fix(bifrost): tiers sur gpt-oss (Groq a retiré les llama) + marge de raisonnement

RAPIDE groq/llama-3.1-8b-instant → groq/openai/gpt-oss-20b ; APPROFONDI
groq/llama-3.3-70b-versatile → groq/openai/gpt-oss-120b ; replis inchangés.
Les chatbots vivaient sur le repli Gemini depuis le retrait.

gpt-oss raisonne : ses tokens de raisonnement sont décomptés de max_tokens.
REASONING_MARGIN_TOKENS (800) ajouté au budget des trois routes, et
bifrostContent() signale au journal une réponse tronquée (finish_reason
length). Le champ message.reasoning est ignoré. Défaut WORKER_MODEL aligné
sur la prod. En-têtes « Mistral Small » corrigés, PIPE-IA-DOC §11.3.

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_01AzGo8bxhHp6M9RxuAFbyLU

server/api/chatbot.post.ts

@@ -1,14 +1,14 @@
 /**
  * POST /api/chatbot
  *
- * Chatbot recherche sémantique — Mistral Small
+ * Chatbot recherche sémantique — LLM via Bifrost (tiers et replis : server/utils/bifrost.ts)
  * Spec : F §7 (endpoint), F §8 (rate limit), E-spec §6 (détails chatbot)
  *
  * Flow :
  *   1. Rate limit : 10 req/IP/jour (JSON fichier, SHA-256)
  *   2. Circuit breaker : budget 20€/mois
  *   3. Fetch top-N fiches (keyword match sur nom+description+fonctions)
- *   4. Appel Mistral Small avec contexte JSON compact
+ *   4. Appel Bifrost (tier RAPIDE par défaut) avec contexte JSON compact
  *   5. Parse JSON → { reponse_texte, fiches_recommandees }
  *   6. Log stats_usage
  *
@@ -19,7 +19,7 @@
 
 import { checkRateLimitJson } from '~/server/utils/rateLimitJson'
 import { checkBudget, calcCoutMistralSmall } from '~/server/utils/circuitBreaker'
-import { pickBifrostTier, type BifrostChatResponse } from '~/server/utils/bifrost'
+import { pickBifrostTier, bifrostContent, REASONING_MARGIN_TOKENS, type BifrostChatResponse } from '~/server/utils/bifrost'
 
 // ── Types ──────────────────────────────────────────────────────────────────────
 
@@ -277,7 +277,7 @@ export default defineEventHandler(async (event) => {
         model: tier.model,
         fallbacks: tier.fallbacks,
         temperature: 0.3,
-        max_tokens: 600,
+        max_tokens: 600 + REASONING_MARGIN_TOKENS,
         response_format: { type: 'json_object' },
         messages: [
           { role: 'system', content: systemPrompt },
@@ -286,7 +286,7 @@ export default defineEventHandler(async (event) => {
       }),
     })
 
-    mistralRaw = bifrostRes.choices?.[0]?.message?.content ?? '{}'
+    mistralRaw = bifrostContent(bifrostRes, 'chatbot')
     tokensIn = bifrostRes.usage?.prompt_tokens ?? 0
     tokensOut = bifrostRes.usage?.completion_tokens ?? 0
     realModel =