tu as compris le lieu exact ET la nature du danger, commence OBLIGATOIREMENT ta réponse par le token ###DISPATCH###. Annonce que les secours sont en route et donne une consigne pour faire patienter l'appelant.
|
| 289 |
+
- [CLÔTURE] Si les secours sont DÉJÀ DÉCLENCHÉS ET que l'appelant confirme l'arrivée physique des unités de secours ou la fin totale du danger, réponds EXCLUSIVEMENT par le token : ###CLOS###
|
| 290 |
+
|
| 291 |
+
Génère ta réponse finale directe à l'appelant :"""
|
| 292 |
+
|
| 293 |
+
contenu = ""
|
| 294 |
+
if self.groq_disponible:
|
| 295 |
+
try:
|
| 296 |
+
response = await self.client_groq.chat.completions.create(
|
| 297 |
+
model=nexus_config.MODEL_CLOUD,
|
| 298 |
+
messages=[{'role': 'system', 'content': prompt_base}],
|
| 299 |
+
temperature=0.0, max_tokens=60, timeout=5.0
|
| 300 |
+
)
|
| 301 |
+
contenu = response.choices[0].message.content.strip()
|
| 302 |
+
except Exception:
|
| 303 |
+
self.groq_disponible = False
|
| 304 |
+
|
| 305 |
+
if not contenu and self.llm_en_ligne:
|
| 306 |
+
try:
|
| 307 |
+
reponse = await asyncio.wait_for(
|
| 308 |
+
self.client_llm.chat(
|
| 309 |
+
model=self.local_model,
|
| 310 |
+
messages=[{'role': 'user', 'content': prompt_base}],
|
| 311 |
+
options={'temperature': 0.0, 'num_predict': 60}
|
| 312 |
+
),
|
| 313 |
+
timeout=90.0
|
| 314 |
+
)
|
| 315 |
+
contenu = reponse['message']['content'].strip()
|
| 316 |
+
contenu = re.sub(r'<think>.*?</think>', '', contenu, flags=re.DOTALL | re.IGNORECASE).strip()
|
| 317 |
+
except asyncio.TimeoutError:
|
| 318 |
+
return "EN_COURS", "Liaison instable. Précisez votre demande immédiatement."
|
| 319 |
+
except Exception:
|
| 320 |
+
return "EN_COURS", "Où vous trouvez-vous exactement ?"
|
| 321 |
+
|
| 322 |
+
if not contenu: return "EN_COURS", "Liaison instable. Veuillez préciser votre localisation."
|
| 323 |
+
|
| 324 |
+
is_dispatch = False
|
| 325 |
+
if "###CLOS###" in contenu:
|
| 326 |
+
if domaine == "EN_ATTENTE" or score_actuel < 0.5:
|
| 327 |
+
return "EN_COURS", "Veuillez préciser la nature exacte de votre urgence ou votre demande."
|
| 328 |
+
if not state.get("secours_declenches", False) and not state["localisation_obtenue"]:
|
| 329 |
+
return "EN_COURS", "Urgence identifiée. Donnez-moi un repère visuel précis ou une rue pour envoyer les secours."
|
| 330 |
+
return "COMPLET", ""
|
| 331 |
+
|
| 332 |
+
if "###DISPATCH###" in contenu:
|
| 333 |
+
is_dispatch = True
|
| 334 |
+
contenu = contenu.replace("###DISPATCH###", "").strip()
|
| 335 |
+
|
| 336 |
+
contenu = re.sub(r'^(Régulateur\s*:|Client\s*:|Ta réponse\s*:|Réponse\s*:|:\s*|"\s*)', '', contenu, flags=re.IGNORECASE).strip('" ')
|
| 337 |
+
return "DISPATCH" if is_dispatch else "EN_COURS", contenu
|
| 338 |
+
|
| 339 |
+
async def extraire_domaines_secondaires(self, texte_utilisateur, domaine_principal):
|
| 340 |
+
if domaine_principal in ["NON_URGENT", "EN_ATTENTE"]: return []
|
| 341 |
+
prompt = f"Analyse : '{texte_utilisateur}'. Principal : {domaine_principal}. Besoins de renforts ? Choix : {', '.join(DOMAINES)}. Règles : Pas le principal. Si rien : AUCUN. Si plusieurs, sépare par virgules. Aucun autre texte."
|
| 342 |
+
res = ""
|
| 343 |
+
if self.groq_disponible:
|
| 344 |
+
try:
|
| 345 |
+
response = await self.client_groq.chat.completions.create(
|
| 346 |
+
model=nexus_config.MODEL_CLOUD, messages=[{'role': 'user', 'content': prompt}],
|
| 347 |
+
temperature=0.0, timeout=3.0
|
| 348 |
+
)
|
| 349 |
+
res = response.choices[0].message.content.strip().upper()
|
| 350 |
+
except: pass
|
| 351 |
+
|
| 352 |
+
if not res and self.llm_en_ligne:
|
| 353 |
+
try:
|
| 354 |
+
reponse = await asyncio.wait_for(
|
| 355 |
+
self.client_llm.chat(
|
| 356 |
+
model=self.local_model,
|
| 357 |
+
messages=[{'role': 'user', 'content': prompt}],
|
| 358 |
+
options={'temperature': 0.0, 'num_predict': 15}
|
| 359 |
+
),
|
| 360 |
+
timeout=30.0
|
| 361 |
+
)
|
| 362 |
+
res = reponse['message']['content'].strip().upper()
|
| 363 |
+
res = re.sub(r'<think>.*?</think>', '', res, flags=re.DOTALL | re.IGNORECASE).strip()
|
| 364 |
+
except Exception: pass
|
| 365 |
+
|
| 366 |
+
if not res or "AUCUN" in res: return []
|
| 367 |
+
return list(set([d.strip() for d in res.split(',') if d.strip() in DOMAINES and d.strip() != domaine_principal]))
|
| 368 |
+
|
| 369 |
+
# =====================================================================
|
| 370 |
+
# SOUS-ROUTINE ASYNCHRONE OPTIMISÉE
|
| 371 |
+
# =====================================================================
|
| 372 |
+
async def async_input(prompt: str, timeout: float):
|
| 373 |
+
loop = asyncio.get_event_loop()
|
| 374 |
+
print(prompt, end="", flush=True)
|
| 375 |
+
queue = asyncio.Queue()
|
| 376 |
+
def got_input():
|
| 377 |
+
line = sys.stdin.readline()
|
| 378 |
+
loop.call_soon_threadsafe(queue.put_nowait, line)
|
| 379 |
+
loop.add_reader(sys.stdin.fileno(), got_input)
|
| 380 |
+
try:
|
| 381 |
+
ligne = await asyncio.wait_for(queue.get(), timeout)
|
| 382 |
+
return ligne.strip()
|
| 383 |
+
except asyncio.TimeoutError:
|
| 384 |
+
print()
|
| 385 |
+
return ""
|
| 386 |
+
finally:
|
| 387 |
+
loop.remove_reader(sys.stdin.fileno())
|
| 388 |
+
|
| 389 |
+
# =====================================================================
|
| 390 |
+
# BOUCLE PRINCIPALE DE RÉGULATION
|
| 391 |
+
# =====================================================================
|
| 392 |
+
async def run_terminal():
|
| 393 |
+
nexus = NexusAgenticSystem()
|
| 394 |
+
await nexus.prechauffer_cerveau()
|
| 395 |
+
print("\n" + "=" * 70)
|
| 396 |
+
print(f"🚀 NEXUS COMMAND CENTER — PIPELINE TEMPS RÉEL V41 (DISPATCH ASYNCHRONE)")
|
| 397 |
+
print("=" * 70 + "\n")
|
| 398 |
+
|
| 399 |
+
while True:
|
| 400 |
+
raw = await async_input("📝 Client (Début d'appel) : ", timeout=86400)
|
| 401 |
+
if raw.lower() in {"exit", "q", "quit"}: break
|
| 402 |
+
if not raw: continue
|
| 403 |
+
|
| 404 |
+
ticket_final = raw
|
| 405 |
+
transcript = f"Client : {raw}\n"
|
| 406 |
+
ticket_complet = False
|
| 407 |
+
silence_count = 0
|
| 408 |
+
motif_fermeture = "STANDARD"
|
| 409 |
+
skip_generation = False
|
| 410 |
+
forced_secondaries = []
|
| 411 |
+
|
| 412 |
+
session_state = {
|
| 413 |
+
"domaine_verrouille": "EN_ATTENTE",
|
| 414 |
+
"score_verrouille": 0.0,
|
| 415 |
+
"localisation_obtenue": False,
|
| 416 |
+
"secours_declenches": False,
|
| 417 |
+
"domaines_secondaires_lock": [],
|
| 418 |
+
"frustration_count": 0
|
| 419 |
+
}
|
| 420 |
+
|
| 421 |
+
if not nexus.est_salutation_basique(ticket_final):
|
| 422 |
+
dom_c, sco_c, _ = nexus.evaluator.evaluer_ticket(ticket_final)
|
| 423 |
+
|
| 424 |
+
redressement_jupiter = nexus.verifier_protocole_jupiter(ticket_final)
|
| 425 |
+
if redressement_jupiter:
|
| 426 |
+
dom_c, sco_c, forced_secondaries = redressement_jupiter
|
| 427 |
+
print(" [CONSEIL DE DÉFENSE] ⚡ PROTOCOLE JUPITER ENGAGÉ : URGENCE ABSOLUE D'ÉTAT (20/10).")
|
| 428 |
+
else:
|
| 429 |
+
redressement = nexus.verifier_urgences_combinees(ticket_final)
|
| 430 |
+
if redressement:
|
| 431 |
+
dom_c, sco_c, forced_secondaries = redressement
|
| 432 |
+
print(f" [ALERTE] ⚡ SURCHARGE DIRECTE INTER-CLASSES ACTIVÉE : {dom_c} ({sco_c}/10)")
|
| 433 |
+
elif nexus.verifier_mots_clefs_vitaux(ticket_final):
|
| 434 |
+
dom_c = "MÉDICAL"
|
| 435 |
+
sco_c = max(sco_c, 10.0)
|
| 436 |
+
print(" [ALERTE] 🛡️ BOUCLIER HEURISTIQUE ENGAGÉ : URGENCE VITALE FORCÉE.")
|
| 437 |
+
|
| 438 |
+
session_state["domaine_verrouille"] = dom_c
|
| 439 |
+
session_state["score_verrouille"] = sco_c
|
| 440 |
+
|
| 441 |
+
while not ticket_complet:
|
| 442 |
+
|
| 443 |
+
if not session_state["localisation_obtenue"] and nexus.verifier_presence_localisation(ticket_final):
|
| 444 |
+
session_state["localisation_obtenue"] = True
|
| 445 |
+
|
| 446 |
+
if nexus.detecter_choc_acoustique(ticket_final):
|
| 447 |
+
print(" [ALERTE] 💥 PANIQUE ACOUSTIQUE DÉTECTÉE - SEUIL PLANCHER D'URGENCE ACTIVÉ")
|
| 448 |
+
session_state["domaine_verrouille"] = "MÉDICAL"
|
| 449 |
+
session_state["score_verrouille"] = 10.0
|
| 450 |
+
motif_fermeture = "CRI_DETECTE"
|
| 451 |
+
if silence_count > 0:
|
| 452 |
+
ticket_complet = True
|
| 453 |
+
break
|
| 454 |
+
|
| 455 |
+
if re.search(r'\b(fausse alerte|je rigolais|un film)\b', ticket_final.lower()):
|
| 456 |
+
print(" [INFO] 📉 Désescalade détectée. Clôture immédiate pour appel nul.")
|
| 457 |
+
session_state["score_verrouille"] = 0.2
|
| 458 |
+
session_state["domaine_verrouille"] = "DIGITAL SUPPORT"
|
| 459 |
+
ticket_complet = True
|
| 460 |
+
break
|
| 461 |
+
|
| 462 |
+
pattern_frust = re.compile(r'\b(bordel|foutre|con|merde|putain|répéter|déjà dit|tu sers à rien)\b')
|
| 463 |
+
if pattern_frust.search(ticket_final.lower()):
|
| 464 |
+
session_state["frustration_count"] += 1
|
| 465 |
+
if session_state["frustration_count"] >= 2 or session_state["score_verrouille"] >= 5.0:
|
| 466 |
+
motif_fermeture = "FRUSTRATION_CRITIQUE"
|
| 467 |
+
ticket_complet = True
|
| 468 |
+
break
|
| 469 |
+
|
| 470 |
+
if not nexus.est_salutation_basique(ticket_final) and motif_fermeture != "CRI_DETECTE":
|
| 471 |
+
domaine_courant, score_courant, _ = nexus.evaluator.evaluer_ticket(ticket_final)
|
| 472 |
+
|
| 473 |
+
redressement_jupiter = nexus.verifier_protocole_jupiter(ticket_final)
|
| 474 |
+
if redressement_jupiter:
|
| 475 |
+
domaine_courant, score_courant, forced_secondaries = redressement_jupiter
|
| 476 |
+
else:
|
| 477 |
+
redressement = nexus.verifier_urgences_combinees(ticket_final)
|
| 478 |
+
if redressement:
|
| 479 |
+
domaine_courant, score_courant, forced_secondaries = redressement
|
| 480 |
+
elif nexus.verifier_mots_clefs_vitaux(ticket_final):
|
| 481 |
+
domaine_courant = "MÉDICAL"
|
| 482 |
+
score_courant = max(score_courant, 10.0)
|
| 483 |
+
|
| 484 |
+
domaines_regaliens = ["MÉDICAL", "POLICE", "POMPIER", "CYBERSÉCURITÉ", "ÉNERGIE & INFRASTRUCTURES", "RISQUES ENVIRONNEMENTAUX"]
|
| 485 |
+
|
| 486 |
+
if score_courant >= 20.0:
|
| 487 |
+
session_state["domaine_verrouille"] = domaine_courant
|
| 488 |
+
session_state["score_verrouille"] = score_courant
|
| 489 |
+
else:
|
| 490 |
+
if session_state["domaine_verrouille"] in domaines_regaliens:
|
| 491 |
+
if score_courant > session_state["score_verrouille"]:
|
| 492 |
+
session_state["score_verrouille"] = score_courant
|
| 493 |
+
else:
|
| 494 |
+
session_state["domaine_verrouille"] = domaine_courant
|
| 495 |
+
session_state["score_verrouille"] = score_courant
|
| 496 |
+
|
| 497 |
+
domaine_maitre = session_state["domaine_verrouille"]
|
| 498 |
+
score_maitre = session_state["score_verrouille"]
|
| 499 |
+
|
| 500 |
+
if not skip_generation:
|
| 501 |
+
statut, question_bot = await nexus.generer_question_bot(transcript, ticket_final, domaine_maitre, score_maitre, session_state)
|
| 502 |
+
if statut == "COMPLET":
|
| 503 |
+
ticket_complet = True
|
| 504 |
+
break
|
| 505 |
+
|
| 506 |
+
wrapped_bot = textwrap.fill(
|
| 507 |
+
f"🤖 NEXUS ({domaine_maitre} | Score: {score_maitre}/10) : {question_bot}",
|
| 508 |
+
width=70, initial_indent=" ", subsequent_indent=" "
|
| 509 |
+
)
|
| 510 |
+
print(wrapped_bot)
|
| 511 |
+
|
| 512 |
+
# DÉCLENCHEMENT ASYNCHRONE EN PLEIN APPEL
|
| 513 |
+
if statut == "DISPATCH" and not session_state["secours_declenches"]:
|
| 514 |
+
print("\n [SYSTÈME] ⚠️ TRANSMISSION ANTICIPÉE AUX UNITÉS ENGAGÉE (Liaison maintenue) ⚠️")
|
| 515 |
+
|
| 516 |
+
if score_maitre >= 20.0: niveau = "⚡ PROTOCOLE JUPITER"
|
| 517 |
+
elif score_maitre >= 15.0: niveau = "🟣 CONTINUITÉ DE L'ÉTAT"
|
| 518 |
+
elif score_maitre >= 10.1: niveau = "⚫ PLAN NOVI (MASSE)"
|
| 519 |
+
elif score_maitre >= 10.0: niveau = "🔴 URGENCE VITALE ABSOLUE"
|
| 520 |
+
elif score_maitre >= 5.0: niveau = "🟠 URGENCE MAJEURE"
|
| 521 |
+
else: niveau = "🟢 ROUTINE"
|
| 522 |
+
|
| 523 |
+
domaines_secondaires = await nexus.extraire_domaines_secondaires(ticket_final, domaine_maitre)
|
| 524 |
+
if forced_secondaries:
|
| 525 |
+
domaines_secondaires = list(set(domaines_secondaires + forced_secondaries))
|
| 526 |
+
domaines_secondaires = [d for d in domaines_secondaires if d != domaine_maitre]
|
| 527 |
+
|
| 528 |
+
domaines_impliques = [domaine_maitre] + domaines_secondaires
|
| 529 |
+
nexus.executor.declencher_protocoles(domaines_impliques, niveau, ticket_final, "ANTICIPÉ")
|
| 530 |
+
|
| 531 |
+
session_state["secours_declenches"] = True
|
| 532 |
+
session_state["domaines_secondaires_lock"] = domaines_secondaires
|
| 533 |
+
print(" " + "-" * 67 + "\n")
|
| 534 |
+
|
| 535 |
+
skip_generation = False
|
| 536 |
+
complement = await async_input(" 💬 Client : ", timeout=45.0)
|
| 537 |
+
|
| 538 |
+
if complement == "":
|
| 539 |
+
silence_count += 1
|
| 540 |
+
if domaine_maitre in ["MÉDICAL", "POLICE", "POMPIER", "RISQUES ENVIRONNEMENTAUX"] or score_maitre >= 5.0:
|
| 541 |
+
if silence_count == 1:
|
| 542 |
+
print(" 🤖 NEXUS (RELANCE CRITIQUE) : Allô ? Restez en ligne, répondez si vous m'entendez !")
