Add test shape of features

app/db_log.py

@@ -13,7 +13,7 @@ import os
 # createdb -O openclassrooms openclassrooms
 # EXPORT DATABASE_URL="postgresql+psycopg2://openclassrooms:openclassrooms@localhost:5432/openclassrooms"
 
-# Récupératin de la variable d'envirronnement de connection à la base de donnée
+# Récupération de la variable d'envirronnement de connection à la base de donnée
 DATABASE_URL = os.getenv("DATABASE_URL")
 
 

app/main.py

@@ -33,9 +33,10 @@ def home():
 @app.post("/predict")
 def predict(data: InputData):
     """ 
+    input: voir détail dans le fichier schemas.py
     
-    return :  {"prediction": integer, 
+    return:  {"prediction": integer, 
                "probabilite": float
-               }
+              }
     """
     return prediction.predict(data)

app/prediction.py

@@ -31,7 +31,7 @@ def predict(data):
     y_proba = model.predict_proba(X)
     
     # format reponse
-    response = {"prediction": int(y), "probabilite": float(y_proba[0][1])}
+    response = {"prediction": int(y[0]), "probabilite": float(y_proba[0][1])}
     
     # log the response in postgres db
     if db_input_id:

app/schemas.py

@@ -1,48 +1,169 @@
-from pydantic import BaseModel, Field
 from typing import Literal
+from pydantic import BaseModel, Field
 
 
 class InputData(BaseModel):
-    """ Définition des entrées du modèle."""
-    
-    id_employee: int = Field(..., description="Identifiant unique de l'employé")
+    """Définition des données d'entrée décrivant 
+    le profil professionnel et personnel d'un employé."""
+
+    id_employee: int = Field(
+        ...,
+        description="Identifiant unique de l'employé dans le système d'information RH"
+    )
 
-    age: int = Field(..., ge=16, le=70)
+    age: int = Field(
+        ...,
+        ge=16,
+        le=70,
+        description="Âge de l'employé exprimé en années"
+    )
 
-    statut_marital: Literal['Célibataire', 'Divorcé(e)', 'Marié(e)']
+    statut_marital: Literal['Célibataire', 'Divorcé(e)', 'Marié(e)'] = Field(
+        ...,
+        description="Situation matrimoniale actuelle de l'employé"
+    )
 
