src/modules/loans_engine.py

import streamlit as st
import pandas as pd
from datetime import datetime, date, timedelta
# IMPORT DES NOUVEAUX MODULES
from Analytics.AnalyseFinance import (
    analyser_capacite, 
    generer_tableau_amortissement,
    calculer_taux_endettement,
    clean_taux_value  # ✅ AJOUT
)
from DocumentGen.AutoPDFGeneration import generer_contrat_pret, generer_reconnaissance_dette, generer_contrat_caution
import time


# ============================================================================
# GESTION DU CACHE (À PLACER ICI)
# ============================================================================

@st.cache_data(ttl=600)  # Le cache expire après 10 minutes
def get_cached_data(_client, sheet_name, worksheet_name):
    """Lit une feuille spécifique et la transforme en DataFrame avec cache."""
    try:
        sh = _client.open(sheet_name)
        ws = sh.worksheet(worksheet_name)
        return pd.DataFrame(ws.get_all_records())
    except Exception as e:
        st.error(f"Erreur lors de la lecture de {worksheet_name}: {e}")
        return pd.DataFrame()

def refresh_data():
    """Fonction pour vider le cache manuellement."""
    st.cache_data.clear()
    st.rerun()

    
# ============================================================================
# STYLES CSS (Ta fonction existante)
# ============================================================================
def apply_loans_engine_styles():
    st.markdown("""
    <style>
    /* ========================================
       WRAPPER D'ISOLATION DU MODULE
       ======================================== */
    #loans-engine-module {
        padding: 1rem;
        margin: 0 auto;
        max-width: 100%;
    }
    
    /* ========================================
       CARTES MÉTRIQUES SPÉCIFIQUES AU MODULE
       ======================================== */
    #loans-engine-module [data-testid="stMetric"] {
        background: rgba(22, 27, 34, 0.6);
        border: 1px solid rgba(48, 54, 61, 0.8);
        border-radius: 6px;
        padding: 16px;
        box-shadow: 0 1px 3px rgba(0, 0, 0, 0.4);
        backdrop-filter: blur(8px);
        transition: transform 0.2s ease;
    }
    
    #loans-engine-module [data-testid="stMetric"]:hover {
        transform: translateY(-2px);
        box-shadow: 0 4px 8px rgba(88, 166, 255, 0.2);
    }
    
    #loans-engine-module [data-testid="stMetric"] label {
        color: #8b949e !important;
        font-size: 0.75rem !important;
        font-weight: 500 !important;
        text-transform: uppercase;
        letter-spacing: 0.8px;
    }
    
    #loans-engine-module [data-testid="stMetric"] [data-testid="stMetricValue"] {
        color: #58a6ff !important;
        font-size: 1.6rem !important;
        font-weight: 600 !important;
    }
    
    #loans-engine-module [data-testid="stMetric"] [data-testid="stMetricDelta"] {
        color: #58a6ff !important;
        font-size: 0.85rem !important;
    }
    
    /* ========================================
       BOUTONS SPÉCIFIQUES MODULE PRÊTS
       ======================================== */
    #loans-engine-module .loans-engine-action-btn button {
        background: linear-gradient(135deg, rgba(88, 166, 255, 0.1) 0%, rgba(88, 166, 255, 0.05) 100%);
        border: 1px solid rgba(88, 166, 255, 0.6);
        color: #58a6ff !important;
        font-weight: 600;
        font-size: 0.9rem;
        letter-spacing: 0.5px;
        border-radius: 6px;
        padding: 12px 24px;
        transition: all 0.3s ease;
        text-transform: uppercase;
    }
    
    #loans-engine-module .loans-engine-action-btn button:hover {
        background: linear-gradient(135deg, rgba(88, 166, 255, 0.2) 0%, rgba(88, 166, 255, 0.1) 100%);
        border-color: rgba(88, 166, 255, 1);
        box-shadow: 0 0 20px rgba(88, 166, 255, 0.4);
        transform: translateY(-2px);
    }
    
    /* ========================================
       EXPANDERS ANALYSE CAPACITÉ
       ======================================== */
    #loans-engine-module .loans-engine-analysis-expander .streamlit-expanderHeader {
        background: rgba(22, 27, 34, 0.8);
        border-left: 3px solid rgba(88, 166, 255, 0.6);
        padding: 14px 18px;
        border-radius: 4px;
        font-weight: 600;
    }
    