|
| 543 |
+
skip_generation = True
|
| 544 |
+
continue
|
| 545 |
+
else:
|
| 546 |
+
motif_fermeture = "SILENCE_CRITIQUE"
|
| 547 |
+
ticket_complet = True
|
| 548 |
+
break
|
| 549 |
+
else:
|
| 550 |
+
print(" ⚠️ APPEL DE BASSE PRIORITÉ ABANDONNÉ PAR L'UTILISATEUR (Délai de réponse > 45s).")
|
| 551 |
+
nexus.logger.log(ticket_final, domaine_maitre, [], score_maitre, statut="ABANDON")
|
| 552 |
+
break
|
| 553 |
+
|
| 554 |
+
silence_count = 0
|
| 555 |
+
if complement.lower() in {"exit", "q", "quit"}:
|
| 556 |
+
ticket_final = "exit"
|
| 557 |
+
break
|
| 558 |
+
|
| 559 |
+
ticket_final += " " + complement
|
| 560 |
+
transcript += f"Régulateur : {question_bot}\nClient : {complement}\n"
|
| 561 |
+
|
| 562 |
+
if ticket_final == "exit": break
|
| 563 |
+
|
| 564 |
+
# GESTION PROPRE DE LA FIN DE L'APPEL
|
| 565 |
+
if not session_state.get("secours_declenches", False):
|
| 566 |
+
if score_maitre >= 20.0: niveau = "⚡ PROTOCOLE JUPITER"
|
| 567 |
+
elif score_maitre >= 15.0: niveau = "🟣 CONTINUITÉ DE L'ÉTAT"
|
| 568 |
+
elif score_maitre >= 10.1: niveau = "⚫ PLAN NOVI (MASSE)"
|
| 569 |
+
elif score_maitre >= 10.0: niveau = "🔴 URGENCE VITALE ABSOLUE"
|
| 570 |
+
elif score_maitre >= 5.0: niveau = "🟠 URGENCE MAJEURE"
|
| 571 |
+
else: niveau = "🟢 ROUTINE"
|
| 572 |
+
|
| 573 |
+
print(f"\n ✅ APPEL CLOS — TRANSMISSION AUX UNITÉS")
|
| 574 |
+
print(f" 🎯 Service Principal : {domaine_maitre} | 🔢 Score Tactique : {score_maitre}/10 → {niveau}")
|
| 575 |
+
|
| 576 |
+
domaines_secondaires = await nexus.extraire_domaines_secondaires(ticket_final, domaine_maitre)
|
| 577 |
+
if forced_secondaries:
|
| 578 |
+
domaines_secondaires = list(set(domaines_secondaires + forced_secondaries))
|
| 579 |
+
|
| 580 |
+
if motif_fermeture in ["CRI_DETECTE", "SILENCE_CRITIQUE", "FRUSTRATION_CRITIQUE"] or score_maitre >= 15.0:
|
| 581 |
+
domaines_secondaires = list(set(domaines_secondaires + ["POLICE", "POMPIER", "MÉDICAL"]))
|
| 582 |
+
|
| 583 |
+
domaines_secondaires = [d for d in domaines_secondaires if d != domaine_maitre]
|
| 584 |
+
|
| 585 |
+
if domaines_secondaires:
|
| 586 |
+
print(f" 🚨 Renforts requis identifiés : {', '.join(domaines_secondaires)}")
|
| 587 |
+
|
| 588 |
+
domaines_impliques = [domaine_maitre] + domaines_secondaires
|
| 589 |
+
nexus.executor.declencher_protocoles(domaines_impliques, niveau, ticket_final, motif_fermeture)
|
| 590 |
+
else:
|
| 591 |
+
print(f"\n ✅ APPEL CLOS — UNITÉS DÉJÀ DÉPLOYÉES SUR LE TERRAIN")
|
| 592 |
+
domaines_secondaires = session_state.get("domaines_secondaires_lock", [])
|
| 593 |
+
|
| 594 |
+
nexus.logger.log(ticket_final, domaine_maitre, domaines_secondaires, score_maitre, statut=motif_fermeture)
|
| 595 |
+
print("-" * 70 + "\n📝 En attente du prochain appelant...\n")
|
| 596 |
+
|
| 597 |
+
if __name__ == "__main__":
|
| 598 |
+
asyncio.run(run_terminal())
|
executives/nexus_3d_viz.py
ADDED
|
@@ -0,0 +1,84 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
# executives/nexus_3d_viz.py
|
| 2 |
+
import os
|
| 3 |
+
import pandas as pd
|
| 4 |
+
import joblib
|
| 5 |
+
import plotly.express as px
|
| 6 |
+
from sklearn.manifold import TSNE
|
| 7 |
+
from sklearn.decomposition import TruncatedSVD
|
| 8 |
+
import warnings
|
| 9 |
+
|
| 10 |
+
warnings.filterwarnings("ignore")
|
| 11 |
+
|
| 12 |
+
# --- 1. CONFIGURATION DES CHEMINS ALIGNÉS DOCKER ---
|
| 13 |
+
DATASET_V36 = "../datasets/nexus_dataset_v36_combat.csv"
|
| 14 |
+
MODEL_PATH = "../pickle_result/nexus_modele_final_V35.pkl"
|
| 15 |
+
HTML_OUTPUT = "../datasets/nexus_galaxy_v36.html"
|
| 16 |
+
SAMPLE_SIZE = 4000 # Taille de l'échantillon pour le calcul t-SNE
|
| 17 |
+
|
| 18 |
+
def generer_galaxie_3d():
|
| 19 |
+
print("==================================================")
|
| 20 |
+
print("🌌 NEXUS 3D VIZ - CARTOGRAPHIE DE LA GALAXIE V36")
|
| 21 |
+
print("==================================================\n")
|
| 22 |
+
|
| 23 |
+
if not os.path.exists(MODEL_PATH) or not os.path.exists(DATASET_V36):
|
| 24 |
+
print("❌ ERREUR SÉCURITÉ : Fichier V36 ou binaire .pkl manquant.")
|
| 25 |
+
return
|
| 26 |
+
|
| 27 |
+
print("🔍 1. Chargement de l'encodeur TF-IDF de production...")
|
| 28 |
+
pipeline = joblib.load(MODEL_PATH)
|
| 29 |
+
encodeur = pipeline.named_steps['tfidf']
|
| 30 |
+
|
| 31 |
+
print("📂 2. Extraction du Dataset de Combat V36...")
|
| 32 |
+
df = pd.read_csv(DATASET_V36).dropna(subset=['texte', 'domaine'])
|
| 33 |
+
|
| 34 |
+
# Échantillonnage stratifié pour ne pas saturer la RAM de la L4
|
| 35 |
+
if len(df) > SAMPLE_SIZE:
|
| 36 |
+
df = df.sample(n=SAMPLE_SIZE, random_state=42).reset_index(drop=True)
|
| 37 |
+
|
| 38 |
+
print(f"📊 Échantillon de {len(df)} vecteurs isolés pour la spatialisation.")
|
| 39 |
+
|
| 40 |
+
print("⚡ 3. Vectorisation mathématique via la matrice de features...")
|
| 41 |
+
X_tfidf = encodeur.transform(df['texte'].astype(str))
|
| 42 |
+
|
| 43 |
+
print("📉 4. Réduction de dimension intermédiaire (SVD)...")
|
| 44 |
+
# TruncatedSVD réduit la sparsité à 50 dimensions avant le t-SNE intensif
|
| 45 |
+
svd = TruncatedSVD(n_components=50, random_state=42)
|
| 46 |
+
vecteurs_50d = svd.fit_transform(X_tfidf)
|
| 47 |
+
|
| 48 |
+
print("🧠 5. Projection spatiale t-SNE 3D (Calcul en cours...)")
|
| 49 |
+
tsne = TSNE(n_components=3, random_state=42, perplexity=30, max_iter=1000, n_jobs=-1)
|
| 50 |
+
vecteurs_3d = tsne.fit_transform(vecteurs_50d)
|
| 51 |
+
|
| 52 |
+
# Attribution des coordonnées spatiales
|
| 53 |
+
df['Axe X'] = vecteurs_3d[:, 0]
|
| 54 |
+
df['Axe Y'] = vecteurs_3d[:, 1]
|
| 55 |
+
df['Axe Z'] = vecteurs_3d[:, 2]
|
| 56 |
+
|
| 57 |
+
# Formatage du texte pour l'affichage au survol (Hover)
|
| 58 |
+
df['Apercu'] = df['texte'].apply(lambda x: (str(x)[:90] + '...') if len(str(x)) > 90 else str(x))
|
| 59 |
+
|
| 60 |
+
print("✨ 6. Assemblage géométrique de la Galaxie Sémantique...")
|
| 61 |
+
fig = px.scatter_3d(
|
| 62 |
+
df,
|
| 63 |
+
x='Axe X', y='Axe Y', z='Axe Z',
|
| 64 |
+
color='domaine',
|
| 65 |
+
hover_name='domaine',
|
| 66 |
+
hover_data={
|
| 67 |
+
'Axe X': False, 'Axe Y': False, 'Axe Z': False,
|
| 68 |
+
'Apercu': True, 'severite': True, 'impact': True, 'cible': True, 'friction': True
|
| 69 |
+
},
|
| 70 |
+
title="Galaxie NEXUS V36 - Topologie Sémantique de l'Urgence (11 Domaines)",
|
| 71 |
+
opacity=0.75
|
| 72 |
+
)
|
| 73 |
+
|
| 74 |
+
# Optimisation graphique des marqueurs
|
| 75 |
+
fig.update_traces(marker=dict(size=3, line=dict(width=0)))
|
| 76 |
+
fig.update_layout(template="plotly_dark", margin=dict(l=0, r=0, b=0, t=40))
|
| 77 |
+
|
| 78 |
+
# Sauvegarde de la page HTML interactive sur le disque partagé
|
| 79 |
+
fig.write_html(HTML_OUTPUT)
|
| 80 |
+
print(f"\n✅ CARTOGRAPHIE EXTRAITE AVEC SUCCÈS : {HTML_OUTPUT}")
|
| 81 |
+
print("🌍 Tu peux ouvrir ce fichier HTML directement dans ton navigateur pour inspecter l'agencement.")
|
| 82 |
+
|
| 83 |
+
if __name__ == "__main__":
|
| 84 |
+
generer_galaxie_3d()
|
executives/nexus_advanced_parser.py
ADDED
|
@@ -0,0 +1,116 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
# executives/nexus_advanced_parser.py
|
| 2 |
+
import os
|
| 3 |
+
import pandas as pd
|
| 4 |
+
from ollama import AsyncClient
|
| 5 |
+
import asyncio
|
| 6 |
+
import json
|
| 7 |
+
import re
|
| 8 |
+
import warnings
|
| 9 |
+
|
| 10 |
+
warnings.filterwarnings("ignore")
|
| 11 |
+
|
| 12 |
+
# Configuration des chemins d'accès (datasets isolés sur l'hôte)
|
| 13 |
+
DIR_DATA = "../datasets/"
|
| 14 |
+
OUTPUT_PARSED = os.path.join(DIR_DATA, "nexus_qwen_parsed.csv")
|
| 15 |
+
MODEL_LOCAL = "qwen2.5:14b"
|
| 16 |
+
|
| 17 |
+
# 1. Cartographie des fichiers d'Open Data classiques
|
| 18 |
+
FICHIERS_CIBLES = {
|
| 19 |
+
"CYBERSÉCURITÉ": "Attack_Dataset.csv",
|
| 20 |
+
"TRANSPORT & MOBILITÉ": "foire-aux-questions.csv",
|
| 21 |
+
"ASSISTANCE SOCIALE": "Tweets.csv",
|
| 22 |
+
"RISQUES ENVIRONNEMENTAUX": "ARIA.csv"
|
| 23 |
+
}
|
| 24 |
+
|
| 25 |
+
# 2. Cartographie des fichiers massifs complexes
|
| 26 |
+
FICHIER_SP = "services_public.csv"
|
| 27 |
+
FICHIER_MTA = "MTA_Customer_Feedback_Data__2014-2019.csv"
|
| 28 |
+
FICHIER_DMR = "dans-ma-rue.csv"
|
| 29 |
+
|
| 30 |
+
async def prompt_qwen(client, contexte, domaine):
|
| 31 |
+
sys_prompt = f"""Tu es un opérateur d'urgence d'élite. Transforme cette information technique ou ce signalement administratif brut en une phrase d'urgence réaliste prononcée au téléphone par un citoyen (paniqué, en colère, stressé ou laconique).
|
| 32 |
+
Le domaine cible est strictement : {domaine}.
|
| 33 |
+
Ne mets aucune formule de politesse. Va droit au but.
|
| 34 |
+
Génère UNIQUEMENT un objet JSON strict au format suivant :
|
| 35 |
+
{{"texte": "la phrase d'appel générée en français", "domaine": "{domaine}", "severite": 2, "impact": 1, "cible": 0, "friction": "MANQUE_LIEU"}}"""
|
| 36 |
+
|
| 37 |
+
try:
|
| 38 |
+
response = await client.chat(
|
| 39 |
+
model=MODEL_LOCAL,
|
| 40 |
+
messages=[{'role': 'system', 'content': sys_prompt}, {'role': 'user', 'content': contexte}],
|
| 41 |
+
options={'temperature': 0.7, 'num_predict': 150}
|
| 42 |
+
)
|
| 43 |
+
content = re.sub(r'```json\s*|```', '', response['message']['content'].strip())
|
| 44 |
+
data = json.loads(content)
|
| 45 |
+
data['domaine'] = domaine.upper()
|
| 46 |
+
return data
|
| 47 |
+
except:
|
| 48 |
+
return None
|
| 49 |
+
|
| 50 |
+
async def executer_parsing():
|
| 51 |
+
print("==================================================")
|
| 52 |
+
print("🧠 ÉTAPE 1/3 : EXTRACTION, REFORMULATION ET ALIGNEMENT (QWEN 14B)")
|
| 53 |
+
print("==================================================\n")
|
| 54 |
+
client = AsyncClient()
|
| 55 |
+
lignes_generees = []
|
| 56 |
+
|
| 57 |
+
# A. Traitement des fichiers standards
|
| 58 |
+
for domaine, fichier in FICHIERS_CIBLES.items():
|
| 59 |
+
chemin = os.path.join(DIR_DATA, fichier)
|
| 60 |
+
if os.path.exists(chemin):
|
| 61 |
+
print(f"⚙️ Extraction : {domaine} depuis {fichier}...")
|
| 62 |
+
df = pd.read_csv(chemin, nrows=50, on_bad_lines='skip', sep=';' if 'foire' in fichier else ',')
|
| 63 |
+
for _, row in df.iterrows():
|
| 64 |
+
contexte = " | ".join([str(v) for v in row.values[:3] if pd.notna(v)])
|
| 65 |
+
data = await prompt_qwen(client, contexte, domaine)
|
| 66 |
+
if data: lignes_generees.append(data)
|
| 67 |
+
|
| 68 |
+
# B. Le Mastodonte : Dans Ma Rue (Paris) -> SERVICES URBAINS
|
| 69 |
+
chemin_dmr = os.path.join(DIR_DATA, FICHIER_DMR)
|
| 70 |
+
if os.path.exists(chemin_dmr):
|
| 71 |
+
print(f"🚧 Extraction Sécurisée : SERVICES URBAINS depuis {FICHIER_DMR}...")
|
| 72 |
+
# Limite stricte pour éviter la saturation du GPU
|
| 73 |
+
df_dmr = pd.read_csv(chemin_dmr, nrows=120, on_bad_lines='skip', sep=None, engine='python')
|
| 74 |
+
for _, row in df_dmr.iterrows():
|
| 75 |
+
t_dec = row.get('TYPE DECLARATION', '')
|
| 76 |
+
s_dec = row.get('SOUS TYPE DECLARATION', '')
|
| 77 |
+
adr = row.get('ADRESSE', '')
|
| 78 |
+
contexte_dmr = f"Incident: {t_dec} - {s_dec} | Lieu: {adr}"
|
| 79 |
+
data = await prompt_qwen(client, contexte_dmr, "SERVICES URBAINS")
|
| 80 |
+
if data:
|
| 81 |
+
# Modulateur de friction : détection d'adresse
|
| 82 |
+
if any(word in str(data['texte']).lower() for word in ["rue", "avenue", "boulevard", "paris", "place"]):
|
| 83 |
+
data['friction'] = "COMPLET"
|
| 84 |
+
lignes_generees.append(data)
|
| 85 |
+
|
| 86 |
+
# C. MTA Customer Feedback -> TRANSPORT & MOBILITÉ
|
| 87 |
+
chemin_mta = os.path.join(DIR_DATA, FICHIER_MTA)
|
| 88 |
+
if os.path.exists(chemin_mta):
|
| 89 |
+
print(f"🚆 Extraction : TRANSPORT & MOBILITÉ depuis {FICHIER_MTA}...")
