Skip to content

RECAP.md

Latest commit

 

History

History
105 lines (83 loc) · 5.91 KB

RECAP.md

File metadata and controls

105 lines (83 loc) · 5.91 KB
Raw

pmupredict — Récapitulatif du pipeline complet

Ce document liste, en un seul endroit, tous les modules construits jusqu'ici : tables Supabase, jobs planifiés, endpoints serverless et dépendances entre eux.

Vue d'ensemble — ordre d'exécution quotidien

Heure Cron Rôle
03h00 /api/cron/train Ré-entraîne le modèle IA sur l'historique, publie si meilleur
Continu /api/cron/ingest (30 min) Récupère partants, cotes, arrivées (API + scraping)
07h00 /api/cron/pronostics Collecte les pronostics presse + communauté du jour
07h35 /api/cron/fusion Calcule le score final (IA + presse + communauté)
23h00 /api/cron/performance_tipsters Ajuste la fiabilité des tipsters selon les résultats du jour

Modules et fichiers

# Module Table(s) Supabase Fichier logique Endpoint Fréquence
1 Ingestion données de course hippodromes, reunions, courses, partants, arrivees, sources, source_logs lib/ingest.py api/cron/ingest.py */30 min
2 Pronostics presse & communauté pronostiqueurs, pronostics_externes lib/pronostics.py api/cron/pronostics.py 1×/jour (7h)
3 Fusion des scores pronostics_fusion lib/fusion.py (calcul) api/cron/fusion.py 1×/jour (7h35)
4 Feedback fiabilité tipsters pronostiqueurs.points (mise à jour) lib/fusion.py (update_pronostiqueur_performance) api/cron/performance_tipsters.py 1×/jour (23h)
5 Ré-entraînement IA modeles, predictions lib/train.py api/cron/train.py 1×/jour (3h)
6 API lecture — analyse course pronostics_fusion, partants, courses — (lecture directe) api/analyse/[course_id].py à la demande (public, cache 60s)
7 API lecture — classement tipsters pronostiqueurs — (lecture directe) api/tipsters.py à la demande (public, cache 5min)
8 API lecture — programme du jour courses, reunions, hippodromes — (lecture directe) api/courses.py à la demande (public, cache 60s)
9 Recommandations personnalisées profils, pronostics_fusion api/recommendations.py api/recommendations.py à la demande (authentifié)
10 Détection d'opportunités (value bets) opportunites lib/live_opportunities.py api/cron/opportunites.py */5 min
11 Sécurité RLS toutes les tables rls_policies.sql — à exécuter une fois
12 Frontend Next.js — pmupredict-frontend/ déployé sur Vercel —

Dépendances entre modules

ingest ──────────────┐
                      ▼
pronostics ────► fusion ────► (consommé par le frontend / API publique)
                      ▲
train ────► predictions
                      │
performance_tipsters ◄── arrivees (résultats du jour, via ingest)
  • fusion a besoin que ingest (partants) et pronostics (presse/communauté) soient déjà passés dans la journée — d'où l'ordre 07h00 → 07h35.
  • train tourne indépendamment la nuit ; ses predictions sont relues par fusion le matin suivant.
  • performance_tipsters a besoin des arrivees du jour (mises à jour par ingest en continu) — d'où son exécution tardive à 23h.

Fichiers livrés

Backend (pmupredict-backend/)

Fichier Contenu
schema_complet.sql Toutes les tables (courses, sources, pronostics, fusion, modèles)
rls_policies.sql Politiques de sécurité complètes (lecture publique / écriture service_role / privé par utilisateur) + tables profils, bets, notifications
opportunites_schema.sql Table des opportunités de paris détectées en direct
vercel.json 6 crons + toutes les fonctions serverless
lib/*.py Logique métier de chaque module
api/cron/*.py Endpoints cron protégés par CRON_SECRET
api/analyse/[course_id].py, api/tipsters.py, api/courses.py, api/recommendations.py Endpoints de lecture publics/authentifiés

Frontend (pmupredict-frontend/)

Fichier Contenu
app/page.tsx Programme du jour (racecard)
app/course/[id]/page.tsx Analyse fusionnée + cotes en direct (Supabase Realtime)
app/tipsters/page.tsx Classement des tipsters
components/SaddleBadge.tsx, HorseRow.tsx Composants du racecard
lib/api.ts, lib/supabaseClient.ts Appels API et abonnement temps réel

Notes sur le live betting

Pas de WebSocket custom à maintenir : la table partants (et opportunites) est répliquée via Supabase Realtime. Le frontend s'abonne directement depuis le navigateur (lib/supabaseClient.ts) et reçoit les mises à jour de cote dès que ingest.py écrit en base — le cron opportunites (*/5 min) vient ensuite alerter sur les écarts de valeur significatifs.

Variables d'environnement nécessaires (rappel)

# Backend
SUPABASE_URL=
SUPABASE_SERVICE_ROLE_KEY=      # jobs cron (écriture)
SUPABASE_ANON_KEY=              # endpoints de lecture publics
CRON_SECRET=
PMU_PROGRAMME_BASE_URL=https://online.turfinfo.api.pmu.fr/rest/client/61
RESULTS_API_URL=https://open-pmu-api.vercel.app/api/arrivees

# Frontend
NEXT_PUBLIC_SUPABASE_URL=
NEXT_PUBLIC_SUPABASE_ANON_KEY=
NEXT_PUBLIC_API_BASE=

Prochaines étapes possibles

  • /api/pronostics/{course_id} et /api/community/{course_id} (vues filtrées, PRD 5.2)
  • Page de profil / préférences utilisateur (pour alimenter /api/recommendations)
  • Système de notifications (email/push) sur les opportunités détectées
  • Tests automatisés et CI/CD (GitHub Actions)