Génération de rapports

Rapports analytiques complets générés par IA avec KPI, graphiques et sections textuelles.

REF-SPEC/AG001-RPT v1.0 — 2026-04-09

1. Principe

Pilot génère des rapports analytiques complets à partir des données uploadées. Chaque rapport contient un titre, des KPI, des sections graphiques (bar, pie, table, area) et des sections textuelles avec insights. Le contenu est entièrement généré par l'IA à partir du contexte matérialisé.

2. Flow de génération

Suggestion           Contexte              LLM                  Rendu
sélectionnée    ──▶  matérialisé      ──▶  Claude          ──▶  Frontend
(titre, desc)        (schema, stats,       (JSON structuré      (Recharts +
                      dimensions,           avec sections)       texte formaté)
                      anomalies)

Étapes détaillées

Sélection — L'utilisateur choisit une suggestion ou décrit un rapport en texte libre
Contexte — Le matérialiseur fournit les 4 vues analytiques pré-calculées
Génération — Le LLM produit un JSON structuré contenant le rapport complet
Stockage — Le rapport est sauvegardé en base avec ses métadonnées
Rendu — Le frontend affiche chaque section avec le composant adapté

3. Structure d'un rapport

Le LLM retourne un objet JSON structuré :

Champ	Type	Description
title	string	Titre du rapport
subtitle	string	Sous-titre contextuel
kpis	array	Liste de KPI (label, valeur, unité, tendance)
sections	array	Sections ordonnées (graphiques ou texte)

Types de sections

Type	Rendu	Données
`bar`	Graphique barres verticales	labels[], datasets[]
`pie`	Diagramme circulaire	labels[], values[]
`table`	Tableau de données	headers[], rows[][]
`composed`	Graphique composé (barres + ligne)	labels[], datasets[]
`grouped_bar`	Barres groupées	labels[], datasets[]
`area_multi`	Aires empilées	labels[], datasets[]
`text`	Section texte avec insights	content (markdown)

4. Itération par feedback

Chaque rapport peut être itéré via un cycle de feedback :

Rapport v1         Annotation          Régénération         Rapport v2
(sections     ──▶  utilisateur    ──▶  LLM avec        ──▶  (sections
 originales)       (texte libre)       feedback injecté      améliorées)

Comportement

L'utilisateur annote une ou plusieurs sections avec du feedback textuel
Le LLM reçoit le rapport original + les annotations
Une nouvelle version est générée et stockée
L'interface propose une vue côte-à-côte pour comparer les versions

Historique de versions

Champ	Description
Version number	Numéro incrémental (v1, v2, v3...)
Feedback	Texte d'annotation de l'utilisateur
Timestamp	Date de génération
Content	JSON complet du rapport à cette version

5. Import de rapports existants

L'utilisateur peut uploader un rapport existant (Excel ou Word) pour que l'IA le recrée dans le format Pilot :

Upload — Fichier Excel ou Word existant
Extraction — Parsing du contenu et de la structure
Mapping — Correspondance avec les types de sections Pilot
Régénération — Le LLM recrée le rapport enrichi avec le contexte données

6. Export PDF

Le rapport est exportable en PDF via un rendu client-side :

Étape	Technologie
Capture DOM	html2canvas
Génération PDF	jspdf
Résultat	PDF multi-pages avec graphiques vectoriels

On this page