     poste: Literal[
-        'Assistant de Direction', 'Cadre Commercial', 'Consultant', 'Directeur Technique',
-        'Manager', 'Représentant Commercial', 'Ressources Humaines', 'Senior Manager', 'Tech Lead'
-    ]
-
-    nombre_experiences_precedentes: int = Field(..., ge=0, le=20)
-    annee_experience_totale: int = Field(..., ge=0, le=65)
-    annees_dans_le_poste_actuel: int = Field(..., ge=0, le=65)
-
-    satisfaction_employee_environnement: int = Field(..., ge=1, le=4)
-    note_evaluation_precedente: int = Field(..., ge=1, le=4)
-    niveau_hierarchique_poste: int = Field(..., ge=1, le=5)
-    satisfaction_employee_nature_travail: int = Field(..., ge=1, le=4)
-    satisfaction_employee_equipe: int = Field(..., ge=1, le=4)
-    satisfaction_employee_equilibre_pro_perso: int = Field(..., ge=1, le=4)
-
-    heure_supplementaires: Literal['Non', 'Oui']
-
-    augmentation_salaire: int = Field(..., ge=0)
-    nombre_participation_pee: int = Field(..., ge=0)
-    nb_formations_suivies: int = Field(..., ge=0)
-    distance_domicile_travail: int = Field(..., ge=0)
-
-    niveau_education: int = Field(..., ge=1, le=5)
-    
-    domaine_etude: Literal['Autre', 'Entrepreunariat', 'Infra & Cloud', 'Marketing',
-                           'Ressources Humaines', 'Transformation Digitale']
-    
-    frequence_deplacement: Literal['Aucun', 'Frequent', 'Occasionnel']
-    
-    annees_depuis_la_derniere_promotion: int = Field(..., ge=0, le=25)
-    annes_sous_responsable_actuel: int = Field(..., ge=0, le=25)
-    
-    
-    
+        'Assistant de Direction',
+        'Cadre Commercial',
+        'Consultant',
+        'Directeur Technique',
+        'Manager',
+        'Représentant Commercial',
+        'Ressources Humaines',
+        'Senior Manager',
+        'Tech Lead'
+    ] = Field(
+        ...,
+        description="Intitulé du poste occupé actuellement par l'employé"
+    )
+
+    nombre_experiences_precedentes: int = Field(
+        ...,
+        ge=0,
+        le=20,
+        description="Nombre total d'expériences professionnelles précédentes avant le poste actuel"
+    )
+
+    annee_experience_totale: int = Field(
+        ...,
+        ge=0,
+        le=65,
+        description="Nombre total d'années d'expérience professionnelle cumulée"
+    )
+
+    annees_dans_le_poste_actuel: int = Field(
+        ...,
+        ge=0,
+        le=65,
+        description="Ancienneté de l'employé dans son poste actuel, exprimée en années"
+    )
+
+    satisfaction_employee_environnement: int = Field(
+        ...,
+        ge=1,
+        le=4,
+        description="Niveau de satisfaction de l'employé concernant son environnement de travail (1 = très insatisfait, 4 = très satisfait)"
+    )
+
+    note_evaluation_precedente: int = Field(
+        ...,
+        ge=1,
+        le=4,
+        description="Note obtenue lors de la dernière évaluation annuelle de performance"
+    )
+
+    niveau_hierarchique_poste: int = Field(
+        ...,
+        ge=1,
+        le=5,
+        description="Niveau hiérarchique associé au poste occupé (1 = niveau opérationnel, 5 = direction)"
+    )
+
+    satisfaction_employee_nature_travail: int = Field(
+        ...,
+        ge=1,
+        le=4,
+        description="Niveau de satisfaction de l'employé concernant la nature de ses missions"
+    )
+
+    satisfaction_employee_equipe: int = Field(
+        ...,
+        ge=1,
+        le=4,
+        description="Niveau de satisfaction de l'employé vis-à-vis de son équipe de travail"
+    )
+
+    satisfaction_employee_equilibre_pro_perso: int = Field(
+        ...,
+        ge=1,
+        le=4,
+        description="Niveau de satisfaction concernant l'équilibre entre vie professionnelle et vie personnelle"
+    )
+
+    heure_supplementaires: Literal['Non', 'Oui'] = Field(
+        ...,
+        description="Indique si l'employé effectue régulièrement des heures supplémentaires"
+    )
+
+    augmentation_salaire: int = Field(
+        ...,
+        ge=0,
+        description="Pourcentage d'augmentation du salaire de l'employé"
+    )
+
+    nombre_participation_pee: int = Field(
+        ...,
+        ge=0,
+        description="Nombre de participations de l'employé à un plan d'épargne entreprise (PEE)"
+    )
+
+    nb_formations_suivies: int = Field(
+        ...,
+        ge=0,
+        description="Nombre total de formations professionnelles suivies par l'employé"
+    )
+
+    distance_domicile_travail: int = Field(
+        ...,
+        ge=0,
+        description="Distance entre le domicile de l'employé et son lieu de travail (en kilomètres)"
+    )
+
+    niveau_education: int = Field(
+        ...,
+        ge=1,
+        le=5,
+        description="Niveau d'éducation de l'employé (1 = niveau le plus bas, 5 = niveau le plus élevé)"
+    )
+
+    domaine_etude: Literal[
+        'Autre',
+        'Entrepreunariat',
+        'Infra & Cloud',
+        'Marketing',
+        'Ressources Humaines',
+        'Transformation Digitale'
+    ] = Field(
+        ...,
+        description="Domaine principal d'activités de l'employé"
+    )
+
+    frequence_deplacement: Literal['Aucun', 'Frequent', 'Occasionnel'] = Field(
+        ...,
+        description="Fréquence des déplacements professionnels liés au poste"
+    )
+
+    annees_depuis_la_derniere_promotion: int = Field(
+        ...,
+        ge=0,
+        le=25,
+        description="Nombre d'années écoulées depuis la dernière promotion de l'employé"
+    )
+
+    annes_sous_responsable_actuel: int = Field(
+        ...,
+        ge=0,
+        le=25,
+        description="Nombre d'années pendant lesquelles l'employé travaille sous son responsable hiérarchique actuel"
+    )

