Spaces:
Sleeping
Sleeping
File size: 90,253 Bytes
f5a1357 e2f537d f5a1357 e2f537d f5a1357 a89d575 f5a1357 e50d077 f5a1357 e50d077 cf13ec1 f5a1357 e50d077 f5a1357 cf13ec1 e2f537d f5a1357 cf13ec1 f5a1357 e2f537d f5a1357 a89d575 f5a1357 e2f537d f5a1357 e2f537d f5a1357 a89d575 f5a1357 e2f537d f5a1357 e2f537d f5a1357 e2f537d f5a1357 e2f537d f5a1357 e50d077 f5a1357 e2f537d f5a1357 e2f537d f5a1357 e2f537d f5a1357 e50d077 f5a1357 e2f537d f5a1357 e2f537d f5a1357 e2f537d f5a1357 e2f537d f5a1357 e2f537d f5a1357 e2f537d f5a1357 a89d575 e2f537d a89d575 f5a1357 e2f537d f5a1357 e2f537d f5a1357 e2f537d f5a1357 a89d575 e2f537d a89d575 e2f537d a89d575 f5a1357 e50d077 f5a1357 e2f537d f5a1357 a89d575 f5a1357 e50d077 f5a1357 e2f537d f5a1357 a89d575 f5a1357 c53ee1a e50d077 c53ee1a e50d077 c53ee1a e50d077 c53ee1a e50d077 c53ee1a e50d077 c53ee1a f5a1357 c53ee1a f5a1357 c53ee1a f5a1357 c53ee1a f5a1357 e2f537d f5a1357 c53ee1a e2f537d c53ee1a e2f537d f5a1357 c53ee1a f5a1357 c53ee1a f5a1357 e2f537d c53ee1a f5a1357 c53ee1a f5a1357 a89d575 b1b3bb9 c53ee1a f5a1357 c53ee1a b1b3bb9 e2f537d f5a1357 c53ee1a b1b3bb9 c53ee1a f5a1357 b1b3bb9 c53ee1a a89d575 b1b3bb9 a89d575 b1b3bb9 a89d575 b1b3bb9 e2f537d b1b3bb9 f5a1357 a89d575 b1b3bb9 e2f537d f5a1357 c53ee1a b1b3bb9 c53ee1a f5a1357 c53ee1a b1b3bb9 a89d575 b1b3bb9 a89d575 c53ee1a b1b3bb9 e2f537d c53ee1a b1b3bb9 c53ee1a b1b3bb9 c53ee1a b1b3bb9 e2f537d c53ee1a b1b3bb9 c53ee1a b1b3bb9 c53ee1a a89d575 b1b3bb9 a89d575 b1b3bb9 a89d575 c53ee1a b1b3bb9 c53ee1a b1b3bb9 c53ee1a b1b3bb9 c53ee1a b1b3bb9 c53ee1a b1b3bb9 c53ee1a b1b3bb9 c53ee1a b1b3bb9 c53ee1a b1b3bb9 c53ee1a b1b3bb9 c53ee1a f5a1357 a89d575 e2f537d a89d575 e2f537d f5a1357 a89d575 e2f537d f5a1357 a89d575 f5a1357 e2f537d f5a1357 a89d575 f5a1357 a89d575 f5a1357 a89d575 f5a1357 a89d575 f5a1357 a89d575 f5a1357 a89d575 f5a1357 a89d575 f5a1357 a89d575 f5a1357 a89d575 f5a1357 a89d575 f5a1357 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845 846 847 848 849 850 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880 881 882 883 884 885 886 887 888 889 890 891 892 893 894 895 896 897 898 899 900 901 902 903 904 905 906 907 908 909 910 911 912 913 914 915 916 917 918 919 920 921 922 923 924 925 926 927 928 929 930 931 932 933 934 935 936 937 938 939 940 941 942 943 944 945 946 947 948 949 950 951 952 953 954 955 956 957 958 959 960 961 962 963 964 965 966 967 968 969 970 971 972 973 974 975 976 977 978 979 980 981 982 983 984 985 986 987 988 989 990 991 992 993 994 995 996 997 998 999 1000 1001 1002 1003 1004 1005 1006 1007 1008 1009 1010 1011 1012 1013 1014 1015 1016 1017 1018 1019 1020 1021 1022 1023 1024 1025 1026 1027 1028 1029 1030 1031 1032 1033 1034 1035 1036 1037 1038 1039 1040 1041 1042 1043 1044 1045 1046 1047 1048 1049 1050 1051 1052 1053 1054 1055 1056 1057 1058 1059 1060 1061 1062 1063 1064 1065 1066 1067 1068 1069 1070 1071 1072 1073 1074 1075 1076 1077 1078 1079 1080 1081 1082 1083 1084 1085 1086 1087 1088 1089 1090 1091 1092 1093 1094 1095 1096 1097 1098 1099 1100 1101 1102 1103 1104 1105 1106 1107 1108 1109 1110 1111 1112 1113 1114 1115 1116 1117 1118 1119 1120 1121 1122 1123 1124 1125 1126 1127 1128 1129 1130 1131 1132 1133 1134 1135 1136 1137 1138 1139 1140 1141 1142 1143 1144 1145 1146 1147 1148 1149 1150 1151 1152 1153 1154 1155 1156 1157 1158 1159 1160 1161 1162 1163 1164 1165 1166 1167 1168 1169 1170 1171 1172 1173 1174 1175 1176 1177 1178 1179 1180 1181 1182 1183 1184 1185 1186 1187 1188 1189 1190 1191 1192 1193 1194 1195 1196 1197 1198 1199 1200 1201 1202 1203 1204 1205 1206 1207 1208 1209 1210 1211 1212 1213 1214 1215 1216 1217 1218 1219 1220 1221 1222 1223 1224 1225 1226 1227 1228 1229 1230 1231 1232 1233 1234 1235 1236 1237 1238 1239 1240 1241 1242 1243 1244 1245 1246 1247 1248 1249 1250 1251 1252 1253 1254 1255 1256 1257 1258 1259 1260 1261 1262 1263 1264 1265 1266 1267 1268 1269 1270 1271 1272 1273 1274 1275 1276 1277 1278 1279 1280 1281 1282 1283 1284 1285 1286 1287 1288 1289 1290 1291 1292 1293 1294 1295 1296 1297 1298 1299 1300 1301 1302 1303 1304 1305 1306 1307 1308 1309 1310 1311 1312 1313 1314 1315 1316 1317 1318 1319 1320 1321 1322 1323 1324 1325 1326 1327 1328 1329 1330 1331 1332 1333 1334 1335 1336 1337 1338 1339 1340 1341 1342 1343 1344 1345 1346 1347 1348 1349 1350 1351 1352 1353 1354 1355 1356 1357 1358 1359 1360 1361 1362 1363 1364 1365 1366 1367 1368 1369 1370 1371 1372 1373 1374 1375 1376 1377 1378 1379 1380 1381 1382 1383 1384 1385 1386 1387 1388 1389 1390 1391 1392 1393 1394 1395 1396 1397 1398 1399 1400 1401 1402 1403 1404 1405 1406 1407 1408 1409 1410 1411 1412 1413 1414 1415 1416 1417 1418 1419 1420 1421 1422 1423 1424 1425 1426 1427 1428 1429 1430 1431 1432 1433 1434 1435 1436 1437 1438 1439 1440 1441 1442 1443 1444 1445 1446 1447 1448 1449 1450 1451 1452 1453 1454 1455 1456 1457 1458 1459 1460 1461 1462 1463 1464 1465 1466 1467 1468 1469 1470 1471 1472 1473 1474 1475 1476 1477 1478 1479 1480 1481 1482 1483 1484 1485 1486 1487 1488 1489 1490 1491 1492 1493 1494 1495 1496 1497 1498 1499 1500 1501 1502 1503 1504 1505 1506 1507 1508 1509 1510 1511 1512 1513 1514 1515 1516 1517 1518 1519 1520 1521 1522 1523 1524 1525 1526 1527 1528 1529 1530 1531 1532 1533 1534 1535 1536 1537 1538 1539 1540 1541 1542 1543 1544 1545 1546 1547 1548 1549 1550 1551 1552 1553 1554 1555 1556 1557 1558 1559 1560 1561 1562 1563 1564 1565 1566 1567 1568 1569 1570 1571 1572 1573 1574 1575 1576 1577 1578 1579 1580 1581 1582 1583 1584 1585 1586 1587 1588 1589 1590 1591 1592 1593 1594 1595 1596 1597 1598 1599 1600 1601 1602 1603 1604 1605 1606 1607 1608 1609 1610 1611 1612 1613 1614 1615 1616 1617 1618 1619 1620 1621 1622 1623 1624 1625 1626 1627 1628 1629 1630 1631 1632 1633 1634 1635 1636 1637 1638 1639 1640 1641 1642 1643 1644 1645 1646 1647 1648 1649 1650 1651 1652 1653 1654 1655 1656 1657 1658 1659 1660 1661 1662 1663 1664 1665 1666 1667 1668 1669 1670 1671 1672 1673 1674 1675 1676 1677 1678 1679 1680 1681 1682 1683 1684 1685 1686 1687 1688 1689 1690 1691 1692 1693 1694 1695 1696 1697 1698 1699 1700 1701 1702 1703 1704 1705 1706 1707 1708 1709 1710 1711 1712 1713 1714 1715 1716 1717 1718 1719 1720 1721 1722 1723 1724 1725 1726 1727 1728 1729 1730 1731 1732 1733 1734 1735 1736 1737 1738 1739 1740 1741 1742 1743 1744 1745 1746 1747 1748 1749 1750 1751 1752 1753 1754 1755 1756 1757 1758 1759 1760 1761 1762 1763 1764 1765 1766 1767 1768 1769 1770 1771 1772 1773 1774 1775 1776 1777 1778 1779 1780 1781 1782 1783 1784 1785 1786 1787 1788 1789 1790 1791 1792 1793 1794 1795 1796 1797 1798 1799 1800 1801 1802 1803 1804 1805 1806 1807 1808 1809 1810 1811 1812 1813 1814 1815 1816 1817 1818 1819 1820 1821 1822 1823 1824 1825 1826 1827 1828 1829 1830 1831 1832 1833 1834 1835 1836 1837 1838 1839 1840 1841 1842 1843 1844 1845 1846 1847 1848 1849 1850 1851 1852 1853 1854 1855 1856 1857 1858 1859 1860 1861 1862 1863 1864 1865 1866 1867 1868 1869 1870 1871 1872 1873 1874 1875 1876 1877 1878 1879 1880 1881 1882 1883 1884 1885 1886 1887 1888 1889 1890 1891 1892 1893 1894 1895 1896 1897 1898 1899 1900 1901 1902 1903 1904 1905 1906 1907 1908 1909 1910 1911 1912 1913 1914 1915 1916 1917 1918 1919 1920 1921 1922 1923 1924 1925 1926 1927 1928 1929 1930 1931 1932 1933 1934 1935 1936 1937 1938 1939 1940 1941 1942 1943 1944 1945 1946 1947 1948 1949 1950 1951 1952 1953 1954 1955 1956 1957 1958 1959 1960 1961 1962 1963 1964 1965 1966 1967 1968 1969 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 | """
flowchart_engine.py - Moteur du logigramme d'aide à la détermination de l'impact carbone.
Suit le logigramme JSON pour déterminer quelle valeur d'impact carbone utiliser
en fonction de la provenance, du niveau de transformation, et des données disponibles.
