Press n or j to go to the next uncovered block, b, p or k for the previous block.
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 | /*
Mode OpenAI (fallback) pour 4NK IA Front
Utilise l'API OpenAI côté frontend uniquement à des fins de démonstration/dépannage quand le backend est indisponible.
*/
import type {
Document,
ExtractionResult,
AnalysisResult,
ContextResult,
ConseilResult,
} from '../types'
import { extractTextFromFile } from './fileExtract'
import { runRuleNER } from './ruleNer'
const OPENAI_API_KEY = import.meta.env.VITE_OPENAI_API_KEY
const OPENAI_BASE_URL = import.meta.env.VITE_OPENAI_BASE_URL || 'https://api.openai.com/v1'
const OPENAI_CHAT_MODEL = import.meta.env.VITE_OPENAI_MODEL || 'gpt-4o-mini'
async function callOpenAIChat(messages: Array<{ role: 'system' | 'user' | 'assistant'; content: string }>): Promise<string> {
if (!OPENAI_API_KEY) {
throw new Error('Clé API OpenAI manquante (VITE_AI_API_KEY)')
}
// Log minimal masqué
if (import.meta.env.DEV) {
// eslint-disable-next-line no-console
console.info('[LLM] Request chat.completions (mode AI distante activé)')
}
const response = await fetch(`${OPENAI_BASE_URL}/chat/completions`, {
method: 'POST',
headers: {
'Content-Type': 'application/json',
Authorization: `Bearer ${OPENAI_API_KEY}`,
},
body: JSON.stringify({
model: OPENAI_CHAT_MODEL,
messages,
temperature: 0.2,
}),
})
if (!response.ok) {
if (import.meta.env.DEV) {
// eslint-disable-next-line no-console
console.warn('[LLM] Response error', response.status)
}
const text = await response.text()
throw new Error(`OpenAI error ${response.status}: ${text}`)
}
const data = await response.json()
if (import.meta.env.DEV) {
// eslint-disable-next-line no-console
console.info('[LLM] Response received')
}
return data.choices?.[0]?.message?.content || ''
}
type ProgressHooks = { onOcrProgress?: (p: number) => void; onLlmProgress?: (p: number) => void }
export const openaiDocumentApi = {
upload: async (file: File): Promise<Document> => {
const fileUrl = URL.createObjectURL(file)
return {
id: `openai-upload-${Date.now()}`,
name: file.name,
mimeType: file.type || 'application/octet-stream',
functionalType: undefined,
size: file.size,
uploadDate: new Date(),
status: 'completed',
previewUrl: fileUrl,
}
},
extract: async (documentId: string, file?: File, hooks?: ProgressHooks): Promise<ExtractionResult> => {
let localText = ''
if (file) {
try {
hooks?.onOcrProgress?.(0)
localText = await extractTextFromFile(file)
hooks?.onOcrProgress?.(1)
} catch {
localText = ''
}
}
// Flags de mode
const useRuleNer = import.meta.env.VITE_USE_RULE_NER === 'true'
const classifyOnly = import.meta.env.VITE_LLM_CLASSIFY_ONLY === 'true'
const disableLLM = import.meta.env.VITE_DISABLE_LLM === 'true'
console.log('🔧 [CONFIG] Mode sans LLM activé:', {
useRuleNer,
classifyOnly,
disableLLM,
hasOpenAIKey: !!OPENAI_API_KEY
})
// Si NER local actif, on l'utilise pour tout (identités/adresses/...) puis, si demandé,
// on peut consulter le LLM uniquement pour classifier le type de document
if (useRuleNer) {
console.log('🚀 [OCR] Début de l\'extraction OCR locale...')
console.log('📄 [OCR] Texte à traiter:', localText.substring(0, 200) + '...')
// Simuler la progression OCR de manière asynchrone pour éviter les boucles
if (hooks?.onOcrProgress) {
setTimeout(() => {
hooks.onOcrProgress?.(0.3)
console.log('⏳ [OCR] Progression: 30%')
}, 100)
setTimeout(() => {
hooks.onOcrProgress?.(0.7)
console.log('⏳ [OCR] Progression: 70%')
}, 200)
setTimeout(() => {
hooks.onOcrProgress?.(1)
console.log('✅ [OCR] Progression: 100% - Extraction terminée')
}, 300)
}
console.log('🔍 [NER] Début de l\'extraction par règles...')
