feat(r5.3): écrans IA — assistant web, corpus administrable, suggestions OT/mobile

- Contrat (76 opérations) : Document expose inCorpus/indexedAt/chunkCount,
  PATCH /documents/{id}/corpus (ASSETS.edit), POST /assistant/reindex
  (bilan chiffré) ; ci-contract vérifie désormais aussi le client mobile.
- Web : page /assistant (chat sourcé — extraits exacts cités, Ouvrir vers
  PDF authentifié ou fiche OT, avertissement permanent ; refus honnête
  chiffré avec action utile) ; Bibliothèque = corpus (bandeau 09-08,
  statut d'indexation par document, interrupteur d'exclusion PDF,
  Réindexer tout) ; fiche OT : « Décrire pour suggérer » (Appliquer =
  geste humain, liseré « suggéré » retiré au choix manuel).
- Mobile : chips de suggestion dans la clôture (un appui = un champ
  pré-rempli, « réseau requis » hors-ligne — la file R4 n'en dépend pas).
- apps/ai : seuils AI_SEUIL_* configurables par env (CI + calibrage).
- CI e2e : service siop2-ai (embeddeur déterministe, seuils calibrés sur
  mesures : match 0,66 vs bruit 0,11) + parcours R5 Playwright (PDF généré
  xref valide → réindexation → réponse sourcée → refus → suggestion).
- Vérifié : 16/16 Playwright, 78 tests API, 23 pytest, 17 jest-expo ;
  chaîne réelle au vrai modèle ONNX (web 7/7, mobile Expo web 6/6).

Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>

apps/ai/src/siop_ai/app.py

@@ -78,7 +78,12 @@ async def demander(corps: RequeteRecherche) -> dict:
     (ce qui a été cherché) — la rédaction n'existe qu'en mode génératif."""
     async with app.state.pool.acquire() as cnx:
         reponse = await repondre(
-            cnx, app.state.embeddeur, app.state.generateur, corps.question, corps.limite
+            cnx,
+            app.state.embeddeur,
+            app.state.generateur,
+            corps.question,
+            corps.limite,
+            seuil_pertinence=app.state.reglages.ai_seuil_pertinence,
         )
     return {
         "mode": reponse.mode,
@@ -100,5 +105,11 @@ async def suggerer(corps: RequeteSuggestion) -> dict:
     """Suggestion de codes de bilan (D1) : uniquement des codes EXISTANTS,
     avec confiance et « N bilans similaires » — l'humain applique, ou pas."""
     async with app.state.pool.acquire() as cnx:
-        suggestions = await suggerer_bilan(cnx, app.state.embeddeur, corps.description)
+        suggestions = await suggerer_bilan(
+            cnx,
+            app.state.embeddeur,
+            corps.description,
+            seuil_suggestion=app.state.reglages.ai_seuil_suggestion,
+            seuil_confiance_forte=app.state.reglages.ai_seuil_confiance_forte,
+        )
     return {"suggestions": [asdict(s) for s in suggestions]}

apps/ai/src/siop_ai/assistant.py

@@ -29,6 +29,7 @@ CHAMPS_BILAN = {
     "COMPONENT_CONCERNED": "élément concerné",
 }
 
+# Défauts — surchargés par la config (AI_SEUIL_*) : calibrage en recette.
 SEUIL_PERTINENCE = 0.30  # en dessous : le corpus ne porte pas la réponse
 SEUIL_SUGGESTION = 0.35
 SEUIL_CONFIANCE_FORTE = 0.55
@@ -61,10 +62,11 @@ async def repondre(
     generateur: Generateur,
     question: str,
     limite: int = 5,
+    seuil_pertinence: float = SEUIL_PERTINENCE,
 ) -> ReponseAssistant:
     documents, bilans = await _taille_corpus(cnx)
     extraits = await chercher(cnx, embeddeur, question, limite)
-    pertinents = [e for e in extraits if e.score >= SEUIL_PERTINENCE]
+    pertinents = [e for e in extraits if e.score >= seuil_pertinence]
 
     if not pertinents:
         # D2 : refus explicite — on dit ce qu'on a cherché, on n'invente rien.
@@ -104,6 +106,8 @@ async def suggerer_bilan(
     cnx: asyncpg.Connection,
     embeddeur: Embeddeur,
     description: str,
+    seuil_suggestion: float = SEUIL_SUGGESTION,
+    seuil_confiance_forte: float = SEUIL_CONFIANCE_FORTE,
 ) -> list[SuggestionBilan]:
     valeurs = await cnx.fetch(
         'SELECT id, field, label FROM "ReferenceValue" WHERE "isActive" ORDER BY field, label'
@@ -122,7 +126,7 @@ async def suggerer_bilan(
     meilleurs: dict[str, tuple[asyncpg.Record, float]] = {}
     for valeur, vecteur in zip(valeurs, v_valeurs):
         score = _cosinus(v_description, vecteur)
-        if score < SEUIL_SUGGESTION:
+        if score < seuil_suggestion:
             continue
         champ = valeur["field"]
         if champ not in meilleurs or score > meilleurs[champ][1]:
@@ -140,7 +144,7 @@ async def suggerer_bilan(
                 field=valeur["field"],
                 value_id=str(valeur["id"]),
                 label=valeur["label"],
-                confidence="FORTE" if score >= SEUIL_CONFIANCE_FORTE else "MOYENNE",
+                confidence="FORTE" if score >= seuil_confiance_forte else "MOYENNE",
                 similar_reports=similaires,
                 score=round(score, 4),
             )

apps/ai/src/siop_ai/config.py

@@ -24,6 +24,11 @@ class Reglages(BaseSettings):
     ai_generation: str = "off"
     ai_api_key: str = ""  # requise seulement si ai_generation=api — jamais loguée
     ai_model: str = "claude-opus-4-8"
+    # Seuils de similarité — constantes de départ, calibrables par env
+    # (recette sur corpus réel ; abaissés en CI e2e — embeddeur déterministe).
+    ai_seuil_pertinence: float = 0.30
+    ai_seuil_suggestion: float = 0.35
+    ai_seuil_confiance_forte: float = 0.55
 
     model_config = {"env_prefix": "", "case_sensitive": False}