"""
from __future__ import annotations
import logging
from dataclasses import dataclass, field
from typing import List, Optional, Tuple
import config
import data_loader
import llm_service
# Configure logging for flowchart engine
logger = logging.getLogger(__name__)
logger.setLevel(logging.DEBUG)
@dataclass
class StepLog:
"""Un pas dans le parcours du logigramme."""
node_id: str
question: Optional[str]
answer: Optional[str]
action: Optional[str] = None
result: Optional[str] = None
@dataclass
class CarbonResult:
"""Résultat complet de l'évaluation carbone d'une matière première."""
matiere_premiere: str
pays_production: Optional[str]
pays_transformation: Optional[str]
classification: str # "brut" | "transforme"
classification_justification: str
# Valeur finale
impact_kg_co2_eq: Optional[float] = None
impact_tonne_co2_eq: Optional[float] = None # conversion en tonnes
unite_source: str = "" # "kg CO2 eq / kg" ou "kg CO2 eq / tonne"
# Traçabilité
source_db: str = "" # "ECOALIM" | "GFLI"
intrant_utilise: str = "" # nom exact dans la BDD
match_exact: bool = True
justification_alternative: Optional[str] = None
# Parcours de logique
parcours: List[StepLog] = field(default_factory=list)
node_resultat: str = "" # node_id du résultat
actions_appliquees: List[str] = field(default_factory=list)
# Candidats alternatifs (pour affichage comparatif quand match non exact)
candidats_alternatifs: List[dict] = field(default_factory=list)
candidat_recommande: Optional[str] = None
candidats_reflexion: Optional[str] = None
# 4 propositions d'alternatives (itinerary, locality, form, combined)
alternatives_itinerary: Optional[dict] = None
alternatives_locality: Optional[dict] = None
alternatives_form: Optional[dict] = None
alternatives_combined: Optional[dict] = None
erreur: Optional[str] = None
def _normalize_country_name(pays: Optional[str]) -> str:
"""Normalise un nom de pays : minuscule, strip, espaces → tirets.
Ex: 'Pays Bas' → 'pays-bas', 'Etats Unis' → 'etats-unis'
"""
if not pays:
return ""
return pays.lower().strip().replace(" ", "-")
def _is_france(pays: Optional[str]) -> bool:
"""Vérifie si le pays est la France."""
if not pays:
return False
n = _normalize_country_name(pays)
if n in ("france", "fr"):
return True
# Fallback: check if input is ISO code "FR"
return pays.strip().upper() == "FR"
def _is_european(pays: Optional[str]) -> bool:
"""Vérifie si le pays est européen."""
if not pays:
return False
n = _normalize_country_name(pays)
if n in config.EUROPEAN_COUNTRIES_FR:
return True
# Try to get ISO from French mapping, or use uppercase input as fallback
pays_iso = config.PAYS_FR_TO_ISO.get(n, pays.strip().upper())
is_eu = pays_iso in config.EUROPEAN_COUNTRIES_ISO
logger.debug(f"_is_european({pays}) → {is_eu} (ISO: {pays_iso})")
return is_eu
def _get_country_iso(pays: Optional[str]) -> Optional[str]:
"""Convertit un nom de pays FR en code ISO."""
if not pays:
return None
n = _normalize_country_name(pays)
# Try to get ISO from French mapping, or use uppercase input as fallback if it's already an ISO code
iso = config.PAYS_FR_TO_ISO.get(n)
if iso:
return iso
# Check if input is already a valid ISO code
pays_upper = pays.strip().upper()
if pays_upper in config.EUROPEAN_COUNTRIES_ISO:
return pays_upper
# Check if it's a valid ISO code in our mapping values
if pays_upper in config.PAYS_FR_TO_ISO.values():
return pays_upper
return None
def _is_name_match(matiere: str, intrant_name: str) -> bool:
"""
Vérifie si le nom de la matière est une correspondance réelle (mot entier)
dans le nom de l'intrant, et non un simple sous-chaîne accidentelle.
Délègue à data_loader.is_name_match.
"""
return data_loader.is_name_match(matiere, intrant_name)
# ============================================================================
# Fonctions de résolution par node de résultat
# ============================================================================
def _resolve_node_4(matiere: str, result: CarbonResult) -> CarbonResult:
"""
Node 4 : Provenance inconnue + intrant brut.
1. Valeur la plus défavorable dans GFLI
2. Sinon la plus défavorable dans ECOALIM
3. Sinon valeur GFLI de l'intrant au schéma cultural le plus proche (LLM)
"""
# Étape 1 : GFLI worst
result.actions_appliquees.append("1. Recherche de la valeur la plus défavorable dans GFLI")
gfli_worst = data_loader.get_gfli_worst_value(matiere)
# Rejeter les faux positifs (ex : "blé" → "blend")
if gfli_worst and not _is_name_match(matiere, gfli_worst[1]):
result.actions_appliquees.append(f" ⚠ Faux positif rejeté : {gfli_worst[1]}")
gfli_worst = None
llm_justification = None
llm_match_exact = None
if not gfli_worst:
gfli_smart = llm_service.smart_search_gfli(matiere)
if gfli_smart and "valeur_kg_co2_eq_par_tonne" in gfli_smart:
llm_match_exact = gfli_smart.get("match_exact", False)
llm_justification = gfli_smart.get("justification")
base_name = gfli_smart["nom_intrant"].split(",")[0].split("/")[0].strip()
gfli_worst = data_loader.get_gfli_worst_value(base_name)
if not gfli_worst:
# Utiliser directement la valeur du LLM
gfli_worst = (
gfli_smart["valeur_kg_co2_eq_par_tonne"],
gfli_smart["nom_intrant"],
gfli_smart.get("source", "GFLI"),
)
if gfli_worst:
val, nom, src = gfli_worst
result.impact_kg_co2_eq = val
result.impact_tonne_co2_eq = val / 1000.0
result.unite_source = "kg CO2 eq / tonne de produit"
result.source_db = src
result.intrant_utilise = nom
# Déterminer si le match est exact
if llm_match_exact is not None:
result.match_exact = llm_match_exact
else:
result.match_exact = _is_name_match(matiere, nom)
if llm_justification:
result.justification_alternative = llm_justification
result.actions_appliquees.append(f" → Trouvé dans GFLI : {nom} = {val:.2f} kg CO2 eq/t")
return result
# Étape 2 : ECOALIM worst
result.actions_appliquees.append("2. Recherche de la valeur la plus défavorable dans ECOALIM")
eco_worst = data_loader.get_ecoalim_worst_value(matiere)
# Rejeter les faux positifs
if eco_worst and not _is_name_match(matiere, eco_worst[1]):
result.actions_appliquees.append(f" ⚠ Faux positif rejeté : {eco_worst[1]}")
eco_worst = None
llm_justification_eco = None
llm_match_exact_eco = None
if not eco_worst:
eco_smart = llm_service.smart_search_ecoalim(matiere)
if eco_smart:
llm_match_exact_eco = eco_smart.get("match_exact", False)
llm_justification_eco = eco_smart.get("justification")
eco_worst = data_loader.get_ecoalim_worst_value(
eco_smart["nom_intrant"].split(",")[0].strip()
)
if not eco_worst:
eco_worst = (
eco_smart["valeur_kg_co2_eq"],
eco_smart["nom_intrant"],
eco_smart.get("source", "ECOALIM"),
)
if eco_worst:
val, nom, src = eco_worst
result.impact_kg_co2_eq = val
# Note: impact_tonne_co2_eq will be set by post-processing based on unite_source
result.unite_source = "kg CO2 eq / kg de produit"
result.source_db = src
result.intrant_utilise = nom
if llm_match_exact_eco is not None:
result.match_exact = llm_match_exact_eco
else:
result.match_exact = _is_name_match(matiere, nom)
if llm_justification_eco:
result.justification_alternative = llm_justification_eco
result.actions_appliquees.append(f" → Trouvé dans ECOALIM : {nom} = {val:.4f} kg CO2 eq/kg")
return result
# Étape 3 : LLM pour trouver le schéma cultural le plus proche
result.actions_appliquees.append("3. Recherche via LLM de l'intrant au schéma cultural le plus proche (GFLI)")
gfli_smart = llm_service.smart_search_gfli(matiere)
if gfli_smart and "valeur_kg_co2_eq_par_tonne" in gfli_smart:
val = gfli_smart["valeur_kg_co2_eq_par_tonne"]
result.impact_kg_co2_eq = val
result.impact_tonne_co2_eq = val / 1000.0
result.unite_source = "kg CO2 eq / tonne de produit"
result.source_db = gfli_smart["source"]
result.intrant_utilise = gfli_smart["nom_intrant"]
result.match_exact = gfli_smart.get("match_exact", False)
result.justification_alternative = gfli_smart.get("justification")
result.actions_appliquees.append(f" → Via LLM : {gfli_smart['nom_intrant']} = {val:.2f} kg CO2 eq/t")
return result
# Étape 4 : Fallback - Proposer des matières alternatives
result.actions_appliquees.append("4. Fallback - Recherche via LLM de 4 alternatives")
alternatives = llm_service.find_alternative_materials(matiere, db_name="GFLI")
if alternatives:
# Stocker les 4 alternatives dans CarbonResult
if alternatives.get("itinerary"):
alt = alternatives["itinerary"]
result.alternatives_itinerary = {
"name": alt["name"],
"impact": alt["impact"],
"source": alt["source"],
"reasoning": alt["reasoning"],
}
if alternatives.get("locality"):
alt = alternatives["locality"]
result.alternatives_locality = {
"name": alt["name"],
"impact": alt["impact"],
"source": alt["source"],
"reasoning": alt["reasoning"],
}
if alternatives.get("form"):
alt = alternatives["form"]
result.alternatives_form = {
"name": alt["name"],
"impact": alt["impact"],
"source": alt["source"],
"reasoning": alt["reasoning"],
}
if alternatives.get("combined"):
alt = alternatives["combined"]
result.alternatives_combined = {
"name": alt["name"],
"impact": alt["impact"],
"source": alt["source"],
"reasoning": alt["reasoning"],
}
# Utiliser la combined comme valeur principale
val = alt["impact"]
result.impact_kg_co2_eq = val
result.impact_tonne_co2_eq = val / 1000.0
result.unite_source = "kg CO2 eq / tonne de produit"
result.source_db = alt["source"]
result.intrant_utilise = alt["name"]
result.match_exact = False
result.justification_alternative = alt["reasoning"]
result.actions_appliquees.append(f" → Matière proposée (combo) : {alt['name']} = {val:.2f} kg CO2 eq/t")
return result
result.erreur = f"Aucune valeur trouvée pour '{matiere}' dans GFLI ni ECOALIM."
return result
def _resolve_node_8(matiere: str, result: CarbonResult) -> CarbonResult:
"""
Node 8 : Provenance connue + brut + cultivé en France.