let res = runRuleNER(documentId, localText)
console.log('📊 [NER] Résultats extraits:', {
documentType: res.documentType,
identitiesCount: res.identities.length,
addressesCount: res.addresses.length,
confidence: res.confidence
})
if (classifyOnly && OPENAI_API_KEY && localText && !disableLLM) {
console.log('🤖 [LLM] Classification LLM demandée...')
try {
hooks?.onLlmProgress?.(0)
const cls = await callOpenAIChat([
{ role: 'system', content: 'Tu es un classifieur. Retourne uniquement un JSON strict.' },
{ role: 'user', content: `Classifie ce texte en une des catégories suivantes: [CNI, Facture, Attestation, Document]. Réponds strictement sous la forme {"documentType":"..."}.\nTexte:\n${localText.slice(0, 8000)}` },
])
const parsed = JSON.parse(cls)
if (parsed && typeof parsed.documentType === 'string') {
res = { ...res, documentType: parsed.documentType }
res.confidenceReasons = [...(res.confidenceReasons || []), 'Classification LLM limitée au documentType']
console.log('✅ [LLM] Classification LLM terminée:', parsed.documentType)
}
hooks?.onLlmProgress?.(1)
} catch (error) {
console.warn('⚠️ [LLM] Échec de la classification LLM:', error)
hooks?.onLlmProgress?.(1)
}
} else {
console.log('🚫 [LLM] LLM désactivé - Mode 100% local')
// Mode sans LLM : simuler la progression LLM de manière asynchrone
if (hooks?.onLlmProgress) {
setTimeout(() => {
hooks.onLlmProgress?.(0.5)
console.log('⏳ [LLM] Progression: 50%')
}, 400)
setTimeout(() => {
hooks.onLlmProgress?.(1)
console.log('✅ [LLM] Progression: 100%')
}, 500)
}
}
console.log('🎉 [FINAL] Extraction complète terminée:', res)
return res
}
hooks?.onLlmProgress?.(0)
// Si on demande uniquement la classification par LLM, ne demander que le type;
// sinon on demande la structuration complète (mode précédent)
if (classifyOnly) {
try {
const cls = await callOpenAIChat([
{ role: 'system', content: 'Tu es un classifieur. Retourne uniquement un JSON strict.' },
{ role: 'user', content: `Classifie ce texte en une des catégories suivantes: [CNI, Facture, Attestation, Document]. Réponds strictement sous la forme {"documentType":"..."}.\nTexte:\n${localText.slice(0, 8000)}` },
])
const parsed = JSON.parse(cls)
hooks?.onLlmProgress?.(1)
return {
documentId,
text: localText || '',
language: 'fr',
documentType: (parsed && parsed.documentType) || 'Document',
identities: [],
addresses: [],
properties: [],
contracts: [],
signatures: [],
confidence: 0.6,
confidenceReasons: ['Classification LLM sans contexte, pas d\'extraction d\'identités'],
}
} catch {
hooks?.onLlmProgress?.(1)
return {
documentId,
text: localText || '',
language: 'fr',
documentType: 'Document',
identities: [],
addresses: [],
properties: [],
contracts: [],
signatures: [],
confidence: 0.6,
confidenceReasons: ['Classification LLM échouée, valeur par défaut'],
}
}
}
const content = await callOpenAIChat([
{
role: 'system',
content:
'Tu extrais uniquement les informations présentes dans le texte OCR. Interdiction d\'inventer. Interdiction d\'utiliser le nom du fichier comme identité. Réponds en JSON strict, sans texte autour.',
},
{
role: 'user',
content: `Document ID: ${documentId}. Texte OCR (tronqué): ${localText.slice(0, 8000)}\nRègles: 1) ne pas inventer, 2) si incertitude, laisser vide, 3) ne JAMAIS utiliser le nom du fichier comme identité. Schéma JSON: {"language":"fr","documentType":"...","identities":[{"id":"id-1","type":"person","firstName":"...","lastName":"...","confidence":0.9}],"addresses":[{"street":"...","city":"...","postalCode":"...","country":"..."}],"properties":[{"id":"prop-1","type":"apartment","address":{"street":"...","city":"...","postalCode":"...","country":"..."},"surface":75}],"contracts":[{"id":"contract-1","type":"sale","parties":[],"amount":0,"date":"YYYY-MM-DD","clauses":["..."]}],"signatures":[],"confidence":0.7,"confidenceReasons":["sources présentes dans le texte"]}`,
},
])
// Essaye d'analyser le JSON, sinon fallback heuristique
try {
const parsed = JSON.parse(content)
hooks?.onLlmProgress?.(1)
// Post-traitement: filtrage des identités qui ressemblent au nom de fichier
