refactor(chatbot): ChatbotPlaceholder paramétrable, /agences desktop sur chatbot-reseaux

- ChatbotPlaceholder : props endpoint, titre, placeholderReplie, placeholderSaisie, intro, exemple, fichesTitre, ficheLienModele, rendreMarkdown, messageLimite ; défauts = comportement actuel de l'accueil
- pages/agences.vue : le desktop appelle /api/chatbot-reseaux (le câblage croisé vers le backend Entraide est supprimé), textes orientés structures, rendu markdown, liens /agences#id
- suppression de server/api/chatbot-v2.post.ts et server/utils/vectorSearch.ts (aucun appelant) ; base recherche sémantique par embeddings retrouvable au commit 39602e26

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_015vcVGz8i4WpZm2dixKUiSD

components/ChatbotPlaceholder.vue

@@ -12,7 +12,7 @@
       role="button"
       tabindex="0"
       :aria-expanded="isExpanded"
-      aria-label="Ouvrir l'assistant chatbot"
+      :aria-label="`Ouvrir l'assistant : ${titre}`"
       @keydown.enter="toggleExpand"
       @keydown.space.prevent="toggleExpand"
     >
@@ -27,7 +27,7 @@
       </div>
 
       <span class="flex-1 text-sm" style="color: var(--nav-text-muted);">
-        {{ isExpanded ? 'Chatbot AEP' : 'Pose une question sur le réseau…' }}
+        {{ isExpanded ? titre : placeholderReplie }}
       </span>
 
       <!-- Chevron -->
@@ -52,21 +52,22 @@
       <div class="chatbot-body-inner" ref="messagesContainer">
         <!-- Onboarding -->
         <div v-if="messages.length === 0" class="onboarding-bubble">
-          <p>Explore les 120 structures de la carte par la conversation. Je peux t'aider à trouver des collectifs, agences ou réseaux selon ta situation, ta pratique ou tes inspirations du moment.</p>
-          <p class="example">Exemple : "Je cherche des acteurs de la rénovation de maisons individuelles en France, plutôt en milieu rural, avec des approches biosourcées ou low-tech."</p>
+          <p>{{ intro }}</p>
+          <p v-if="exemple" class="example">{{ exemple }}</p>
         </div>
 
         <!-- Messages -->
         <template v-for="(msg, i) in messages" :key="i">
           <div v-if="msg.role === 'user'" class="user-bubble">{{ msg.content }}</div>
           <div v-else class="assistant-bubble">
-            <p>{{ msg.content }}</p>
+            <div v-if="rendreMarkdown" v-html="renderMd(msg.content)" />
+            <p v-else>{{ msg.content }}</p>
             <div v-if="msg.fiches && msg.fiches.length > 0" class="fiches-list">
-              <p class="fiches-title">Fiches recommandees :</p>
+              <p class="fiches-title">{{ fichesTitre }}</p>
               <a
                 v-for="fiche in msg.fiches"
                 :key="fiche.id"
-                :href="`/fiche/${fiche.id}`"
+                :href="ficheLienModele.replace('{id}', String(fiche.id))"
                 class="fiche-card"
               >
                 <span class="fiche-nom">{{ fiche.nom }}</span>
@@ -106,7 +107,7 @@
           v-model="inputText"
           type="text"
           :disabled="loading"
-          placeholder="Pose ta question…"
+          :placeholder="placeholderSaisie"
           class="chatbot-input"
           @keydown.enter.prevent="sendMessage"
         />
@@ -127,6 +128,9 @@
 </template>
 
 <script setup lang="ts">
+import { useMarkdown } from '~/composables/useMarkdown'
+const { render: renderMd } = useMarkdown()
+
 interface FicheReco {
   id: number | string
   nom: string
@@ -140,6 +144,44 @@ interface ChatMessage {
   suggestedHashtags?: string[]
 }
 