1. EcoALIM
2. GFLI
3. Intrant à la pratique culturale la plus proche dans EcoALIM (LLM)
"""
result.actions_appliquees.append("1. Recherche dans ECOALIM pour la France")
eco_result = llm_service.smart_search_ecoalim(matiere, pays_production="France")
if eco_result:
val = eco_result["valeur_kg_co2_eq"]
result.impact_kg_co2_eq = val
# Note: impact_tonne_co2_eq will be set by post-processing based on unite_source
result.unite_source = "kg CO2 eq / kg de produit"
result.source_db = eco_result["source"]
result.intrant_utilise = eco_result["nom_intrant"]
result.match_exact = eco_result["match_exact"]
result.justification_alternative = eco_result.get("justification")
result.actions_appliquees.append(f" → Trouvé dans ECOALIM : {eco_result['nom_intrant']} = {val:.4f} kg CO2 eq/kg")
return result
result.actions_appliquees.append("2. Recherche dans GFLI pour FR")
gfli_result = llm_service.smart_search_gfli(matiere, country_iso="FR")
if gfli_result:
val = gfli_result["valeur_kg_co2_eq_par_tonne"]
result.impact_kg_co2_eq = val
result.impact_tonne_co2_eq = val / 1000.0
result.unite_source = "kg CO2 eq / tonne de produit"
result.source_db = gfli_result["source"]
result.intrant_utilise = gfli_result["nom_intrant"]
result.match_exact = gfli_result["match_exact"]
result.justification_alternative = gfli_result.get("justification")
result.actions_appliquees.append(f" → Trouvé dans GFLI : {gfli_result['nom_intrant']}")
return result
result.actions_appliquees.append("3. Recherche via LLM de la pratique culturale la plus proche dans ECOALIM")
eco_smart = llm_service.smart_search_ecoalim(matiere)
if eco_smart:
val = eco_smart["valeur_kg_co2_eq"]
result.impact_kg_co2_eq = val
# Note: impact_tonne_co2_eq will be set by post-processing based on unite_source
result.unite_source = "kg CO2 eq / kg de produit"
result.source_db = eco_smart["source"]
result.intrant_utilise = eco_smart["nom_intrant"]
result.match_exact = False
result.justification_alternative = eco_smart.get("justification")
result.actions_appliquees.append(f" → Via LLM : {eco_smart['nom_intrant']}")
return result
# Étape 4 : Fallback - Proposer des matières alternatives
result.actions_appliquees.append("4. Fallback - Recherche via LLM de 4 alternatives (France)")
alternatives = llm_service.find_alternative_materials(matiere, db_name="GFLI", country_hint="France")
if alternatives:
# Stocker les 4 alternatives dans CarbonResult
if alternatives.get("itinerary"):
alt = alternatives["itinerary"]
result.alternatives_itinerary = {
"name": alt["name"],
"impact": alt["impact"],
"source": alt["source"],
"reasoning": alt["reasoning"],
}
if alternatives.get("locality"):
alt = alternatives["locality"]
result.alternatives_locality = {
"name": alt["name"],
"impact": alt["impact"],
"source": alt["source"],
"reasoning": alt["reasoning"],
}
if alternatives.get("form"):
alt = alternatives["form"]
result.alternatives_form = {
"name": alt["name"],
"impact": alt["impact"],
"source": alt["source"],
"reasoning": alt["reasoning"],
}
if alternatives.get("combined"):
alt = alternatives["combined"]
result.alternatives_combined = {
"name": alt["name"],
"impact": alt["impact"],
"source": alt["source"],
"reasoning": alt["reasoning"],
}
# Utiliser la combined comme valeur principale
val = alt["impact"]
result.impact_kg_co2_eq = val
result.impact_tonne_co2_eq = val / 1000.0
result.unite_source = "kg CO2 eq / tonne de produit"
result.source_db = alt["source"]
result.intrant_utilise = alt["name"]
result.match_exact = False
result.justification_alternative = alt["reasoning"]
result.actions_appliquees.append(f" → Matière proposée (combo) : {alt['name']} = {val:.2f} kg CO2 eq/t")
return result
result.erreur = f"Aucune valeur trouvée pour '{matiere}' (brut, France)."
return result
def _resolve_node_9(matiere: str, pays_production: str, result: CarbonResult) -> CarbonResult:
"""
Node 9 : Provenance connue + brut + cultivé hors France.
1. GFLI du pays correspondant
2. RER (Europe) ou GLO (autre continent)
3. EcoALIM
"""
country_iso = _get_country_iso(pays_production)
logger.info(f"Node 9: Étape 1 - Recherche '{matiere}' dans GFLI pour {pays_production} (ISO: {country_iso})")
result.actions_appliquees.append(f"1. Recherche dans GFLI pour le pays {pays_production} (ISO: {country_iso})")
gfli_result = llm_service.smart_search_gfli(matiere, country_iso=country_iso)
if gfli_result:
val = gfli_result["valeur_kg_co2_eq_par_tonne"]
result.impact_kg_co2_eq = val
result.impact_tonne_co2_eq = val / 1000.0
result.unite_source = "kg CO2 eq / tonne de produit"
result.source_db = gfli_result["source"]
result.intrant_utilise = gfli_result["nom_intrant"]
result.match_exact = gfli_result["match_exact"]
result.justification_alternative = gfli_result.get("justification")
result.actions_appliquees.append(f" → Trouvé dans GFLI : {gfli_result['nom_intrant']}")
logger.info(f"✓ Trouvé pays spécifique: {gfli_result['nom_intrant']} = {val:.2f} kg CO2/t")
return result
else:
logger.warning(f"✗ Pays spécifique ({country_iso}) non trouvé pour '{matiere}'")
# Étape 2 : RER ou GLO
is_eu = _is_european(pays_production)
if is_eu:
logger.info(f"Node 9: Pays européen ({pays_production}) → Recherche RER")
result.actions_appliquees.append("2. Pays européen → Recherche Mix Européen (RER) dans GFLI")
rer = llm_service.smart_search_gfli(matiere, country_iso="RER")
if rer:
val = rer["valeur_kg_co2_eq_par_tonne"]
result.impact_kg_co2_eq = val
result.impact_tonne_co2_eq = val / 1000.0
result.unite_source = "kg CO2 eq / tonne de produit"
result.source_db = rer["source"] + " (Mix Européen RER)"
result.intrant_utilise = rer["nom_intrant"]
result.match_exact = rer["match_exact"]
result.justification_alternative = rer.get("justification")
result.actions_appliquees.append(f" → Trouvé RER : {rer['nom_intrant']}")
logger.info(f"✓ Trouvé RER: {rer['nom_intrant']} = {val:.2f} kg CO2/t")
return result
else:
logger.warning(f"✗ RER non trouvé pour '{matiere}' → Fallback vers ECOALIM")
result.actions_appliquees.append(f" → RER non trouvé pour '{matiere}'")
else:
logger.info(f"Node 9: Pays NON européen ({pays_production}) → Recherche GLO")
result.actions_appliquees.append("2. Pays hors Europe → Recherche Mix Monde (GLO) dans GFLI")
glo = llm_service.smart_search_gfli(matiere, country_iso="GLO")
if glo:
val = glo["valeur_kg_co2_eq_par_tonne"]
result.impact_kg_co2_eq = val
result.impact_tonne_co2_eq = val / 1000.0
result.unite_source = "kg CO2 eq / tonne de produit"
result.source_db = glo["source"] + " (Mix Monde GLO)"
result.intrant_utilise = glo["nom_intrant"]
result.match_exact = glo["match_exact"]
result.justification_alternative = glo.get("justification")
logger.info(f"✓ Trouvé GLO: {glo['nom_intrant']} = {val:.2f} kg CO2/t")
result.actions_appliquees.append(f" → Trouvé GLO : {glo['nom_intrant']}")
return result
else:
logger.warning(f"✗ GLO non trouvé pour '{matiere}' → Fallback vers ECOALIM")
result.actions_appliquees.append(f" → GLO non trouvé pour '{matiere}'")
logger.info(f"Node 9: Étape 3 - Recherche ECOALIM comme fallback")
result.actions_appliquees.append("3. Recherche dans ECOALIM")
eco_result = llm_service.smart_search_ecoalim(matiere, pays_production=pays_production)
if eco_result:
val = eco_result["valeur_kg_co2_eq"]
result.impact_kg_co2_eq = val
# Note: impact_tonne_co2_eq will be set by post-processing based on unite_source
result.unite_source = "kg CO2 eq / kg de produit"
result.source_db = eco_result["source"]
result.intrant_utilise = eco_result["nom_intrant"]
result.match_exact = eco_result["match_exact"]
result.justification_alternative = eco_result.get("justification")
result.actions_appliquees.append(f" → Trouvé dans ECOALIM : {eco_result['nom_intrant']}")
logger.info(f"✓ Trouvé ECOALIM: {eco_result['nom_intrant']} = {val:.2f} kg CO2/kg")
return result
else:
logger.warning(f"✗ ECOALIM non trouvé pour '{matiere}' → Fallback vers alternatives LLM")
result.actions_appliquees.append(f" → ECOALIM non trouvé pour '{matiere}'")
# Étape 4 : Fallback - Proposer des matières alternatives
logger.info(f"Node 9: Étape 4 - Recherche d'alternatives via LLM pour '{matiere}'")
result.actions_appliquees.append(f"4. Fallback - Recherche via LLM de 4 alternatives ({pays_production})")
alternatives = llm_service.find_alternative_materials(matiere, db_name="GFLI", country_hint=pays_production)
if alternatives:
# Stocker les 4 alternatives dans CarbonResult
if alternatives.get("itinerary"):
alt = alternatives["itinerary"]
result.alternatives_itinerary = {
"name": alt["name"],
"impact": alt["impact"],
"source": alt["source"],
"reasoning": alt["reasoning"],
}
if alternatives.get("locality"):
alt = alternatives["locality"]
result.alternatives_locality = {
"name": alt["name"],
"impact": alt["impact"],
"source": alt["source"],
"reasoning": alt["reasoning"],
}
if alternatives.get("form"):
alt = alternatives["form"]
result.alternatives_form = {
"name": alt["name"],
"impact": alt["impact"],
"source": alt["source"],
"reasoning": alt["reasoning"],
}
if alternatives.get("combined"):
alt = alternatives["combined"]
result.alternatives_combined = {
"name": alt["name"],
"impact": alt["impact"],
"source": alt["source"],
"reasoning": alt["reasoning"],
}
# Utiliser la combined comme valeur principale
val = alt["impact"]
result.impact_kg_co2_eq = val
result.impact_tonne_co2_eq = val / 1000.0
result.unite_source = "kg CO2 eq / tonne de produit"
result.source_db = alt["source"]
result.intrant_utilise = alt["name"]
result.match_exact = False
result.justification_alternative = alt["reasoning"]
result.actions_appliquees.append(f" → Matière proposée (combo) : {alt['name']} = {val:.2f} kg CO2 eq/t")
return result
result.erreur = f"Aucune valeur trouvée pour '{matiere}' (brut, {pays_production})."
return result
def _resolve_node_10(matiere: str, result: CarbonResult) -> CarbonResult:
"""
Node 10 : Provenance connue + transformé + France/France.