    #loans-engine-module .loans-engine-analysis-expander .streamlit-expanderHeader:hover {
        background: rgba(88, 166, 255, 0.1);
        border-left-color: rgba(88, 166, 255, 1);
    }
    
    /* ========================================
       SÉLECTEUR CLIENT - STYLE AMÉLIORÉ
       ======================================== */
    #loans-engine-module .loans-engine-client-selector {
        margin-bottom: 2rem;
    }
    
    #loans-engine-module .loans-engine-client-selector .stSelectbox {
        background: rgba(22, 27, 34, 0.6);
        border-radius: 8px;
        padding: 8px;
    }
    
    /* ========================================
       ALERTE SOLVABILITÉ
       ======================================== */
    #loans-engine-module .loans-engine-solvency-alert {
        background: rgba(88, 166, 255, 0.08);
        border: 1px solid rgba(88, 166, 255, 0.3);
        border-left: 4px solid #58a6ff;
        border-radius: 6px;
        padding: 16px;
        margin: 1rem 0;
    }
    
    /* ========================================
       RÉSULTATS DE SIMULATION
       ======================================== */
    #loans-engine-module .loans-engine-simulation-results {
        background: rgba(22, 27, 34, 0.4);
        border: 1px solid rgba(48, 54, 61, 0.6);
        border-radius: 8px;
        padding: 20px;
        margin: 1.5rem 0;
    }
    
    #loans-engine-module .loans-engine-simulation-results h3 {
        color: #58a6ff !important;
        font-size: 1.1rem !important;
        margin-bottom: 1rem;
        border-bottom: 1px solid rgba(88, 166, 255, 0.2);
        padding-bottom: 8px;
    }
    
    /* ========================================
       STATUTS ANALYSE CAPACITÉ
       ======================================== */
    #loans-engine-module .loans-engine-status-excellent {
        background: rgba(84, 189, 75, 0.1);
        border-left: 4px solid #54bd4b;
        padding: 12px 16px;
        border-radius: 4px;
        margin: 1rem 0;
    }
    
    #loans-engine-module .loans-engine-status-good {
        background: rgba(88, 166, 255, 0.1);
        border-left: 4px solid #58a6ff;
        padding: 12px 16px;
        border-radius: 4px;
        margin: 1rem 0;
    }
    
    #loans-engine-module .loans-engine-status-warning {
        background: rgba(243, 156, 18, 0.1);
        border-left: 4px solid #f39c12;
        padding: 12px 16px;
        border-radius: 4px;
        margin: 1rem 0;
    }
    
    #loans-engine-module .loans-engine-status-critical {
        background: rgba(231, 76, 60, 0.1);
        border-left: 4px solid #e74c3c;
        padding: 12px 16px;
        border-radius: 4px;
        margin: 1rem 0;
    }
    
    /* ========================================
       TABLEAU D'AMORTISSEMENT
       ======================================== */
    #loans-engine-module .loans-engine-amortization-table {
        margin: 2rem 0;
    }
    
    #loans-engine-module .loans-engine-amortization-table .stDataFrame {
        border: 1px solid rgba(48, 54, 61, 0.6);
        border-radius: 8px;
        overflow: hidden;
    }
    
    #loans-engine-module .loans-engine-amortization-table thead tr th {
        background: rgba(48, 54, 61, 0.9) !important;
        color: #58a6ff !important;
        font-weight: 700 !important;
        font-size: 0.85rem !important;
        text-transform: uppercase;
        letter-spacing: 0.5px;
        padding: 12px 8px !important;
    }
    
    #loans-engine-module .loans-engine-amortization-table tbody tr:nth-child(odd) {
        background: rgba(22, 27, 34, 0.4);
    }
    
    #loans-engine-module .loans-engine-amortization-table tbody tr:nth-child(even) {
        background: rgba(22, 27, 34, 0.2);
    }
    
    #loans-engine-module .loans-engine-amortization-table tbody tr:hover {
        background: rgba(88, 166, 255, 0.08) !important;
    }
    
    /* ========================================
       FORMULAIRE VALIDATION
       ======================================== */
    #loans-engine-module .loans-engine-validation-form {
        background: rgba(22, 27, 34, 0.6);
        border: 2px solid rgba(88, 166, 255, 0.3);
        border-radius: 10px;
        padding: 24px;
        margin: 2rem 0;
    }
    
    #loans-engine-module .loans-engine-validation-form h3 {
        color: #58a6ff !important;
        text-align: center;
        margin-bottom: 1.5rem;
    }
    