+// Composant unique pour les deux chatbots desktop. Les défauts reproduisent
+// exactement le comportement de l'accueil (/api/chatbot, backend Entraide).
+// Les deux backends renvoient { reponse_texte, fiches_recommandees } ; seul
+// le rendu diffère (texte brut vs markdown, lien de fiche).
+const props = withDefaults(defineProps<{
+  /** Route serveur appelée (body { question }) */
+  endpoint?: string
+  /** Titre affiché dans l'en-tête déplié */
+  titre?: string
+  /** Texte de l'en-tête replié */
+  placeholderReplie?: string
+  /** Placeholder du champ de saisie */
+  placeholderSaisie?: string
+  /** Texte d'accueil (première bulle) */
+  intro?: string
+  /** Exemple de question, affiché sous l'accueil */
+  exemple?: string
+  /** Intitulé de la liste de fiches/structures citées */
+  fichesTitre?: string
+  /** Modèle de lien vers une fiche, {id} est remplacé */
+  ficheLienModele?: string
+  /** Rendre la réponse en markdown (backend réseaux) plutôt qu'en texte brut */
+  rendreMarkdown?: boolean
+  /** Message affiché quand la limite quotidienne (429) est atteinte */
+  messageLimite?: string
+}>(), {
+  endpoint: '/api/chatbot',
+  titre: 'Chatbot AEP',
+  placeholderReplie: 'Pose une question sur le réseau…',
+  placeholderSaisie: 'Pose ta question…',
+  intro: "Explore les 120 structures de la carte par la conversation. Je peux t'aider à trouver des collectifs, agences ou réseaux selon ta situation, ta pratique ou tes inspirations du moment.",
+  exemple: 'Exemple : "Je cherche des acteurs de la rénovation de maisons individuelles en France, plutôt en milieu rural, avec des approches biosourcées ou low-tech."',
+  fichesTitre: 'Fiches recommandees :',
+  ficheLienModele: '/fiche/{id}',
+  rendreMarkdown: false,
+  messageLimite: 'Limite de 10 questions par jour atteinte. Reviens demain.',
+})
+
 const emit = defineEmits<{
   'highlightOrgs': [ids: (number | string)[]]
   'applyHashtag': [tag: string]
@@ -203,7 +245,7 @@ async function sendMessage() {
     const res = await $fetch<{
       reponse_texte: string
       fiches_recommandees: { id: number | string; nom: string; explication: string }[]
-    }>('/api/chatbot', {
+    }>(props.endpoint, {
       method: 'POST',
       body: { question },
     })
@@ -223,7 +265,7 @@ async function sendMessage() {
   } catch (e: any) {
     const status = e?.statusCode ?? e?.status
     if (status === 429) {
-      errorMsg.value = 'Limite de 10 questions par jour atteinte. Reviens demain.'
+      errorMsg.value = props.messageLimite
     } else if (status === 503) {
       errorMsg.value = 'Le budget IA mensuel est épuisé. Soutiens NAV sur Liberapay pour continuer.'
     } else {

pages/agences.vue

@@ -58,6 +58,16 @@
         <!-- Chatbot sous la carte (ordinateur) -->
         <div v-if="vf.etat.sousVue !== 'outremer'" class="hidden lg:block shrink-0">
           <ChatbotPlaceholder
+            endpoint="/api/chatbot-reseaux"
+            titre="Assistant Réseaux AEP"
+            placeholder-replie="Pose une question sur les structures et agences du réseau…"
+            placeholder-saisie="Décris ta situation…"
+            intro="Je connais les 120 réseaux, collectifs et agences cartographiés dans AEP — ceux qui portent une vision écologique et politique de l'architecture. Décris ta situation : tu cherches un collectif, une agence inspirante, un partenaire sur un projet ?"
+            exemple="Exemple : « Quelles agences travaillent sur le réemploi ? »"
+            fiches-titre="Structures recommandées :"
+            fiche-lien-modele="/agences#{id}"
+            rendre-markdown
+            message-limite="Limite de 20 questions par jour atteinte."
             @highlightOrgs="() => {}"
             @applyHashtag="(tag) => vf.ajouterFiltre('tags', sansDiese(tag))"
           />

