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

PIPE-IA-DOC.md

@@ -365,7 +365,7 @@ fait ici pour ne pas tester un ALTER contre la prod sans l'avoir vérifié.
 
 | Sujet | NAV V2 (§1-10 ci-dessus) | AEP B5 |
 |---|---|---|
-| LLM | Mistral Nemo, appel direct | **Bifrost** (`${BIFROST_URL}/v1/chat/completions`, header `x-bf-vk`), modèle `WORKER_MODEL` (défaut `groq/llama-3.1-8b-instant`) |
+| LLM | Mistral Nemo, appel direct | **Bifrost** (`${BIFROST_URL}/v1/chat/completions`, header `x-bf-vk`), modèle `WORKER_MODEL` (défaut `groq/openai/gpt-oss-20b` depuis le 28/09, voir §11.3) |
 | Scrape | crawl4ai (Python, `AsyncHTTPCrawlerStrategy`) | **fetch natif Node 22** — timeout 8 s, corps plafonné 500 Ko, extraction titre + meta description + `og:*` + texte visible tronqué à 4000 caractères, `User-Agent: AEP/2.0 contact@trans-former.fr` |
 | Notification | Resend (email Jules) | **ntfy** (`POST https://ntfy.sh/$NTFY_TOPIC`) — le message ne contient JAMAIS l'email ni le texte libre du contributeur, seulement id NocoDB / nom suggéré / type / confiance |
 | Seuil « 5 fiches pending » | Email si ≥ 5 en attente | **Retiré** (décision MOE : volume faible, une notif par fiche traitée suffit — à réactiver si le volume monte) |
@@ -381,3 +381,40 @@ Le mode `--dry-run` (`node enrich.js --dry-run`) lit
 `worker/fixtures/dry-run-rows.json` au lieu de NocoDB, n'écrit rien, et par
 défaut mock aussi le scrape et l'appel Bifrost (`DRY_RUN_LIVE=1` pour
 forcer de vrais appels réseau sans jamais toucher NocoDB).
+
+### 11.3 Modèles Groq retirés — bascule sur gpt-oss (2026-09-28)
+
+Groq ne sert plus `llama-3.1-8b-instant` ni `llama-3.3-70b-versatile`
+(404 `model_not_found` via Bifrost, constaté au test M3 du 28/09).
+
+| Consommateur | Avant | Après | Où |
+|---|---|---|---|
+| Worker (`worker/enrich.js`) | `groq/llama-3.1-8b-instant` | `groq/openai/gpt-oss-20b` | prod : `WORKER_MODEL` dans `/opt/aep/.env` depuis le 28/09 ; défaut du code aligné |
+| Chatbots, tier RAPIDE | `groq/llama-3.1-8b-instant` | `groq/openai/gpt-oss-20b` | `server/utils/bifrost.ts`, replis inchangés |
+| Chatbots, tier APPROFONDI | `groq/llama-3.3-70b-versatile` | `groq/openai/gpt-oss-120b` | `server/utils/bifrost.ts`, replis inchangés |
+| RAG Pensées (LightRAG) | `gemini-oai/models/gemini-2.5-flash-lite` | inchangé | `/opt/lightrag/.env`, hors de ce routage |
+
+Entre le retrait et ce correctif, chaque appel chatbot partait sur le
+premier repli Gemini (`stats_usage` depuis le 23/09 environ) : service
+rendu, modèle primaire jamais servi.
+
+**gpt-oss est un modèle à raisonnement.** Deux conséquences :
+- la réponse porte `choices[0].message.reasoning` à côté de `content`. Les
+  trois routes (`chatbot`, `chatbot-reseaux`, `chatbot-taff`) et le worker ne
+  lisent que `content` (JSON), `usage` et `extra_fields` : le champ est
+  ignoré, rien n'en dépend. `chatbot-pensees` lit la réponse de LightRAG
+  (`response`, `references`), pas celle de Bifrost ;
+- les tokens de raisonnement sont décomptés de `max_tokens`. Si le
+  fournisseur rend un JSON tronqué en HTTP 200, Bifrost ne bascule pas et
+  l'usager lit « Je n'ai pas pu analyser ta demande » (s'il le rejette en
+  400, le repli Gemini prend le relais : dégradé, pas cassé). Les routes chatbot ajoutent donc
+  `REASONING_MARGIN_TOKENS` (800) à leur budget de contenu (600 ou 700), et
+  `bifrostContent()` écrit un avertissement au journal quand
+  `finish_reason` vaut `length`. Le worker garde `max_tokens: 800` (sortie
+  courte, M3 passé en 1,6 s) ; à relever si `tokens_out` approche 800 dans
+  `stats_usage`.
+
+**Non testé depuis Windows** (Bifrost écoute sur le loopback du VPS). Test
+réel au checkpoint : un appel par route, relever `extra_fields` (modèle
+réellement servi), `usage.completion_tokens`, `finish_reason`, et le
+modèle inscrit dans `stats_usage` pour `/api/chatbot`.

