Continuation dans le typage et la documentation pour les autres app's

app/analyse/interface.py

@@ -1,3 +1,5 @@
+from typing import List, Tuple, Dict, Optional
+import networkx as nx
 import streamlit as st
 from utils.translations import _
 from utils.widgets import html_expander
@@ -17,8 +19,20 @@ niveau_labels = {
 inverse_niveau_labels = {v: k for k, v in niveau_labels.items()}
 
 
-def preparer_graphe(G):
+def preparer_graphe(
-    """Nettoie et prépare le graphe pour l'analyse."""
+    G: nx.DiGraph,
+) -> Tuple[nx.DiGraph, Dict[str, int]]:
+    """
+    Nettoie et prépare le graphe pour l'analyse.
+
+    Args:
+        G (nx.DiGraph): Le graphe NetworkX contenant les données des produits.
+
+    Returns:
+        Tuple[nx.DiGraph, Dict[str, int]]: Un tuple contenant :
+            - Le graphe NetworkX proprement configuré
+            - Un dictionnaire des niveaux associés aux nœuds
+    """
     niveaux_temp = {
         node: int(str(attrs.get("niveau")).strip('"'))
         for node, attrs in G.nodes(data=True)
@@ -30,8 +44,15 @@ def preparer_graphe(G):
     return G, niveaux_temp
 
 
-def selectionner_niveaux():
+def selectionner_niveaux(
-    """Interface pour sélectionner les niveaux de départ et d'arrivée."""
+) -> Tuple[int|None, int|None]:
+    """
+    Interface pour sélectionner les niveaux de départ et d'arrivée.
+
+    Returns:
+        Tuple[int, int]: Un tuple contenant deux nombres si des nœuds ont été sélectionnés,
+            - None sinon
+    """
     st.markdown(f"## {str(_('pages.analyse.selection_nodes'))}")
     valeur_defaut = str(_("pages.analyse.select_level"))
     niveau_choix = [valeur_defaut] + list(niveau_labels.values())
@@ -52,8 +73,23 @@ def selectionner_niveaux():
     return niveau_depart_int, niveau_arrivee_int
 
 
-def selectionner_minerais(G, niveau_depart, niveau_arrivee):
+def selectionner_minerais(
-    """Interface pour sélectionner les minerais si nécessaire."""
+    G: nx.DiGraph,
+    niveau_depart: int,
+    niveau_arrivee: int
+) -> Optional[List[str]]:
+    """
+    Interface pour sélectionner les minerais si nécessaire.
+
+    Args:
+        G (nx.DiGraph): Le graphe NetworkX contenant les données des produits.
+        niveau_depart (int): Le niveau de départ sélectionné.
+        niveau_arrivee (int): Le niveau d'arrivée sélectionné.
+
+    Returns:
+        Optional[List[str]]: La liste des minerais si une sélection a été effectuée,
+            - None sinon
+    """
     minerais_selection = None
     if niveau_depart < 2 < niveau_arrivee:
         st.markdown(f"### {str(_('pages.analyse.select_minerals'))}")
@@ -72,8 +108,25 @@ def selectionner_minerais(G, niveau_depart, niveau_arrivee):
     return minerais_selection
 
 
-def selectionner_noeuds(G, niveaux_temp, niveau_depart, niveau_arrivee):
+def selectionner_noeuds(
-    """Interface pour sélectionner les nœuds spécifiques de départ et d'arrivée."""
+    G: nx.DiGraph,
+    niveaux_temp: Dict[str, int],
+    niveau_depart: int,
+    niveau_arrivee: int
+) -> Tuple[List[str]|None, List[str]|None]:
+    """
+    Interface pour sélectionner les nœuds spécifiques de départ et d'arrivée.
+
+    Args:
+        G (nx.DiGraph): Le graphe NetworkX contenant les données des produits.
+        niveaux_temp (Dict[str, int]): Dictionnaire contenant les niveaux associés aux nœuds.
+        niveau_depart (int): Le niveau de départ sélectionné.
+        niveau_arrivee (int): Le niveau d'arrivée sélectionné.
+
+    Returns:
+        Optional[Tuple[List[str], List[str]]]: Un tuple contenant les listes des nœuds
+            - None sinon
+    """
     st.markdown("---")
     st.markdown(f"## {str(_('pages.analyse.fine_selection'))}")
 