server/api/chatbot-v2.post.ts

@@ -1,194 +0,0 @@
-/**
- * POST /api/chatbot-v2
- *
- * Chatbot V2 - Embedding-based search sur structures bifurcation
- * Coexiste avec /api/chatbot (keyword NocoDB) pendant la transition.
- *
- * SETUP AVANT DEPLOY :
- * cd nav-carte && MISTRAL_API_KEY=xxx node scripts/vectorize-v2.js
- * Coût estimé : ~0.10 EUR pour 120 fiches
- *
- * Flow :
- *   1. Rate limit (réutilise checkRateLimitJson, 10 req/IP/jour)
- *   2. Embed la query via Mistral Embed (mistral-embed)
- *   3. Top-5 cosine similarity sur embeddings-v2.json
- *   4. Si embeddings absents : réponse graceful (v2_ready: false)
- *   5. Construit contexte RAG depuis les fiches candidates
- *   6. Génère réponse Mistral Small (json_object)
- *   7. Retourne { reponse_texte, fiches_recommandees, sources, v2_ready }
- *
- * Variables d'env :
- *   MISTRAL_API_KEY       - Clé Mistral (partagée avec chatbot v1)
- *   RAG_V1_ENABLED        - true/false (défaut: true) - coexistence pendant transition
- *   RAG_V1_DEPRECATION_DATE - Date prévue deprecation v1 (ex: 2026-05-18)
- */
-
-import { checkRateLimitJson } from '~/server/utils/rateLimitJson'
-import { loadEmbeddingsV2, topKSearch } from '~/server/utils/vectorSearch'
-
-// ── System prompt V2 ───────────────────────────────────────────────────────────
-
-const SYSTEM_PROMPT_V2 = `Tu es un assistant pour la carte des réseaux de bifurcation en architecture (projet AEP).
-Tu réponds aux questions sur les structures, les pratiques, les pensées écologiques.
-
-Règles :
-- Cite chaque structure par son nom exact et son fiche_id
-- Indique la famille (1-5) entre parenthèses après chaque nom
-- Reste sobre et descriptif - pas militant agressif
-- Tirets longs interdits : utilise des - ou des ;
-- Max 200 mots par réponse
-- Si hors-scope (pas archi/habiter/écologie), redirige poliment vers la carte
-- Retourne UNIQUEMENT un JSON valide, sans texte avant ou après
-
-Familles :
-1 - Réemploi et filières
-2 - Frugalité et low-tech
-3 - Architecture sociale et précarités
-4 - Collectifs, écolieux et AMO
-5 - Urbanisme de transition et territoires
-
-FORMAT DE SORTIE :
-{
-  "reponse_texte": "Ta réponse en prose (max 200 mots)",
-  "fiches_recommandees": [
-    { "fiche_id": "f1-rotor", "nom": "Rotor", "explication": "1-2 phrases pourquoi cette fiche" }
-  ]
-}
-
-CONTEXTE - Structures disponibles :
-{{CONTEXTE_RAG}}`
-
-// ── Handler ────────────────────────────────────────────────────────────────────
-
-export default defineEventHandler(async (event) => {
-  const config = useRuntimeConfig()
-
-  // 1. Rate limit
-  const ip =
-    getHeader(event, 'x-forwarded-for')?.split(',')[0].trim() ||
-    event.node.req.socket?.remoteAddress ||
-    '0.0.0.0'
-
-  const allowed = checkRateLimitJson(ip, 'chatbot-v2', 10)
-  if (!allowed) {
-    throw createError({
-      statusCode: 429,
-      statusMessage: 'Limite de 10 questions par jour atteinte.'
-    })
-  }
-
-  // 2. Validation body
-  const body = await readBody(event)
-  const question: string = (body?.question ?? '').trim()
-
-  if (!question || question.length < 3) {
-    throw createError({ statusCode: 400, statusMessage: 'Question trop courte.' })
-  }
-
-  const mistralApiKey = config.mistralApiKey as string
-  if (!mistralApiKey) {