    /* ========================================
       DATES PERSONNALISÉES
       ======================================== */
    #loans-engine-module .loans-engine-custom-dates {
        background: rgba(22, 27, 34, 0.3);
        border-radius: 6px;
        padding: 16px;
        margin: 1rem 0;
    }
    
    #loans-engine-module .loans-engine-custom-dates .stDateInput {
        margin-bottom: 8px;
    }
    
    /* ========================================
       BADGES TYPE PRÊT
       ======================================== */
    #loans-engine-module .loans-engine-loan-type-badge {
        display: inline-block;
        background: rgba(88, 166, 255, 0.15);
        color: #58a6ff;
        padding: 6px 14px;
        border-radius: 20px;
        font-size: 0.85rem;
        font-weight: 600;
        letter-spacing: 0.5px;
        margin: 0.5rem 0;
        border: 1px solid rgba(88, 166, 255, 0.4);
    }
    
    /* ========================================
       SÉPARATEURS SECTION
       ======================================== */
    #loans-engine-module .loans-engine-section-divider {
        height: 2px;
        background: linear-gradient(90deg, transparent 0%, rgba(88, 166, 255, 0.3) 50%, transparent 100%);
        margin: 2rem 0;
    }
    
    /* ========================================
       RESPONSIVE ADJUSTMENTS
       ======================================== */
    @media (max-width: 768px) {
        #loans-engine-module [data-testid="stMetric"] {
            padding: 12px;
        }
        
        #loans-engine-module [data-testid="stMetric"] [data-testid="stMetricValue"] {
            font-size: 1.3rem !important;
        }
        
        #loans-engine-module .loans-engine-action-btn button {
            font-size: 0.8rem;
            padding: 10px 18px;
        }
    }
    
    /* ========================================
       ANIMATIONS SUBTILES
       ======================================== */
    @keyframes loans-engine-pulse {
        0%, 100% { opacity: 1; }
        50% { opacity: 0.7; }
    }
    
    #loans-engine-module .loans-engine-loading {
        animation: loans-engine-pulse 2s ease-in-out infinite;
    }
    
    /* ========================================
       FOCUS STATES (Accessibilité)
       ======================================== */
    #loans-engine-module button:focus-visible,
    #loans-engine-module input:focus-visible,
    #loans-engine-module select:focus-visible {
        outline: 2px solid #58a6ff !important;
        outline-offset: 2px;
    }
    </style>
    """, unsafe_allow_html=True)

# ============================================================================
# MAIN FUNCTION
# ============================================================================
def show_loans_engine(client, sheet_name):
    apply_loans_engine_styles()
    st.markdown('<div id="loans-engine-module">', unsafe_allow_html=True)
    
    st.header("MOTEUR FINANCIER : OCTROI DE PRÊT")
    
    # 1. CHARGEMENT DONNÉES
    try:

        # On définit 'sh' ici pour qu'il soit accessible dans toute la fonction
        sh = client.open(sheet_name)
        
        # Utilise get_cached_data pour éviter les erreurs de quota
        df_clients = get_cached_data(client, sheet_name, "Clients_KYC")
        
        try:
            df_garants = get_cached_data(client, sheet_name, "Garants_KYC")
            if not df_garants.empty:
                df_garants['search_label'] = df_garants['ID_Garant'].astype(str) + " - " + df_garants['Nom_Complet'].astype(str)
        except Exception as e:
            st.error(f"Erreur sur la feuille Garants : {e}")
            df_garants = pd.DataFrame()
            
    except Exception as e:
        st.error(f"Erreur connexion : {e}")
        return

    # ============================================================================
    # 2. SÉLECTION CLIENT (Obligatoire)
    # ============================================================================
    if df_clients.empty:
        st.error("🛑 Aucun client trouvé dans la base KYC. Veuillez d'abord enregistrer un client pour octroyer un prêt.")
        return # On arrête l'exécution si pas de client
    else:
        df_clients['search_label'] = df_clients['ID_Client'].astype(str) + " - " + df_clients['Nom_Complet'].astype(str)
        selected_client_label = st.selectbox("Rechercher une cible ", [""] + df_clients['search_label'].tolist())

        if selected_client_label: # <--- TOUT DOIT ÊTRE DANS CE BLOC
            # Récupération de la ligne complète
            client_info = df_clients[df_clients['search_label'] == selected_client_label].iloc[0]
            client_id = client_info['ID_Client']