@@ -93,8 +146,20 @@ def selectionner_noeuds(G, niveaux_temp, niveau_depart, niveau_arrivee):
     return noeuds_depart, noeuds_arrivee
 
 
-def configurer_filtres_vulnerabilite():
+def configurer_filtres_vulnerabilite(
-    """Interface pour configurer les filtres de vulnérabilité."""
+) -> Tuple[bool, bool, bool, str, bool, str]:
+    """
+    Interface pour configurer les filtres de vulnérabilité.
+
+    Returns:
+        Tuple[bool, bool, bool, str, bool, str]: Un tuple contenant :
+            - La possibilité de filtrer les ICS
+            - La possibilité de filtrer les IV C
+            - La possibilité de filtrer les IH H
+            - Le type d'application pour les IH H (pays ou acteur)
+            - La possibilité de filtrer les IS G
+            - La logique de filtrage (ou ou and)
+    """
     st.markdown("---")
     st.markdown(f"## {str(_('pages.analyse.vulnerability_filters'))}")
 
@@ -122,7 +187,15 @@ def configurer_filtres_vulnerabilite():
     return filtrer_ics, filtrer_ivc, filtrer_ihh, ihh_type, filtrer_isg, logique_filtrage
 
 
-def interface_analyse(G_temp):
+def interface_analyse(
+    G_temp: nx.DiGraph,
+) -> None:
+    """
+    Interface utilisateur pour l'analyse des graphes.
+
+    Args:
+        G_temp (nx.DiGraph): Le graphe NetworkX à analyser.
+    """
     st.markdown(f"# {str(_('pages.analyse.title'))}")
     html_expander(f"{str(_('pages.analyse.help'))}", content="\n".join(_("pages.analyse.help_content")), open_by_default=False, details_class="details_introduction")
     st.markdown("---")

app/analyse/sankey.py

@@ -1,3 +1,4 @@
+from typing import Dict, List, Tuple, Optional, Set
 import streamlit as st
 from networkx.drawing.nx_agraph import write_dot
 import pandas as pd
@@ -25,8 +26,18 @@ niveau_labels = {
 
 inverse_niveau_labels = {v: k for k, v in niveau_labels.items()}
 
-def extraire_niveaux(G):
+def extraire_niveaux(
-    """Extrait les niveaux des nœuds du graphe"""
+    G: nx.DiGraph,
+) -> Dict[str, int]:
+    """
+    Extrait les niveaux des nœuds du graphe.
+
+    Args:
+        G (nx.DiGraph): Le graphe NetworkX contenant les données des produits.
+
+    Returns:
+        Dict[str, int]: Un dictionnaire associant chaque nœud à son niveau.
+    """
     niveaux = {}
     for node, attrs in G.nodes(data=True):
         niveau_str = attrs.get("niveau")
@@ -37,8 +48,22 @@ def extraire_niveaux(G):
             logging.warning(f"Niveau non entier pour le noeud {node}: {niveau_str}")
     return niveaux
 
-def extraire_ics(G, u, v):
+def extraire_ics(
-    """Extrait la criticité d'un lien entre deux nœuds"""
+    G: nx.DiGraph,
+    u: str,
+    v: str,
+) -> float:
+    """
+    Extrait la criticité d'un lien entre deux nœuds.
+
+    Args:
+        G (nx.DiGraph): Le graphe NetworkX contenant les données des produits.
+        u (str): L'ID du premier nœud.
+        v (str): L'ID du second nœud.
+
+    Returns:
+        float: La valeur de criticité entre les deux nœuds, ou 0 si impossible à extraire.
+    """
     data = G.get_edge_data(u, v)
     if not data:
         return 0
@@ -46,8 +71,29 @@ def extraire_ics(G, u, v):
         return float(data[0].get("ics", 0))
     return float(data.get("ics", 0))
 