-    throw createError({ statusCode: 500, statusMessage: 'Clé API Mistral manquante.' })
-  }
-
-  // 3. Charger embeddings V2 (lazy, cachés en mémoire)
-  const embeddingsV2 = loadEmbeddingsV2()
-
-  // Graceful fallback si le script vectorize-v2.js n'a pas encore été lancé
-  if (embeddingsV2.length === 0) {
-    return {
-      reponse_texte: "La base vectorielle V2 est en cours de préparation. Merci d'utiliser le chatbot classique en attendant.",
-      fiches_recommandees: [],
-      sources: [],
-      v2_ready: false
-    }
-  }
-
-  // 4. Embed la query via Mistral Embed
-  let queryEmbedding: number[]
-  try {
-    const embedRes = await $fetch<{ data: { embedding: number[] }[] }>(
-      'https://api.mistral.ai/v1/embeddings',
-      {
-        method: 'POST',
-        headers: {
-          Authorization: `Bearer ${mistralApiKey}`,
-          'Content-Type': 'application/json'
-        },
-        body: JSON.stringify({
-          model: 'mistral-embed',
-          inputs: [question]
-        })
-      }
-    )
-    queryEmbedding = embedRes.data[0].embedding
-  } catch (e: any) {
-    console.error('[chatbot-v2] Erreur embedding Mistral :', e?.message ?? e)
-    throw createError({ statusCode: 502, statusMessage: 'Erreur embedding Mistral.' })
-  }
-
-  // 5. Top-5 cosine similarity
-  const v2Results = topKSearch(embeddingsV2, queryEmbedding, 5)
-
-  // 6. Contexte RAG
-  const candidatesContext = v2Results.map(r => ({
-    fiche_id: r.fiche_id,
-    nom: r.nom,
-    famille: r.famille,
-    hashtags: r.hashtags,
-    score: r.score,
-    preview: r.text_preview
-  }))
-
-  const contextStr = candidatesContext
-    .map(c => `[${c.fiche_id}] ${c.nom} (famille ${c.famille}, score: ${c.score.toFixed(2)})\n${c.preview}`)
-    .join('\n\n---\n\n')
-
-  const systemPrompt = SYSTEM_PROMPT_V2.replace('{{CONTEXTE_RAG}}', contextStr)
-
-  // 7. Mistral Small - génération réponse
-  let mistralRaw: string
-  try {
-    const mistralRes = await $fetch<{
-      choices: { message: { content: string } }[]
-    }>('https://api.mistral.ai/v1/chat/completions', {
-      method: 'POST',
-      headers: {
-        Authorization: `Bearer ${mistralApiKey}`,
-        'Content-Type': 'application/json'
-      },
-      body: JSON.stringify({
-        model: 'mistral-small-latest',
-        temperature: 0.3,
-        max_tokens: 600,
-        response_format: { type: 'json_object' },
-        messages: [
-          { role: 'system', content: systemPrompt },
-          { role: 'user', content: question }
-        ]
-      })
-    })
-    mistralRaw = mistralRes.choices?.[0]?.message?.content ?? '{}'
-  } catch (e: any) {
-    console.error('[chatbot-v2] Erreur Mistral Small :', e?.message ?? e)
-    throw createError({ statusCode: 502, statusMessage: 'Erreur appel Mistral Small.' })
-  }
-
-  // 8. Parse JSON
-  let parsed: { reponse_texte: string; fiches_recommandees: any[] }
-  try {
-    parsed = JSON.parse(mistralRaw)
-    if (!parsed.reponse_texte) throw new Error('reponse_texte absent')
-  } catch {
-    parsed = {
-      reponse_texte: "Impossible d'analyser la réponse.",
-      fiches_recommandees: []
-    }
-  }
-
-  return {
-    reponse_texte: parsed.reponse_texte,
-    fiches_recommandees: parsed.fiches_recommandees ?? [],
-    sources: candidatesContext,
-    v2_ready: true
-  }
-})

