first push

ressources/Projet.md

@@ -0,0 +1,88 @@
+### Étape 0 : Préparation de l'environnement du projet
+Tâches :
+- Créer backend minimal
+- Créer modèle de données simple
+- langGraph
+___
+
+### Étape 1 : Analyse du Besoin & Qualification (Agent PM / Business Analyst)
+- L'utilisateur entre une demande en langage naturel.
+- **Agent 1 (PM)** analyse la demande. Si des informations manquent pour coder, il pose des questions clarificatrices à l'utilisateur jusqu'à obtenir un cahier des charges complet.
+- **Vérification BDD :** Avant de coder, le système cherche dans une base de données vectorielle si un projet similaire existe déjà.
+  - *Si oui :* On propose le lien à l'utilisateur. Si l'utilisateur valide, le workflow s'arrête ici.
+  - *Si non (ou si l'utilisateur rejette l'existant) :* On passe à l'étape 2.
+
+Outils :
+- LangGraph -> LangGraph est adapté aux workflows multi‑agents avec états, transitions conditionnelles, persistance et human‑in‑the‑loop
+- Python -> backend, les agents, les appels LLM, les tests, les embeddings et les intégrations + compatible avec autres tools
+- Pydantic AI / Pydantic -> forcer l’Agent PM à produire un cahier des charges structuré
+- Chainlit -> adapté aux interfaces conversationnelles
+	BDD :
+- Qdrant -> adapté à la recherche sémantique +  stocker les embeddings de projets/scripts
+- Snowflake Arctic Embed 2.0 -> modèle d’embedding
+- Redis (optionnel) -> cache de recherche ;sessions utilisateur ;état temporaire ;verrouillage d’un workflow ;file d’attente simple
+
+Tâches :
+- Interface Chainlit
+- Créer le prompt Agent PM
+- Créer le schéma Pydantic du cahier des charges
+- Gérer les questions clarificatrices
+- Valider le cahier des charges
+- Recherche d’existant (Qdrant/Snowflake Arctic Embed 2.0/Redis)
+___
+
+### Étape 2 : Génération de Code (Agent Développeur)
+- **Agent 2 (Dev)** reçoit le cahier des charges validé et génère l'arborescence et le code source du projet.
+
+Outils :
+- LangGraph -> LangGraph est adapté aux workflows multi‑agents avec états, transitions conditionnelles, persistance et human‑in‑the‑loop
+- Mistral ou Gemma (modèle trop généraliste/léger->tache simple) -> DeepSeek Coder/Qwen2.5
+- vLLM -> meilleur choix qu’Ollama pour une plateforme plus industrialisée. Llama.cpp modèles quantifiés sur CPU ou machines modestes + moins adapté à une plateforme multi‑utilisateur
+- Pydantic
+
+Tâches :
+- Créer le prompt Agent Dev
+- Partie dev
+___
+
+### Étape 3 : Tests et Assurance Qualité (Agent QA / Testeur)
+- **Agent 3 (QA)** récupère le code de l'Agent 2. Il doit exécuter le code (via une sandbox sécurisée) ou générer/exécuter des tests unitaires pour vérifier la qualité, la sécurité et le fonctionnement.
+- **Boucle de correction automatique (Loop 1) :** Si les tests échouent, l'Agent 3 renvoie les erreurs à l'Agent 2 avec les logs. L'Agent 2 corrige et renvoie à l'Agent 3. Cette boucle tourne au maximum X fois jusqu'à ce que le code soit "vert".
+
+Outils :
+- Docker
+- Ruff -> qualité de code
+- Bandit -> sécurité
+- Semgrep (optionnel) -> règles de sécurité et qualité plus larges
+	Boucle correction :
+- LangGraph
+- Pydantic
+
+Tâches :
+- QA et sandbox
+- Intégration Ruff/Bandit/Semgrep
+- Boucle automatique Dev-QA
+___
+
+### Étape 4 : Livraison & Feedback Utilisateur (Boucle Humaine)
+- Une fois le code validé par l'Agent 3, il est présenté à l'utilisateur.
+- L'utilisateur teste et valide.
+  - *Si Validé :* Le projet est sauvegardé dans la base de données (pour la recherche de l'Étape 1) et livré (ex: zip ou dépôt GitHub).
+  - *Si Refusé :* L'utilisateur indique ce qui ne va pas. Tout le contexte (code actuel + retours) est renvoyé à l'**Étape 1** pour réanalyse, et le cycle recommence.
+
+Outils :
+- Chainlit
+- Git (optionnel)
+
+Tâches :
+- Interface Chainlit
+- Livraison
+___
+
+### Étape finale :
+
+Tâches :
+- Tests fonctionnels de bout en bout
+- Sécurité minimale
+- Documentation finale
+- Présentation