-def extraire_chemins_selon_criteres(G, niveaux, niveau_depart, noeuds_depart, noeuds_arrivee, minerais):
+def extraire_chemins_selon_criteres(
-    """Extrait les chemins selon les critères spécifiés"""
+    G: nx.DiGraph,
+    niveaux: Dict[str, int],
+    niveau_depart: int,
+    noeuds_depart: Optional[List[str]],
+    noeuds_arrivee: Optional[List[str]],
+    minerais: Optional[List[str]],
+) -> List[Tuple[str, ...]]:
+    """
+    Extrait les chemins selon les critères spécifiés.
+
+    Args:
+        G (nx.DiGraph): Le graphe NetworkX contenant les données des produits.
+        niveaux (Dict[str, int]): Dictionnaire associant chaque nœud à son niveau.
+        niveau_depart (int): Le niveau de départ sélectionné.
+        noeuds_depart (Optional[List[str]]): Les nœuds de départ si sélectionnés.
+        noeuds_arrivee (Optional[List[str]]): Les nœuds d'arrivée si sélectionnés.
+        minerais (Optional[List[str]]): Les minerais si sélectionnés.
+
+    Returns:
+        List[Tuple[str, ...]]: Liste des chemins valides selon les critères spécifiés.
+    """
+
     chemins = []
     if noeuds_depart and noeuds_arrivee:
         for nd in noeuds_depart:
@@ -70,8 +116,24 @@ def extraire_chemins_selon_criteres(G, niveaux, niveau_depart, noeuds_depart, no
 
     return chemins
 
-def verifier_critere_ihh(G, chemin, niveaux, ihh_type):
+def verifier_critere_ihh(
-    """Vérifie si un chemin respecte le critère IHH (concentration géographique ou industrielle)"""
+    G: nx.DiGraph,
+    chemin: Tuple[str, ...],
+    niveaux: Dict[str, int],
+    ihh_type: str,
+) -> bool:
+    """
+    Vérifie si un chemin respecte le critère IHH (concentration géographique ou industrielle).
+
+    Args:
+        G (nx.DiGraph): Le graphe NetworkX contenant les données des produits.
+        chemin (Tuple[str, ...]): Un chemin validé selon les critères antérieurs.
+        niveaux (Dict[str, int]): Dictionnaire associant chaque nœud à son niveau.
+        ihh_type (str): Le type d'application pour les IHH (pays ou acteur).
+
+    Returns:
+        bool: True si le chemin respecte le critère IHH, False sinon.
+    """
     ihh_field = "ihh_pays" if ihh_type == "Pays" else "ihh_acteurs"
     for i in range(len(chemin) - 1):
         u, v = chemin[i], chemin[i + 1]
@@ -84,8 +146,22 @@ def verifier_critere_ihh(G, chemin, niveaux, ihh_type):
             return True
     return False
 
-def verifier_critere_ivc(G, chemin, niveaux):
+def verifier_critere_ivc(
-    """Vérifie si un chemin respecte le critère IVC (criticité par rapport à la concurrence sectorielle)"""
+    G: nx.DiGraph,
+    chemin: Tuple[str, ...],
+    niveaux: Dict[str, int],
+) -> bool:
+    """
+    Vérifie si un chemin respecte le critère IVC (criticité par rapport à la concurrence sectorielle).
+
+    Args:
+        G (nx.DiGraph): Le graphe NetworkX contenant les données des produits.
+        chemin (Tuple[str, ...]): Un chemin validé selon les critères antérieurs.
+        niveaux (Dict[str, int]): Dictionnaire associant chaque nœud à son niveau.
+
+    Returns:
+        bool: True si le chemin respecte le critère IVC, False sinon.
+    """
     for i in range(len(chemin) - 1):
         u = chemin[i]
         niveau_u = niveaux.get(u)
@@ -93,8 +169,22 @@ def verifier_critere_ivc(G, chemin, niveaux):
             return True
     return False
 
-def verifier_critere_ics(G, chemin, niveaux):
+def verifier_critere_ics(
-    """Vérifie si un chemin respecte le critère ICS (criticité d'un minerai pour un composant)"""
+    G: nx.DiGraph,
+    chemin: Tuple[str, ...],
+    niveaux: Dict[str, int],
+) -> bool:
+    """
+    Vérifie si un chemin respecte le critère ICS (criticité d'un minerai pour un composant).
+
+    Args:
+        G (nx.DiGraph): Le graphe NetworkX contenant les données des produits.
+        chemin (Tuple[str, ...]): Un chemin validé selon les critères antérieurs.
+        niveaux (Dict[str, int]): Dictionnaire associant chaque nœud à son niveau.
+
+    Returns:
+        bool: True si le chemin respecte le critère ICS, False sinon.
+    """
     for i in range(len(chemin) - 1):
         u, v = chemin[i], chemin[i + 1]
         niveau_u = niveaux.get(u)
@@ -106,8 +196,22 @@ def verifier_critere_ics(G, chemin, niveaux):
             return True
     return False
 