server/api/chatbot-reseaux.post.ts

@@ -1,12 +1,12 @@
 /**
  * POST /api/chatbot-reseaux
  * Chatbot Réseaux AEP — Carte 2 "Réseaux de bifurcation"
- * Keyword search sur reseaux-bifurcation.json + Mistral Small.
+ * Keyword search sur reseaux-bifurcation.json + LLM via Bifrost (server/utils/bifrost.ts).
  */
 // @ts-ignore — JSON import résolu par Rollup
 import reseauxData from '../../public/data/reseaux-bifurcation.json'
 import { checkRateLimitJson } from '~/server/utils/rateLimitJson'
-import { pickBifrostTier, type BifrostChatResponse } from '~/server/utils/bifrost'
+import { pickBifrostTier, bifrostContent, REASONING_MARGIN_TOKENS, type BifrostChatResponse } from '~/server/utils/bifrost'
 
 interface Structure {
   id: string
@@ -99,7 +99,7 @@ export default defineEventHandler(async (event) => {
           model: tier.model,
           fallbacks: tier.fallbacks,
           temperature: 0.3,
-          max_tokens: 700,
+          max_tokens: 700 + REASONING_MARGIN_TOKENS,
           response_format: { type: 'json_object' },
           messages: [
             { role: 'system', content: systemPrompt },
@@ -108,7 +108,7 @@ export default defineEventHandler(async (event) => {
         }),
       }
     )
-    mistralRaw = res.choices?.[0]?.message?.content ?? '{}'
+    mistralRaw = bifrostContent(res, 'chatbot-reseaux')
   } catch {
     throw createError({ statusCode: 502, message: 'Erreur IA — réessaie dans quelques instants.' })
   }

server/api/chatbot-taff.post.ts

@@ -1,13 +1,13 @@
 /**
  * POST /api/chatbot-taff
  * Chatbot d'aiguillage — Carte 3 "Trouver du taf"
- * Lit plateformes-taff.json, appelle Mistral Small, retourne recommandations.
+ * Lit plateformes-taff.json, appelle un LLM via Bifrost (server/utils/bifrost.ts), retourne recommandations.
  */
 
 // @ts-ignore — JSON import résolu par Vite/Rollup
 import taffData from '../../public/data/plateformes-taff.json'
 import { checkRateLimitJson } from '~/server/utils/rateLimitJson'
-import { pickBifrostTier, type BifrostChatResponse } from '~/server/utils/bifrost'
+import { pickBifrostTier, bifrostContent, REASONING_MARGIN_TOKENS, type BifrostChatResponse } from '~/server/utils/bifrost'
 
 interface PlateformeMinimal {
   id: string
@@ -110,7 +110,7 @@ export default defineEventHandler(async (event) => {
           model: tier.model,
           fallbacks: tier.fallbacks,
           temperature: 0.3,
-          max_tokens: 700,
+          max_tokens: 700 + REASONING_MARGIN_TOKENS,
           response_format: { type: 'json_object' },
           messages: [
             { role: 'system', content: systemPrompt },
@@ -119,7 +119,7 @@ export default defineEventHandler(async (event) => {
         }),
       }
     )
-    mistralRaw = res.choices?.[0]?.message?.content ?? '{}'
+    mistralRaw = bifrostContent(res, 'chatbot-taff')
   } catch {
     throw createError({ statusCode: 502, statusMessage: 'Erreur IA — réessaie dans quelques instants.' })
   }