            # ✅ Lecture du nombre de personnes à charge depuis le KYC
            try:
                pers_charge = int(client_info.get('Pers_Charge', 0))
            except (ValueError, TypeError):
                pers_charge = 0
            
            st.info(f"♦️Cible Détectée : **{client_info['Nom_Complet']}**")
            
            with st.expander(f"Analyse Solvabilité : {client_info['Nom_Complet']}", expanded=True):
                def clean_val(val):
                    try:
                        return float(str(val).replace("XOF","").replace(" ","").replace(",",""))
                    except: return 0.0

                rev = clean_val(client_info['Revenus_Mensuels'])
                chg = clean_val(client_info['Charges_Estimees'])
                reste = rev - chg
                
                c1, c2, c3 = st.columns(3)
                c1.metric("Revenus Mensuels", f"{int(rev):,} XOF".replace(",", " "))
                c2.metric("Charges Estimées", f"{int(chg):,} XOF".replace(",", " "))
                
                # Alerte visuelle si le reste à vivre est faible
                delta_color = "normal" if reste > 20000 else "inverse"
                c3.metric("Reste à vivre (Net)", f"{int(reste):,} XOF".replace(",", " "), 
                          delta=f"{int(reste):,}", delta_color=delta_color)
                
                st.markdown(f"**Profession :** {client_info['Statut_Pro']} | **Ville :** {client_info['Ville']}")

                # ✅ Affichage IPF si le client a des personnes à charge
                if pers_charge >= 1:
                    ipf = rev / (1 + pers_charge)
                    st.info(f"📊 **IPF (Indice de Pression Familiale)** : {int(ipf):,} XOF — base de calcul ajustée ({pers_charge} pers. à charge)".replace(",", " "))

            # ============================================================================
            # 3. SÉLECTION GARANT (Optionnel)
            # ============================================================================
            selected_garant = None
            garant_id = ""
            
            if df_garants.empty:
                st.info("Aucun garant n'est actuellement enregistré dans la base (Optionnel).")
            else:
                selected_garant_label = st.selectbox("Rechercher un garant (Optionnel)", [""] + df_garants['search_label'].tolist())
                
                if selected_garant_label:
                    # Récupération de la ligne complète
                    garant_info = df_garants[df_garants['search_label'] == selected_garant_label].iloc[0]
                    selected_garant = garant_info # Pour l'utiliser dans la génération PDF
                    garant_id = garant_info['ID_Garant']
                    st.info(f"🔸Garant Détectée : **{garant_info['Nom_Complet']}**")
                    with st.expander(f"Analyse de la Caution : {garant_info['Nom_Complet']}", expanded=True):
                        rev_g = clean_val(garant_info['Revenus_Mensuels'])
                        chg_g = clean_val(garant_info['Charges_Estimees'])
                        
                        g1, g2, g3 = st.columns(3)
                        g1.metric("Revenus Garant", f"{int(rev_g):,} XOF".replace(",", " "))
                        g2.metric("Charges Garant", f"{int(chg_g):,} XOF".replace(",", " "))
                        g3.metric("Reste à vivre", f"{int(rev_g - chg_g):,} XOF".replace(",", " "))
                        
                        st.warning("⚠️ **Engagement solidaire** : Le garant renonce aux bénéfices de discussion et de division. Il s'engage à payer en cas de défaillance de l'emprunteur.")

        
            # 4. CONFIGURATION PRÊT
            st.markdown("---")
            st.subheader("Configuration")
            
            col_motif, col_type, col_moyen = st.columns(3)
            with col_motif:
                # NOUVEAU : MOTIF
                motif = st.selectbox(
                    "Motif du prêt",
                    [
                        "Commerce / Achat de stock",
                        "Investissement",
                        "Trésorerie professionnelle",
                        "Lancement d'activité",
                        "Développement d'activité",
                        "Agriculture / Élevage",
                        "Transport / Logistique",
                        "Urgence médicale",
                        "Scolarité / Formation",
                        "Logement / Habitat",
                        "Réparations",
                        "Événements familiaux",
                        "Voyage / Déplacement",
                        "Consommation",
                        "Achat d'équipement personnel",
                        "Projet personnel",
                        "Autre"
                    ]
                )
            with col_type:
                type_pret = st.selectbox("Type de remboursement", ["In Fine", "Mensuel - Intérêts", "Mensuel - Constant", "Hebdomadaire", "Personnalisé"])
            with col_moyen:
                # Correction : Définition de la variable moyen_transfert
                moyen_transfert = st.selectbox("Moyen de transfert", ["Wave", "Orange Money", "Virement"])    
            # Mapping Type
            type_code_map = {"In Fine": "IN_FINE", "Mensuel - Intérêts": "MENSUEL_INTERETS", "Mensuel - Constant": "MENSUEL_CONSTANT", "Hebdomadaire": "HEBDOMADAIRE", "Personnalisé": "PERSONNALISE"}
            type_code = type_code_map[type_pret]
    