server/utils/vectorSearch.ts

@@ -1,96 +0,0 @@
-/**
- * Recherche vectorielle sur les embeddings V2
- * Cosine similarity + top-K
- *
- * Utilisé par : server/api/chatbot-v2.post.ts
- * Données     : server/data/embeddings-v2.json (généré par scripts/vectorize-v2.js)
- */
-
-import { readFileSync, existsSync } from 'fs'
-import { fileURLToPath } from 'url'
-import { resolve, dirname } from 'path'
-
-// ── Types ──────────────────────────────────────────────────────────────────────
-
-export interface EmbeddingEntry {
-  fiche_id: string
-  nom: string
-  famille: number
-  hashtags: string[]
-  embedding: number[]
-  text_preview: string
-}
-
-export interface SearchResult {
-  fiche_id: string
-  nom: string
-  famille: number
-  hashtags: string[]
-  score: number
-  text_preview: string
-}
-
-// ── Cosine similarity ──────────────────────────────────────────────────────────
-
-export function cosineSimilarity(a: number[], b: number[]): number {
-  if (a.length !== b.length) return 0
-  let dot = 0, normA = 0, normB = 0
-  for (let i = 0; i < a.length; i++) {
-    dot += a[i] * b[i]
-    normA += a[i] * a[i]
-    normB += b[i] * b[i]
-  }
-  const denom = Math.sqrt(normA) * Math.sqrt(normB)
-  return denom === 0 ? 0 : dot / denom
-}
-
-// ── Top-K search ───────────────────────────────────────────────────────────────
-
-export function topKSearch(
-  embeddings: EmbeddingEntry[],
-  queryEmbedding: number[],
-  k: number = 5
-): SearchResult[] {
-  return embeddings
-    .map(e => ({
-      fiche_id: e.fiche_id,
-      nom: e.nom,
-      famille: e.famille,
-      hashtags: e.hashtags,
-      score: cosineSimilarity(e.embedding, queryEmbedding),
-      text_preview: e.text_preview
-    }))
-    .sort((a, b) => b.score - a.score)
-    .slice(0, k)
-}
-
-// ── Chargement lazy des embeddings (cache module-level) ────────────────────────
-
-let _embeddingsV2: EmbeddingEntry[] | null = null
-
-export function loadEmbeddingsV2(): EmbeddingEntry[] {
-  if (_embeddingsV2 !== null) return _embeddingsV2
-
-  try {
-    // Résolution du chemin depuis server/utils/ vers server/data/
-    const currentDir = dirname(fileURLToPath(import.meta.url))
-    const embPath = resolve(currentDir, '..', 'data', 'embeddings-v2.json')
-
-    if (!existsSync(embPath)) {
-      console.warn('[vectorSearch] embeddings-v2.json absent - V2 vector search désactivé')
-      console.warn('[vectorSearch] Lancer : MISTRAL_API_KEY=xxx node scripts/vectorize-v2.js')
-      _embeddingsV2 = []
-      return []
-    }
-
-    const raw = readFileSync(embPath, 'utf-8')
-    const data = JSON.parse(raw)
-    _embeddingsV2 = data.embeddings ?? []
-    console.log(`[vectorSearch] ${_embeddingsV2!.length} embeddings V2 chargés (${data.meta?.model ?? 'unknown'})`)
-    return _embeddingsV2!
-  } catch (e: any) {
-    console.warn('[vectorSearch] Erreur chargement embeddings-v2.json :', e?.message ?? e)
-    _embeddingsV2 = []
-    return []
-  }
-}