1. EcoALIM pour l'intrant transformé
2. A/ impact process connu : brut EcoALIM + process / B/ sinon GFLI
3. Intrant au process le plus proche dans EcoALIM (LLM)
"""
result.actions_appliquees.append("1. Recherche dans ECOALIM (transformé France/France)")
eco_result = llm_service.smart_search_ecoalim(matiere, pays_production="France", pays_transformation="France")
if eco_result:
val = eco_result["valeur_kg_co2_eq"]
result.impact_kg_co2_eq = val
# Note: impact_tonne_co2_eq will be set by post-processing based on unite_source
result.unite_source = "kg CO2 eq / kg de produit"
result.source_db = eco_result["source"]
result.intrant_utilise = eco_result["nom_intrant"]
result.match_exact = eco_result["match_exact"]
result.justification_alternative = eco_result.get("justification")
result.actions_appliquees.append(f" → Trouvé dans ECOALIM : {eco_result['nom_intrant']} = {val:.4f}")
return result
# Étape 2 : GFLI France
result.actions_appliquees.append("2. Impact process non connu → Recherche dans GFLI (FR)")
gfli_result = llm_service.smart_search_gfli(matiere, country_iso="FR")
if gfli_result:
val = gfli_result["valeur_kg_co2_eq_par_tonne"]
result.impact_kg_co2_eq = val
result.impact_tonne_co2_eq = val / 1000.0
result.unite_source = "kg CO2 eq / tonne de produit"
result.source_db = gfli_result["source"]
result.intrant_utilise = gfli_result["nom_intrant"]
result.match_exact = gfli_result["match_exact"]
result.justification_alternative = gfli_result.get("justification")
result.actions_appliquees.append(f" → Trouvé dans GFLI : {gfli_result['nom_intrant']}")
# Update node to reflect that GFLI was used instead of ECOALIM
result.node_resultat = "node_base_gfli_fr"
return result
# Étape 3 : LLM process le plus proche
result.actions_appliquees.append("3. Recherche via LLM du process le plus proche dans ECOALIM")
eco_smart = llm_service.smart_search_ecoalim(matiere)
if eco_smart:
val = eco_smart["valeur_kg_co2_eq"]
result.impact_kg_co2_eq = val
# Note: impact_tonne_co2_eq will be set by post-processing based on unite_source
result.unite_source = "kg CO2 eq / kg de produit"
result.source_db = eco_smart["source"]
result.intrant_utilise = eco_smart["nom_intrant"]
result.match_exact = False
result.justification_alternative = eco_smart.get("justification")
result.actions_appliquees.append(f" → Via LLM : {eco_smart['nom_intrant']}")
return result
# Étape 4 : Fallback - Proposer des matières alternatives
result.actions_appliquees.append("4. Fallback - Recherche via LLM de 4 alternatives (France)")
alternatives = llm_service.find_alternative_materials(matiere, db_name="GFLI", country_hint="France")
if alternatives:
# Stocker les 4 alternatives dans CarbonResult
if alternatives.get("itinerary"):
alt = alternatives["itinerary"]
result.alternatives_itinerary = {
"name": alt["name"],
"impact": alt["impact"],
"source": alt["source"],
"reasoning": alt["reasoning"],
}
if alternatives.get("locality"):
alt = alternatives["locality"]
result.alternatives_locality = {
"name": alt["name"],
"impact": alt["impact"],
"source": alt["source"],
"reasoning": alt["reasoning"],
}
if alternatives.get("form"):
alt = alternatives["form"]
result.alternatives_form = {
"name": alt["name"],
"impact": alt["impact"],
"source": alt["source"],
"reasoning": alt["reasoning"],
}
if alternatives.get("combined"):
alt = alternatives["combined"]
result.alternatives_combined = {
"name": alt["name"],
"impact": alt["impact"],
"source": alt["source"],
"reasoning": alt["reasoning"],
}
# Utiliser la combined comme valeur principale
val = alt["impact"]
result.impact_kg_co2_eq = val
# Note: Alternatives from GFLI are in kg CO2 eq / tonne
# impact_tonne_co2_eq will be set by post-processing
result.unite_source = "kg CO2 eq / tonne de produit"
result.source_db = alt["source"]
result.intrant_utilise = alt["name"]
result.match_exact = False
result.justification_alternative = alt["reasoning"]
result.actions_appliquees.append(f" → Matière proposée (combo) : {alt['name']} = {val:.2f} kg CO2 eq/t")
# Update node to reflect that GFLI was used (via LLM alternatives)
result.node_resultat = "node_base_gfli_alternatives"
return result
result.erreur = f"Aucune valeur trouvée pour '{matiere}' (transformé, France/France)."
return result
def _resolve_node_11(matiere: str, result: CarbonResult) -> CarbonResult:
"""
Node 11 : Transformé en France, MP brute non FR ou inconnue.
1. GFLI France
2. A/ process connu → brut GFLI + process / B/ sinon RER
3. EcoALIM
4. Pratique culturale la plus proche GFLI (LLM)
"""
result.actions_appliquees.append("1. Recherche dans GFLI (France)")
gfli_result = llm_service.smart_search_gfli(matiere, country_iso="FR")
if gfli_result:
val = gfli_result["valeur_kg_co2_eq_par_tonne"]
result.impact_kg_co2_eq = val
result.impact_tonne_co2_eq = val / 1000.0
result.unite_source = "kg CO2 eq / tonne de produit"
result.source_db = gfli_result["source"]
result.intrant_utilise = gfli_result["nom_intrant"]
result.match_exact = gfli_result["match_exact"]
result.justification_alternative = gfli_result.get("justification")
result.actions_appliquees.append(f" → Trouvé dans GFLI : {gfli_result['nom_intrant']}")
return result
# Étape 2 : RER
result.actions_appliquees.append("2. Impact process non connu → Recherche Mix Européen (RER) dans GFLI")
rer = llm_service.smart_search_gfli(matiere, country_iso="RER")
if rer:
val = rer["valeur_kg_co2_eq_par_tonne"]
result.impact_kg_co2_eq = val
result.impact_tonne_co2_eq = val / 1000.0
result.unite_source = "kg CO2 eq / tonne de produit"
result.source_db = rer["source"] + " (Mix Européen RER)"
result.intrant_utilise = rer["nom_intrant"]
result.match_exact = rer["match_exact"]
result.justification_alternative = rer.get("justification")
result.actions_appliquees.append(f" → Trouvé RER : {rer['nom_intrant']}")
return result
# Étape 3 : EcoALIM
result.actions_appliquees.append("3. Recherche dans ECOALIM")
eco_result = llm_service.smart_search_ecoalim(matiere)
if eco_result:
val = eco_result["valeur_kg_co2_eq"]
result.impact_kg_co2_eq = val
# Note: impact_tonne_co2_eq will be set by post-processing based on unite_source
result.unite_source = "kg CO2 eq / kg de produit"
result.source_db = eco_result["source"]
result.intrant_utilise = eco_result["nom_intrant"]
result.match_exact = eco_result["match_exact"]
result.justification_alternative = eco_result.get("justification")
result.actions_appliquees.append(f" → Trouvé dans ECOALIM : {eco_result['nom_intrant']}")
return result
# Étape 4 : LLM
result.actions_appliquees.append("4. Recherche via LLM de la pratique culturale la plus proche (GFLI)")
gfli_smart = llm_service.smart_search_gfli(matiere)
if gfli_smart:
val = gfli_smart["valeur_kg_co2_eq_par_tonne"]
result.impact_kg_co2_eq = val
result.impact_tonne_co2_eq = val / 1000.0
result.unite_source = "kg CO2 eq / tonne de produit"
result.source_db = gfli_smart["source"]
result.intrant_utilise = gfli_smart["nom_intrant"]
result.match_exact = False
result.justification_alternative = gfli_smart.get("justification")
result.actions_appliquees.append(f" → Via LLM : {gfli_smart['nom_intrant']}")
return result
# Étape 5 : Fallback - Proposer des matières alternatives
result.actions_appliquees.append("5. Fallback - Recherche via LLM de 4 alternatives (France)")
alternatives = llm_service.find_alternative_materials(matiere, db_name="GFLI", country_hint="France")
if alternatives:
# Stocker les 4 alternatives dans CarbonResult
if alternatives.get("itinerary"):
alt = alternatives["itinerary"]
result.alternatives_itinerary = {
"name": alt["name"],
"impact": alt["impact"],
"source": alt["source"],
"reasoning": alt["reasoning"],
}
if alternatives.get("locality"):
alt = alternatives["locality"]
result.alternatives_locality = {
"name": alt["name"],
"impact": alt["impact"],
"source": alt["source"],
"reasoning": alt["reasoning"],
}
if alternatives.get("form"):
alt = alternatives["form"]
result.alternatives_form = {
"name": alt["name"],
"impact": alt["impact"],
"source": alt["source"],
"reasoning": alt["reasoning"],
}
if alternatives.get("combined"):
alt = alternatives["combined"]
result.alternatives_combined = {
"name": alt["name"],
"impact": alt["impact"],
"source": alt["source"],
"reasoning": alt["reasoning"],
}
# Utiliser la combined comme valeur principale
val = alt["impact"]
result.impact_kg_co2_eq = val
result.impact_tonne_co2_eq = val / 1000.0
result.unite_source = "kg CO2 eq / tonne de produit"
result.source_db = alt["source"]
result.intrant_utilise = alt["name"]
result.match_exact = False
result.justification_alternative = alt["reasoning"]
result.actions_appliquees.append(f" → Matière proposée (combo) : {alt['name']} = {val:.2f} kg CO2 eq/t")
return result
result.erreur = f"Aucune valeur trouvée pour '{matiere}' (transformé France, MP brute hors FR)."
return result
def _resolve_node_12(matiere: str, pays_transformation: str, result: CarbonResult) -> CarbonResult:
"""
Node 12 : Transformé hors France.
1. GFLI du pays correspondant
2. A/ process connu / B/ sinon RER (Europe) ou GLO (autre)
3. EcoALIM
4. Pratique culturale la plus proche GFLI (LLM)
"""
country_iso = _get_country_iso(pays_transformation)
result.actions_appliquees.append(f"1. Recherche dans GFLI pour {pays_transformation} (ISO: {country_iso})")
gfli_result = llm_service.smart_search_gfli(matiere, country_iso=country_iso)
if gfli_result:
val = gfli_result["valeur_kg_co2_eq_par_tonne"]
result.impact_kg_co2_eq = val
result.impact_tonne_co2_eq = val / 1000.0
result.unite_source = "kg CO2 eq / tonne de produit"
result.source_db = gfli_result["source"]
result.intrant_utilise = gfli_result["nom_intrant"]
result.match_exact = gfli_result["match_exact"]
result.justification_alternative = gfli_result.get("justification")
result.actions_appliquees.append(f" → Trouvé dans GFLI : {gfli_result['nom_intrant']}")
return result
# Étape 2 : RER ou GLO
is_eu = _is_european(pays_transformation)
if is_eu:
result.actions_appliquees.append("2. Pays européen → Recherche Mix Européen (RER)")
fallback = llm_service.smart_search_gfli(matiere, country_iso="RER")
else:
result.actions_appliquees.append("2. Pays hors Europe → Recherche Mix Monde (GLO)")
fallback = llm_service.smart_search_gfli(matiere, country_iso="GLO")
if fallback:
val = fallback["valeur_kg_co2_eq_par_tonne"]
result.impact_kg_co2_eq = val
result.impact_tonne_co2_eq = val / 1000.0
mix_type = "RER" if is_eu else "GLO"
result.unite_source = "kg CO2 eq / tonne de produit"
result.source_db = fallback["source"] + f" (Mix {mix_type})"
result.intrant_utilise = fallback["nom_intrant"]
result.match_exact = fallback["match_exact"]
result.justification_alternative = fallback.get("justification")
result.actions_appliquees.append(f" → Trouvé {mix_type} : {fallback['nom_intrant']}")
return result
# Étape 3 : EcoALIM
result.actions_appliquees.append("3. Recherche dans ECOALIM")
eco_result = llm_service.smart_search_ecoalim(matiere)
if eco_result:
val = eco_result["valeur_kg_co2_eq"]
result.impact_kg_co2_eq = val
# Note: impact_tonne_co2_eq will be set by post-processing based on unite_source
result.unite_source = "kg CO2 eq / kg de produit"
result.source_db = eco_result["source"]
result.intrant_utilise = eco_result["nom_intrant"]
result.match_exact = eco_result["match_exact"]
result.justification_alternative = eco_result.get("justification")
result.actions_appliquees.append(f" → Trouvé dans ECOALIM : {eco_result['nom_intrant']}")
return result
# Étape 4 : LLM
result.actions_appliquees.append("4. Recherche via LLM de la pratique culturale la plus proche (GFLI)")
gfli_smart = llm_service.smart_search_gfli(matiere)
if gfli_smart:
val = gfli_smart["valeur_kg_co2_eq_par_tonne"]
result.impact_kg_co2_eq = val
result.impact_tonne_co2_eq = val / 1000.0
result.unite_source = "kg CO2 eq / tonne de produit"
result.source_db = gfli_smart["source"]
result.intrant_utilise = gfli_smart["nom_intrant"]
result.match_exact = False
result.justification_alternative = gfli_smart.get("justification")
result.actions_appliquees.append(f" → Via LLM : {gfli_smart['nom_intrant']}")
return result
# Étape 5 : Fallback - Proposer des matières alternatives
result.actions_appliquees.append(f"5. Fallback - Recherche via LLM de 4 alternatives ({pays_transformation})")
alternatives = llm_service.find_alternative_materials(matiere, db_name="GFLI", country_hint=pays_transformation)
if alternatives:
# Stocker les 4 alternatives dans CarbonResult
if alternatives.get("itinerary"):
alt = alternatives["itinerary"]
result.alternatives_itinerary = {
"name": alt["name"],
"impact": alt["impact"],
"source": alt["source"],
"reasoning": alt["reasoning"],
}
if alternatives.get("locality"):
alt = alternatives["locality"]
result.alternatives_locality = {
"name": alt["name"],
"impact": alt["impact"],
"source": alt["source"],
"reasoning": alt["reasoning"],
}
if alternatives.get("form"):
alt = alternatives["form"]
result.alternatives_form = {
"name": alt["name"],
"impact": alt["impact"],
"source": alt["source"],
"reasoning": alt["reasoning"],
}
if alternatives.get("combined"):
alt = alternatives["combined"]
result.alternatives_combined = {
"name": alt["name"],
"impact": alt["impact"],
"source": alt["source"],
"reasoning": alt["reasoning"],
}
# Utiliser la combined comme valeur principale
val = alt["impact"]
result.impact_kg_co2_eq = val
result.impact_tonne_co2_eq = val / 1000.0
result.unite_source = "kg CO2 eq / tonne de produit"
result.source_db = alt["source"]
result.intrant_utilise = alt["name"]
result.match_exact = False
result.justification_alternative = alt["reasoning"]
result.actions_appliquees.append(f" → Matière proposée (combo) : {alt['name']} = {val:.2f} kg CO2 eq/t")
return result
result.erreur = f"Aucune valeur trouvée pour '{matiere}' (transformé hors France)."