requirements.txt

@@ -1,10 +1,14 @@
 annotated-doc==0.0.4
 annotated-types==0.7.0
 anyio==4.12.0
+certifi==2025.11.12
 click==8.3.1
+coverage==7.13.1
 fastapi==0.124.0
 greenlet==3.3.0
 h11==0.16.0
+httpcore==1.0.9
+httpx==0.28.1
 idna==3.11
 iniconfig==2.3.0
 joblib==1.5.2
@@ -12,11 +16,13 @@ numpy==2.3.5
 packaging==25.0
 pandas==2.3.3
 pluggy==1.6.0
+psycopg2==2.9.11
 psycopg2-binary==2.9.11
 pydantic==2.12.5
 pydantic_core==2.41.5
 Pygments==2.19.2
 pytest==9.0.2
+pytest-cov==7.0.0
 python-dateutil==2.9.0.post0
 pytz==2025.2
 scikit-learn==1.7.2

tests/ko_test_api.py

@@ -1,15 +0,0 @@
-# -*- coding: utf-8 -*-
-
-from fastapi.testclient import TestClient
-from app import main
-
-client = TestClient(main.app)
-
-def test_predict_endpoint():
-    response = client.post(
-        "/"
-    )
-
-    assert response.status_code == 200
-    #assert "prediction" in response.json()
-

tests/test_main.py

@@ -0,0 +1,24 @@
+import pytest
+from fastapi.testclient import TestClient
+from app.main import app
+
+
+@pytest.fixture
+def client():
+    return TestClient(app)
+
+
+def test_home_endpoint(client, monkeypatch):
+    # Mock de prediction.home
+    def mock_home():
+        return {"message": "API opérationnelle"}
+
+    monkeypatch.setattr(
+        "app.main.prediction.home",
+        mock_home
+    )
+
+    response = client.get("/")
+
+    assert response.status_code == 200
+    assert response.json() == {"message": "API opérationnelle"}

tests/test_prediction.py

@@ -13,7 +13,6 @@ import pytest
 import json
 
 model_files = ['model/model.joblib', 'model/onehotencoder.joblib', 'model/scaler.joblib']
-model = utils.load_model("model.joblib")
 
 
 def test_load_model():

tests/test_preprocess.py

@@ -7,16 +7,17 @@ from app import preprocess
 import pytest
 import json
 
-encoder = utils.load_model("onehotencoder.joblib")
-scaler = utils.load_model("scaler.joblib")
 
 def test_load_encoder():
     """ check the configuration model load """
     encoder = utils.load_model("onehotencoder.joblib")
     scaler = utils.load_model("scaler.joblib")
+    model = utils.load_model("model.joblib")
 
     assert encoder is not None
     assert scaler is not None
+    assert model is not None
+
 
 @pytest.fixture
 def data_example():
@@ -30,9 +31,15 @@ def data_example():
 
 def test_encode(data_example):
     """ check the response of encode data """
+        
     encoder = utils.load_model("onehotencoder.joblib")
     scaler = utils.load_model("scaler.joblib")
-    if encoder and scaler:
+    model = utils.load_model("model.joblib")
+
+    if encoder and scaler and model:
         x_exemple_scaled = preprocess.encode(data_example)
-    
+        
+        if x_exemple_scaled.shape[1] != model.n_features_in_:
+            raise ValueError("Incorrect number of features in preprocess")
+