|
| 90 |
+
df_mta = pd.read_csv(chemin_mta, nrows=50, on_bad_lines='skip')
|
| 91 |
+
for _, row in df_mta.iterrows():
|
| 92 |
+
contexte_mta = f"Agency: {row.get('Agency', '')} | Subject: {row.get('Subject Matter', '')} | Detail: {row.get('Subject Detail', '')}"
|
| 93 |
+
data = await prompt_qwen(client, contexte_mta, "TRANSPORT & MOBILITÉ")
|
| 94 |
+
if data: lignes_generees.append(data)
|
| 95 |
+
|
| 96 |
+
# D. Services Publics -> ASSISTANCE SOCIALE / SERVICES URBAINS
|
| 97 |
+
chemin_sp = os.path.join(DIR_DATA, FICHIER_SP)
|
| 98 |
+
if os.path.exists(chemin_sp):
|
| 99 |
+
print(f"🏛️ Extraction : TEXTES LÉGAUX depuis {FICHIER_SP}...")
|
| 100 |
+
df_sp = pd.read_csv(chemin_sp, nrows=50, on_bad_lines='skip')
|
| 101 |
+
for _, row in df_sp.iterrows():
|
| 102 |
+
contexte_sp = f"Titre: {row.get('title', '')} | Intro: {row.get('introduction', '')}"
|
| 103 |
+
domaine_sp = "SERVICES URBAINS" if "Impôts" not in str(row.get('themetitles', '')) else "ASSISTANCE SOCIALE"
|
| 104 |
+
data = await prompt_qwen(client, contexte_sp, domaine_sp)
|
| 105 |
+
if data: lignes_generees.append(data)
|
| 106 |
+
|
| 107 |
+
# Sauvegarde de la matrice consolidée
|
| 108 |
+
if lignes_generees:
|
| 109 |
+
df_output = pd.DataFrame(lignes_generees)
|
| 110 |
+
df_output.to_csv(OUTPUT_PARSED, index=False)
|
| 111 |
+
print(f"\n✅ PARSING TERMINÉ. Base d'inférence sémantique générée : {OUTPUT_PARSED} ({len(df_output)} lignes)")
|
| 112 |
+
else:
|
| 113 |
+
print("\n❌ ÉCHEC CRITIQUE : Qwen 14B n'a renvoyé aucune traduction valide.")
|
| 114 |
+
|
| 115 |
+
if __name__ == "__main__":
|
| 116 |
+
asyncio.run(executer_parsing())
|
executives/nexus_audit_expert.py
ADDED
|
@@ -0,0 +1,102 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
# executives/nexus_audit_expert.py
|
| 2 |
+
import os
|
| 3 |
+
import pandas as pd
|
| 4 |
+
import warnings
|
| 5 |
+
|
| 6 |
+
warnings.filterwarnings("ignore")
|
| 7 |
+
|
| 8 |
+
def generer_corrections_audit():
|
| 9 |
+
print("==================================================")
|
| 10 |
+
print("🔬 AUDIT EXPERT NEXUS - V_ULTIME DE SÉCURISATION")
|
| 11 |
+
print("==================================================\n")
|
| 12 |
+
|
| 13 |
+
# LA VÉRITÉ ABSOLUE (Ground Truth - Alignement strict SGDSN)
|
| 14 |
+
# Format : [texte, domaine, severite, impact, cible, friction]
|
| 15 |
+
# Cibles : 0 = CITOYEN | 2 = VIP/INFRA | 4 = SOUVERAIN/PRÉSIDENT
|
| 16 |
+
corrections_manuelles = [
|
| 17 |
+
# =====================================================================
|
| 18 |
+
# CATEGORIE 1 : CAS LACONIQUES & PATHOLOGIES VITALES (Le verrou "Évanoui")
|
| 19 |
+
# =====================================================================
|
| 20 |
+
["évanoui", "MÉDICAL", 4, 1, 0, "MANQUE_LIEU"],
|
| 21 |
+
["Il s'est évanoui devant moi, il ne bouge plus.", "MÉDICAL", 4, 1, 0, "MANQUE_LIEU"],
|
| 22 |
+
["Inconscient", "MÉDICAL", 4, 1, 0, "MANQUE_LIEU"],
|
| 23 |
+
["Inconsciente au sol", "MÉDICAL", 4, 1, 0, "MANQUE_LIEU"],
|
| 24 |
+
["Arrêt cardiaque", "MÉDICAL", 4, 1, 0, "MANQUE_LIEU"],
|
| 25 |
+
["Ne respire plus", "MÉDICAL", 4, 1, 0, "MANQUE_LIEU"],
|
| 26 |
+
["Inanimé", "MÉDICAL", 4, 1, 0, "MANQUE_LIEU"],
|
| 27 |
+
["AVC suspecté, elle a la bouche de travers", "MÉDICAL", 4, 1, 0, "MANQUE_LIEU"],
|
| 28 |
+
["Infarctus", "MÉDICAL", 4, 1, 0, "MANQUE_LIEU"],
|
| 29 |
+
["Coma", "MÉDICAL", 4, 1, 0, "MANQUE_LIEU"],
|
| 30 |
+
|
| 31 |
+
# =====================================================================
|
| 32 |
+
# CATEGORIE 2 : VARIATIONS DE PERSONAS (Panique, Sourd, Agressif)
|
| 33 |
+
# =====================================================================
|
| 34 |
+
# Persona : Paniqué (Phrases destructurées, cris)
|
| 35 |
+
["AAAAH AU SECOURS Y A DU SANG PARTOUT VITE VITE VITE", "MÉDICAL", 4, 1, 0, "MANQUE_CONTEXTE"],
|
| 36 |
+
["OH MON DIEU LE FEU BRULE TOUT À L'AIDE", "POMPIER", 4, 2, 0, "MANQUE_LIEU"],
|
| 37 |
+
# Persona : Agressif / Frustré (Insultes ou refus initial de coopérer)
|
| 38 |
+
["Bouge ton cul l'IA, envoie les flics y a un mec avec un couteau !", "POLICE", 4, 1, 0, "MANQUE_LIEU"],
|
| 39 |
+
["Je m'en fous de tes questions de merde, mon pote saigne !", "MÉDICAL", 4, 1, 0, "MANQUE_LIEU"],
|
| 40 |
+
# Persona : Sourd / Télégraphique (Mots-clés bruts sans syntaxe)
|
| 41 |
+
["URGENCE ACCOUCHEMENT FEMME ADRESSE", "MÉDICAL", 4, 2, 0, "MANQUE_LIEU"],
|
| 42 |
+
["VOLEUR INTÉRIEUR MAISON MAISONS", "POLICE", 4, 1, 0, "MANQUE_LIEU"],
|
| 43 |
+
|
| 44 |
+
# =====================================================================
|
| 45 |
+
# CATEGORIE 3 : BYPASS ALPHA-SOUVERAIN (Cible = 4 / Élysée, Ministères)
|
| 46 |
+
# =====================================================================
|
| 47 |
+
["Le Président de la République vient de faire un malaise", "MÉDICAL", 4, 4, 4, "MANQUE_LIEU"],
|
| 48 |
+
["Attaque armée terroriste contre le convoi présidentiel", "POLICE", 4, 4, 4, "MANQUE_LIEU"],
|
| 49 |
+
["Intrusion de commandos suspectés au Palais de l'Élysée", "POLICE", 4, 4, 4, "MANQUE_CONTEXTE"],
|
| 50 |
+
["Incendie majeur criminel à l'Assemblée Nationale", "POMPIER", 4, 4, 4, "MANQUE_LIEU"],
|
| 51 |
+
["Le Premier Ministre est blessé par balle à la poitrine", "MÉDICAL", 4, 4, 4, "MANQUE_LIEU"],
|
| 52 |
+
["Cyberattaque par rançongiciel sur le réseau du Ministère des Armées", "CYBERSÉCURITÉ", 4, 4, 4, "MANQUE_LIEU"],
|
| 53 |
+
["Sabotage électrique total sur le Centre de Commandement de la Défense", "ÉNERGIE & INFRASTRUCTURES", 4, 4, 4, "MANQUE_CONTEXTE"],
|
| 54 |
+
|
| 55 |
+
# =====================================================================
|
| 56 |
+
# CATEGORIE 4 : FICTION, JEUX VIDÉOS & PIÈGES DE SÉMANTIQUE
|
| 57 |
+
# =====================================================================
|
| 58 |
+
["Il n'y a pas d'arme, c'est juste une dispute verbale", "POLICE", 2, 1, 0, "COMPLET"],
|
| 59 |
+
["Ce n'est pas urgent, je veux juste un renseignement administratif", "NON_URGENT", 1, 1, 0, "COMPLET"],
|
| 60 |
+
["Je regarde un film d'action où une bombe explose au centre commercial", "NON_URGENT", 1, 1, 0, "COMPLET"],
|
| 61 |
+
["Dans mon jeu vidéo GTA, le mec s'est pris une balle de sniper", "NON_URGENT", 1, 1, 0, "COMPLET"],
|
| 62 |
+
["Ma pizza est froide, c'est un scandale, je vais porter plainte !", "NON_URGENT", 1, 1, 0, "COMPLET"],
|
| 63 |
+
["C'est une blague, on rigolait entre potes y a rien en fait", "NON_URGENT", 1, 1, 0, "COMPLET"],
|
| 64 |
+
|
| 65 |
+
# =====================================================================
|
| 66 |
+
# CATEGORIE 5 : SCÉNARIOS LOGISTIQUES & RESTE DES DOMAINES DE LA MATRICE
|
| 67 |
+
# =====================================================================
|
| 68 |
+
["Inondation massive suite à une rupture de canalisation dans la rue", "POMPIER", 3, 2, 0, "MANQUE_LIEU"],
|
| 69 |
+
["Le serveur de base de données principal ne répond plus au ping", "CYBERSÉCURITÉ", 3, 2, 2, "MANQUE_CONTEXTE"],
|
| 70 |
+
["Toutes les rames de la ligne de métro sont immobilisées dans le tunnel", "TRANSPORT & MOBILITÉ", 3, 4, 2, "MANQUE_LIEU"],
|
| 71 |
+
["Une nappe de pollution chimique dévale le fleuve vers la ville", "RISQUES ENVIRONNEMENTAUX", 4, 4, 2, "MANQUE_LIEU"],
|
| 72 |
+
["Les feux de signalisation de tout le carrefour sont éteints", "SERVICES URBAINS", 2, 3, 0, "MANQUE_LIEU"],
|
| 73 |
+
["Une personne âgée est sans abri sous une chaleur de 40 degrés", "ASSISTANCE SOCIALE", 3, 1, 0, "MANQUE_LIEU"],
|
| 74 |
+
["Un chien agressif attaque les passants sur la place", "ANIMALIER", 2, 2, 0, "MANQUE_LIEU"],
|
| 75 |
+
["Un ennemi armé est sur la route, il tire sur les voitures","POLICE",4,2,0,"MANQUE_LIEU"],
|
| 76 |
+
["Le feu tricolore est en panne au carrefour, c'est dangereux","SERVICES URBAINS",2,2,0,"MANQUE_LIEU"],
|
| 77 |
+
["Un feu de circulation est tombé sur la chaussée","SERVICES URBAINS",2,1,0,"MANQUE_LIEU"],
|
| 78 |
+
["Attaque par virus informatique sur nos serveurs","CYBERSÉCURITÉ",4,3,2,"MANQUE_LIEU"],
|
| 79 |
+
["J'ai attrapé un virus et je crache du sang","MÉDICAL",4,1,0,"MANQUE_LIEU"],
|
| 80 |
+
["Fuite de données bancaires sur le réseau","CYBERSÉCURITÉ",4,4,2,"MANQUE_LIEU"],
|
| 81 |
+
["Fuite d'eau massive au milieu de la rue","SERVICES URBAINS,2,2,0,MANQUE_LIEU"],
|
| 82 |
+
["Fuite de gaz toxique près de l'usine Seveso","RISQUES ENVIRONNEMENTAUX",4,3,2,"MANQUE_LIEU"],
|
| 83 |
+
["Le réseau internet est complètement coupé au bureau","DIGITAL SUPPORT",2,2,0,"MANQUE_LIEU"],
|
| 84 |
+
["Le réseau d'assainissement refoule dans la rue","SERVICES URBAINS",2,2,0,"MANQUE_LIEU"],
|
| 85 |
+
["Des voleurs se sont échappés par la route nationale","POLICE",3,1,0,"MANQUE_LIEU"]
|
| 86 |
+
]
|
| 87 |
+
|
| 88 |
+
print("⚙️ Analyse de couverture sémantique...")
|
| 89 |
+
df_corrections = pd.DataFrame(corrections_manuelles,
|
| 90 |
+
columns=['texte', 'domaine', 'severite', 'impact', 'cible', 'friction'])
|
| 91 |
+
|
| 92 |
+
# Sauvegarde stricte dans l'espace d'audit
|
| 93 |
+
os.makedirs("../audit", exist_ok=True)
|
| 94 |
+
chemin_csv = "../audit/audit_corrections_expert.csv"
|
| 95 |
+
df_corrections.to_csv(chemin_csv, index=False)
|
| 96 |
+
|
| 97 |
+
print(f"✅ Fichier de corrections d'expert blindé : {chemin_csv}")
|
| 98 |
+
print(f"📊 {len(df_corrections)} vecteurs critiques gravés dans le marbre mathématique.")
|
| 99 |
+
print("👉 Prêt pour l'injection et la fusion lors de la phase de réentraînement.")
|
| 100 |
+
|
| 101 |
+
if __name__ == "__main__":
|
| 102 |
+
generer_corrections_audit()
|
executives/nexus_config.py
ADDED
|
@@ -0,0 +1,15 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
# executives/nexus_config.py
|
| 2 |
+
import os
|
| 3 |
+
|
| 4 |
+
# Chemins des bases de données et modèles ML
|
| 5 |
+
DB_PATH = "../nexus_bionexus.db"
|
| 6 |
+
|
| 7 |
+
# Ton modèle Kaggle
|
| 8 |
+
MODEL_UNIFIED_PATH = "../pickle_result/nexus_modele_final_V35.pkl"
|
| 9 |
+
|
| 10 |
+
# Configurations des Modèles LLM (Ollama Local & Cloud)
|
| 11 |
+
MODEL_EVALUATOR = "qwen2.5:14b"
|
| 12 |
+
MODEL_LOCAL = "gemma4:e4b" # Modèle local unique pour le failover
|
| 13 |
+
MODEL_CLOUD = "llama-3.3-70b-versatile"
|
| 14 |
+
|
| 15 |
+
CONFIDENCE_THRESHOLD = 0.50
|
executives/nexus_core.py
ADDED
|
@@ -0,0 +1,30 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
# nexus_core.py
|
| 2 |
+
import torch
|
| 3 |
+
from sklearn.base import BaseEstimator, TransformerMixin
|
| 4 |
+
from sentence_transformers import SentenceTransformer
|
| 5 |
+
|
| 6 |
+
class TextEncoder(BaseEstimator, TransformerMixin):
|
| 7 |
+
def __init__(self, model_name='paraphrase-multilingual-mpnet-base-v2'):
|
| 8 |
+
self.model_name = model_name
|
| 9 |
+
self._encoder = None
|
| 10 |
+
|
| 11 |
+
def fit(self, X, y=None):
|
| 12 |
+
self._get_encoder()
|
| 13 |
+
return self
|
| 14 |
+
|
| 15 |
+
def transform(self, X):
|
| 16 |
+
encoder = self._get_encoder()
|
| 17 |
+
return encoder.encode(list(X), show_progress_bar=False, batch_size=64)
|
| 18 |
+
|
| 19 |
+
def _get_encoder(self):
|
| 20 |
+
if not hasattr(self, '_encoder') or self._encoder is None:
|
| 21 |
+
# Détection automatique et allocation sur la puce NVIDIA L4
|
| 22 |
+
device = "cuda" if torch.cuda.is_available() else "cpu"
|
| 23 |
+
print(f"⚙️ Allocation de l'encodeur sémantique sur le périphérique : {device.upper()}")
|
| 24 |
+
self._encoder = SentenceTransformer(self.model_name, device=device)
|
| 25 |
+
return self._encoder
|
| 26 |
+
|
| 27 |
+
def __getstate__(self):
|
| 28 |
+
state = self.__dict__.copy()
|
| 29 |
+
state['_encoder'] = None
|
| 30 |
+
return state
|
executives/nexus_data_mutator.py
ADDED
|
@@ -0,0 +1,72 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
# executives/nexus_data_mutator.py
|
| 2 |
+
import os
|
| 3 |
+
import pandas as pd
|
| 4 |
+
import random
|
| 5 |
+
import re
|
| 6 |
+
import warnings
|
| 7 |
+
|
| 8 |
+
warnings.filterwarnings("ignore")
|
| 9 |
+
|
| 10 |
+
DIR_DATA = "../datasets/"
|
| 11 |
+
FICHIERS_SOURCES = [
|
| 12 |
+
os.path.join(DIR_DATA, "nexus_dataset_v33_premium.csv"),
|
| 13 |
+
os.path.join(DIR_DATA, "nexus_dataset_v34_hardcore.csv"),
|
| 14 |
+
os.path.join(DIR_DATA, "nexus_qwen_parsed.csv"),
|
| 15 |
+
"../audit/audit_corrections_expert.csv"
|
| 16 |
+
]
|
| 17 |
+
OUTPUT_COMBAT = os.path.join(DIR_DATA, "nexus_dataset_v36_combat.csv")
|
| 18 |
+
|
| 19 |
+
def degrader_syntaxe(texte):
|
| 20 |
+
texte = str(texte)
|
| 21 |
+
mots = texte.split()
|
| 22 |
+
if not mots: return texte
|
| 23 |
+
|
| 24 |
+
rand = random.random()
|
| 25 |
+
if rand < 0.2:
|
| 26 |
+
mots_longs = [m for m in mots if len(m) > 4]
|
| 27 |
+
return " ".join(random.sample(mots_longs, min(len(mots_longs), 3))) if mots_longs else texte
|
| 28 |
+
elif rand < 0.4:
|
| 29 |
+
return texte.upper().replace(".", " !!!") + " VITE"
|
| 30 |
+
elif rand < 0.6:
|
| 31 |
+
return re.sub(r'\b(je|tu|il|elle|le|la|les|un|une|des|est|a)\b', '', texte, flags=re.IGNORECASE).strip()
|
| 32 |
+
return texte
|
| 33 |
+
|
| 34 |
+
def executer_mutation():
|
| 35 |
+
print("==================================================")
|
| 36 |
+
print("🧬 ÉTAPE 2/3 : PIPELINE DE MUTATION DU DATASET V36")
|
| 37 |
+
print("==================================================\n")
|
| 38 |
+
|
| 39 |
+
dataframes = []
|
| 40 |
+
for f in FICHIERS_SOURCES:
|
| 41 |
+
if os.path.exists(f):
|
| 42 |
+
dataframes.append(pd.read_csv(f, on_bad_lines='skip'))
|
| 43 |
+
print(f"📥 Concaténation de : {f}")
|
| 44 |
+
|
| 45 |
+
if not dataframes:
|
| 46 |
+
print("❌ ERREUR DIRECTE : Aucun fichier source disponible.")
