first push

backend/tests/test_gemma.py

@@ -0,0 +1,28 @@
+import requests
+
+def tester_gemma():
+    url = "http://localhost:8003/v1/chat/completions"
+    
+    payload = {
+        "messages": [
+            {"role": "user", "content": "Donne-moi une astuce de code Python originale."}
+        ],
+        "temperature": 0.7
+    }
+    
+    print("🧠 Envoi de la requête à Gemma 4...")
+    try:
+        response = requests.post(url, json=payload)
+        response.raise_for_status()
+        answer = response.json()["choices"][0]["message"]["content"]
+        
+        print("\n🤖 Réponse de Gemma 4 :")
+        print("-" * 40)
+        print(answer)
+        print("-" * 40)
+        
+    except Exception as e:
+        print(f"❌ Erreur : {e}")
+
+if __name__ == "__main__":
+    tester_gemma()

backend/tests/test_health.py

@@ -0,0 +1,10 @@
+from fastapi.testclient import TestClient
+from app.main import app
+
+client = TestClient(app)
+
+
+def test_health():
+    response = client.get("/api/health")
+    assert response.status_code == 200
+    assert response.json()["status"] == "ok"

backend/tests/test_qdrant.py

@@ -0,0 +1,55 @@
+import asyncio
+import random
+from app.repositories.qdrant_repository import QdrantRepository
+from qdrant_client.http import models
+
+async def test_pipeline():
+    print("--- Test de connexion Qdrant ---")
+    repo = QdrantRepository()
+    
+    try:
+        # 1. Tester la connexion et initialiser la collection
+        await repo.init_collection(vector_size=1024)
+        
+        # 2. Insérer un faux projet pour valider le fonctionnement (Upsert)
+        print("\n[Test] Insertion d'un faux projet indexé...")
+        mock_vector = [random.uniform(-1.0, 1.0) for _ in range(1024)]
+        
+        await repo.client.upsert(
+            collection_name=repo.collection_name,
+            points=[
+                models.PointStruct(
+                    id=1,
+                    vector=mock_vector,
+                    payload={
+                        "title": "Application E-commerce de test",
+                        "description": "Un projet test généré pour valider Qdrant",
+                        "git_url": "https://github.com/test/test"
+                    }
+                )
+            ]
+        )
+        print("[Test] Faux projet inséré.")
+
+        # 3. Tester la recherche vectorielle
+        print("\n[Test] Lancement de la recherche vectorielle...")
+        project_found = await repo.search_similar_project(query_vector=mock_vector)
+        
+        if project_found:
+            print(f"🎉 Succès ! Projet trouvé en BDD : {project_found['title']} ({project_found['git_url']})")
+        else:
+            print("❌ Erreur : Aucun projet trouvé alors qu'on vient d'en insérer un.")
+            
+    except Exception as e:
+        print(f"❌ Échec critique du test : {e}")
+        print("Vérifie que ton conteneur Qdrant est bien lancé et que l'URL dans ton .env est correcte.")
+        
+    finally:
+        await repo.close()
+        print("\n--- Fin du test ---")
+
+if __name__ == "__main__":
+    from dotenv import load_dotenv
+    load_dotenv()
+    
+    asyncio.run(test_pipeline())

backend/tests/test_snowflake.py

@@ -0,0 +1,42 @@
+import requests
+import json
+
+def test_embedding_server():
+    url = "http://localhost:8002/v1/embeddings"
+    
+    phrase = "Ceci est un test."
+    
+    payload = {
+        "input": phrase
+    }
+    
+    headers = {
+        "Content-Type": "application/json"
+    }
+    
+    print("Envoi de la phrase au serveur Snowflake Arctic local...")
+    
+    try:
+        response = requests.post(url, json=payload, headers=headers)
+        
+        response.raise_for_status()
+        
+        resultat = response.json()
+        
+        vecteur = resultat["data"][0]["embedding"]
+        tokens_utilises = resultat["usage"]["total_tokens"]
+        
+        print("\n[SUCCÈS] Le serveur d'embedding répond parfaitement !")
+        print(f"Texte analysé : '{phrase}'")
+        print(f"Nombre de tokens consommés : {tokens_utilises}")
+        print(f"Dimension du vecteur : {len(vecteur)} (Attendu : 768)")
+        print(f"Début du vecteur (5 premiers chiffres) : {vecteur[:5]}")
+        
+    except requests.exceptions.ConnectionError:
+        print("\n[ERREUR] Impossible de joindre le serveur d'embedding.")
+        print("Vérifie que ton Docker Compose est bien démarré avec 'docker compose up'.")
+    except Exception as e:
+        print(f"\n[ERREUR] Une erreur inattendue est survenue : {e}")
+
+if __name__ == "__main__":
+    test_embedding_server()