return result
# ============================================================================
# Helpers communs
# ============================================================================
def _store_alternatives(alternatives: dict, result: CarbonResult) -> CarbonResult:
"""Stocke les 4 alternatives dans CarbonResult et utilise 'combined' comme valeur principale."""
for key in ("itinerary", "locality", "form", "combined"):
alt = alternatives.get(key)
if alt:
entry = {
"name": alt["name"],
"impact": alt["impact"],
"source": alt["source"],
"reasoning": alt["reasoning"],
}
setattr(result, f"alternatives_{key}", entry)
combined = alternatives.get("combined")
if combined:
val = combined["impact"]
result.impact_kg_co2_eq = val
result.impact_tonne_co2_eq = val / 1000.0
result.unite_source = "kg CO2 eq / tonne de produit"
result.source_db = combined["source"]
result.intrant_utilise = combined["name"]
result.match_exact = False
result.justification_alternative = combined["reasoning"]
result.actions_appliquees.append(
f" → Matière proposée (combo) : {combined['name']} = {val:.2f} kg CO2 eq/t"
)
return result
def _apply_gfli_result(gfli_smart: dict, result: CarbonResult) -> CarbonResult:
"""Applique un résultat smart_search_gfli au CarbonResult."""
val = gfli_smart["valeur_kg_co2_eq_par_tonne"]
result.impact_kg_co2_eq = val
result.impact_tonne_co2_eq = val / 1000.0
result.unite_source = "kg CO2 eq / tonne de produit"
result.source_db = gfli_smart.get("source", "GFLI")
result.intrant_utilise = gfli_smart["nom_intrant"]
result.match_exact = gfli_smart.get("match_exact", False)
result.justification_alternative = gfli_smart.get("justification")
return result
def _apply_ecoalim_result(eco_smart: dict, result: CarbonResult) -> CarbonResult:
"""Applique un résultat smart_search_ecoalim au CarbonResult."""
val = eco_smart["valeur_kg_co2_eq"]
result.impact_kg_co2_eq = val
result.impact_tonne_co2_eq = val
result.unite_source = "kg CO2 eq / kg de produit"
result.source_db = eco_smart.get("source", "ECOALIM")
result.intrant_utilise = eco_smart["nom_intrant"]
result.match_exact = eco_smart.get("match_exact", False)
result.justification_alternative = eco_smart.get("justification")
return result
# ============================================================================
# Résolveurs SOJA (logigramme_soja.json, nodes 4-9)
# ============================================================================
def _resolve_soja_node_4(matiere: str, pays_production: str, result: CarbonResult) -> CarbonResult:
"""
Soja Node 4 : Pays d'origine connu + graines crues (non transformé).
1. ECOALIM "graines" du pays correspondant
2. GFLI "graines" du pays correspondant
3. GFLI RER (Europe) ou GLO (autre continent) pour graines crues
"""
# Termes de recherche spécifiques au soja graines
search_terms = ["soja", "graine de soja", "soybean", "soybeans"]
# Étape 1 : ECOALIM avec pays
result.actions_appliquees.append(f"1. Recherche 'graines de soja' dans ECOALIM pour {pays_production}")
for term in search_terms:
eco = llm_service.smart_search_ecoalim(term, pays_production=pays_production)
if eco:
result = _apply_ecoalim_result(eco, result)
result.actions_appliquees.append(f" → Trouvé dans ECOALIM : {eco['nom_intrant']} = {eco['valeur_kg_co2_eq']:.4f} kg CO2 eq/kg")
return result
# Étape 2 : GFLI avec pays
result.actions_appliquees.append(f"2. Recherche 'soybeans' dans GFLI pour {pays_production}")
country_iso = _get_country_iso(pays_production)
for term in ["soybeans", "soybean", "soja"]:
gfli = llm_service.smart_search_gfli(term, country_iso=country_iso)
if gfli:
result = _apply_gfli_result(gfli, result)
result.actions_appliquees.append(f" → Trouvé dans GFLI : {gfli['nom_intrant']} = {gfli['valeur_kg_co2_eq_par_tonne']:.2f} kg CO2 eq/t")
return result
# Étape 3 : GFLI RER ou GLO
is_eu = _is_european(pays_production)
mix_label = "RER" if is_eu else "GLO"
result.actions_appliquees.append(f"3. Recherche 'soybeans' dans GFLI mix {mix_label}")
for term in ["soybeans", "soybean"]:
gfli = llm_service.smart_search_gfli(term, country_iso=mix_label)
if gfli:
result = _apply_gfli_result(gfli, result)
result.actions_appliquees.append(f" → Trouvé dans GFLI ({mix_label}) : {gfli['nom_intrant']}")
return result
# Fallback
result.actions_appliquees.append("4. Fallback - Recherche via LLM de 4 alternatives (soja graines)")
alts = llm_service.find_alternative_materials(matiere, db_name="GFLI", country_hint=pays_production)
if alts:
result = _store_alternatives(alts, result)
return result
result.erreur = f"Aucune valeur trouvée pour '{matiere}' (soja graines, {pays_production})."
return result
def _resolve_soja_node_5(matiere: str, pays_production: str, pays_transformation: Optional[str],
result: CarbonResult) -> CarbonResult:
"""
Soja Node 5 : Pays d'origine connu + produit dérivé du soja.
1. ECOALIM couple intrant/origine graine (lieu transfo si dispo)
2. ECOALIM graines + process OU GFLI dérivé pays transfo OU plus défavorable
3. GFLI RER/GLO
4. Dernier recours : process le plus proche
"""
# Étape 1 : ECOALIM couple intrant/origine
result.actions_appliquees.append(f"1. Recherche dérivé soja dans ECOALIM (origine graine : {pays_production})")
eco = llm_service.smart_search_ecoalim(
matiere, pays_production=pays_production, pays_transformation=pays_transformation
)
if eco:
result = _apply_ecoalim_result(eco, result)
result.actions_appliquees.append(f" → Trouvé dans ECOALIM : {eco['nom_intrant']}")
return result
# Étape 2 : GFLI dérivé avec pays transfo ou origine
pays_ref = pays_transformation or pays_production
country_iso = _get_country_iso(pays_ref)
result.actions_appliquees.append(f"2. Recherche dérivé soja dans GFLI ({pays_ref})")
gfli = llm_service.smart_search_gfli(matiere, country_iso=country_iso)
if gfli:
result = _apply_gfli_result(gfli, result)
result.actions_appliquees.append(f" → Trouvé dans GFLI : {gfli['nom_intrant']}")
return result
# Étape 3 : GFLI RER/GLO
is_eu = _is_european(pays_ref)
mix_label = "RER" if is_eu else "GLO"
result.actions_appliquees.append(f"3. Recherche dérivé soja dans GFLI mix {mix_label}")
gfli = llm_service.smart_search_gfli(matiere, country_iso=mix_label)
if gfli:
result = _apply_gfli_result(gfli, result)
result.actions_appliquees.append(f" → Trouvé dans GFLI ({mix_label}) : {gfli['nom_intrant']}")
return result
# Étape 4 : Process le plus proche
result.actions_appliquees.append("4. Dernier recours — process le plus proche dans ECOALIM/GFLI")
alts = llm_service.find_alternative_materials(matiere, db_name="GFLI", country_hint=pays_production)
if alts:
result = _store_alternatives(alts, result)
return result
result.erreur = f"Aucune valeur trouvée pour '{matiere}' (dérivé soja, origine {pays_production})."
return result
def _resolve_soja_node_6(matiere: str, result: CarbonResult) -> CarbonResult:
"""
Soja Node 6 : Pays d'origine inconnu + graines crues.
1. Valeur "graines" la plus défavorable entre GFLI et ECOALIM.
"""
result.actions_appliquees.append("1. Recherche valeur 'graines soja' la plus défavorable (GFLI + ECOALIM)")
best_val = None
best_nom = None
best_src = None
best_unite = None
# GFLI worst pour soybeans
for term in ["soybeans", "soybean"]:
gfli_worst = data_loader.get_gfli_worst_value(term)
if gfli_worst:
val, nom, src = gfli_worst
if best_val is None or val > best_val:
best_val = val
best_nom = nom
best_src = src
best_unite = "kg CO2 eq / tonne de produit"
break
# ECOALIM worst pour soja
for term in ["soja", "graine de soja"]:
eco_worst = data_loader.get_ecoalim_worst_value(term)
if eco_worst:
val_eco, nom_eco, src_eco = eco_worst
# Convertir EcoALIM (kg/kg) en kg/t pour comparaison
val_eco_t = val_eco * 1000.0
if best_val is None or val_eco_t > best_val:
best_val = val_eco
best_nom = nom_eco
best_src = src_eco
best_unite = "kg CO2 eq / kg de produit"
break
if best_val is not None:
result.impact_kg_co2_eq = best_val
if "tonne" in best_unite:
result.impact_tonne_co2_eq = best_val / 1000.0
else:
result.impact_tonne_co2_eq = best_val
result.unite_source = best_unite
result.source_db = best_src
result.intrant_utilise = best_nom
result.match_exact = _is_name_match(matiere, best_nom)
result.actions_appliquees.append(f" → Valeur la plus défavorable : {best_nom} dans {best_src}")
return result
# Fallback LLM
result.actions_appliquees.append("2. Fallback - Recherche via LLM de 4 alternatives (soja graines, provenance inconnue)")
alts = llm_service.find_alternative_materials(matiere, db_name="GFLI")
if alts:
result = _store_alternatives(alts, result)
return result
result.erreur = f"Aucune valeur trouvée pour '{matiere}' (soja graines, provenance inconnue)."
return result
def _resolve_soja_node_8(matiere: str, pays_transformation: str, result: CarbonResult) -> CarbonResult:
"""
Soja Node 8 : Pays origine inconnu + dérivé + lieu transfo connu.