-def verifier_critere_isg(G, chemin, niveaux):
+def verifier_critere_isg(
-    """Vérifie si un chemin contient un pays instable (ISG ≥ 60)"""
+    G: nx.DiGraph,
+    chemin: Tuple[str, ...],
+    niveaux: Dict[str, int],
+) -> bool:
+    """
+    Vérifie si un chemin contient un pays instable (ISG ≥ 60).
+
+    Args:
+        G (nx.DiGraph): Le graphe NetworkX contenant les données des produits.
+        chemin (Tuple[str, ...]): Un chemin validé selon les critères antérieurs.
+        niveaux (Dict[str, int]): Dictionnaire associant chaque nœud à son niveau.
+
+    Returns:
+        bool: True si le chemin contient un pays instable, False sinon.
+    """
     for i in range(len(chemin) - 1):
         u, v = chemin[i], chemin[i + 1]
 
@@ -120,8 +224,26 @@ def verifier_critere_isg(G, chemin, niveaux):
                         return True
     return False
 
-def extraire_liens_filtres(chemins, niveaux, niveau_depart, niveau_arrivee, niveaux_speciaux):
+def extraire_liens_filtres(
-    """Extrait les liens des chemins en respectant les niveaux"""
+    chemins: List[Tuple[str, ...]],
+    niveaux: Dict[str, int],
+    niveau_depart: int,
+    niveau_arrivee: int,
+    niveaux_speciaux: List[int]
+) -> Set[Tuple[str, str]]:
+    """
+    Extrait les liens des chemins en respectant les niveaux.
+
+    Args:
+        chemins (List[Tuple[str, ...]]): Liste initiale des chemins validés.
+        niveaux (Dict[str, int]): Dictionnaire associant chaque nœud à son niveau.
+        niveau_depart (int): Le niveau de départ sélectionné.
+        niveau_arrivee (int): Le niveau d'arrivée sélectionné.
+        niveaux_speciaux (List[int]): Les niveaux spéciaux à inclure dans l'extraction.
+
+    Returns:
+        Set[Tuple[str, str]]: Ensemble des paires de nœuds liés après filtrage.
+    """
     liens = set()
     for chemin in chemins:
         for i in range(len(chemin) - 1):
@@ -135,9 +257,40 @@ def extraire_liens_filtres(chemins, niveaux, niveau_depart, niveau_arrivee, nive
                 liens.add((u, v))
     return liens
 
-def filtrer_chemins_par_criteres(G, chemins, niveaux, niveau_depart, niveau_arrivee,
+def filtrer_chemins_par_criteres(
-                                filtrer_ics, filtrer_ivc, filtrer_ihh, ihh_type, filtrer_isg, logique_filtrage):
+    G: nx.DiGraph,
-    """Filtre les chemins selon les critères de vulnérabilité"""
+    chemins: List[Tuple[str, ...]],
+    niveaux: Dict[str, int],
+    niveau_depart: int,
+    niveau_arrivee: int,
+    filtrer_ics: bool,
+    filtrer_ivc: bool,
+    filtrer_ihh: bool,
+    ihh_type: str,
+    filtrer_isg: bool,
+    logique_filtrage: str,
+) -> Tuple[Set[Tuple[str, str]], Set[Tuple[str, ...]]]:
+    """
+    Filtre les chemins selon les critères de vulnérabilité.
+
+    Args:
+        G (nx.DiGraph): Le graphe NetworkX contenant les données des produits.
+        chemins (List[Tuple[str, ...]]): Liste initiale des chemins validés.
+        niveaux (Dict[str, int]): Dictionnaire associant chaque nœud à son niveau.
+        niveau_depart (int): Le niveau de départ sélectionné.
+        niveau_arrivee (int): Le niveau d'arrivée sélectionné.
+        filtrer_ics (bool): Si le filtre ICS doit être appliqué.
+        filtrer_ivc (bool): Si le filtre IVC doit être appliqué.
+        filtrer_ihh (bool): Si le filtre IHH doit être appliqué.
+        ihh_type (str): Le type d'application pour les IHH (pays ou acteur).
+        filtrer_isg (bool): Si le filtre ISG doit être appliqué.
+        logique_filtrage (str): La logique de filtrage (ET OU).
+
+    Returns:
+        Tuple[Set[Tuple[str, str]], Set[Tuple[str, ...]]]: Un tuple contenant :
+            - Les liens validés
+            - Les chemins filtrés finaux
+    """
     niveaux_speciaux = [1000, 1001, 1002, 1010, 1011, 1012]
 