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 =

server/utils/bifrost.ts

@@ -3,10 +3,24 @@
  * Endpoint OpenAI-compatible : POST {bifrostUrl}/v1/chat/completions
  * Auth : header x-bf-vk
  *
- * 2 tiers validés (Mission M3, build Bifrost) :
+ * 2 tiers (Mission M3 du build Bifrost ; modèles primaires changés le 28/09, session AEP front 4) :
  *   RAPIDE     — défaut, pas de toggle UI mode rapide/approfondi sur le site actuellement
  *   APPROFONDI — activable via body.mode === 'approfondi' (prêt pour un futur toggle front)
  *
+ * ⚠ 28/09 : Groq a retiré groq/llama-3.1-8b-instant (RAPIDE) et groq/llama-3.3-70b-versatile
+ *   (APPROFONDI) — 404 model_not_found via Bifrost. Depuis le 23/09 environ, chaque appel
+ *   chatbot tombait sur le premier repli Gemini (stats_usage). Primaires passés sur
+ *   groq/openai/gpt-oss-20b et groq/openai/gpt-oss-120b ; replis inchangés. Le worker
+ *   /opt/aep-worker tourne sur gpt-oss-20b en prod depuis le 28/09 (WORKER_MODEL, json_object) :
+ *   Bifrost accepte ce nom de modèle à slash côté Groq.
+ * ⚠ gpt-oss est un modèle à raisonnement :
+ *   - la réponse porte un champ message.reasoning à côté de message.content. Les routes
+ *     chatbot ne lisent que content (JSON), usage et extra_fields : le champ est ignoré ;
+ *   - les tokens de raisonnement sont décomptés de max_tokens. Sans marge, le JSON de la
+ *     réponse peut être tronqué ; rendu en HTTP 200, Bifrost ne bascule pas, JSON.parse
+ *     échoue → « Je n'ai pas pu analyser ta demande ». Déjà vu le 15/07 : gpt-oss-120b (via Cerebras), 3 appels
+ *     corrects sur 4, « tronque parfois à max_tokens 700 ». D'où REASONING_MARGIN_TOKENS, ajouté par
+ *     chaque route à son budget de contenu.
  * ⚠ openrouter-oai exclu (bug Bifrost confirmé — 404 HTML sur modèles avec slash)
  * ⚠ gemini-oai exige le préfixe "models/" (sinon 403 silencieux)
  * ⚠ cerebras/gemma-4-31b RETIRÉ du tier RAPIDE (M4, 15/07) : en JSON mode avec un contexte
@@ -19,7 +33,7 @@
  */
 
 export const BIFROST_TIER_RAPIDE = {
-  model: 'groq/llama-3.1-8b-instant',
+  model: 'groq/openai/gpt-oss-20b',
   fallbacks: [
     'gemini-oai/models/gemini-2.5-flash-lite',
     'cohere/command-r-08-2024',
@@ -27,7 +41,7 @@ export const BIFROST_TIER_RAPIDE = {
 }
 
 export const BIFROST_TIER_APPROFONDI = {
-  model: 'groq/llama-3.3-70b-versatile',
+  model: 'groq/openai/gpt-oss-120b',
   fallbacks: [
     'gemini-oai/models/gemini-2.5-flash',
     'mistral/mistral-large-latest',
@@ -35,13 +49,34 @@ export const BIFROST_TIER_APPROFONDI = {
   ],
 }
 
+/**
+ * Tokens ajoutés au budget de contenu de chaque route (max_tokens = contenu + marge) pour
+ * absorber le raisonnement de gpt-oss. Plafond seulement : les replis sans raisonnement
+ * n'écrivent pas plus long, les prompts bornent la réponse (200-250 mots). Rester modeste :
+ * la limite de tokens par minute d'une clé Groq peut compter max_tokens avec le prompt.
+ */
+export const REASONING_MARGIN_TOKENS = 800
+
 /** Sélectionne le tier selon le param optionnel body.mode. */
 export function pickBifrostTier(mode?: string) {
   return mode === 'approfondi' ? BIFROST_TIER_APPROFONDI : BIFROST_TIER_RAPIDE
 }
 
 export interface BifrostChatResponse {
-  choices: { message: { content: string } }[]
+  /** reasoning : présent avec gpt-oss, jamais lu (la réponse utile est dans content). */
+  choices: { message: { content: string; reasoning?: string }; finish_reason?: string }[]
   usage?: { prompt_tokens: number; completion_tokens: number }
   extra_fields?: { provider?: string; resolved_model_used?: string }
 }
+
+/**
+ * Contenu JSON de la réponse. Une troncature (finish_reason 'length') ne lève aucune erreur
+ * et finit en message générique côté usager : on la signale au journal pour la voir.
+ */
+export function bifrostContent(res: BifrostChatResponse, route: string): string {
+  const choice = res.choices?.[0]
+  if (choice?.finish_reason === 'length') {
+    console.warn(`[${route}] réponse tronquée (finish_reason=length) : relever REASONING_MARGIN_TOKENS`)
+  }
+  return choice?.message?.content ?? '{}'
+}

worker/enrich.js

@@ -33,7 +33,7 @@ const NOCODB_TABLE_STATS = process.env.NOCODB_TABLE_STATS;
 
 const BIFROST_URL = process.env.BIFROST_URL || 'http://127.0.0.1:8080';
 const BIFROST_VK = process.env.BIFROST_VK;
-const WORKER_MODEL = process.env.WORKER_MODEL || 'groq/llama-3.1-8b-instant';
+const WORKER_MODEL = process.env.WORKER_MODEL || 'groq/openai/gpt-oss-20b'; // llama-3.1-8b-instant retiré par Groq (28/09)
 
 const NTFY_TOPIC = process.env.NTFY_TOPIC;