1. ECOALIM par pays transfo (plus défavorable si plusieurs)
2. GFLI par pays transfo
3. GFLI RER/GLO
4. Process le plus proche
"""
# Étape 1 : ECOALIM pays transfo
result.actions_appliquees.append(f"1. Recherche dérivé soja dans ECOALIM pour pays transfo = {pays_transformation}")
eco = llm_service.smart_search_ecoalim(matiere, pays_transformation=pays_transformation)
if eco:
result = _apply_ecoalim_result(eco, result)
result.actions_appliquees.append(f" → Trouvé dans ECOALIM : {eco['nom_intrant']}")
return result
# Étape 2 : GFLI pays transfo
country_iso = _get_country_iso(pays_transformation)
result.actions_appliquees.append(f"2. Recherche dérivé soja dans GFLI ({pays_transformation})")
gfli = llm_service.smart_search_gfli(matiere, country_iso=country_iso)
if gfli:
result = _apply_gfli_result(gfli, result)
result.actions_appliquees.append(f" → Trouvé dans GFLI : {gfli['nom_intrant']}")
return result
# Étape 3 : GFLI RER/GLO
is_eu = _is_european(pays_transformation)
mix_label = "RER" if is_eu else "GLO"
result.actions_appliquees.append(f"3. Recherche dérivé soja dans GFLI mix {mix_label}")
gfli = llm_service.smart_search_gfli(matiere, country_iso=mix_label)
if gfli:
result = _apply_gfli_result(gfli, result)
result.actions_appliquees.append(f" → Trouvé dans GFLI ({mix_label}) : {gfli['nom_intrant']}")
return result
# Étape 4 : Process le plus proche
result.actions_appliquees.append("4. Dernier recours — process le plus proche")
alts = llm_service.find_alternative_materials(matiere, db_name="GFLI", country_hint=pays_transformation)
if alts:
result = _store_alternatives(alts, result)
return result
result.erreur = f"Aucune valeur trouvée pour '{matiere}' (dérivé soja, transfo {pays_transformation})."
return result
def _resolve_soja_node_9(matiere: str, result: CarbonResult) -> CarbonResult:
"""
Soja Node 9 : Pays origine inconnu + dérivé + lieu transfo inconnu.
1. Valeur la plus défavorable GFLI/ECOALIM
2. Process le plus proche
"""
result.actions_appliquees.append("1. Recherche valeur la plus défavorable pour dérivé soja (GFLI + ECOALIM)")
best_val = None
best_nom = None
best_src = None
best_unite = None
# GFLI worst
gfli_worst = data_loader.get_gfli_worst_value(matiere)
if not gfli_worst:
for term in ["soy", "soybean meal", "soybean"]:
gfli_worst = data_loader.get_gfli_worst_value(term)
if gfli_worst and _is_name_match(matiere, gfli_worst[1]):
break
gfli_worst = None
if gfli_worst:
val, nom, src = gfli_worst
best_val, best_nom, best_src = val, nom, src
best_unite = "kg CO2 eq / tonne de produit"
# ECOALIM worst
eco_worst = data_loader.get_ecoalim_worst_value(matiere)
if not eco_worst:
for term in ["soja", "tourteau de soja"]:
eco_worst = data_loader.get_ecoalim_worst_value(term)
if eco_worst:
break
if eco_worst:
val_eco, nom_eco, src_eco = eco_worst
val_eco_t = val_eco * 1000.0
if best_val is None or val_eco_t > (best_val if best_unite and "tonne" in best_unite else best_val * 1000.0):
best_val = val_eco
best_nom = nom_eco
best_src = src_eco
best_unite = "kg CO2 eq / kg de produit"
if best_val is not None:
result.impact_kg_co2_eq = best_val
if "tonne" in best_unite:
result.impact_tonne_co2_eq = best_val / 1000.0
else:
result.impact_tonne_co2_eq = best_val
result.unite_source = best_unite
result.source_db = best_src
result.intrant_utilise = best_nom
result.match_exact = _is_name_match(matiere, best_nom)
result.actions_appliquees.append(f" → Valeur la plus défavorable : {best_nom} dans {best_src}")
return result
# Étape 2 : Process le plus proche
result.actions_appliquees.append("2. Dernier recours — process le plus proche")
alts = llm_service.find_alternative_materials(matiere, db_name="GFLI")
if alts:
result = _store_alternatives(alts, result)
return result
result.erreur = f"Aucune valeur trouvée pour '{matiere}' (dérivé soja, provenance inconnue)."
return result
# ============================================================================
# Résolveurs MINERAL (logigramme_mineral.json, nodes 3-6)
# ============================================================================
def _resolve_mineral_node_3(matiere: str, result: CarbonResult) -> CarbonResult:
"""
Minéral Node 3 : Provenance inconnue.
1. GFLI valeur la plus défavorable
2. ECOALIM valeur la plus défavorable
3. "Total Minerals, Additives, Vitamins" dans GFLI
"""
# Étape 1 : GFLI worst
result.actions_appliquees.append("1. Recherche valeur la plus défavorable dans GFLI")
gfli_worst = data_loader.get_gfli_worst_value(matiere)
if gfli_worst and not _is_name_match(matiere, gfli_worst[1]):
result.actions_appliquees.append(f" ⚠ Faux positif rejeté : {gfli_worst[1]}")
gfli_worst = None
if not gfli_worst:
gfli_smart = llm_service.smart_search_gfli(matiere)
if gfli_smart and "valeur_kg_co2_eq_par_tonne" in gfli_smart:
base_name = gfli_smart["nom_intrant"].split(",")[0].split("/")[0].strip()
gfli_worst = data_loader.get_gfli_worst_value(base_name)
if not gfli_worst:
gfli_worst = (
gfli_smart["valeur_kg_co2_eq_par_tonne"],
gfli_smart["nom_intrant"],
gfli_smart.get("source", "GFLI"),
)
if gfli_worst:
val, nom, src = gfli_worst
result.impact_kg_co2_eq = val
result.impact_tonne_co2_eq = val / 1000.0
result.unite_source = "kg CO2 eq / tonne de produit"
result.source_db = src
result.intrant_utilise = nom
result.match_exact = _is_name_match(matiere, nom)
result.actions_appliquees.append(f" → Trouvé dans GFLI : {nom} = {val:.2f} kg CO2 eq/t")
return result
# Étape 2 : ECOALIM worst
result.actions_appliquees.append("2. Recherche valeur la plus défavorable dans ECOALIM")
eco_worst = data_loader.get_ecoalim_worst_value(matiere)
if eco_worst and not _is_name_match(matiere, eco_worst[1]):
result.actions_appliquees.append(f" ⚠ Faux positif rejeté : {eco_worst[1]}")
eco_worst = None
if not eco_worst:
eco_smart = llm_service.smart_search_ecoalim(matiere)
if eco_smart:
eco_worst = (
eco_smart["valeur_kg_co2_eq"],
eco_smart["nom_intrant"],
eco_smart.get("source", "ECOALIM"),
)
if eco_worst:
val, nom, src = eco_worst
result.impact_kg_co2_eq = val
result.impact_tonne_co2_eq = val
result.unite_source = "kg CO2 eq / kg de produit"
result.source_db = src
result.intrant_utilise = nom
result.match_exact = _is_name_match(matiere, nom)
result.actions_appliquees.append(f" → Trouvé dans ECOALIM : {nom} = {val:.4f} kg CO2 eq/kg")
return result
# Étape 3 : Total Minerals, Additives, Vitamins dans GFLI
result.actions_appliquees.append("3. Dernier recours — 'Total Minerals, Additives, Vitamins' dans GFLI")
gfli_total = data_loader.get_gfli_worst_value("Total Minerals, Additives, Vitamins")
if not gfli_total:
gfli_total = data_loader.get_gfli_climate_value("Total Minerals")
if gfli_total:
val, nom, src = gfli_total
result.impact_kg_co2_eq = val
result.impact_tonne_co2_eq = val / 1000.0
result.unite_source = "kg CO2 eq / tonne de produit"
result.source_db = src
result.intrant_utilise = nom
result.match_exact = False
result.justification_alternative = (
f"Aucune donnée spécifique pour '{matiere}'. "
f"Valeur par défaut '{nom}' utilisée conformément au logigramme minéral."
)
result.actions_appliquees.append(f" → Valeur par défaut : {nom} = {val:.2f} kg CO2 eq/t")
return result
result.erreur = f"Aucune valeur trouvée pour '{matiere}' (minéral, provenance inconnue)."
return result
def _resolve_mineral_node_4(matiere: str, pays_production: str, result: CarbonResult) -> CarbonResult:
"""
Minéral Node 4 : Présent dans GFLI + provenance connue.
1. GFLI couple intrant/pays
2. ECOALIM couple intrant/pays
3. GFLI continent (RER pour Europe)
4. GFLI pays même continent (plus défavorable)
5. GFLI valeur monde (GLO)
6. GFLI autre pays autre continent (plus défavorable)
"""
country_iso = _get_country_iso(pays_production)
is_eu = _is_european(pays_production)
# Étape 1 : GFLI couple intrant/pays
result.actions_appliquees.append(f"1. Recherche dans GFLI pour {pays_production}")
gfli = llm_service.smart_search_gfli(matiere, country_iso=country_iso)
if gfli:
result = _apply_gfli_result(gfli, result)
result.actions_appliquees.append(f" → Trouvé dans GFLI : {gfli['nom_intrant']}")
return result
# Étape 2 : ECOALIM couple intrant/pays
result.actions_appliquees.append(f"2. Recherche dans ECOALIM pour {pays_production}")
eco = llm_service.smart_search_ecoalim(matiere, pays_production=pays_production)
if eco:
result = _apply_ecoalim_result(eco, result)
result.actions_appliquees.append(f" → Trouvé dans ECOALIM : {eco['nom_intrant']}")
return result
# Étape 3 : GFLI continent (RER pour Europe)
mix_label = "RER" if is_eu else "GLO"
result.actions_appliquees.append(f"3. Recherche dans GFLI mix {mix_label}")
gfli = llm_service.smart_search_gfli(matiere, country_iso=mix_label)
if gfli:
result = _apply_gfli_result(gfli, result)
result.actions_appliquees.append(f" → Trouvé dans GFLI ({mix_label}) : {gfli['nom_intrant']}")
return result
# Étape 4 : GFLI pays même continent — prendre le plus défavorable (on prend worst sans filtre pays)
result.actions_appliquees.append("4. Recherche GFLI valeur la plus défavorable (même continent)")
gfli_worst = data_loader.get_gfli_worst_value(matiere)
if not gfli_worst:
gfli_smart = llm_service.smart_search_gfli(matiere)
if gfli_smart:
base_name = gfli_smart["nom_intrant"].split(",")[0].split("/")[0].strip()
gfli_worst = data_loader.get_gfli_worst_value(base_name)
if gfli_worst:
val, nom, src = gfli_worst
result.impact_kg_co2_eq = val
result.impact_tonne_co2_eq = val / 1000.0
result.unite_source = "kg CO2 eq / tonne de produit"
result.source_db = src
result.intrant_utilise = nom
result.match_exact = _is_name_match(matiere, nom)
result.actions_appliquees.append(f" → GFLI (plus défavorable) : {nom} = {val:.2f} kg CO2 eq/t")
return result
# Étape 5 : GFLI GLO
if mix_label != "GLO":
result.actions_appliquees.append("5. Recherche dans GFLI mix GLO")
gfli = llm_service.smart_search_gfli(matiere, country_iso="GLO")
if gfli:
result = _apply_gfli_result(gfli, result)
result.actions_appliquees.append(f" → Trouvé dans GFLI (GLO) : {gfli['nom_intrant']}")
return result
# Étape 6 : GFLI autre pays (worst)
result.actions_appliquees.append("6. Recherche GFLI autre pays (valeur la plus défavorable)")
alts = llm_service.find_alternative_materials(matiere, db_name="GFLI", country_hint=pays_production)
if alts:
result = _store_alternatives(alts, result)
return result
result.erreur = f"Aucune valeur trouvée pour '{matiere}' (minéral, {pays_production}, GFLI)."
return result
def _resolve_mineral_node_5(matiere: str, pays_production: str, result: CarbonResult) -> CarbonResult:
"""
Minéral Node 5 : Absent GFLI, présent ECOALIM + provenance connue.