     # Extraction des liens sans filtrage
@@ -176,8 +329,18 @@ def filtrer_chemins_par_criteres(G, chemins, niveaux, niveau_depart, niveau_arri
 
     return liens_filtres, chemins_filtres
 
-def couleur_ics(p):
+def couleur_ics(
-    """Retourne la couleur en fonction du niveau de criticité"""
+    p: float
+) -> str:
+    """
+    Retourne la couleur en fonction du niveau de criticité.
+
+    Args:
+        p (float): Valeur de criticité (entre 0 et 1).
+
+    Returns:
+        str: Couleur représentative du niveau de criticité.
+    """
     if p <= 0.33:
         return "darkgreen"
     elif p <= 0.66:
@@ -185,8 +348,22 @@ def couleur_ics(p):
     else:
         return "darkred"
 
-def edge_info(G, u, v):
+def edge_info(
-    """Génère l'info-bulle pour un lien"""
+    G: nx.DiGraph,
+    u: str,
+    v: str
+) -> str:
+    """
+    Génère l'info-bulle pour un lien.
+
+    Args:
+        G (nx.DiGraph): Le graphe NetworkX contenant les données des produits.
+        u (str): L'ID du premier nœud.
+        v (str): L'ID du second nœud.
+
+    Returns:
+        str: Texte à afficher dans l'info-bulle pour le lien spécifié.
+    """
     # Liste d'attributs à exclure des infobulles des liens
     attributs_exclus = ["poids", "color", "fontcolor"]
 
@@ -198,8 +375,30 @@ def edge_info(G, u, v):
     base = [f"{k}: {v}" for k, v in data.items() if k not in attributs_exclus]
     return f"{str(_('pages.analyse.sankey.relation'))} : {u} → {v}<br>" + "<br>".join(base)
 
-def preparer_donnees_sankey(G, liens_chemins, niveaux, chemins):
+def preparer_donnees_sankey(
-    """Prépare les données pour le graphique Sankey"""
+    G: nx.DiGraph,
+    liens_chemins: Set[Tuple[str, str]],
+    niveaux: Dict[str, int],
+    chemins: List[Tuple[str, ...]]
+) -> Tuple[pd.DataFrame, List[str], List[List[str]], List[str], Dict[str, int]]:
+    """
+    Prépare les données pour le graphique Sankey.
+
+    Args:
+        G (Any): Le graphe NetworkX contenant les données des produits.
+        liens_chemins (Set[Tuple[str, str]]): Ensemble des paires de nœuds liés.
+        niveaux (Dict[str, int]): Dictionnaire associant chaque nœud à son niveau.
+        chemins (List[Tuple[str, ...]]): Liste initiale des chemins validés.
+
+    Returns:
+        Tuple[pd.DataFrame, List[str], List[List[str]], List[str], Dict[str, int]]:
+            Un tuple contenant :
+                - Le DataFrame lié aux chemins filtrés
+                - La liste triée et ordonnée des nœuds
+                - Les listes de données personnalisées pour les nœuds
+                - Les donnnées personnalisées pour les liens
+                - Le dictionnaire associant chaque nœud à son index
+    """
     # Liste d'attributs à exclure des infobulles des nœuds
     node_attributs_exclus = ["fillcolor", "niveau"]
 