|
| 47 |
+
return
|
| 48 |
+
|
| 49 |
+
df_master = pd.concat(dataframes, ignore_index=True).dropna(subset=['texte', 'domaine'])
|
| 50 |
+
|
| 51 |
+
# Identification des 5 domaines critiques à suréchantillonner
|
| 52 |
+
domaines_faibles = ["CYBERSÉCURITÉ", "SERVICES URBAINS", "TRANSPORT & MOBILITÉ", "RISQUES ENVIRONNEMENTAUX", "ASSISTANCE SOCIALE"]
|
| 53 |
+
df_prioritaire = df_master[df_master['domaine'].isin(domaines_faibles)]
|
| 54 |
+
|
| 55 |
+
lignes_mutees = []
|
| 56 |
+
print(f"⚙️ Génération du stress sémantique (Facteur x10) sur {len(df_prioritaire)} patterns...")
|
| 57 |
+
for _, row in df_prioritaire.iterrows():
|
| 58 |
+
for _ in range(10):
|
| 59 |
+
nouvelle_ligne = row.copy()
|
| 60 |
+
nouvelle_ligne['texte'] = degrader_syntaxe(row['texte'])
|
| 61 |
+
if len(str(nouvelle_ligne['texte']).split()) <= 3:
|
| 62 |
+
nouvelle_ligne['friction'] = "MANQUE_LIEU"
|
| 63 |
+
lignes_mutees.append(nouvelle_ligne)
|
| 64 |
+
|
| 65 |
+
df_final = pd.concat([df_master, pd.DataFrame(lignes_mutees)], ignore_index=True)
|
| 66 |
+
df_final.drop_duplicates(subset=['texte'], inplace=True)
|
| 67 |
+
|
| 68 |
+
df_final.to_csv(OUTPUT_COMBAT, index=False)
|
| 69 |
+
print(f"\n✅ COMBAT DATASET COMPILÉ : {len(df_final)} vecteurs enregistrés -> {OUTPUT_COMBAT}")
|
| 70 |
+
|
| 71 |
+
if __name__ == "__main__":
|
| 72 |
+
executer_mutation()
|
executives/nexus_etl_master.py
ADDED
|
@@ -0,0 +1,246 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
# executives/nexus_etl_master.py
|
| 2 |
+
import os
|
| 3 |
+
import pandas as pd
|
| 4 |
+
import json
|
| 5 |
+
import re
|
| 6 |
+
import asyncio
|
| 7 |
+
import csv
|
| 8 |
+
from ollama import AsyncClient
|
| 9 |
+
import warnings
|
| 10 |
+
|
| 11 |
+
warnings.filterwarnings("ignore")
|
| 12 |
+
|
| 13 |
+
DIR_DATA = "../datasets/"
|
| 14 |
+
OUTPUT_COMBAT = os.path.join(DIR_DATA, "nexus_dataset_v36_combat.csv")
|
| 15 |
+
MODEL_LOCAL = "qwen2.5:14b"
|
| 16 |
+
|
| 17 |
+
# --- LISTES DES FICHIERS INTERNES FRANÇAIS (PHASE A) ---
|
| 18 |
+
TICKETS_INTERNES = [
|
| 19 |
+
"dataset_tickets_acces.csv", "dataset_tickets_acceslogin.csv",
|
| 20 |
+
"dataset_tickets_Infra.csv", "dataset_tickets_Materiel.csv",
|
| 21 |
+
"dataset_tickets_medical.csv", "dataset_tickets_PoliceNationale.csv",
|
| 22 |
+
"dataset_tickets_pompiers.csv", "nexus_renfort_15000_complet.csv",
|
| 23 |
+
"nexus_urgences_priorises.csv", "nexus_stress_test_15000.csv",
|
| 24 |
+
"nexus_dataset_v33_premium.csv", "nexus_dataset_v34_hardcore.csv"
|
| 25 |
+
]
|
| 26 |
+
|
| 27 |
+
# --- SOURCES EXTERNES AVEC TRADUCTION / INFÉRENCE LLM (PHASE B) ---
|
| 28 |
+
FICHIERS_LLM = {
|
| 29 |
+
"CYBERSÉCURITÉ": "Attack_Dataset.csv",
|
| 30 |
+
"TRANSPORT & MOBILITÉ": "MTA_Customer_Feedback_Data__2014-2019.csv",
|
| 31 |
+
"SERVICES URBAINS": "dans-ma-rue.csv",
|
| 32 |
+
"SERVICES URBAINS_MTL": "requetes311 (2).csv",
|
| 33 |
+
"RISQUES ENVIRONNEMENTAUX": "ARIA.csv",
|
| 34 |
+
"DIGITAL SUPPORT": "Bitext_Sample_Customer_Support_Training_Dataset_27K_responses-v11.csv"
|
| 35 |
+
}
|
| 36 |
+
|
| 37 |
+
# --- NOMENCLATURE DES 11 DOMAINES OFFICIELS ---
|
| 38 |
+
DOMAINES_OFFICIELS = [
|
| 39 |
+
"MÉDICAL", "ANIMALIER", "POLICE", "POMPIER", "RISQUES ENVIRONNEMENTAUX",
|
| 40 |
+
"CYBERSÉCURITÉ", "ÉNERGIE & INFRASTRUCTURES", "TRANSPORT & MOBILITÉ",
|
| 41 |
+
"SERVICES URBAINS", "ASSISTANCE SOCIALE", "DIGITAL SUPPORT"
|
| 42 |
+
]
|
| 43 |
+
|
| 44 |
+
# --- REDRESSEUR SÉMANTIQUE DE SÉCURITÉ PAR MOTS ENTIERS ---
|
| 45 |
+
def assainir_ticket_heuristique(texte, domaine_actuel):
|
| 46 |
+
"""Filtre chirurgical basé sur des expressions régulières pour éviter les faux positifs."""
|
| 47 |
+
texte_lower = str(texte).lower()
|
| 48 |
+
|
| 49 |
+
# 1. Armes et agressions (Mots entiers uniquement via \b)
|
| 50 |
+
mots_police = ['ennemi', 'tir', 'tirs', 'arme', 'armes', 'couteau', 'agression', 'braquage', 'voleur', 'suspect', 'terroriste', 'agressé']
|
| 51 |
+
pattern_police = re.compile(r'\b(' + '|'.join(mots_police) + r')\b')
|
| 52 |
+
if pattern_police.search(texte_lower):
|
| 53 |
+
if domaine_actuel in ['POMPIER', 'SERVICES URBAINS', 'TRANSPORT & MOBILITÉ']:
|
| 54 |
+
if any(t in texte_lower for t in ['métro', 'metro', 'rame', 'bus', 'train']) and not any(a in texte_lower for a in ['arme', 'couteau', 'agression', 'tir']):
|
| 55 |
+
return 'TRANSPORT & MOBILITÉ'
|
| 56 |
+
return 'POLICE'
|
| 57 |
+
|
| 58 |
+
# 2. Les rats, nuisibles et déchets (Mots entiers)
|
| 59 |
+
mots_infestation = ['rats', 'rat', 'poubelles', 'poubelle', 'déchets', 'dechets', 'encombrants', 'punaises', 'souris', 'égout', 'egout']
|
| 60 |
+
pattern_urbain = re.compile(r'\b(' + '|'.join(mots_infestation) + r')\b')
|
| 61 |
+
if pattern_urbain.search(texte_lower) and domaine_actuel == 'DIGITAL SUPPORT':
|
| 62 |
+
return 'SERVICES URBAINS'
|
| 63 |
+
|
| 64 |
+
# 3. Les feux tricolores ou de circulation (Mots entiers)
|
| 65 |
+
if 'feu' in texte_lower:
|
| 66 |
+
mots_feux = ['tricolore', 'circulation', 'carrefour', 'chaussée', 'chaussee']
|
| 67 |
+
pattern_feux = re.compile(r'\b(' + '|'.join(mots_feux) + r')\b')
|
| 68 |
+
if pattern_feux.search(texte_lower) and domaine_actuel == 'POMPIER':
|
| 69 |
+
return 'SERVICES URBAINS'
|
| 70 |
+
|
| 71 |
+
# 4. Réalignement des pannes informatiques pures égarées (Mots entiers)
|
| 72 |
+
mots_it = ['serveur', 'vpn', 'identifiants', 'outlook', 'imprimante', 'ip', 'compte bloqué', 'password']
|
| 73 |
+
pattern_it = re.compile(r'\b(' + '|'.join(mots_it) + r')\b')
|
| 74 |
+
if pattern_it.search(texte_lower) and domaine_actuel in ['SERVICES URBAINS', 'TRANSPORT & MOBILITÉ']:
|
| 75 |
+
return 'DIGITAL SUPPORT'
|
| 76 |
+
|
| 77 |
+
return domaine_actuel
|
| 78 |
+
|
| 79 |
+
# --- MOTEUR GÉNÉRATIF QWEN ---
|
| 80 |
+
async def prompt_qwen(client, contexte, domaine):
|
| 81 |
+
domaine_cible = domaine.split('_')[0]
|
| 82 |
+
regles_specifiques = ""
|
| 83 |
+
|
| 84 |
+
if domaine_cible == "RISQUES ENVIRONNEMENTAUX":
|
| 85 |
+
regles_specifiques = """
|
| 86 |
+
CONSIGNE STRICTE RISQUES ENVIRONNEMENTAUX :
|
| 87 |
+
- BANNE les mots simples comme 'incendie', 'feu', 'brûle', 'explosion' si c'est pour un bâtiment classique.
|
| 88 |
+
- FOCUS EXCLUSIVEMENT sur l'aspect éco-toxique : nuage chimique, fuite d'acide, contamination de nappe phréatique, pollution de rivière, retombées de soufre, usine classée SEVESO, fûts toxiques abandonnés.
|
| 89 |
+
- L'appelant doit s'inquiéter de l'air, de l'eau, de la toxicité ou de la contamination à grande échelle.
|
| 90 |
+
"""
|
| 91 |
+
elif domaine_cible == "CYBERSÉCURITÉ":
|
| 92 |
+
regles_specifiques = "- FOCUS sur l'indisponibilité, le rançongiciel (ransomware), le vol de données, l'écran bloqué, le piratage réseau."
|
| 93 |
+
elif domaine_cible == "SERVICES URBAINS":
|
| 94 |
+
regles_specifiques = "- FOCUS sur la voirie, les nids-de-poule, l'éclairage public en panne, les égouts bouchés, la propreté, les objets abandonnés sur le trottoir. Invente un contexte d'urgence autour de la catégorie fournie."
|
| 95 |
+
elif domaine_cible == "TRANSPORT & MOBILITÉ":
|
| 96 |
+
regles_specifiques = "- FOCUS sur les métros bloqués, les rames en panne, les problèmes d'aiguillage, les bus en surchauffe, les retards massifs de trains. L'appelant doit exprimer sa frustration d'être bloqué dans un transport en commun en panne."
|
| 97 |
+
|
| 98 |
+
sys_prompt = f"""Tu es une VICTIME ou un CITOYEN en état de stress intense face à une crisis ou un problème grave.
|
| 99 |
+
Transforme le log ou la catégorie brute fournie en une phrase d'appel à l'aide ou de plainte téléphonique en FRANÇAIS.
|
| 100 |
+
|
| 101 |
+
RÈGLES DE POSTURE (STRICTES) :
|
| 102 |
+
1. Parle en FRANÇAIS, à la première personne (Je, Nous). Tu subis la situation.
|
| 103 |
+
2. Langage direct, paniqué, fâché ou laconique. Supprime TOUTE politesse.
|
| 104 |
+
{regles_specifiques}
|
| 105 |
+
|
| 106 |
+
RÈGLES D'ÉVALUATION MATRICIELLE DYNAMIQUE :
|
| 107 |
+
- "severite" : 1 (Gêne) / 2 (Panne normale) / 3 (Grave/Blessés) / 4 (Urgence absolue / Danger de mort / Impact d'État).
|
| 108 |
+
- "impact" : 1 (Individuel) / 2 (Bâtiment/Local) / 3 (Quartier/Réseau d'infrastructure) / 4 (Échelle nationale/Population).
|
| 109 |
+
- "cible" : 0 (Citoyen/Employé standard) / 2 (Infrastructure critique, OIV, Hôpital, Usine Seveso) / 4 (Organe Souverain, Organe de l'État, Élysée, Ministre).
|
| 110 |
+
- "friction" : "MANQUE_LIEU" (si aucune adresse/ville n'est citée), "MANQUE_CONTEXTE" (si la nature du péril est floue) ou "COMPLET".
|
| 111 |
+
|
| 112 |
+
Domaine imposé : {domaine_cible}.
|
| 113 |
+
Tu devez générer un JSON STRICT. Aucun texte avant ou après.
|
| 114 |
+
Format attendu :
|
| 115 |
+
{{"texte": "la phrase d'urgence générée...", "domaine": "{domaine_cible}", "severite": entier_dynamique, "impact": entier_dynamique, "cible": entier_dynamique, "friction": "valeur"}}"""
|
| 116 |
+
|
| 117 |
+
try:
|
| 118 |
+
response = await client.chat(
|
| 119 |
+
model=MODEL_LOCAL,
|
| 120 |
+
messages=[{'role': 'system', 'content': sys_prompt}, {'role': 'user', 'content': contexte}],
|
| 121 |
+
options={'temperature': 0.75, 'num_predict': 150}
|
| 122 |
+
)
|
| 123 |
+
content = re.sub(r'```json\s*|```', '', response['message']['content'].strip())
|
| 124 |
+
data = json.loads(content)
|
| 125 |
+
data['domaine'] = domaine_cible.upper()
|
| 126 |
+
return data
|
| 127 |
+
except:
|
| 128 |
+
return None
|
| 129 |
+
|
| 130 |
+
# --- PROGRAMME PRINCIPAL DE L'USINE ---
|
| 131 |
+
async def executer_usine_donnees():
|
| 132 |
+
print("==================================================")
|
| 133 |
+
print("🏭 NEXUS ETL MASTER - PIPELINE D'ALIGNEMENT SOUVERAIN V36")
|
| 134 |
+
print("==================================================\n")
|
| 135 |
+
|
| 136 |
+
lignes_globales = []
|
| 137 |
+
client = AsyncClient()
|
| 138 |
+
|
| 139 |
+
print("⚡ PHASE A : Ingestion et normalisation algorithmique des tickets...")