1. ECOALIM couple intrant/pays
2. ECOALIM même continent
3. ECOALIM pays même continent (plus défavorable)
4. ECOALIM valeur monde
5. ECOALIM autre pays autre continent (plus défavorable)
"""
# Étape 1 : ECOALIM couple intrant/pays
result.actions_appliquees.append(f"1. Recherche dans ECOALIM pour {pays_production}")
eco = llm_service.smart_search_ecoalim(matiere, pays_production=pays_production)
if eco:
result = _apply_ecoalim_result(eco, result)
result.actions_appliquees.append(f" → Trouvé dans ECOALIM : {eco['nom_intrant']}")
return result
# Étape 2-3 : ECOALIM autre provenance / même continent — simplifié en worst value
result.actions_appliquees.append("2-3. Recherche ECOALIM meilleure correspondance (continent / même continent)")
eco = llm_service.smart_search_ecoalim(matiere)
if eco:
result = _apply_ecoalim_result(eco, result)
result.actions_appliquees.append(f" → Trouvé dans ECOALIM : {eco['nom_intrant']}")
return result
# Étape 4 : ECOALIM valeur monde (worst)
result.actions_appliquees.append("4. Recherche ECOALIM valeur la plus défavorable (monde)")
eco_worst = data_loader.get_ecoalim_worst_value(matiere)
if eco_worst:
val, nom, src = eco_worst
result.impact_kg_co2_eq = val
result.impact_tonne_co2_eq = val
result.unite_source = "kg CO2 eq / kg de produit"
result.source_db = src
result.intrant_utilise = nom
result.match_exact = _is_name_match(matiere, nom)
result.actions_appliquees.append(f" → ECOALIM (plus défavorable) : {nom}")
return result
# Étape 5 : Fallback
result.actions_appliquees.append("5. Dernier recours — alternatives LLM")
alts = llm_service.find_alternative_materials(matiere, db_name="ECOALIM", country_hint=pays_production)
if alts:
result = _store_alternatives(alts, result)
return result
result.erreur = f"Aucune valeur trouvée pour '{matiere}' (minéral, {pays_production}, ECOALIM)."
return result
def _resolve_mineral_node_6(matiere: str, result: CarbonResult) -> CarbonResult:
"""
Minéral Node 6 : Absent GFLI et ECOALIM.
1. "Total Minerals, Additives, Vitamins" dans GFLI.
"""
result.actions_appliquees.append("1. 'Total Minerals, Additives, Vitamins' dans GFLI (valeur par défaut)")
gfli_total = data_loader.get_gfli_worst_value("Total Minerals, Additives, Vitamins")
if not gfli_total:
gfli_total = data_loader.get_gfli_climate_value("Total Minerals")
if gfli_total:
val, nom, src = gfli_total
result.impact_kg_co2_eq = val
result.impact_tonne_co2_eq = val / 1000.0
result.unite_source = "kg CO2 eq / tonne de produit"
result.source_db = src
result.intrant_utilise = nom
result.match_exact = False
result.justification_alternative = (
f"'{matiere}' absent de GFLI et ECOALIM. "
f"Valeur par défaut '{nom}' utilisée conformément au logigramme minéral."
)
result.actions_appliquees.append(f" → Valeur par défaut : {nom} = {val:.2f} kg CO2 eq/t")
return result
result.erreur = (
f"Aucune valeur trouvée pour '{matiere}' (minéral, absent de toutes les bases). "
"Même le proxy 'Total Minerals, Additives, Vitamins' est introuvable."
)
return result
# ============================================================================
# Évaluation SOJA (logigramme complet)
# ============================================================================
def _evaluate_soja(
matiere_premiere: str,
pays_production: Optional[str],
pays_transformation: Optional[str],
result: CarbonResult,
) -> CarbonResult:
"""Suit le logigramme soja (logigramme_soja.json)."""
# Classification : le LLM a déjà classifié brut/transformé
is_transformed = result.classification == "transforme"
# Node 1 : Connaît-on le pays d'origine de la graine ?
pays_origine_connu = bool(pays_production)
if pays_origine_connu:
# Node 2 : Niveau de transformation ?
result.parcours.append(StepLog(
node_id="soja_node_1",
question="Connaissez-vous le pays d'origine de la graine à l'origine de l'intrant ?",
answer=f"Oui — {pays_production}",
))
if not is_transformed:
result.parcours.append(StepLog(
node_id="soja_node_2",
question="Quel est le niveau de transformation ?",
answer="Soja non transformé (graines crues)",
))
result.node_resultat = "soja_node_4"
result = _resolve_soja_node_4(matiere_premiere, pays_production, result)
else:
result.parcours.append(StepLog(
node_id="soja_node_2",
question="Quel est le niveau de transformation ?",
answer="Produit dérivé du soja",
))
result.node_resultat = "soja_node_5"
result = _resolve_soja_node_5(matiere_premiere, pays_production, pays_transformation, result)
else:
# Node 3 : Niveau de transformation ?
result.parcours.append(StepLog(
node_id="soja_node_1",
question="Connaissez-vous le pays d'origine de la graine à l'origine de l'intrant ?",
answer="Non — provenance inconnue",
))
if not is_transformed:
result.parcours.append(StepLog(
node_id="soja_node_3",
question="Quel est le niveau de transformation ?",
answer="Soja non transformé (graines crues)",
))
result.node_resultat = "soja_node_6"
result = _resolve_soja_node_6(matiere_premiere, result)
else:
result.parcours.append(StepLog(
node_id="soja_node_3",
question="Quel est le niveau de transformation ?",
answer="Produit dérivé du soja",
))
# Node 7 : Connaissez-vous le lieu de transformation ?
lieu_transfo_connu = bool(pays_transformation)
if lieu_transfo_connu:
result.parcours.append(StepLog(
node_id="soja_node_7",
question="Connaissez-vous le lieu de transformation ?",
answer=f"Oui — {pays_transformation}",
))
result.node_resultat = "soja_node_8"
result = _resolve_soja_node_8(matiere_premiere, pays_transformation, result)
else:
result.parcours.append(StepLog(
node_id="soja_node_7",
question="Connaissez-vous le lieu de transformation ?",
answer="Non — lieu de transformation inconnu",
))
result.node_resultat = "soja_node_9"
result = _resolve_soja_node_9(matiere_premiere, result)
return result
# ============================================================================
# Évaluation MINERAL (logigramme complet)
# ============================================================================
def _evaluate_mineral(
matiere_premiere: str,
pays_production: Optional[str],
result: CarbonResult,
) -> CarbonResult:
"""Suit le logigramme minéral (logigramme_mineral.json)."""
# Node 1 : Connaît-on l'origine ?
provenance_connue = bool(pays_production)
if not provenance_connue:
result.parcours.append(StepLog(
node_id="mineral_node_1",
question="Connaissez-vous l'origine de l'intrant (pays de production) ?",
answer="Non — provenance inconnue",
))
result.node_resultat = "mineral_node_3"
result = _resolve_mineral_node_3(matiere_premiere, result)
else:
result.parcours.append(StepLog(
node_id="mineral_node_1",
question="Connaissez-vous l'origine de l'intrant (pays de production) ?",
answer=f"Oui — {pays_production}",
))
# Node 2 : Dans quelle BDD l'intrant est-il présent ?
# Check GFLI first
gfli_results = data_loader.search_gfli(matiere_premiere)
# Also try english translation
if gfli_results.empty:
matiere_en = llm_service.translate_matiere_to_english(matiere_premiere)
if matiere_en.lower() != matiere_premiere.lower():
gfli_results = data_loader.search_gfli(matiere_en)
eco_results = data_loader.search_ecoalim(matiere_premiere)
if eco_results.empty:
matiere_fr = llm_service.translate_matiere_to_french(matiere_premiere)
if matiere_fr.lower() != matiere_premiere.lower():
eco_results = data_loader.search_ecoalim(matiere_fr)
in_gfli = not gfli_results.empty
in_ecoalim = not eco_results.empty
if in_gfli:
result.parcours.append(StepLog(
node_id="mineral_node_2",
question="Dans quelle(s) base(s) de données l'intrant est-il présent ?",
answer="Présent dans GFLI",
))
result.node_resultat = "mineral_node_4"
result = _resolve_mineral_node_4(matiere_premiere, pays_production, result)
elif in_ecoalim:
result.parcours.append(StepLog(
node_id="mineral_node_2",
question="Dans quelle(s) base(s) de données l'intrant est-il présent ?",
answer="Absent GFLI, présent dans ECOALIM",
))
result.node_resultat = "mineral_node_5"
result = _resolve_mineral_node_5(matiere_premiere, pays_production, result)
else:
result.parcours.append(StepLog(
node_id="mineral_node_2",
question="Dans quelle(s) base(s) de données l'intrant est-il présent ?",
answer="Absent GFLI et ECOALIM",
))
result.node_resultat = "mineral_node_6"
result = _resolve_mineral_node_6(matiere_premiere, result)
return result
# ============================================================================
# Moteur principal
# ============================================================================
def evaluate_carbon_impact(
matiere_premiere: str,
pays_production: Optional[str] = None,
pays_transformation: Optional[str] = None,
type_mp: str = "vegetal_animal",
) -> CarbonResult:
"""
Point d'entrée principal : évalue l'impact carbone d'une matière première
en suivant le logigramme adapté au type de MP.
