V2

Procfile

@@ -0,0 +1 @@
+web: uvicorn api.main:app --host 0.0.0.0 --port ${PORT:-8000}

README.md

@@ -1,12 +0,0 @@
----
-title: Test R
-emoji: 🏢
-colorFrom: yellow
-colorTo: blue
-sdk: gradio
-sdk_version: 5.49.1
-app_file: app.py
-pinned: false
----
-
-Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference

api/main.py

@@ -436,10 +436,18 @@ def match_offer_sync(offer_text: str, top_k: int = 7, with_explanation: bool = T
 
         # Calculer un score d'expérience (toujours, utilisé pour le score final)
         if required_exp is not None:
-            exp_diff = abs(profile_exp - required_exp)
-            exp_score = max(0, 1 - (exp_diff / 10))
+            if profile_exp >= required_exp:
+                # L'expérience est suffisante ou supérieure, le score est élevé
+                # Bonus pour l'expérience supplémentaire, plafonné pour ne pas surpondérer
+                exp_score = min(1.0, 0.8 + (profile_exp - required_exp) * 0.05)
+            else:
+                # L'expérience est inférieure, le score est proportionnel
+                if required_exp > 0:
+                    exp_score = max(0, (profile_exp / required_exp) * 0.7)
+                else:
+                    exp_score = 0
         else:
-            # Normaliser l'expérience en score 0-1 en supposant une borne haute raisonnable (20 ans)
+            # Pas d'exigence, on normalise sur une échelle de 20 ans
             exp_score = min(1.0, profile_exp / 20)
 
         # Générer l'explication (optionnel)
@@ -447,11 +455,26 @@ def match_offer_sync(offer_text: str, top_k: int = 7, with_explanation: bool = T
         if with_explanation:
             explanation = generate_explanation(offer_text, row, skills_score, exp_score)
 
+        # Pondération fixe 50% compétences / 50% expérience, comme demandé
+        skills_weight = 0.5
+        exp_weight = 0.5
+
         # Calculer un score de pertinence combiné (compétences + expérience)
         try:
-            final_score = calculate_weighted_score(skills_score, exp_score)
+            base_score = calculate_weighted_score(skills_score, exp_score, skills_weight=skills_weight, exp_weight=exp_weight)
         except Exception:
-            final_score = 0.0
+            base_score = 0.0
+
+        # Petites primes pour role_match / location_match / nombre de skills matchés
+        bonus = 0.0
+        if role_match:
+            bonus += 0.08
+        if location_match:
+            bonus += 0.04
+        # bonus croissant mais plafonné pour skills_match_count
+        bonus += min(0.03 * skills_match_count, 0.12)
+
+        final_score = min(1.0, base_score + bonus)
 
         candidates.append({
             'profile': ProfileResult(
@@ -476,61 +499,11 @@ def match_offer_sync(offer_text: str, top_k: int = 7, with_explanation: bool = T
     # 4) Ensuite trier par expérience décroissante. Si required_exp est présent dans l'offre, on place d'abord les profils
     #    avec profile_exp >= required_exp (triés desc), puis compléter avec les autres (triés desc)
 
-    # Filtrer candidats ayant des correspondances de compétences
-    with_skills = [c for c in candidates if c['skills_match_count'] > 0]
-    without_skills = [c for c in candidates if c['skills_match_count'] == 0]
-
-    # Trier ceux avec compétences : on applique les priorités successives
-    def sort_key(c):
-        # role_match True -> come first (-1), location_match True -> come first (-1)
-        return (
-            -c['skills_match_count'],
-            -int(c['role_match']),
-            -int(c['location_match']),
-            -c['profile_exp']
-        )
+    # Trier tous les candidats par final_score décroissant (affichage demandé : ordre par pourcentage)
+    candidates.sort(key=lambda c: -c.get('profile').score)
 
-    with_skills.sort(key=sort_key)
-
-    # S'assurer du comportement demandé par le recruteur : si l'offre précise un seuil d'expérience,
-    # prioriser profils >= seuil (triés par expérience décroissante), puis compléter par les autres.
-    ordered = []
-    if required_exp is not None:
-        meets_exp = [c for c in with_skills if c['profile_exp'] >= required_exp]
-        not_meets_exp = [c for c in with_skills if c['profile_exp'] < required_exp]
-        # Trier par : skills_match_count, role_match, location_match, puis expérience décroissante
-        meets_exp.sort(key=lambda c: (
-            -c['skills_match_count'],
-            -int(c['role_match']),
-            -int(c['location_match']),
-            -c['profile_exp']
-        ))
-        not_meets_exp.sort(key=lambda c: (
-            -c['skills_match_count'],
-            -int(c['role_match']),
-            -int(c['location_match']),
-            -c['profile_exp']
-        ))
-        ordered.extend(meets_exp)
-        ordered.extend(not_meets_exp)
-    else:
-        # Pas de seuil : on veut principalement trier par expérience décroissante, mais en privilégiant
-        # d'abord ceux qui matchent les compétences / rôle / localisation.
-        with_skills.sort(key=lambda c: (
-            -int(c['role_match']),
-            -int(c['location_match']),
-            -c['skills_match_count'],
-            -c['profile_exp']
-        ))
-        ordered.extend(with_skills)
-
-    # Si on manque de profils pour top_k, on complète avec candidats sans skills (triés par role/location/exp)
-    if len(ordered) < top_k:
-        without_skills.sort(key=sort_key)
-        ordered.extend(without_skills)
-
-    # Enfin retourner les top_k profils (convertis en ProfileResult)
-    return [c['profile'] for c in ordered[:top_k]]
+    # Retourner les top_k profils
+    return [c['profile'] for c in candidates[:top_k]]
 
 # --- Endpoints de l'API ---
 @app.get("/")

app.py

@@ -0,0 +1,5 @@
+from api.main import app
+
+if __name__ == "__main__":
+    import uvicorn
+    uvicorn.run(app, host="0.0.0.0", port=7860)

debug.py

@@ -0,0 +1,9 @@
+import traceback
+
+try:
+    print("Attempting to import main.py...")
+    from api import main
+    print("Successfully imported main.py")
+except Exception as e:
+    print("Failed to import main.py. See traceback below:")
+    traceback.print_exc()

vercel.json

@@ -1,7 +0,0 @@
-{
-  "functions": {
-    "api/index.py": {
-      "runtime": "python3.12"
-    }
-  }
-}