|
| 140 |
+
for fichier in TICKETS_INTERNES:
|
| 141 |
+
chemin = os.path.join(DIR_DATA, fichier)
|
| 142 |
+
if not os.path.exists(chemin): continue
|
| 143 |
+
try:
|
| 144 |
+
df = pd.read_csv(chemin, on_bad_lines='skip', encoding='utf-8')
|
| 145 |
+
df_clean = pd.DataFrame()
|
| 146 |
+
|
| 147 |
+
df_clean['texte'] = df.get('texte', df.get('Demande', df.get('demande', '')))
|
| 148 |
+
df_clean['domaine'] = df.get('domaine', df.get('Domaine', df.get('label', ''))).astype(str).str.upper().str.strip()
|
| 149 |
+
|
| 150 |
+
df_clean['domaine'] = df_clean['domaine'].replace({
|
| 151 |
+
'INCENDIE': 'POMPIER', 'SECOURS À PERSONNE (VSAV)': 'POMPIER', 'OPÉRATIONS DIVERSES': 'POMPIER',
|
| 152 |
+
'POLICE SECOURS (CRIMES & DÉLITS)': 'POLICE', 'ORDRE PUBLIC & NUISANCES': 'POLICE',
|
| 153 |
+
'SÉCURITÉ ROUTIÈRE & CIRCULATION': 'POLICE', 'TRAUMATOLOGIE & BLESSURES': 'MÉDICAL',
|
| 154 |
+
'URGENCE VITALE ABSOLUE (SMUR)': 'MÉDICAL', 'PSYCHIATRIE & DÉTRESSE': 'MÉDICAL',
|
| 155 |
+
'ACCÈS DISTANT & VPN': 'ACCÈS', 'GESTION DES COMPTES & DROITS': 'ACCÈS',
|
| 156 |
+
'INFRA - SERVEURS & DATACENTER': 'INFRASTRUCTURES', 'MATÉRIEL - BUREAUTIQUE & IT': 'MATÉRIEL',
|
| 157 |
+
'SERVICES GÉNÉRAUX - PLOMBERIE': 'SERVICES URBAINS', 'SERVICES GÉNÉRAUX - MOBILIER': 'SERVICES URBAINS',
|
| 158 |
+
'FLOTTE & MOBILITÉ': 'TRANSPORT & MOBILITÉ', 'ACCÈS': 'ACCÈS', 'INFRASTRUCTURES': 'ÉNERGIE & INFRASTRUCTURES',
|
| 159 |
+
'MATÉRIEL': 'DIGITAL SUPPORT'
|
| 160 |
+
})
|
| 161 |
+
|
| 162 |
+
df_clean = df_clean.dropna(subset=['texte', 'domaine'])
|
| 163 |
+
df_clean['domaine'] = df_clean.apply(lambda r: assainir_ticket_heuristique(r['texte'], r['domaine']), axis=1)
|
| 164 |
+
df_clean = df_clean[df_clean['domaine'].isin(DOMAINES_OFFICIELS)]
|
| 165 |
+
|
| 166 |
+
if len(df_clean) > 0:
|
| 167 |
+
df_clean['severite'] = df_clean['texte'].apply(lambda x: 4 if any(w in str(x).lower() for w in ['sang', 'feu', 'mort', 'vite', 'urgence']) else 2)
|
| 168 |
+
df_clean['impact'] = 1
|
| 169 |
+
df_clean['cible'] = 0
|
| 170 |
+
df_clean['friction'] = df_clean['texte'].apply(lambda x: "COMPLET" if len(str(x).split()) > 10 else "MANQUE_LIEU")
|
| 171 |
+
lignes_globales.extend(df_clean.to_dict('records'))
|
| 172 |
+
print(f" ✅ + {len(df_clean)} lignes extraites et mappées depuis {fichier}")
|
| 173 |
+
except Exception as e:
|
| 174 |
+
print(f" ❌ Erreur d'ingestion sur {fichier}: {e}")
|
| 175 |
+
|
| 176 |
+
print("\n🧠 PHASE B : Traduction et Évaluation Dynamique par Qwen 14B...")
|
| 177 |
+
for domaine_cle, fichier in FICHIERS_LLM.items():
|
| 178 |
+
chemin = os.path.join(DIR_DATA, fichier)
|
| 179 |
+
if not os.path.exists(chemin): continue
|
| 180 |
+
|
| 181 |
+
print(f"\n ⚙️ Parsing de {fichier} vers {domaine_cle.split('_')[0]}...")
|
| 182 |
+
try:
|
| 183 |
+
sep_char = ',' if fichier in ['Attack_Dataset.csv', 'ARIA.csv', 'requetes311 (2).csv', 'dans-ma-rue.csv'] else ';'
|
| 184 |
+
df = pd.read_csv(chemin, nrows=150, on_bad_lines='skip', sep=sep_char, engine='python', encoding='utf-8', quotechar='"')
|
| 185 |
+
except Exception as e:
|
| 186 |
+
try:
|
| 187 |
+
df = pd.read_csv(chemin, nrows=150, on_bad_lines='skip', sep=sep_char, engine='python', encoding='latin-1', quotechar='"')
|
| 188 |
+
except Exception as inner_e:
|
| 189 |
+
print(f" ❌ Erreur Fatale de lecture sur {fichier} : {inner_e}")
|
| 190 |
+
continue
|
| 191 |
+
|
| 192 |
+
total_lignes = len(df)
|
| 193 |
+
for index, (_, row) in enumerate(df.iterrows(), 1):
|
| 194 |
+
if fichier == 'requetes311 (2).csv': ctx = f"Catégorie: {row.get('ACTI_NOM','')}"
|
| 195 |
+
elif fichier == 'Attack_Dataset.csv': ctx = f"Title: {row.get('Title','')} | Scenario: {row.get('Scenario Description','')}"
|
| 196 |
+
elif fichier == 'ARIA.csv': ctx = f"Titre: {row.get('Titre','')} | Contenu: {row.get('Contenu','')}"
|
| 197 |
+
elif fichier == 'dans-ma-rue.csv': ctx = f"Type: {row.get('TYPE DECLARATION','')} | Sous-Type: {row.get('SOUS TYPE DECLARATION','')} | Adresse: {row.get('ADRESSE','')}"
|
| 198 |
+
elif fichier == 'MTA_Customer_Feedback_Data__2014-2019.csv': ctx = f"Agency: {row.get('Agency','')} | Subject: {row.get('Subject Matter','')} | Detail: {row.get('Subject Detail','')}"
|
| 199 |
+
else: ctx = f"Instruction: {row.get('instruction','')} | Category: {row.get('category','')}"
|
| 200 |
+
|
| 201 |
+
data = await prompt_qwen(client, ctx, domaine_cle)
|
| 202 |
+
if data:
|
| 203 |
+
data['domaine'] = assainir_ticket_heuristique(data['texte'], data['domaine'])
|
| 204 |
+
lignes_globales.append(data)
|
| 205 |
+
score_str = f"[S:{data.get('severite')} I:{data.get('impact')} C:{data.get('cible')}]"
|
| 206 |
+
apercu = str(data.get('texte', ''))[:60].replace('\n', ' ')
|
| 207 |
+
print(f" ↳ [{index}/{total_lignes}] {score_str} [{data['domaine']}] {apercu}...", flush=True)
|
| 208 |
+
|
| 209 |
+
print("\n⚖️ PHASE C : Équilibrage Statistique Final...")
|
| 210 |
+
df_master = pd.DataFrame(lignes_globales)
|
| 211 |
+
vol_init = len(df_master)
|
| 212 |
+
df_master.drop_duplicates(subset=['texte'], inplace=True)
|
| 213 |
+
print(f" 🗑️ Purge des répétitions : {vol_init - len(df_master)} doublons supprimés.")
|
| 214 |
+
|
| 215 |
+
df_master = df_master[df_master['domaine'].isin(DOMAINES_OFFICIELS)]
|
| 216 |
+
|
| 217 |
+
# FIX CHIRURGICAL : Pointage absolu sur le répertoire réel de l'audit expert
|
| 218 |
+
chemin_audit = "../audit/audit_corrections_expert.csv"
|
| 219 |
+
if os.path.exists(chemin_audit):
|
| 220 |
+
df_audit = pd.read_csv(chemin_audit).dropna(subset=['texte', 'domaine'])
|
| 221 |
+
df_audit['domaine'] = df_audit['domaine'].str.upper().str.strip()
|
| 222 |
+
df_master = pd.concat([df_master] + [df_audit] * 100, ignore_index=True)
|
| 223 |
+
print(f" 💉 Injection de l'audit expert HABILITÉ (Poids multiplié par 100).")
|
| 224 |
+
else:
|
| 225 |
+
print(f" ⚠️ ATTENTION : Fichier d'audit expert introuvable à {chemin_audit}. Relancement critique requis.")
|
| 226 |
+
|
| 227 |
+
SAMPLES_PER_CLASS = 1500
|
| 228 |
+
dfs_equilibres = []
|
| 229 |
+
|
| 230 |
+
for domaine in DOMAINES_OFFICIELS:
|
| 231 |
+
df_domaine = df_master[df_master['domaine'] == domaine]
|
| 232 |
+
if len(df_domaine) == 0: continue
|
| 233 |
+
if len(df_domaine) < SAMPLES_PER_CLASS:
|
| 234 |
+
df_domaine = df_domaine.sample(n=SAMPLES_PER_CLASS, replace=True)
|
| 235 |
+
else:
|
| 236 |
+
df_domaine = df_domaine.sample(n=SAMPLES_PER_CLASS, replace=False)
|
| 237 |
+
dfs_equilibres.append(df_domaine)
|
| 238 |
+
|
| 239 |
+
df_final = pd.concat(dfs_equilibres, ignore_index=True)
|
| 240 |
+
df_final.to_csv(OUTPUT_COMBAT, index=False)
|
| 241 |
+
|
| 242 |
+
print(f"\n🎯 DATASET DE COMBAT V36 CONSOLIDÉ : {OUTPUT_COMBAT}")
|
| 243 |
+
print(f"📈 Volume final : {len(df_final)} lignes ({SAMPLES_PER_CLASS} lignes par domaine étatique).")
|
| 244 |
+
|
| 245 |
+
if __name__ == "__main__":
|
| 246 |
+
asyncio.run(executer_usine_donnees())
|
executives/nexus_inference.py
ADDED
|
@@ -0,0 +1,90 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
# executives/nexus_inference.py
|
| 2 |
+
import asyncio
|
| 3 |
+
import os
|
| 4 |
+
import sys
|
| 5 |
+
import warnings
|
| 6 |
+
from ollama import AsyncClient
|
| 7 |
+
|
| 8 |
+
# Désactivation des alertes de dépréciation
|
| 9 |
+
warnings.filterwarnings("ignore")
|
| 10 |
+
|
| 11 |
+
# Ajustement du chemin pour importer les modules locaux sans conflit
|
| 12 |
+
sys.path.append(os.path.dirname(os.path.abspath(__file__)))
|
| 13 |
+
|
| 14 |
+
try:
|
| 15 |
+
from nexus_qualification import QualificationEngine
|
| 16 |
+
import nexus_config
|
| 17 |
+
except ImportError as e:
|
| 18 |
+
print(f"❌ Erreur d'importation des modules Nexus : {e}")
|
| 19 |
+
sys.exit(1)
|
| 20 |
+
|
| 21 |
+
async def tester_inference_locale():
|
| 22 |
+
print("==================================================")
|
| 23 |
+
print("🔬 SOUVERAINETÉ LOCALE - BENCHMARK D'INFÉRENCE")
|
| 24 |
+
print("==================================================\n")
|
| 25 |
+
|
| 26 |
+
# 1. Initialisation du moteur de qualification Scikit-Learn
|
| 27 |
+
engine = QualificationEngine()
|
| 28 |
+
|
| 29 |
+
if engine.mode != "ML":
|
| 30 |
+
print("❌ ERREUR : Le modèle final V35 (.pkl) est introuvable. Fin du test.")
|
| 31 |
+
return
|
| 32 |
+
|
| 33 |
+
# 2. Initialisation du client Ollama local
|
| 34 |
+
client_ollama = AsyncClient()
|
| 35 |
+
model_local = nexus_config.MODEL_LOCAL
|
| 36 |
+
print(f"📡 Vérification de la liaison avec le daemon Ollama ({model_local})...")
|
| 37 |
+
|
| 38 |
+
try:
|
| 39 |
+
await client_ollama.chat(model=model_local, messages=[{'role': 'user', 'content': 'ping'}], options={'num_predict': 1})
|
| 40 |
+
print("✅ Liaison Ollama opérationnelle.\n")
|
| 41 |
+
except Exception as e:
|
| 42 |
+
print(f"⚠️ IMPOSSIBLE DE JOINDRE OLLAMA : {e}")
|
| 43 |
+
print("Le test se poursuivra uniquement sur la partie classification Scikit-Learn.\n")
|
| 44 |
+
client_ollama = None
|
| 45 |
+
|
| 46 |
+
# 3. Échantillons de crash-test sémantiques (Laconiques, Urgences, Souverains)
|
| 47 |
+
phrases_tests = [
|
| 48 |
+
"évanoui",
|
| 49 |
+
"Le Président de la République vient de faire un malaise à l'Élysée",
|
| 50 |
+
"Mon ami est en feu, il est à la gare de Lyon",
|
| 51 |
+
"J'ai la jambe cassée mais je ne sais pas où je suis",
|
| 52 |
+
"Attaque ransomware majeure sur le serveur central de l'hôpital"
|
| 53 |
+
]
|
| 54 |
+
|
| 55 |
+
print("🚀 ANALYSE DES FLUX EN TEMPS RÉEL :\n")
|
| 56 |
+
|
| 57 |
+
for i, texte in enumerate(phrases_tests, 1):
|
| 58 |
+
print(f"📝 [Test {i}] Entrée : \"{texte}\"")
|
| 59 |
+
|
| 60 |
+
# Inférence Scikit-Learn native
|
| 61 |
+
domaine, score, friction = engine.evaluer_ticket(texte)
|
| 62 |
+
print(f" ↳ 🎯 Domaine Prédit : {domaine}")
|
| 63 |
+
print(f" ↳ 🔢 Score Priorité : {score}/10")
|
| 64 |
+
print(f" ↳ ⚙️ Statut Friction : {friction}")
|
| 65 |
+
|
| 66 |
+
# Test de la boucle de relance LLM locale si Ollama est actif
|
| 67 |
+
if client_ollama and friction != "COMPLET":
|
| 68 |
+
print(" ↳ 🧠 Génération de la relance tactique (Ollama)...")
|
| 69 |
+
|
| 70 |
+
prompt_tactique = f"""Tu es NEXUS, un opérateur d'urgence rigide.
|
| 71 |
+
Domaine: {domaine} | Score: {score}/10 | Manque détecté: {friction}.
|
| 72 |
+
Dernier message de l'appelant: "{texte}".
|
| 73 |
+
Génère une relance de maximum 1 phrase chirurgicale pour obtenir ce qui manque (Lieu ou détails).