@@ -251,8 +450,30 @@ def preparer_donnees_sankey(G, liens_chemins, niveaux, chemins):
 
     return df_liens, sorted_nodes, customdata, link_customdata, node_indices
 
-def creer_graphique_sankey(G, niveaux, df_liens, sorted_nodes, customdata, link_customdata, node_indices):
+def creer_graphique_sankey(
-    """Crée et retourne le graphique Sankey"""
+    G: nx.DiGraph,
+    niveaux: Dict[str, int],
+    df_liens: pd.DataFrame,
+    sorted_nodes: List[str],
+    customdata: List[str],
+    link_customdata: List[str],
+    node_indices: Dict[str, int],
+) -> go.Figure:
+    """
+    Crée et retourne le graphique Sankey.
+
+    Args:
+        G (nx.DiGraph): Le graphe NetworkX contenant les données des produits.
+        niveaux (Dict[str, int]): Dictionnaire associant chaque nœud à son niveau.
+        df_liens (pd.DataFrame): Données du DataFrame lié aux chemins filtrés.
+        sorted_nodes (List[str]): Liste triée et ordonnée des nœuds.
+        customdata (List[str]): Listes de données personnalisées pour les nœuds.
+        link_customdata (List[str]): Données personnalisées pour les liens.
+        node_indices (Dict[str, int]): Dictionnaire associant chaque nœud à son index.
+
+    Returns:
+        go.Figure: Le graphique Sankey final.
+    """
     sources = df_liens["source"].map(node_indices).tolist()
     targets = df_liens["target"].map(node_indices).tolist()
     values = df_liens["value"].tolist()
@@ -291,8 +512,20 @@ def creer_graphique_sankey(G, niveaux, df_liens, sorted_nodes, customdata, link_
 
     return fig
 
-def exporter_graphe_filtre(G, liens_chemins):
+def exporter_graphe_filtre(
-    """Gère l'export du graphe filtré au format DOT"""
+    G: nx.DiGraph,
+    liens_chemins: Set[Tuple[str, str]]
+) -> None:
+    """
+    Gère l'export du graphe filtré au format DOT.
+
+    Args:
+        G (nx.DiGraph): Le graphe NetworkX contenant les données des produits.
+        liens_chemins (Set[Tuple[str, str]]): Ensemble des paires de nœuds liés.
+
+    Returns:
+        None
+    """
     if not st.session_state.get("logged_in", False) or not liens_chemins:
         return
 
@@ -321,13 +554,30 @@ def exporter_graphe_filtre(G, liens_chemins):
         )
 
 def afficher_sankey(
-    G,
+    G: nx.DiGraph,
-    niveau_depart, niveau_arrivee,
+    niveau_depart: int, niveau_arrivee: int,
-    noeuds_depart=None, noeuds_arrivee=None,
+    noeuds_depart: Optional[List[str]] = None, noeuds_arrivee: Optional[List[str]] = None,
     minerais=None,
-    filtrer_ics=False, filtrer_ivc=False,
+    filtrer_ics: bool = False, filtrer_ivc: bool = False,
-    filtrer_ihh=False, ihh_type="Pays", filtrer_isg=False,
+    filtrer_ihh: bool = False, ihh_type: str = "Pays", filtrer_isg: bool = False,
-    logique_filtrage="OU"):
+    logique_filtrage: str = "OU") -> None:
+    """
+    Fonction principale qui s'occupe de la création et de l'affichage du graphique Sankey.
+
+    Args:
+        G: Le graphe NetworkX contenant les données des produits.
+        niveau_depart, niveau_arrivee: Les niveaux initiaux pour le filtrage.
+        noeuds_depart, noeuds_arrivee: Les nœuds initiaux pour le filtrage.
+        minerais: La liste des minerais à inclure dans le filtrage.
+        filtrer_ics, filtrer_ivc: Les booléens pour le filtrage ICS et IVC.
+        filtrer_ihh: Le booléen pour le filtrage IHH.
+        ihh_type: Le type d'application pour les IHH (Pays ou Acteur).
+        filtrer_isg: Le booléen pour le filtrage ISG.
+        logique_filtrage: La logique de filtrage à appliquer (ET OU).
+
+    Returns:
+        go.Figure
+    """
 