Args:
matiere_premiere: Nom de la matière première (ex: "BLE", "T.TNSL DEC.", "SOJA")
pays_production: Pays de production de la MP brute (ex: "France", "Brésil") ou None si inconnu
pays_transformation: Pays de transformation (ex: "France") ou None si pas de transformation
type_mp: "vegetal_animal" | "soja" | "mineral"
Returns:
CarbonResult avec toutes les informations
"""
logger.info(f"=== Début évaluation: {matiere_premiere} ===")
logger.info(f"Type MP: {type_mp}, Pays production: {pays_production or 'inconnu'}, Pays transformation: {pays_transformation or 'N/A'}")
result = CarbonResult(
matiere_premiere=matiere_premiere,
pays_production=pays_production,
pays_transformation=pays_transformation,
classification="",
classification_justification="",
)
# -----------------------------------------------------------------------
# Étape 1 : Classifier brut vs transformé via LLM + PDF CIR
# -----------------------------------------------------------------------
if type_mp == "mineral":
# Les minéraux ne suivent pas la classification brut/transformé
result.classification = "mineral"
result.classification_justification = "MP minérale / micro-ingrédient / additif"
logger.info(f"Classification: Minérale (pas de classification brut/transformé)")
result.parcours.append(StepLog(
node_id="classification",
question="Type de matière première",
answer="Minérale / Micro-ingrédient / Additif",
))
else:
classification = llm_service.determine_brut_ou_transforme(matiere_premiere)
result.classification = classification.get("classification", "brut")
result.classification_justification = classification.get("justification", "")
is_transformed = result.classification == "transforme"
logger.info(f"Classification: {'Transformée' if is_transformed else 'Brute'} - {result.classification_justification}")
result.parcours.append(StepLog(
node_id="classification",
question="La matière est-elle brute ou transformée ?",
answer=f"{'Transformée' if is_transformed else 'Brute'} — {result.classification_justification}",
))
# -----------------------------------------------------------------------
# Dispatch selon le type de MP
# -----------------------------------------------------------------------
logger.info(f"Dispatch vers logigramme: {type_mp}")
if type_mp == "soja":
result = _evaluate_soja(matiere_premiere, pays_production, pays_transformation, result)
elif type_mp == "mineral":
result = _evaluate_mineral(matiere_premiere, pays_production, result)
else:
# ---- Logigramme végétal/animal optimisé (logigramme.json) ----
is_transformed = result.classification == "transforme"
provenance_connue = bool(pays_production)
if not provenance_connue:
# node_1 → Non → node_provenance_inconnue
logger.info("Node 1: Provenance INCONNUE → Recherche valeur la plus défavorable")
result.parcours.append(StepLog(
node_id="node_1",
question="Connaissez-vous l'endroit ou l'intrant a ete cultive ou produit ?",
answer="Non — provenance inconnue",
))
# node_provenance_inconnue : niveau de transformation
if not is_transformed:
result.parcours.append(StepLog(
node_id="node_provenance_inconnue",
question="Quel est le niveau de transformation de l'intrant ?",
answer="Intrant brut",
))
else:
result.parcours.append(StepLog(
node_id="node_provenance_inconnue",
question="Quel est le niveau de transformation de l'intrant ?",
answer="Intrant transforme ou coproduit",
))
result.node_resultat = "node_base_gfli_defaut"
logger.info("→ Résolution via Node 4 (valeur la plus défavorable)")
result = _resolve_node_4(matiere_premiere, result)
else:
# node_1 → Oui → node_transformation
logger.info(f"Node 1: Provenance CONNUE - Production: {pays_production}, Transformation: {pays_transformation or 'N/A'}")
result.parcours.append(StepLog(
node_id="node_1",
question="Connaissez-vous l'endroit ou l'intrant a ete cultive ou produit ?",
answer=f"Oui — Production: {pays_production}" + (f", Transformation: {pays_transformation}" if pays_transformation else ""),
))
if not is_transformed:
# node_transformation → Intrant brut → node_localisation_brut
result.parcours.append(StepLog(
node_id="node_transformation",
question="Quel est le niveau de transformation de l'intrant ?",
answer="Intrant brut",
))
if _is_france(pays_production):
# node_localisation_brut → Oui (France) → node_base_ecoalim
logger.info("Intrant BRUT cultivé en FRANCE → Node 8 (ECOALIM prioritaire)")
result.parcours.append(StepLog(
node_id="node_localisation_brut",
question="L'intrant brut est-il cultive en France ?",
answer="Oui",
))
result.node_resultat = "node_base_ecoalim"
result = _resolve_node_8(matiere_premiere, result)
else:
# node_localisation_brut → Non → node_base_gfli_pays
logger.info(f"Intrant BRUT cultivé HORS FRANCE ({pays_production}) → Node 9 (GFLI pays/RER/GLO)")
result.parcours.append(StepLog(
node_id="node_localisation_brut",
question="L'intrant brut est-il cultive en France ?",
answer=f"Non — {pays_production}",
))
result.node_resultat = "node_base_gfli_pays"
result = _resolve_node_9(matiere_premiere, pays_production, result)
else:
# node_transformation → Intrant transformé → node_localisation_transforme
result.parcours.append(StepLog(
node_id="node_transformation",
question="Quel est le niveau de transformation de l'intrant ?",
answer="Intrant transforme ou coproduit",
))
if _is_france(pays_transformation) and _is_france(pays_production):
# Transformé en France avec MP française → node_base_ecoalim
result.parcours.append(StepLog(
node_id="node_localisation_transforme",
question="Ou l'intrant est-il transforme ?",
answer="Transforme en France avec MP francaise",
))
result.node_resultat = "node_base_ecoalim"
result = _resolve_node_10(matiere_premiere, result)
elif _is_france(pays_transformation):
# Transformé en France avec MP non française ou inconnue → node_base_gfli_fr
result.parcours.append(StepLog(
node_id="node_localisation_transforme",
question="Ou l'intrant est-il transforme ?",
answer=f"Transforme en France avec MP non francaise ou inconnue ({pays_production or 'origine inconnue'})",
))
result.node_resultat = "node_base_gfli_fr"
result = _resolve_node_11(matiere_premiere, result)
else:
# Transformé hors France → node_base_gfli_pays
result.parcours.append(StepLog(
node_id="node_localisation_transforme",
question="Ou l'intrant est-il transforme ?",
answer=f"Transforme hors France — {pays_transformation}",
))
result.node_resultat = "node_base_gfli_pays"
result = _resolve_node_12(matiere_premiere, pays_transformation or pays_production or "", result)
# ------------------------------------------------------------------
# Post-processing : normaliser les unités (t CO2 eq / t produit)
# ------------------------------------------------------------------
logger.info("Post-processing: Normalisation des unités")
if result.impact_kg_co2_eq is not None and result.unite_source:
if "tonne" in result.unite_source:
# GFLI : kg CO2 eq / tonne -> t CO2 eq / t
result.impact_tonne_co2_eq = result.impact_kg_co2_eq / 1000.0
logger.debug(f"Conversion GFLI: {result.impact_kg_co2_eq} kg CO2/t → {result.impact_tonne_co2_eq} t CO2/t")
else:
# EcoALIM : kg CO2 eq / kg -> t CO2 eq / t (même valeur numérique)
result.impact_tonne_co2_eq = result.impact_kg_co2_eq
logger.debug(f"Conversion EcoALIM: {result.impact_kg_co2_eq} kg CO2/kg → {result.impact_tonne_co2_eq} t CO2/t (no numerical change)")
# ------------------------------------------------------------------
# Post-processing : collecter les candidats alternatifs
# ------------------------------------------------------------------
result = _collect_candidates(result)
# Demander au LLM quel candidat est le plus pertinent en cas de doute
if not result.match_exact and result.candidats_alternatifs:
try:
names = [c.get("nom", "") for c in result.candidats_alternatifs if c.get("nom")]
rank = llm_service.rank_candidates(result.matiere_premiere, names)
result.candidat_recommande = rank.get("best_name")
result.candidats_reflexion = rank.get("reasoning")
except Exception:
result.candidat_recommande = None
result.candidats_reflexion = None
# Générer une justification LLM si le match n'est pas exact et qu'il n'y en a pas
if not result.match_exact and not result.justification_alternative and not result.erreur:
if result.intrant_utilise and result.impact_kg_co2_eq is not None:
try:
result.justification_alternative = llm_service.justify_alternative_value(
result.matiere_premiere,
result.intrant_utilise,
result.impact_kg_co2_eq,
result.source_db,
)
except Exception:
result.justification_alternative = (
f"Valeur de '{result.intrant_utilise}' utilisée comme proxy pour "
f"'{result.matiere_premiere}' (matière la plus proche dans {result.source_db})."
)
# Log final result
if result.erreur:
logger.warning(f"=== Évaluation terminée avec ERREUR: {result.erreur} ===")
else:
logger.info(f"=== Évaluation terminée avec SUCCÈS ===")
logger.info(f"Résultat: {result.intrant_utilise} = {result.impact_kg_co2_eq:.2f} {result.unite_source}")
logger.info(f"Source: {result.source_db}, Match exact: {result.match_exact}, Node: {result.node_resultat}")
return result
def _collect_candidates(result: CarbonResult) -> CarbonResult:
"""
Après résolution, cherche les autres produits correspondants dans la même
base de données pour proposer des alternatives triées par pertinence.
"""
if result.erreur or result.intrant_utilise is None:
return result
matiere = result.matiere_premiere
source = result.source_db or ""
candidates: list[dict] = []
# Déterminer le pays ISO pour GFLI
country_iso = None
if result.pays_production:
country_iso = _get_country_iso(result.pays_production)
if result.pays_transformation:
country_iso = _get_country_iso(result.pays_transformation) or country_iso
# Collecter depuis la source utilisée + l'autre source
# D'abord la source principalement utilisée
unbounded = not result.match_exact
matiere_fr = llm_service.translate_matiere_to_french(matiere)
matiere_en = llm_service.translate_matiere_to_english(matiere)
if "ECOALIM" in source.upper():
candidates.extend(data_loader.get_top_ecoalim_candidates(
matiere,
pays_production=result.pays_production,
pays_transformation=result.pays_transformation,
top_n=None if unbounded else 8,
))
if matiere_fr.lower() != matiere.lower():
candidates.extend(data_loader.get_top_ecoalim_candidates(
matiere_fr,
pays_production=result.pays_production,
pays_transformation=result.pays_transformation,
top_n=None if unbounded else 8,
))
candidates.extend(data_loader.get_top_gfli_candidates(
matiere, country_iso=country_iso, top_n=None if unbounded else 4,
))
if matiere_en.lower() != matiere.lower():
candidates.extend(data_loader.get_top_gfli_candidates(
matiere_en, country_iso=country_iso, top_n=None if unbounded else 4,
))
else:
# Essayer aussi avec le nom traduit si on est sur GFLI
# Le nom d'intrant utilisé contient le terme anglais
intrant_base = result.intrant_utilise.split(",")[0].split("/")[0].strip()
candidates.extend(data_loader.get_top_gfli_candidates(
intrant_base, country_iso=country_iso, top_n=None if unbounded else 8,
))
if matiere_en.lower() != matiere.lower():
candidates.extend(data_loader.get_top_gfli_candidates(
matiere_en, country_iso=country_iso, top_n=None if unbounded else 8,
))
candidates.extend(data_loader.get_top_ecoalim_candidates(
matiere,
pays_production=result.pays_production,
pays_transformation=result.pays_transformation,
top_n=None if unbounded else 4,
))
if matiere_fr.lower() != matiere.lower():
candidates.extend(data_loader.get_top_ecoalim_candidates(
matiere_fr,
pays_production=result.pays_production,
pays_transformation=result.pays_transformation,
top_n=None if unbounded else 4,
))
# Dédupliquer, exclure l'intrant sélectionné, et filtrer les faux positifs
seen = set()
unique_candidates = []
intrant_base = ""
if result.intrant_utilise:
intrant_base = result.intrant_utilise.split(",")[0].split("/")[0].strip().lower()
for c in candidates:
key = (c["nom"], c["source"])
if key in seen or c["nom"] == result.intrant_utilise:
continue
# Pour GFLI, vérifier que le candidat est pertinent
if c["source"] == "GFLI" and not _is_name_match(matiere, c["nom"]):
# Accepter quand même si ça matche le nom de base de l'intrant validé
if intrant_base and _is_name_match(intrant_base, c["nom"]):
pass # OK, même famille de produit
elif matiere_en and _is_name_match(matiere_en, c["nom"]):
pass # OK, match en anglais
elif matiere_fr and _is_name_match(matiere_fr, c["nom"]):
pass # OK, match en français
else:
continue # Faux positif
seen.add(key)
unique_candidates.append(c)
result.candidats_alternatifs = unique_candidates
return result
|