|
| 74 |
+
Réponse directe :"""
|
| 75 |
+
|
| 76 |
+
try:
|
| 77 |
+
response = await client_ollama.chat(
|
| 78 |
+
model=model_local,
|
| 79 |
+
messages=[{'role': 'user', 'content': prompt_tactique}],
|
| 80 |
+
options={'temperature': 0.0}
|
| 81 |
+
)
|
| 82 |
+
output = response['message']['content'].strip()
|
| 83 |
+
print(f" ↳ 🤖 Réponse NEXUS : {output}")
|
| 84 |
+
except Exception as e:
|
| 85 |
+
print(f" ↳ ❌ Échec de l'inférence Ollama : {e}")
|
| 86 |
+
|
| 87 |
+
print("-" * 60)
|
| 88 |
+
|
| 89 |
+
if __name__ == "__main__":
|
| 90 |
+
asyncio.run(tester_inference_locale())
|
executives/nexus_matrix.py
ADDED
|
@@ -0,0 +1,370 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
# executives/nexus_matrix.py
|
| 2 |
+
|
| 3 |
+
# =====================================================================
|
| 4 |
+
# 1. LES 10 DOMAINES COHÉRENTS DE NEXUS (Hyperviseur)
|
| 5 |
+
# =====================================================================
|
| 6 |
+
DOMAINES = [
|
| 7 |
+
"MÉDICAL",
|
| 8 |
+
"ANIMALIER",
|
| 9 |
+
"POLICE",
|
| 10 |
+
"POMPIER",
|
| 11 |
+
"RISQUES ENVIRONNEMENTAUX",
|
| 12 |
+
"CYBERSÉCURITÉ",
|
| 13 |
+
"ÉNERGIE & INFRASTRUCTURES",
|
| 14 |
+
"TRANSPORT & MOBILITÉ",
|
| 15 |
+
"SERVICES URBAINS",
|
| 16 |
+
"ASSISTANCE SOCIALE",
|
| 17 |
+
"DIGITAL SUPPORT"
|
| 18 |
+
]
|
| 19 |
+
|
| 20 |
+
# =====================================================================
|
| 21 |
+
# 2. PROFILS PSYCHOLOGIQUES (22 Personas)
|
| 22 |
+
# =====================================================================
|
| 23 |
+
PERSONAS = [
|
| 24 |
+
{"profil": "Novice paniqué", "instruction": "Tu es terrifié, tu parles de manière confuse, tu utilises des mots simples et tu cries presque."},
|
| 25 |
+
{"profil": "Expert technique", "instruction": "Tu es très calme. Tu utilises un vocabulaire précis (codes, termes médicaux ou juridiques). Tu vas droit au but."},
|
| 26 |
+
{"profil": "Personne âgée", "instruction": "Tu prends ton temps, tu racontes un peu ta vie avant de donner le problème exact. Tu es perdu avec les termes techniques."},
|
| 27 |
+
{"profil": "Passant pressé", "instruction": "Tu as vu un incident. Tu es pressé, tu donnes le minimum d'informations et tu veux raccrocher vite."},
|
| 28 |
+
{"profil": "Professionnel hors service", "instruction": "Tu es du métier (médecin, policier, ingénieur) mais hors service. Jargon précis mais forte implication émotionnelle."},
|
| 29 |
+
{"profil": "Enfant seul", "instruction": "Tu as entre 8 et 12 ans. Tu pleures un peu. Tu ne connais pas ton adresse exacte, mots d'enfant."},
|
| 30 |
+
{"profil": "Témoin choqué", "instruction": "Tu viens d'assister à un drame. Tu bégaies, tu as du mal à être chronologique, respiration saccadée."},
|
| 31 |
+
{"profil": "Non-francophone débrouillard", "instruction": "Tu parles français avec difficulté, fort accent. Tu répètes les mots qu'on te dit pour confirmer."},
|
| 32 |
+
{"profil": "Collègue pragmatique", "instruction": "Tu signales un incident au travail. Calme, factuel, tu donnes les numéros de salle et les procédures tentées."},
|
| 33 |
+
{"profil": "Personne malvoyante", "instruction": "Tu ne vois pas bien. Tu décris ce que tu entends et ressens. Tu ne peux pas lire de panneaux."},
|
| 34 |
+
{"profil": "Client en colère", "instruction": "Extrêmement frustré. Agressif verbalement, tu menaces de porter plainte ou d'appeler les médias."},
|
| 35 |
+
{"profil": "Adolescent désinvolte", "instruction": "Tu utilises de l'argot, tu sembles ne pas réaliser la gravité de la situation."},
|
| 36 |
+
{"profil": "Parent épuisé", "instruction": "Un enfant hurle en fond. À bout de nerfs, tu perds le fil de tes phrases, demande d'aide désespérée."},
|
| 37 |
+
{"profil": "Sarcastic/Blasé", "instruction": "Tu as déjà appelé 10 fois. Cynique, passif-agressif, commentaire sur l'inefficacité du service."},
|
| 38 |
+
{"profil": "Individu sous le choc (calme blanc)", "instruction": "Étrangement calme, déconnecté de la réalité. Phrases courtes, dénuées d'émotion, comme un automate."},
|
| 39 |
+
{"profil": "Cadre dirigeant pressé", "instruction": "Tu es un VIP (PDG, Maire). Tu exiges une résolution immédiate, tu fais du name-dropping."},
|
| 40 |
+
{"profil": "Employé maladroit", "instruction": "Tu as fait une grosse bêtise (renversé un café, supprimé une base). Tu es très gêné et tu t'excuses beaucoup."},
|
| 41 |
+
{"profil": "Hypocondriaque / Paranoïaque", "instruction": "Tu penses que la moindre toux est mortelle ou que le moindre bug est un piratage russe."},
|
| 42 |
+
{"profil": "Personne malentendante", "instruction": "Tu parles très fort, tu demandes souvent à l'opérateur de répéter, tu as du mal à comprendre les questions."},
|
| 43 |
+
{"profil": "Touriste perdu", "instruction": "Tu ne connais pas du tout la ville, tu essaies de décrire les monuments autour de toi pour te repérer."},
|
| 44 |
+
{"profil": "Femme enceinte anxieuse", "instruction": "Tu as très peur pour ton bébé, tu poses beaucoup de questions sur les délais d'intervention."},
|
| 45 |
+
{"profil": "Lanceur d'alerte", "instruction": "Tu parles très bas, tu as peur d'être écouté, tu donnes des informations très confidentielles rapidement."}
|
| 46 |
+
]
|
| 47 |
+
|
| 48 |
+
# =====================================================================
|
| 49 |
+
# 3. CONTRAINTES ENVIRONNEMENTALES (25 Contextes)
|
| 50 |
+
# =====================================================================
|
| 51 |
+
CONTRAINTES_ENVIRONNEMENT = [
|
| 52 |
+
"Bruit de circulation intense (camions, klaxons).",
|
| 53 |
+
"Mauvaise connexion réseau, la voix coupe toutes les 5 secondes.",
|
| 54 |
+
"Environnement parfaitement silencieux et confiné.",
|
| 55 |
+
"Dans les transports en commun bondés, on entend les annonces vocales en fond.",
|
| 56 |
+
"Tu es caché sous un bureau ou dans un placard, tu dois chuchoter.",
|
| 57 |
+
"Sous une pluie battante ou un orage, on entend le tonnerre et l'eau.",
|
| 58 |
+
"Dans un open-space très bruyant, des collègues rigolent juste à côté.",
|
| 59 |
+
"Signal intermittent depuis un ascenseur bloqué.",
|
| 60 |
+
"Depuis des toilettes publiques avec de l'écho.",
|
| 61 |
+
"En voiture (mains-libres), le bruit du vent et de la route est fort.",
|
| 62 |
+
"Batterie à 1%, appel précipité.",
|
| 63 |
+
"Mains occupées (compression d'une plaie, maintien d'une porte), essoufflement.",
|
| 64 |
+
"Un vent violent sature le micro du téléphone.",
|
| 65 |
+
"Dans un parking souterrain avec une forte résonance.",
|
| 66 |
+
"Musique très forte (boîte de nuit, festival, concert).",
|
| 67 |
+
"Tu cours à toute vitesse, respiration haletante et bruits de pas.",
|
| 68 |
+
"Sirènes hurlantes qui passent à proximité immédiate.",
|
| 69 |
+
"Dans le froid glacial, tu claques des dents et tu as du mal à articuler.",
|
| 70 |
+
"Dans un aéroport ou une gare avec des annonces micro incessantes.",
|
| 71 |
+
"Pendant qu'une alarme incendie stridente sonne en boucle au-dessus de toi.",
|
| 72 |
+
"Dans une usine avec de gros bruits de machines industrielles réguliers.",
|
| 73 |
+
"Appel via un vieux téléphone fixe grésillant.",
|
| 74 |
+
"Des chiens aboient très agressivement juste à côté de toi.",
|
| 75 |
+
"Dans un lieu très enfumé, tu tousses constamment.",
|
| 76 |
+
"Plusieurs personnes autour de toi paniquent et crient, tu as du mal à te concentrer."
|
| 77 |
+
]
|
| 78 |
+
|
| 79 |
+
# =====================================================================
|
| 80 |
+
# 4. SCÉNARIOS (Près de 300 situations détaillées sans doublons)
|
| 81 |
+
# =====================================================================
|
| 82 |
+
SCENARIOS = {
|
| 83 |
+
"MÉDICAL": [
|
| 84 |
+
"Infarctus du myocarde (douleur poitrine, bras gauche).",
|
| 85 |
+
"Chute dans les escaliers, suspicion de fracture ouverte à la jambe.",
|
| 86 |
+
"Choc anaphylactique après avoir mangé des cacahuètes.",
|
| 87 |
+
"Coupure profonde au doigt avec un couteau de cuisine.",
|
| 88 |
+
"Enfant de 3 ans qui a avalé de l'eau de javel.",
|
| 89 |
+
"Femme enceinte à 8 mois perdant les eaux dans un magasin.",
|
| 90 |
+
"Personne inconsciente sur un banc, respiration très faible.",
|
| 91 |
+
"Crise d'épilepsie dans la rue, la personne se cogne la tête.",
|
| 92 |
+
"Douleur thoracique chez un homme âgé sous anticoagulants.",
|
| 93 |
+
"Brûlure thermique grave (huile bouillante) sur le torse.",
|
| 94 |
+
"Tentative de suicide, la personne a avalé 3 boîtes de somnifères.",
|
| 95 |
+
"AVC suspecté : hémiplégie faciale et perte de la parole.",
|
| 96 |
+
"Nourrisson de 6 mois cyanosé (bleu) qui ne pleure plus.",
|
| 97 |
+
"Diabétique en hypoglycémie sévère, agressif et confus.",
|
| 98 |
+
"Étouffement total (fausse route) avec un morceau de viande.",
|
| 99 |
+
"Plaie par balle à l'abdomen suite à un accident de chasse.",
|
| 100 |
+
"Crise d'appendicite aiguë, douleur insupportable fosse iliaque droite.",
|
| 101 |
+
"Personne atteinte d'Alzheimer errant en pyjama sous la neige.",
|
| 102 |
+
"Traumatisme crânien suite à une chute de trottinette électrique.",
|
| 103 |
+
"Noyade évitée de justesse, la victime crache de l'eau mais respire mal.",
|
| 104 |
+
"Morsure de serpent vipère lors d'une randonnée, gonflement rapide.",
|
| 105 |
+
"Crise d'asthme sévère réfractaire à la Ventoline.",
|
| 106 |
+
"Morsure de chien errant, la cuisse est sévèrement lacérée.",
|
| 107 |
+
"Overdose suspectée au fentanyl, pupilles en myosis.",
|
| 108 |
+
"Hypothermie sévère après être tombé dans un lac gelé.",
|
| 109 |
+
"Accouchement imminent (la tête apparaît) dans un taxi.",
|
| 110 |
+
"Hémorragie massive post-partum à domicile.",
|
| 111 |
+
"Suspicion de méningite (raideur nuque, purpura fulminans).",
|
| 112 |
+
"Défenestration depuis le 2ème étage, la victime gémit au sol.",
|
| 113 |
+
"Projection de produit chimique corrosif dans les deux yeux.",
|
| 114 |
+
"Amputation accidentelle de la main avec une scie circulaire.",
|
| 115 |
+
"Malaise vagal à la vue du sang, perte de connaissance brève.",
|
| 116 |
+
"Insolation sévère, délire et peau brûlante sans sueur.",
|
| 117 |
+
"Choc électrique (électrisation) domestique en changeant une ampoule.",
|
| 118 |
+
"Réaction grave suite à de multiples piqûres de frelons asiatiques.",
|
| 119 |
+
"Hémorragie nasale (épistaxis) impossible à stopper depuis 45 min.",
|
| 120 |
+
"Écrasement d'un membre sous une charge lourde (syndrome des loges).",
|
| 121 |
+
"Asthme aigu grave d'un enfant qui commence à perdre connaissance.",
|
| 122 |
+
"Crise d'angoisse aiguë, hyperventilation sévère, tétanie des mains.",
|
| 123 |
+
"Plaie à l'arme blanche lors d'une bagarre de rue."
|
| 124 |
+
],
|
| 125 |
+
"POLICE": [
|
| 126 |
+
"Cambriolage en cours, deux individus sont dans le domicile.",
|
| 127 |
+
"Découverte du véhicule vandalisé au réveil.",
|
| 128 |
+
"Individu agressif armé d'un couteau devant une boulangerie.",
|
| 129 |
+
"Tapage nocturne persistant (musique et cris) chez le voisin du dessus.",
|
| 130 |
+
"Appel au secours étouffé provenant d'un coffre de voiture.",
|
| 131 |
+
"Homme suivant une jeune femme avec insistance depuis le métro.",
|
| 132 |
+
"Délit de fuite après un accident matériel de la circulation.",
|
| 133 |
+
"Rixe impliquant une vingtaine de personnes à la sortie d'un bar.",
|
| 134 |
+
"Découverte d'un enfant de 4 ans seul en pleurs au milieu d'une place.",
|
| 135 |
+
"Agression physique gratuite dans une rame de métro.",
|
| 136 |
+
"Rôdeurs encagoulés observant les maisons dans un quartier résidentiel.",
|
| 137 |
+
"Violence conjugale en direct, bruits de coups à travers la cloison.",
|
| 138 |
+
"Faux policiers tentant de s'introduire chez une personne âgée.",
|
| 139 |
+
"Flagrant délit de tag sur un monument historique.",
|
| 140 |
+
"Harcèlement et menaces de mort caractérisées par SMS.",
|
| 141 |
+
"Comportement suspect autour d'une aire de jeux pour enfants.",
|
| 142 |
+
"Vol à l'arraché d'un sac à main par deux individus à scooter.",
|
| 143 |
+
"Squatteurs forçant la porte d'un appartement inoccupé.",
|
| 144 |
+
"Chauffeur de bus menacé par des passagers refusant de payer.",
|
| 145 |
+
"Tentative de vol de voiture (carjacking) à un feu rouge.",
|
| 146 |
+
"Colis suspect abandonné dans le hall d'une préfecture.",
|
| 147 |
+
"Rodéo urbain (cross) mettant en danger les piétons.",
|
| 148 |
+
"Individu ivre mort dormant sur les voies du tramway.",
|
| 149 |
+
"Conducteur agressif sortant une batte de baseball après un accrochage.",
|
| 150 |
+
"Repérages photographiques d'une installation militaire sensible.",
|
| 151 |
+
"Braquage d'une pharmacie à main armée en cours.",
|
| 152 |
+
"Déséquilibré hurlant des propos incohérents avec une barre de fer.",
|
| 153 |
+
"Vitrine brisée (voiture-bélier) d'une bijouterie pendant la nuit.",
|
| 154 |
+
"Extorsion (racket) de collégiens à la sortie des cours.",
|
| 155 |
+
"Affrontement armé entre deux bandes rivales dans un parc.",
|
| 156 |
+
"Disparition inquiétante d'un mineur depuis plus de 24h.",
|
| 157 |
+
"Survol de drone interdit au-dessus d'une centrale nucléaire.",
|
| 158 |
+
"Tirs d'armes à feu entendus dans un quartier réputé calme.",
|
| 159 |
+
"Vol à l'étalage violent, le vigile est pris à partie.",
|
| 160 |
+
"Voisin tirant au plomb sur les chats du quartier."
|
| 161 |
+
],
|
| 162 |
+
"POMPIER": [
|
| 163 |
+
"Feu de friteuse propagé à la hotte aspirante.",
|
| 164 |
+
"Début de feu de forêt à proximité d'un camping.",
|
| 165 |
+
"Désincarcération nécessaire suite à un accident frontal.",
|
| 166 |
+
"Incendie d'un appartement au 3ème avec personnes au balcon.",
|
| 167 |
+
"Explosion de bouteille de gaz détruisant un pavillon.",
|
| 168 |
+
"Fuite de gaz de ville dans un hall d'immeuble, forte odeur.",
|
| 169 |
+
"Personne coincée dans un ascenseur bloqué entre deux étages.",
|
| 170 |
+
"Feu de véhicule électrique dans un parking souterrain fermé.",
|
| 171 |
+
"Effondrement d'un plancher vétuste dans un vieil immeuble.",
|
| 172 |
+
"Grange agricole totalement embrasée, menace la maison.",
|
| 173 |
+
"Feux de poubelles alignées le long d'une façade en bois.",
|
| 174 |
+
"Câble haute-tension tombé sur la voie publique après la tempête.",
|
| 175 |
+
"Dégagement de fumée noire depuis une bouche de métro.",
|
| 176 |
+
"Accident impliquant un camion-citerne (matières dangereuses).",
|
| 177 |
+
"Sauvetage d'un ouvrier bloqué sur la flèche d'une grue.",
|
| 178 |
+
"Feu de cheminée classique mais avec risque d'extension toiture.",
|
| 179 |
+
"Bateau de plaisance prenant l'eau à 100m de la côte.",
|
| 180 |
+
"Éboulement rocheux bloquant totalement une départementale.",
|
| 181 |
+
"Ouvrier enseveli dans une tranchée de chantier de voirie.",
|
| 182 |
+
"Alarme incendie généralisée dans un EHPAD (maison de retraite).",
|
| 183 |
+
"Inondation de sous-sol avec compteurs électriques sous l'eau.",
|
| 184 |
+
"Mélange toxique de produits d'entretien dans les cuisines d'un restaurant.",
|
| 185 |
+
"Cheval de 500kg embourbé dans un marais.",
|
| 186 |
+
"Échafaudage de 5 étages menaçant de s'effondrer sur les passants.",
|
| 187 |
+
"Feu de transformateur Enedis avec arcs électriques.",
|
| 188 |
+
"Personne suspendue dans le vide suite à une tentative de suicide ratée.",
|
| 189 |
+
"Feu de broussailles attisé par le Mistral.",
|
| 190 |
+
"Toit d'un supermarché menaçant de céder sous le poids de la neige.",
|
| 191 |
+
"Nid de frelons asiatiques gigantesque dans la cour d'une école.",
|
| 192 |
+
"Dégagement de monoxyde de carbone (CO), famille avec maux de tête.",
|
| 193 |
+
"Fuite d'eau majeure menaçant les archives départementales.",
|
| 194 |
+
"Sauvetage d'un spéléologue coincé dans une galerie.",
|
| 195 |
+
"Incendie de batterie lithium d'une trottinette en charge dans un salon."
|
| 196 |
+
],
|
| 197 |
+
"RISQUES ENVIRONNEMENTAUX": [
|
| 198 |
+
"Rupture imminente de digue menaçant 5000 habitants.",
|
| 199 |
+
"Nuage de chlore fuyant d'une usine classée Seveso Seuil Haut.",
|
| 200 |
+
"Méga-feu de forêt générant des pyrocumulus et sautant la rivière.",
|
| 201 |
+
"Séisme magnitude 5.5, bâtiments historiques fissurés.",
|
| 202 |
+
"Torrent de boue balayant un village montagnard.",
|
| 203 |
+
"Nappe de pétrole brut s'approchant d'une réserve ornithologique.",
|
| 204 |
+
"Avalanche ayant emporté un groupe de hors-piste.",
|
| 205 |
+
"Incident de niveau 2 sur le site d'une centrale nucléaire.",
|
| 206 |
+
"Microrafale/Tornade détruisant des toitures sur 3 km.",
|
| 207 |
+
"Vague de chaleur extrême, surmortalité détectée dans l'agglomération.",
|
| 208 |
+
"Pollution massive d'un fleuve (eau teintée en rouge fluo).",
|
| 209 |
+
"Invasion de criquets pèlerins ravageant les cultures agricoles.",
|
| 210 |
+
"Émanation de gaz sulfureux depuis une crevasse volcanique.",
|
| 211 |
+
"Tsunami de faible ampleur détecté suite à un séisme sous-marin.",
|
| 212 |
+
"Fonte soudaine du permafrost déstabilisant des infrastructures alpines.",
|
| 213 |
+
"Dépôt sauvage de dizaines de fûts d'amiante en forêt.",
|
| 214 |
+
"Contamination aux PFAS détectée dans la nappe phréatique.",
|
| 215 |
+
"Épisode de pollution aux particules fines nécessitant un confinement.",
|
| 216 |
+
"Multiplication de cas de dengue autochtones liés aux moustiques tigres.",
|
| 217 |
+
"Pluie de grêlons géants détruisant les vitres d'une ville."