const docBase = (file?.name || '').toLowerCase().replace(/\.[a-z0-9]+$/, '')
const safeIdentities = (parsed.identities || []).filter((it: any) => {
const full = `${it.firstName || ''} ${it.lastName || ''}`.trim().toLowerCase()
return full && !docBase || (full && !docBase.includes(full) && !full.includes(docBase))
})
return {
documentId,
text: localText || '',
language: parsed.language || 'fr',
documentType: parsed.documentType || 'Document',
identities: safeIdentities,
addresses: parsed.addresses || [],
properties: parsed.properties || [],
contracts: parsed.contracts || [],
signatures: parsed.signatures || [],
confidence: Math.round((typeof parsed.confidence === 'number' ? parsed.confidence : 0.7) * 100) / 100,
confidenceReasons: parsed.confidenceReasons || [],
}
} catch {
hooks?.onLlmProgress?.(1)
const lowered = (localText || '').toLowerCase()
let documentType = 'Document'
const reasons: string[] = []
if (/carte\s+nationale\s+d'identité|cni|national id/.test(lowered)) {
documentType = 'CNI'
reasons.push('Mots-clés CNI détectés')
} else if (/facture|invoice|amount|tva|siren/.test(lowered)) {
documentType = 'Facture'
reasons.push('Mots-clés facture détectés')
} else if (/attestation|certificat/.test(lowered)) {
documentType = 'Attestation'
reasons.push('Mots-clés attestation détectés')
}
return {
documentId,
text: localText || 'Contenu résumé non disponible.',
language: 'fr',
documentType,
identities: [],
addresses: [],
properties: [],
contracts: [],
signatures: [],
confidence: 0.7,
confidenceReasons: reasons,
}
}
},
analyze: async (documentId: string): Promise<AnalysisResult> => {
const result = await callOpenAIChat([
{ role: 'system', content: 'Tu fournis une analyse brève et des risques potentiels.' },
{ role: 'user', content: `Analyse le document ${documentId} et fournis un résumé des risques.` },
])
const isCNI = /cni|carte\s+nationale\s+d'identité/i.test(result || '')
const number = (result || '').match(/[A-Z0-9]{12,}/)?.[0] || ''
const formatValid = /^[A-Z0-9]{12,}$/.test(number)
const checksumValid = pseudoChecksum(number)
const numberValid = formatValid && checksumValid
return {
documentId,
documentType: isCNI ? 'CNI' : 'Document',
isCNI,
verificationResult: isCNI
? { numberValid, formatValid, checksumValid }
: undefined,
credibilityScore: isCNI ? (numberValid ? 0.8 : 0.6) : 0.6,
summary: result || 'Analyse indisponible.',
recommendations: [],
confidenceReasons: isCNI
? [
formatValid ? 'Format du numéro plausible' : 'Format du numéro invalide',
checksumValid ? 'Checksum plausible' : 'Checksum invalide',
]
: ['Analyse préliminaire via modèle'],
}
},
getContext: async (documentId: string): Promise<ContextResult> => {
return { documentId, lastUpdated: new Date(), georisquesData: {}, cadastreData: {} }
},
getConseil: async (documentId: string): Promise<ConseilResult> => {
const conseil = await callOpenAIChat([
{ role: 'system', content: 'Tu fournis des conseils opérationnels courts et concrets.' },
{ role: 'user', content: `Donne 3 conseils actionnables pour le document ${documentId}.` },
])
return { documentId, analysis: conseil || '', recommendations: conseil ? [conseil] : [], risks: [], nextSteps: [], generatedAt: new Date() }
},
detectType: async (_file: File): Promise<{ type: string; confidence: number }> => {
return { type: 'Document', confidence: 0.6 }
},
}
export const openaiExternalApi = {
cadastre: async (_address: string) => ({ note: 'Mode OpenAI: contexte non connecté' }),
georisques: async (_coordinates: { lat: number; lng: number }) => ({ note: 'Mode OpenAI: contexte non connecté' }),
geofoncier: async (_address: string) => ({ note: 'Mode OpenAI: contexte non connecté' }),
bodacc: async (_companyName: string) => ({ note: 'Mode OpenAI: contexte non connecté' }),
infogreffe: async (_siren: string) => ({ note: 'Mode OpenAI: contexte non connecté' }),
}
function pseudoChecksum(input: string): boolean {
if (!input) return false
// checksum simple: somme des codes char modulo 10 doit être pair
const sum = Array.from(input).reduce((acc, ch) => acc + ch.charCodeAt(0), 0)
return sum % 10 % 2 === 0
}
|