            col1, col2, col3 = st.columns(3)
            montant = col1.number_input("Montant (XOF)", 10000, value=100000, step=10000)
            taux_hebdo = col2.number_input("Taux Hebdo (%)", 0.1, value=2.0, step=0.1)
            # ✅ La durée sera définie spécifiquement dans chaque type de prêt ci-dessous
            
            # ====================================================================
            # DÉBUT DU BLOC LOGIQUE À COPIER-COLLER
            # ====================================================================
    
            # Initialisation des variables pour éviter les erreurs
            montant_versement = 0
            montant_total = 0
            cout_credit = 0
            nb_versements = 0
            duree_semaines = 0
            dates_versements = []
            # Initialisation
            date_debut = date.today()
            date_fin = date_debut # Par défaut
            
            # -----------------------------------------------------------
            # 1. LOGIQUE IN FINE (1 seul versement à la fin)
            # -----------------------------------------------------------
            if type_code == "IN_FINE":
                duree_semaines = col3.number_input("Durée (en semaines)", min_value=1, max_value=104, value=8)
                date_fin = date_debut + timedelta(weeks=duree_semaines)
                
                # ✅ CORRECTION : On définit explicitement la date de versement pour qu'elle soit enregistrée
                dates_versements = [date_fin]
                
                # Calculs
                montant_total = montant * (1 + (taux_hebdo / 100) * duree_semaines)
                cout_credit = montant_total - montant
                montant_versement = montant_total
                nb_versements = 1
                
                # Affichage résultat simulation immédiate
                st.markdown("### Simulation")
                res1, res2, res3 = st.columns(3)
                res1.metric("Versement unique", f"{int(montant_versement):,} XOF".replace(",", " "))
                res2.metric("Coût du crédit", f"{int(cout_credit):,} XOF".replace(",", " "))
                res3.metric("Montant Total", f"{int(montant_total):,} XOF".replace(",", " "), delta=f"+{int(cout_credit):,}")
    
            # -----------------------------------------------------------
            # 2. LOGIQUE MENSUEL - INTÉRÊTS (Remboursement capital à la fin)
            # -----------------------------------------------------------
            elif type_code == "MENSUEL_INTERETS":
                duree_mois = col3.number_input("Durée (en mois)", min_value=1, max_value=60, value=12)
                date_fin = date_debut + timedelta(days=duree_mois * 30) # Approximation standard mensuelle
                
                # Conversion et Calculs
                duree_semaines = duree_mois * 4.33  # Standard bancaire
                taux_mensuel = (taux_hebdo / 100) * 4.33
                interet_mensuel = montant * taux_mensuel
                
                montant_versement = interet_mensuel  # Ce que le client paie chaque mois
                montant_final_mois = montant + interet_mensuel # Dernier mois
                montant_total = (interet_mensuel * duree_mois) + montant
                cout_credit = montant_total - montant
                nb_versements = int(duree_mois)
    
                # Affichage résultat simulation
                st.markdown("### Simulation")
                res1, res2 = st.columns(2)
                res1.metric("Intérêts mensuels", f"{int(interet_mensuel):,} XOF".replace(",", " "))
                res2.metric("Dernier versement", f"{int(montant_final_mois):,} XOF".replace(",", " "))
                
                res3, res4 = st.columns(2)
                res3.metric("Coût du crédit", f"{int(cout_credit):,} XOF".replace(",", " "))
                res4.metric("Montant Total", f"{int(montant_total):,} XOF".replace(",", " "), delta=f"+{int(cout_credit):,}")


    
            # -----------------------------------------------------------
            # 3. LOGIQUE MENSUEL - CONSTANT (Amortissement classique)
            # -----------------------------------------------------------
            elif type_code == "MENSUEL_CONSTANT":
                duree_mois = col3.number_input("Durée (en mois)", min_value=1, max_value=60, value=12)
                date_fin = date_debut + timedelta(days=duree_mois * 30)
                