|
| 218 |
+
],
|
| 219 |
+
"CYBERSÉCURITÉ": [
|
| 220 |
+
"Ransomware LockBit chiffrant les serveurs d'un CHU (Hôpital).",
|
| 221 |
+
"Base de données de 5 millions de citoyens fuite sur un forum.",
|
| 222 |
+
"Intrusion réseau réussie via un compte administrateur inactif.",
|
| 223 |
+
"DDoS de 1.2 Tbps ciblant le portail des impôts nationaux.",
|
| 224 |
+
"Détournement BGP redirigeant le trafic bancaire vers des serveurs russes.",
|
| 225 |
+
"Arnaque au faux président (Deepfake audio) avec virement de 2M€.",
|
| 226 |
+
"Désactivation silencieuse des EDR (Antivirus) sur tout le parc machine.",
|
| 227 |
+
"Défacement du site du Ministère de la Défense avec message politique.",
|
| 228 |
+
"Découverte d'une backdoor physique (Raspberry Pi) dans la salle serveur.",
|
| 229 |
+
"Compromission d'un sous-traitant (Supply Chain Attack) via mise à jour logicielle.",
|
| 230 |
+
"Campagne massive de Phishing imitant les RH avec pièce jointe vérolée.",
|
| 231 |
+
"Mineurs de cryptomonnaie déployés illégalement sur l'infrastructure cloud.",
|
| 232 |
+
"Fuite du code source d'une application militaire classifiée.",
|
| 233 |
+
"Manipulation de données SCADA dans une usine de traitement des eaux.",
|
| 234 |
+
"Vol de jetons d'authentification (Tokens) permettant de contourner le MFA.",
|
| 235 |
+
"Vulnérabilité Zero-Day activement exploitée sur les pare-feux Fortinet.",
|
| 236 |
+
"Employé malveillant supprimant massivement des backups avant son départ.",
|
| 237 |
+
"Exfiltration de données à bas bruit via des requêtes DNS.",
|
| 238 |
+
"Pirate demandant une rançon pour ne pas publier des photos médicales.",
|
| 239 |
+
"Réseau Wi-Fi public d'une gare compromis par une attaque Man-in-the-Middle."
|
| 240 |
+
],
|
| 241 |
+
"ÉNERGIE & INFRASTRUCTURES": [
|
| 242 |
+
"Blackout total sur la moitié du pays suite à une chute de fréquence.",
|
| 243 |
+
"Explosion de la conduite d'eau principale, cratère de 5m dans la rue.",
|
| 244 |
+
"Groupes électrogènes d'un datacenter en panne de fioul.",
|
| 245 |
+
"Chute dramatique d'un pylône THT de 400kV sur une zone commerciale.",
|
| 246 |
+
"Panne du système de refroidissement d'un réacteur nucléaire.",
|
| 247 |
+
"Perte totale de charge sur le réseau de chaleur urbain par -10°C.",
|
| 248 |
+
"Rupture de caténaire sur la ligne TGV Paris-Lyon.",
|
| 249 |
+
"Court-circuit massif incendiant un poste de transformation de quartier.",
|
| 250 |
+
"Fissuration alarmante du béton sur le barrage hydroélectrique.",
|
| 251 |
+
"Baisse de pression critique sur le réseau de gaz naturel haute pression.",
|
| 252 |
+
"Sabotage coordonné de plusieurs câbles sous-marins fibre optique.",
|
| 253 |
+
"Éolienne en feu dont les pales en flammes s'effondrent sur une route.",
|
| 254 |
+
"Infiltration d'eau salée dans l'usine de dessalement d'eau potable.",
|
| 255 |
+
"Effondrement d'un pont routier ancien suite au passage d'un convoi exceptionnel.",
|
| 256 |
+
"Fuite d'hydrogène dans une nouvelle station-service verte.",
|
| 257 |
+
"Surcharge du réseau électrique due à des pics de recharge de véhicules.",
|
| 258 |
+
"Arrêt d'urgence non planifié de la principale raffinerie de pétrole.",
|
| 259 |
+
"Panne informatique du système de distribution d'eau (vannes bloquées).",
|
| 260 |
+
"Incendie d'un gigantesque parc de panneaux solaires.",
|
| 261 |
+
"Glissement de terrain menaçant les fondations d'un viaduc autoroutier."
|
| 262 |
+
],
|
| 263 |
+
"TRANSPORT & MOBILITÉ": [
|
| 264 |
+
"Eurostar bloqué dans le tunnel sous la Manche sans ventilation.",
|
| 265 |
+
"Collision frontale entre un car scolaire et un train de marchandises.",
|
| 266 |
+
"Aiguillage gelé bloquant tous les trains au départ de la Gare du Nord.",
|
| 267 |
+
"Individu armé signalé dans les couloirs du métro parisien.",
|
| 268 |
+
"Atterrissage d'urgence d'un Airbus A320 avec train d'atterrissage bloqué.",
|
| 269 |
+
"Carambolage de 50 véhicules sur l'A13 à cause d'un brouillard givrant.",
|
| 270 |
+
"Navire méthanier en dérive menaçant de s'échouer sur les côtes.",
|
| 271 |
+
"Déraillement d'un train de fret transportant de l'ammoniac.",
|
| 272 |
+
"Caténaire arrachée par un camion grue sur un passage à niveau.",
|
| 273 |
+
"Système radar de la tour de contrôle en panne logicielle complète.",
|
| 274 |
+
"Prise d'otage ou passager violent enfermé dans l'avion.",
|
| 275 |
+
"Fermeture immédiate de l'espace aérien suite à l'apparition de drones.",
|
| 276 |
+
"Rupture des amarres d'un porte-conteneurs lors d'une tempête au port.",
|
| 277 |
+
"Bus articulé en feu en plein centre historique de la ville.",
|
| 278 |
+
"Grève sauvage des contrôleurs aériens, milliers de passagers bloqués.",
|
| 279 |
+
"Éboulement bloquant la seule route d'accès à une station de ski.",
|
| 280 |
+
"Panne générale du système de billetterie et portiques SNCF.",
|
| 281 |
+
"Fuite de carburant majeure sur le tarmac de l'aéroport.",
|
| 282 |
+
"Véhicule à contre-sens signalé sur l'autoroute A7.",
|
| 283 |
+
"Ferry prenant l'eau avec 800 passagers à bord."
|
| 284 |
+
],
|
| 285 |
+
"SERVICES URBAINS": [
|
| 286 |
+
"Désynchronisation de tous les feux tricolores créant le chaos.",
|
| 287 |
+
"Formation d'un sinkhole (trou géant) avalant une voiture stationnée.",
|
| 288 |
+
"Blackout de l'éclairage public favorisant la criminalité nocturne.",
|
| 289 |
+
"Refoulement d'égouts inondant la mairie de matières fécales.",
|
| 290 |
+
"Chute d'un arbre centenaire sur le tramway en circulation.",
|
| 291 |
+
"Échafaudage de voirie menaçant de s'effondrer avec le vent.",
|
| 292 |
+
"Amas de déchets bloquant un canal et provoquant une crue.",
|
| 293 |
+
"Sangliers chargeant les passants en plein centre-ville.",
|
| 294 |
+
"Rupture de canalisation d'eau créant une patinoire géante par -5°C.",
|
| 295 |
+
"Sirène d'alerte aux populations déclenchée par erreur à 3h du matin.",
|
| 296 |
+
"Dépôt d'ordures non ramassé depuis 3 semaines, invasion de rats.",
|
| 297 |
+
"Fontaine publique contaminée moussant sur toute la place.",
|
| 298 |
+
"Plaque d'égout disparue au milieu de la route, piège mortel pour les motos.",
|
| 299 |
+
"Feu de conteneur poubelle sous les fenêtres d'un musée d'art.",
|
| 300 |
+
"Panneau publicitaire géant arraché par le vent.",
|
| 301 |
+
"Banc public vandalisé, morceaux de métal tranchants exposés.",
|
| 302 |
+
"Fuite de chlore à la piscine municipale nécessitant évacuation.",
|
| 303 |
+
"Nid de guêpes géant dans un abribus.",
|
| 304 |
+
"Inondation du cimetière municipal provoquant des affaissements.",
|
| 305 |
+
"Affaissement du trottoir fragilisant les fondations des immeubles."
|
| 306 |
+
],
|
| 307 |
+
"ASSISTANCE SOCIALE": [
|
| 308 |
+
"Découverte d'un homme sans-abri inanimé dans le gel.",
|
| 309 |
+
"Enfant de 5 ans en larmes ne retrouvant plus ses parents au marché.",
|
| 310 |
+
"Personne âgée désorientée cherchant son mari décédé depuis 10 ans.",
|
| 311 |
+
"Femme fuyant des coups demandant asile d'urgence avec son bébé.",
|
| 312 |
+
"Individu prêt à sauter depuis le toit d'un centre commercial.",
|
| 313 |
+
"Famille avec bébés mise à la rue suite à une expulsion locative.",
|
| 314 |
+
"Jeune en crise psychotique hurlant et se frappant la tête dans un parc.",
|
| 315 |
+
"Appel de détresse d'une personne isolée sans électricité ni nourriture.",
|
| 316 |
+
"Campement de Roms installé sur une zone inondable en crue.",
|
| 317 |
+
"Signalement de cris d'enfants continus et de bruits de coups.",
|
| 318 |
+
"Mineur isolé étranger (MIE) dormant dans une gare par temps froid.",
|
| 319 |
+
"Personne handicapée coincée chez elle suite à une panne d'ascenseur.",
|
| 320 |
+
"Violente dispute entre SDF pour une place dans la rue.",
|
| 321 |
+
"Appel silencieux au 114 (SMS d'urgence) demandant discrètement de l'aide.",
|
| 322 |
+
"Victime de violences signalant que son agresseur approche.",
|
| 323 |
+
"Personne âgée signalant qu'on lui vole son argent de force.",
|
| 324 |
+
"Prostitution de mineur suspectée dans un squat voisin.",
|
| 325 |
+
"Découverte d'une personne vivant au milieu de ses déjections (Syndrome de Diogène).",
|
| 326 |
+
"Évacuation d'urgence d'un EHPAD sans chauffage l'hiver.",
|
| 327 |
+
"Risque d'accouchement prématuré dans un bidonville."
|
| 328 |
+
],
|
| 329 |
+
"DIGITAL SUPPORT": [
|
| 330 |
+
"Oubli du mot de passe de session Windows par le nouveau collaborateur.",
|
| 331 |
+
"Serveur DNS interne bloqué, impossible d'accéder à l'Intranet.",
|
| 332 |
+
"Imprimante de production industrielle en erreur 'Bourrage Papier F4'.",
|
| 333 |
+
"Perte du badge physique d'accès aux locaux sensibles.",
|
| 334 |
+
"Écran bleu de la mort (BSOD) sur le PC portable du Directeur.",
|
| 335 |
+
"Logiciel de paie RH inaccessible à J-1 du virement des salaires.",
|
| 336 |
+
"Tapis roulant de l'entrepôt logistique arrêté par un bug automate.",
|
| 337 |
+
"VPN saturé, les télétravailleurs sont déconnectés toutes les 5 minutes.",
|
| 338 |
+
"Caméra de surveillance de l'entrée qui filme en noir et blanc brouillé.",
|
| 339 |
+
"Serveur de logs saturé à 100%, ralentissant les applications tierces.",
|
| 340 |
+
"Employé ayant laissé un prestataire externe utiliser sa session.",
|
| 341 |
+
"Tablette de préparation de commande en entrepôt qui ne charge plus.",
|
| 342 |
+
"Climatisation de la baie de brassage IT en panne, il fait 35°C.",
|
| 343 |
+
"Terminal de paiement (TPE) du magasin affichant 'HORS LIGNE'.",
|
| 344 |
+
"Suppression accidentelle du dossier 'FINANCES 2024' sur le réseau partagé.",
|
| 345 |
+
"Visiteur VIP bloqué dans le sas de sécurité à cause du biométrique.",
|
| 346 |
+
"Erreur 500 sur l'application métier lors de la génération de factures.",
|
| 347 |
+
"Smartphone professionnel volé non protégé par un mot de passe.",
|
| 348 |
+
"L'application Microsoft Teams refuse de partager l'écran en réunion CODIR.",
|
| 349 |
+
"Câble RJ45 coupé par mégarde sous le bureau de l'assistante.",
|
| 350 |
+
"Mise à jour Windows bloquée à 99% depuis 3 heures.",
|
| 351 |
+
"Lecteur de code-barres industriel qui bipe sans rien scanner.",
|
| 352 |
+
"Double appel téléphonique impossible sur le standard IP (VoIP).",
|
| 353 |
+
"Le projecteur de la grande salle de réunion affiche une couleur rose.",
|
| 354 |
+
"Un employé a renversé du café sur le clavier de l'ordinateur central."
|
| 355 |
+
],
|
| 356 |
+
"ANIMALIER": [
|
| 357 |
+
"Chien percuté par une voiture, il saigne abondamment sur le bas-côté.",
|
| 358 |
+
"Chat coincé en haut d'un poteau électrique haute tension depuis 24h.",
|
| 359 |
+
"Troupeau de vaches ou de chevaux divaguant au milieu de l'autoroute.",
|
| 360 |
+
"Découverte d'un dauphin échoué et encore vivant sur la plage.",
|
| 361 |
+
"Signalement de maltraitance animale grave en cours chez un voisin.",
|
| 362 |
+
"Cheval de 500kg embourbé dans un marécage, il s'enfonce.",
|
| 363 |
+
"Serpent exotique (gros python) retrouvé dans les toilettes d'un appartement.",
|
| 364 |
+
"Chien enfermé dans une voiture en plein soleil pendant une canicule.",
|
| 365 |
+
"Sanglier très agressif bloqué dans la cour d'une école primaire.",
|
| 366 |
+
"Chien de catégorie 1 (Pitbull) très menaçant en liberté dans un parc public.",
|
| 367 |
+
"Rapace protégé (Aigle/Faucon) blessé à l'aile trouvé dans le jardin.",
|
| 368 |
+
"Nid de frelons asiatiques géant à hauteur d'enfant dans un square."
|
| 369 |
+
]
|
| 370 |
+
}
|
executives/nexus_qualification.py
ADDED
|
@@ -0,0 +1,91 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
# executives/nexus_qualification.py
|
| 2 |
+
import joblib
|
| 3 |
+
import os
|
| 4 |
+
|
| 5 |
+
MODEL_UNIFIED_PATH = "../pickle_result/nexus_modele_final_V35.pkl"
|
| 6 |
+
|
| 7 |
+
# =====================================================================
|
| 8 |
+
# MATRICE LÉGALE DE L'ÉTAT FRANÇAIS (SGDSN / DISPOSITIF ORSEC)
|
| 9 |
+
# Cloisonnement strict des cibles par domaine d'intervention
|
| 10 |
+
# =====================================================================
|
| 11 |
+
MATRICE_CIBLES_ISOLEES = {
|
| 12 |
+
"MÉDICAL": {"CITOYEN": 1, "VIP_LOCAL": 2, "PRESIDENT": 5},
|
| 13 |
+
"POLICE": {"CITOYEN": 1, "VIP_LOCAL": 2, "PRESIDENT": 5},
|
| 14 |
+
"POMPIER": {"CITOYEN": 1, "VIP_LOCAL": 2, "PRESIDENT": 5},
|
| 15 |
+
"CYBERSÉCURITÉ": {"CITOYEN": 1, "VIP_LOCAL": 3, "PRESIDENT": 4},
|
| 16 |
+
"ÉNERGIE & INFRASTRUCTURES": {"CITOYEN": 1, "VIP_LOCAL": 3, "PRESIDENT": 4},
|
| 17 |
+
"TRANSPORT & MOBILITÉ": {"CITOYEN": 1, "VIP_LOCAL": 3, "PRESIDENT": 4},
|
| 18 |
+
"RISQUES ENVIRONNEMENTAUX": {"CITOYEN": 1, "VIP_LOCAL": 3, "PRESIDENT": 3},
|
| 19 |
+
"SERVICES URBAINS": {"CITOYEN": 1, "VIP_LOCAL": 2, "PRESIDENT": 2},
|
| 20 |
+
"ASSISTANCE SOCIALE": {"CITOYEN": 1, "VIP_LOCAL": 2, "PRESIDENT": 2},
|
| 21 |
+
"ANIMALIER": {"CITOYEN": 1, "VIP_LOCAL": 2, "PRESIDENT": 2},
|
| 22 |
+
"DIGITAL SUPPORT": {"CITOYEN": 1, "VIP_LOCAL": 1, "PRESIDENT": 1}
|
| 23 |
+
}
|
| 24 |
+
|
| 25 |
+
class QualificationEngine:
|
| 26 |
+
def __init__(self):
|
| 27 |
+
if os.path.exists(MODEL_UNIFIED_PATH):
|
| 28 |
+
self.model = joblib.load(MODEL_UNIFIED_PATH)
|
| 29 |
+
self.mode = "ML"
|
| 30 |
+
print(f"🔌 Moteur d'inférence chargé : {MODEL_UNIFIED_PATH}")
|
| 31 |
+
else:
|
| 32 |
+
self.model = None
|
| 33 |
+
self.mode = "SIMULATION"
|
| 34 |
+
print(f"⚠️ ERREUR FATALE : Modèle ML introuvable à {MODEL_UNIFIED_PATH}. Mode SIMULATION (0.2) activé.")