                # Conversion et Calculs
                duree_semaines = duree_mois * 4.33
                taux_mensuel = (taux_hebdo / 100) * 4.33
                
                if taux_mensuel > 0:
                    # Formule mathématique des mensualités constantes
                    mensualite = (montant * taux_mensuel) / (1 - (1 + taux_mensuel)**(-duree_mois))
                else:
                    mensualite = montant / duree_mois
                
                montant_versement = mensualite
                montant_total = mensualite * duree_mois
                cout_credit = montant_total - montant
                nb_versements = int(duree_mois)
    
                # Affichage résultat simulation
                st.markdown("### Simulation")
                res1, res2, res3 = st.columns(3)
                res1.metric("Mensualité constante", f"{int(mensualite):,} XOF".replace(",", " "))
                res2.metric("Coût du crédit", f"{int(cout_credit):,} XOF".replace(",", " "))
                res3.metric("Montant Total", f"{int(montant_total):,} XOF".replace(",", " "), delta=f"+{int(cout_credit):,}")
    
            # -----------------------------------------------------------
            # 4. LOGIQUE HEBDOMADAIRE
            # -----------------------------------------------------------
            elif type_code == "HEBDOMADAIRE":
                duree_semaines = col3.number_input("Durée (en semaines)", min_value=1, max_value=104, value=12)
                date_fin = date_debut + timedelta(weeks=duree_semaines)
                
                # Calculs
                taux_hebdo_decimal = taux_hebdo / 100
                if taux_hebdo_decimal > 0:
                    hebdomadalite = (montant * taux_hebdo_decimal) / (1 - (1 + taux_hebdo_decimal)**(-duree_semaines))
                else:
                    hebdomadalite = montant / duree_semaines
                
                montant_versement = hebdomadalite
                montant_total = hebdomadalite * duree_semaines
                cout_credit = montant_total - montant
                nb_versements = int(duree_semaines)
    
                # Affichage résultat simulation
                st.markdown("### Simulation")
                res1, res2, res3 = st.columns(3)
                res1.metric("Versement Hebdo", f"{int(hebdomadalite):,} XOF".replace(",", " "))
                res2.metric("Coût du crédit", f"{int(cout_credit):,} XOF".replace(",", " "))
                res3.metric("Montant Total", f"{int(montant_total):,} XOF".replace(",", " "), delta=f"+{int(cout_credit):,}")
    
           
            # 5. LOGIQUE PERSONNALISÉE (Dates manuelles)
            # -----------------------------------------------------------
            else: # PERSONNALISE
                st.info("Configurez les dates de versement ci-dessous")
                
                # ✅ CORRECTION : Initialisation AVANT utilisation
                if 'dates_perso' not in st.session_state:
                    st.session_state.dates_perso = [date.today() + timedelta(weeks=2)]
                
                # Interface d'ajout de dates
                st.markdown("**Dates de versement :**")
                col_add, col_reset = st.columns([1, 4])
                if col_add.button("➕ Ajouter"):
                    last_date = st.session_state.dates_perso[-1]
                    st.session_state.dates_perso.append(last_date + timedelta(weeks=1))
                    st.rerun()
                
                # Affichage des date pickers
                dates_versements = []
                for idx, dt in enumerate(st.session_state.dates_perso):
                    col_d, col_x = st.columns([4, 1])
                    new_date = col_d.date_input(f"Echéance {idx+1}", value=dt, key=f"d_{idx}", min_value=date.today())
                    dates_versements.append(new_date)
                    if col_x.button("🔻", key=f"del_{idx}") and len(st.session_state.dates_perso) > 1:
                        st.session_state.dates_perso.pop(idx)
                        st.rerun()
                
                st.session_state.dates_perso = dates_versements # Mise à jour state
                
                # Calculs basés sur les dates
                if dates_versements:
                    dates_versements.sort()
                    date_fin = dates_versements[-1]  # ✅ La dernière date triée
                    delta_days = (date_fin - date_debut).days
                    duree_semaines = max(1, delta_days // 7)
                    
                    montant_total = montant * (1 + (taux_hebdo / 100) * duree_semaines)
                    cout_credit = montant_total - montant
                    nb_versements = len(dates_versements)  # ✅ Correction : utiliser dates_versements au lieu de dates_sorted
                    montant_versement = montant_total / nb_versements
            