|
| 35 |
+
|
| 36 |
+
def traduire_cible_ml(self, cible_id):
|
| 37 |
+
cible_id = int(cible_id)
|
| 38 |
+
if cible_id == 0: return "CITOYEN"
|
| 39 |
+
elif cible_id == 2: return "VIP_LOCAL"
|
| 40 |
+
elif cible_id == 4: return "PRESIDENT"
|
| 41 |
+
return "CITOYEN"
|
| 42 |
+
|
| 43 |
+
def calculer_priorite_sgdsn(self, domaine, severite, impact, profil_cible):
|
| 44 |
+
# 1. COUPE-CIRCUIT ABSOLU (PROTOCOLE JUPITER)
|
| 45 |
+
if profil_cible == "PRESIDENT":
|
| 46 |
+
if domaine in ["MÉDICAL", "POLICE", "POMPIER"] and severite >= 3:
|
| 47 |
+
return 20.0
|
| 48 |
+
elif domaine in ["CYBERSÉCURITÉ", "ÉNERGIE & INFRASTRUCTURES", "TRANSPORT & MOBILITÉ"] and severite == 4:
|
| 49 |
+
return 18.0
|
| 50 |
+
|
| 51 |
+
# 2. DOCTRINE DE GUERRE (PLAN NOVI / CIBLES STRATÉGIQUES)
|
| 52 |
+
if (severite == 4 and domaine in ["MÉDICAL", "POMPIER", "POLICE", "RISQUES ENVIRONNEMENTAUX", "CYBERSÉCURITÉ"]) or \
|
| 53 |
+
(severite >= 3 and profil_cible == "VIP_LOCAL" and domaine in ["CYBERSÉCURITÉ", "ÉNERGIE & INFRASTRUCTURES", "MÉDICAL"]):
|
| 54 |
+
|
| 55 |
+
base_vitale = 10.0
|
| 56 |
+
|
| 57 |
+
delta_masse = 0.0
|
| 58 |
+
if impact == 2: delta_masse = 1.5
|
| 59 |
+
elif impact == 3: delta_masse = 3.0
|
| 60 |
+
elif impact == 4: delta_masse = 4.5
|
| 61 |
+
|
| 62 |
+
delta_infra = 0.0
|
| 63 |
+
if profil_cible == "VIP_LOCAL": delta_infra = 4.0
|
| 64 |
+
|
| 65 |
+
score_final = base_vitale + delta_masse + delta_infra
|
| 66 |
+
return round(score_final, 1)
|
| 67 |
+
|
| 68 |
+
# 3. ÉCHELLE CIVILE STANDARD (0.2 à 9.9)
|
| 69 |
+
poids_cible = MATRICE_CIBLES_ISOLEES.get(domaine, {}).get(profil_cible, 1)
|
| 70 |
+
score_brut = severite * poids_cible * impact
|
| 71 |
+
score_normalise = 0.2 + ((score_brut - 1) / 47.0) * 9.7
|
| 72 |
+
|
| 73 |
+
return min(round(score_normalise, 1), 9.9)
|
| 74 |
+
|
| 75 |
+
def evaluer_ticket(self, texte):
|
| 76 |
+
if self.mode == "ML":
|
| 77 |
+
prediction = self.model.predict([texte])[0]
|
| 78 |
+
domaine = str(prediction[0]).upper()
|
| 79 |
+
|
| 80 |
+
severite = int(float(prediction[1]))
|
| 81 |
+
impact = int(float(prediction[2]))
|
| 82 |
+
cible_id = int(float(prediction[3]))
|
| 83 |
+
|
| 84 |
+
friction = str(prediction[4]).upper()
|
| 85 |
+
|
| 86 |
+
profil_cible = self.traduire_cible_ml(cible_id)
|
| 87 |
+
score = self.calculer_priorite_sgdsn(domaine, severite, impact, profil_cible)
|
| 88 |
+
|
| 89 |
+
return domaine, score, friction
|
| 90 |
+
else:
|
| 91 |
+
return "DIGITAL SUPPORT", 0.2, "MANQUE_LIEU"
|
executives/requirements.txt
ADDED
|
@@ -0,0 +1,12 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
sentence-transformers==2.7.0
|
| 2 |
+
pandas>=2.0
|
| 3 |
+
transformers>=4.40
|
| 4 |
+
spacy>=3.7
|
| 5 |
+
plotly
|
| 6 |
+
pydantic>=2.0
|
| 7 |
+
ollama>=0.3.0
|
| 8 |
+
fastapi==0.112.2
|
| 9 |
+
uvicorn>=0.24.0
|
| 10 |
+
gradio==4.44.0
|
| 11 |
+
groq
|
| 12 |
+
python-dotenv
|
executives/train_engine.py
ADDED
|
@@ -0,0 +1,54 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
# executives/train_engine.py
|
| 2 |
+
import os
|
| 3 |
+
import pandas as pd
|
| 4 |
+
import joblib
|
| 5 |
+
from sklearn.feature_extraction.text import TfidfVectorizer
|
| 6 |
+
from sklearn.multioutput import MultiOutputClassifier
|
| 7 |
+
from sklearn.ensemble import RandomForestClassifier
|
| 8 |
+
from sklearn.pipeline import Pipeline
|
| 9 |
+
import warnings
|
| 10 |
+
|
| 11 |
+
warnings.filterwarnings("ignore")
|
| 12 |
+
|
| 13 |
+
DATASET_CIBLE = "../datasets/nexus_dataset_v36_combat.csv"
|
| 14 |
+
MODEL_OUTPUT = "../pickle_result/nexus_modele_final_V35.pkl"
|
| 15 |
+
|
| 16 |
+
def entrainer_modele():
|
| 17 |
+
print("==================================================")
|
| 18 |
+
print("🚀 ÉTAPE 3/3 : ENTRAÎNEMENT DU CLASSIFIEUR HYBRIDE V36")
|
| 19 |
+
print("==================================================\n")
|
| 20 |
+
|
| 21 |
+
if not os.path.exists(DATASET_CIBLE):
|
| 22 |
+
print(f"❌ ERREUR INFRANCHISSABLE : {DATASET_CIBLE} absent.")
|
| 23 |
+
return
|
| 24 |
+
|
| 25 |
+
print("📥 Lecture de la matrice durcie V36...")
|
| 26 |
+
df = pd.read_csv(DATASET_CIBLE).dropna(subset=['texte', 'domaine'])
|
| 27 |
+
|
| 28 |
+
# Extraction de la donnée d'entraînement
|
| 29 |
+
X = df['texte'].astype(str)
|
| 30 |
+
|
| 31 |
+
# ---------------------------------------------------------
|
| 32 |
+
# CORRECTION DU TYPAGE MATRICIEL
|
| 33 |
+
# On force la matrice entière Y en String pour empêcher
|
| 34 |
+
# numpy.unique() de comparer des entiers et du texte.
|
| 35 |
+
# ---------------------------------------------------------
|
| 36 |
+
Y = df[['domaine', 'severite', 'impact', 'cible', 'friction']].astype(str)
|
| 37 |
+
|
| 38 |
+
print("⚙️ Initialisation du pipeline TF-IDF Matrix [N-Grams 1-3]...")
|
| 39 |
+
pipeline = Pipeline([
|
| 40 |
+
('tfidf', TfidfVectorizer(ngram_range=(1, 3), max_features=40000, sublinear_tf=True)),
|
| 41 |
+
('classifier', MultiOutputClassifier(
|
| 42 |
+
RandomForestClassifier(n_estimators=150, class_weight='balanced', random_state=42, n_jobs=-1)
|
| 43 |
+
))
|
| 44 |
+
])
|
| 45 |
+
|
| 46 |
+
print("🧠 Calcul des frontières de décision sur l'architecture CPU...")
|
| 47 |
+
pipeline.fit(X, Y)
|
| 48 |
+
|
| 49 |
+
os.makedirs(os.path.dirname(MODEL_OUTPUT), exist_ok=True)
|
| 50 |
+
joblib.dump(pipeline, MODEL_OUTPUT)
|
| 51 |
+
print(f"\n✅ BINAIRE SKLEARN SÉRIALISÉ ET MIS À JOUR : {MODEL_OUTPUT}")
|
| 52 |
+
|
| 53 |
+
if __name__ == "__main__":
|
| 54 |
+
entrainer_modele()
|
executives/ui.py
ADDED
|
@@ -0,0 +1,93 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
# executives/ui.py
|
| 2 |
+
import gradio as gr
|
| 3 |
+
import asyncio
|
| 4 |
+
from main import NexusAgenticSystem
|
| 5 |
+
|
| 6 |
+
# Initialisation du noyau dur
|
| 7 |
+
nexus = NexusAgenticSystem()
|
| 8 |
+
|
| 9 |
+
async def interaction_nexus(message, history):
|
| 10 |
+
if not nexus.llm_en_ligne:
|
| 11 |
+
await nexus.prechauffer_cerveau()
|
| 12 |
+
|
| 13 |
+
# 1. RECONSTITUTION DE LA MÉMOIRE (Blindage Multi-Versions Gradio)
|
| 14 |
+
ticket_complet = ""
|
| 15 |
+
transcript_llm = ""
|
| 16 |
+
|
| 17 |
+
for msg in history:
|
| 18 |
+
# Compatibilité Gradio 5+ (Format Liste de Dictionnaires)
|
| 19 |
+
if isinstance(msg, dict):
|
| 20 |
+
role = msg.get("role", "")
|
| 21 |
+
content = msg.get("content", "")
|
| 22 |
+
if role == "user":
|
| 23 |
+
ticket_complet += f"{content} "
|
| 24 |
+
transcript_llm += f"Client: {content}\n"
|
| 25 |
+
elif role == "assistant":
|
| 26 |
+
transcript_llm += f"Régulateur: {content}\n"
|
| 27 |
+
|
| 28 |
+
# Compatibilité Gradio 4 (Ancien Format Liste de Tuples)
|
| 29 |
+
elif isinstance(msg, (list, tuple)) and len(msg) == 2:
|
| 30 |
+
u, b = msg
|
| 31 |
+
if u:
|
| 32 |
+
ticket_complet += f"{u} "
|
| 33 |
+
transcript_llm += f"Client: {u}\n"
|
| 34 |
+
if b:
|
| 35 |
+
transcript_llm += f"Régulateur: {b}\n"
|
| 36 |
+
|
| 37 |
+
# Ajout du message courant
|
| 38 |
+
ticket_complet += message
|
| 39 |
+
transcript_llm += f"Client: {message}"
|
| 40 |
+
|
| 41 |
+
# 2. ANALYSE GLOBALE VIA LE MODÈLE ML (Sur l'ensemble des faits)
|
| 42 |
+
domaine, score, friction = nexus.evaluator.evaluer_ticket(ticket_complet)
|
| 43 |
+
|
| 44 |
+
# 3. VÉRIFICATION DYNAMIQUE DE LA LOCALISATION
|
| 45 |
+
localisation_obtenue = nexus.verifier_presence_localisation(ticket_complet)
|
| 46 |
+
|
| 47 |
+
# 4. GESTION DE L'ÉTAT (State Management réel)
|
| 48 |
+
session_state = {
|
| 49 |
+
"domaine_verrouille": domaine,
|
| 50 |
+
"score_verrouille": score,
|
| 51 |
+
"localisation_obtenue": localisation_obtenue,
|
| 52 |
+
"frustration_count": 0
|
| 53 |
+
}
|
| 54 |
+
|
| 55 |
+
# 5. COUPE-CIRCUIT D'AGRESSIVITÉ OU ABANDON
|
| 56 |
+
mots_frustration = ["bordel", "foutre", "con", "merde", "putain", "répéter", "fin au ticket", "stop", "quitter", "q"]
|
| 57 |
+
if any(mot in message.lower() for mot in mots_frustration):
|
| 58 |
+
niveau = "🔴 CRITIQUE" if score >= 8 else "🟠 HAUTE" if score >= 5 else "🟢 BASSE"
|
| 59 |
+
nexus.logger.log(ticket_complet, domaine, [], score, statut="CLOTURE_FORCEE")
|
| 60 |
+
return f"⚠️ RUPTURE DE LIAISON DÉTECTÉE. TICKET CLOS D'URGENCE.\nDomaine : {domaine}\nNiveau Alerte : {niveau}\nTransmission immédiate aux unités de terrain."
|
| 61 |
+
|
| 62 |
+
# 6. DÉCISION DE ROUTAGE
|
| 63 |
+
if friction != "COMPLET" or not localisation_obtenue:
|
| 64 |
+
statut, question_bot = await nexus.generer_question_bot(
|
| 65 |
+
transcript=transcript_llm,
|
| 66 |
+
texte_utilisateur=message,
|
| 67 |
+
domaine=domaine,
|
| 68 |
+
score_actuel=score,
|
| 69 |
+
state=session_state
|
| 70 |
+
)
|
| 71 |
+
|
| 72 |
+
if statut == "COMPLET":
|
| 73 |
+
niveau = "🔴 CRITIQUE" if score >= 8 else "🟠 HAUTE" if score >= 5 else "🟢 BASSE"
|
| 74 |
+
nexus.logger.log(ticket_complet, domaine, [], score, statut="CLOS")
|
| 75 |
+
return f"✅ TICKET CLOS ET TRANSMIS.\nDomaine : {domaine}\nNiveau Alerte : {niveau}\nLes unités sont en route."
|
| 76 |
+
|
| 77 |
+
return f"🚨 [Unités: {domaine} | Urgence: {score}/10]\nNEXUS: {question_bot}"
|
| 78 |
+
|
| 79 |
+
else:
|
| 80 |
+
niveau = "🔴 CRITIQUE" if score >= 8 else "🟠 HAUTE" if score >= 5 else "🟢 BASSE"
|
| 81 |
+
nexus.logger.log(ticket_complet, domaine, [], score, statut="CLOS")
|
| 82 |
+
return f"✅ TICKET COMPLET ET TRANSMIS.\nDomaine : {domaine}\nNiveau Alerte : {niveau}\nLes unités sont en route."
|
| 83 |
+
|
| 84 |
+
# Définition de l'interface graphique
|
| 85 |
+
app = gr.ChatInterface(
|
| 86 |
+
fn=interaction_nexus,
|
| 87 |
+
title="NEXUS Prime - Centre de Commandement",
|
| 88 |
+
description="Entrez la situation d'urgence. Moteur hybride tactique (Scikit-Learn + Ollama / Gemma 4).",
|
| 89 |
+
fill_height=True
|
| 90 |
+
)
|
| 91 |
+
|
| 92 |
+
if __name__ == "__main__":
|
| 93 |
+
app.launch(server_name="0.0.0.0", server_port=7860, share=True)
|
pickle_result/.DS_Store
ADDED
|
Binary file (6.15 kB). View file
|
|
|
start.sh
ADDED
|
@@ -0,0 +1,36 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
#!/bin/bash
|
| 2 |
+
|
| 3 |
+
export PYTHONUNBUFFERED=1
|
| 4 |
+
|
| 5 |
+
echo "🔥 [1/3] Démarrage du daemon Ollama natif CUDA..."
|
| 6 |
+
ollama serve > /var/log/ollama_engine.log 2>&1 &
|
| 7 |
+
|
| 8 |
+
echo "⏳ En attente de l'hyperviseur matérielle..."
|
| 9 |
+
until curl -s http://localhost:11434/api/tags > /dev/null; do
|
| 10 |
+
sleep 2
|
| 11 |
+
done
|
| 12 |
+
|
| 13 |
+
echo "📥 [2/3] Vérification et chargement des modèles LLM locaux..."
|
| 14 |
+
|
| 15 |
+
# Routine de téléchargement conditionnel (Évite la réinstallation)
|
| 16 |
+
pull_if_missing() {
|
| 17 |
+
local model_name=$1
|
| 18 |
+
if ollama list | grep -q "${model_name%:*}"; then
|
| 19 |
+
echo " ✅ Modèle $model_name déjà présent en cache local. (Saut du téléchargement)"
|
| 20 |
+
else
|
| 21 |
+
echo " ⏳ Téléchargement du modèle $model_name (Cette opération n'aura lieu qu'une seule fois)..."
|
| 22 |
+
ollama pull "$model_name"
|
| 23 |
+
fi
|
| 24 |
+
}
|
| 25 |
+
|
| 26 |
+
# Fixation de l'infrastructure cognitive
|
| 27 |
+
pull_if_missing "gemma4:e4b"
|
| 28 |
+
pull_if_missing "qwen2.5:14b"
|
| 29 |
+
|
| 30 |
+
echo "⚙️ [2.5/3] Alignement structurel : Protection du binaire ML..."
|
| 31 |
+
echo "✅ Modèle statistique figé préservé."
|
| 32 |
+
|
| 33 |
+
echo "🚀 [3/3] Démarrage du Centre de Commandement..."
|
| 34 |
+
cd executives
|
| 35 |
+
|
| 36 |
+
uvicorn api:app --host 0.0.0.0 --port 7860
|