                    # Affichage résultat simulation
                    st.markdown("### Simulation")
                    res1, res2 = st.columns(2)
                    res1.metric("Moyenne/Versement", f"{int(montant_versement):,} XOF".replace(",", " "))
                    res2.metric("Durée estimée", f"{duree_semaines} sem")
                    
                    res3, res4 = st.columns(2)
                    res3.metric("Coût du crédit", f"{int(cout_credit):,} XOF".replace(",", " "))
                    res4.metric("Montant Total", f"{int(montant_total):,} XOF".replace(",", " "), delta=f"+{int(cout_credit):,}")

    
            # ====================================================================
            # FIN DU BLOC LOGIQUE
            # ====================================================================
            
            # 5. APPEL CERVEAU ANALYTIQUE (AUTO-TRIGGER)
            # ✅ MODIFIÉ : passage de pers_charge pour activer l'IPF si nécessaire
            analyse = analyser_capacite(
                type_code, montant, taux_hebdo, duree_semaines, montant_versement, nb_versements,
                client_info['Revenus_Mensuels'], client_info.get('Charges_Estimees', 0), montant_total,
                pers_charge=pers_charge
            )
            
            # AFFICHAGE ANALYSE
            st.markdown(f"### Analyse : <span style='color:{analyse['couleur']}'>{analyse['statut']}</span>", unsafe_allow_html=True)
            st.info(analyse['message'])
            with st.expander("Détails financiers"):
                st.markdown(analyse['details'])
    
            # 6. TABLEAU AMORTISSEMENT
            date_debut = date.today()
            # On génère le tableau normalement
            # ✅ CORRECTION : Passage de dates_versements pour le type PERSONNALISÉ
            if type_code == "PERSONNALISE":
                # Pour le type personnalisé, on passe explicitement les dates
                df_amort = generer_tableau_amortissement(
                    type_code, montant, taux_hebdo, duree_semaines, 
                    montant_versement, nb_versements, date_debut, 
                    dates_versements=dates_versements  # ✅ AJOUT CRITIQUE
                )
            else:
                # Pour les autres types, pas besoin de dates personnalisées
                df_amort = generer_tableau_amortissement(
                    type_code, montant, taux_hebdo, duree_semaines, 
                    montant_versement, nb_versements, date_debut
                )
            
            # INSERTION DE LA COLONNE TYPE : Juste ici avant l'affichage
            if not df_amort.empty:
                df_amort.insert(0, "Type", type_pret) 
            
            st.write("### Tableau d'échéances")
            st.dataframe(df_amort, hide_index=True, use_container_width=True)
    
            # 7. VALIDATION & DOCUMENTS
            with st.form("valid_pret"):
                submit = st.form_submit_button("OCTROYER & GÉNÉRER DOCS")

                
            
            # ============================================================================
            # CALCUL DU TAUX D'ENDETTEMENT AVANT VALIDATION
            # ✅ MODIFIÉ : passage de pers_charge pour activer l'IPF si nécessaire
            # ============================================================================
            from Analytics.AnalyseFinance import calculer_taux_endettement
            
            taux_endettement = calculer_taux_endettement(
                type_code, 
                montant_versement, 
                nb_versements, 
                duree_semaines, 
                client_info['Revenus_Mensuels'],
                pers_charge=pers_charge
            )
            
            # Affichage pour information (optionnel)
            st.info(f"📊 **Taux d'endettement calculé** : {taux_endettement:.2f}%")


            if submit:
                # 7a. SAUVEGARDE GOOGLE SHEETS
                ws_prets = sh.worksheet("Prets_Master")
                
                # Calcul de l'ID sous forme PRT-2026-xxxx
                current_year = datetime.now().year
                # Récupère tous les ID existants
                all_rows = ws_prets.get_all_values()
                
                if len(all_rows) <= 1:
                    next_number = 1
                else:
                    # Extrait tous les numéros existants pour l'année en cours
                    existing_numbers = []
                    for row in all_rows[1:]:  # Ignore l'en-tête
                        if row[0].startswith(f"PRT-{current_year}-"):
                            try:
                                num = int(row[0].split('-')[-1])
                                existing_numbers.append(num)
                            except:
                                continue
                    
                    # Prend le max + 1, ou 1 si aucun prêt cette année
                    next_number = max(existing_numbers) + 1 if existing_numbers else 1
                
                new_id = f"PRT-{current_year}-{next_number:04d}"
                
                # ORDRE STRICT DEMANDÉ POUR Prets_Master
                row_data = [
                    new_id,                                    # ID_Pret
                    client_id,                                 # ID_Client
                    client_info['Nom_Complet'],                # Nom_Complet
                    type_code,                                 # Type_Pret
                    motif,                                     # Motif
                    montant,                                   # Montant_Capital
                    taux_hebdo,                                # Taux_Hebdo
                    round(taux_endettement, 2),                # Taux_endettement
                    duree_semaines,                            # Duree_Semaines
                    round(montant_versement),                  # Montant_Versement
                    round(montant_total),                      # Montant_Total
                    round(cout_credit),                        # Cout_Credit
                    nb_versements,                             # Nb_Versements
                    ";".join([d.strftime("%d/%m/%Y") for d in dates_versements]) if dates_versements else "", # Dates_Versements
                    date_debut.strftime("%d/%m/%Y"),           # Date_Deblocage
                    date_fin.strftime("%d/%m/%Y"),             # Date_Fin (Maintenant garantie)
                    moyen_transfert,                           # Moyen_Transfert
                    "ACTIF",                                   # Statut
                    garant_id,                                 # ID_Garant
                    datetime.now().strftime("%d-%m-%Y %H:%M:%S") # Date_Creation
                ]
                ws_prets.append_row(row_data)
                time.sleep(1)
                
                # ✅ SAUVEGARDE DANS SESSION STATE POUR PERSISTANCE
                st.session_state.loan_validated = True
                st.session_state.loan_id = new_id
                st.session_state.loan_data = {
                    "ID_Pret": new_id, 
                    "Montant_Capital": montant, 
                    "Montant_Total": montant_total,
                    "Taux_Hebdo": taux_hebdo,
                    "Taux_Endettement": taux_endettement,  # ✅ AJOUT
                    "Duree_Semaines": duree_semaines, 
                    "Motif": motif,
                    "Date_Deblocage": date_debut.strftime("%d/%m/%Y"),
                    "Date_Fin": date_fin.strftime("%d/%m/%Y")
                }
                st.session_state.client_data = client_info.to_dict()
                st.session_state.garant_data = selected_garant.to_dict() if selected_garant is not None else None
                st.session_state.df_amort = df_amort.copy()
                
                st.success(f" Le Prêt {new_id} enregistré avec succès !")
                
            
            # ✅ AFFICHAGE BOUTONS EN DEHORS DU FORMULAIRE (persistants)
            if st.session_state.get('loan_validated', False):
                st.markdown("---")
                st.markdown(f"### Documents du prêt **{st.session_state.loan_id}**")
                
                # Génération des PDFs (une seule fois, conservés en mémoire)
                loan_data = st.session_state.loan_data
                client_data = st.session_state.client_data
                garant_data = st.session_state.garant_data
                df_amort_saved = st.session_state.df_amort
                
                # Affichage des boutons en colonnes
                col_pdf1, col_pdf2, col_pdf3, col_reset = st.columns(4)
                
                # PDF 1 : CONTRAT
                with col_pdf1:
                    pdf_contrat = generer_contrat_pret(loan_data, client_data, df_amort_saved)
                    st.download_button(
                        "Contrat de Prêt", 
                        pdf_contrat, 
                        f"Contrat_{st.session_state.loan_id}.pdf", 
                        "application/pdf",
                        use_container_width=True
                    )
                
                # PDF 2 : RECONNAISSANCE
                with col_pdf2:
                    pdf_dette = generer_reconnaissance_dette(loan_data, client_data)
                    st.download_button(
                        "Reconnaissance de Dette", 
                        pdf_dette, 
                        f"Dette_{st.session_state.loan_id}.pdf", 
                        "application/pdf",
                        use_container_width=True
                    )
                
                # PDF 3 : CAUTION (SI GARANT)
                with col_pdf3:
                    if garant_data is not None:
                        pdf_caution = generer_contrat_caution(loan_data, garant_data)
                        st.download_button(
                            "Contrat de Caution", 
                            pdf_caution, 
                            f"Caution_{st.session_state.loan_id}.pdf", 
                            "application/pdf",
                            use_container_width=True
                        )
                    else:
                        st.info("Pas de garant")
                
                # Bouton pour réinitialiser et créer un nouveau prêt
                with col_reset:
                    if st.button("Nouveau Prêt", use_container_width=True, type="primary"):
                        # Nettoyage du session state
                        st.session_state.loan_validated = False
                        st.session_state.pop('loan_id', None)
                        st.session_state.pop('loan_data', None)
                        st.session_state.pop('client_data', None)
                        st.session_state.pop('garant_data', None)
                        st.session_state.pop('df_amort', None)
                        st.rerun()
    st.markdown('</div>', unsafe_allow_html=True)