     # Étape 1 : Extraction des niveaux des nœuds
     niveaux = extraire_niveaux(G)

app/fiches/__init__.py

@@ -1,2 +1,4 @@
 # __init__.py – app/fiches
 from .interface import interface_fiches
+
+__all__ = ["interface_fiches"]

app/fiches/generer.py

@@ -1,24 +1,47 @@
+"""
+Module de génération des fiches pour l'application.
+
+Fonctions principales :
+1. `remplacer_latex_par_mathml`
+2. `markdown_to_html_rgaa`
+3. `rendu_html`
+4. `generer_fiche`
+
+Toutes ces fonctions gèrent la conversion et le rendu de contenu Markdown
+vers du HTML structuré avec des mathématiques, respectant les règles RGAA.
+"""
+
 import re
 import os
 import yaml
 import markdown
 from bs4 import BeautifulSoup
 from latex2mathml.converter import convert as latex_to_mathml
-from .utils.fiche_utils import render_fiche_markdown
 import pypandoc
 import streamlit as st
 
-from .utils.dynamic import (
+from app.fiches.utils import (
     build_dynamic_sections,
     build_ivc_sections,
     build_ihh_sections,
     build_isg_sections,
     build_production_sections,
-    build_minerai_sections
+    build_minerai_sections,
+    render_fiche_markdown
 )
 
 # === Fonctions de transformation ===
-def remplacer_latex_par_mathml(markdown_text):
+def remplacer_latex_par_mathml(markdown_text: str) -> str:
+    """
+    Remplace les formules LaTeX par des blocs MathML.
+
+    Args:
+        markdown_text (str): Texte Markdown contenant du LaTeX.
+
+    Returns:
+        str: Le même texte avec les formules LaTeX converties en MathML.
+    """
+
     def remplacer_bloc_display(match):
         formule_latex = match.group(1).strip()
         try:
@@ -39,7 +62,17 @@ def remplacer_latex_par_mathml(markdown_text):
     markdown_text = re.sub(r"(?<!\$)\$(.+?)\$(?!\$)", remplacer_bloc_inline, markdown_text, flags=re.DOTALL)
     return markdown_text
 
-def markdown_to_html_rgaa(markdown_text, caption_text=None):
+def markdown_to_html_rgaa(markdown_text: str, caption_text: str|None) -> str:
+    """
+    Convertit un texte Markdown en HTML structuré accessible.
+
+    Args:
+        markdown_text (str): Texte Markdown à convertir.
+        caption_text (str, optional): Titre du tableau si applicable.
+
+    Returns:
+        str: Le HTML structuré avec des attributs de contraintes ARIA.
+    """
     html = markdown.markdown(markdown_text, extensions=['tables'])
     soup = BeautifulSoup(html, "html.parser")
     for i, table in enumerate(soup.find_all("table"), start=1):
@@ -53,7 +86,16 @@ def markdown_to_html_rgaa(markdown_text, caption_text=None):
             th["scope"] = "col"
     return str(soup)
 
-def rendu_html(contenu_md):
+def rendu_html(contenu_md: str) -> list[str]:
+    """
+    Rend le contenu Markdown en HTML avec une structure spécifique.
+
+    Args:
+        contenu_md (str): Texte Markdown à formater.
+
+    Returns:
+        list[str]: Liste d'étapes de construction du HTML final.
+    """
     lignes = contenu_md.split('\n')
     sections_n1 = []
     section_n1_actuelle = {"titre": None, "intro": [], "sections_n2": {}}
@@ -84,7 +126,7 @@ def rendu_html(contenu_md):
             html_output.append(f"<h2>{bloc['titre']}</h2>")
         if bloc["intro"]:
             intro_md = remplacer_latex_par_mathml("\n".join(bloc["intro"]))
-            html_intro = markdown_to_html_rgaa(intro_md)
+            html_intro = markdown_to_html_rgaa(intro_md, None)
             html_output.append(html_intro)
         for sous_titre, contenu in bloc["sections_n2"].items():
             contenu_md = remplacer_latex_par_mathml("\n".join(contenu))
@@ -95,7 +137,25 @@ def rendu_html(contenu_md):
 
     return html_output
 
-def generer_fiche(md_source, dossier, nom_fichier, seuils):
+def generer_fiche(md_source: str, dossier: str, nom_fichier: str, seuils: dict) -> str:
+    """
+    Génère un document PDF et son HTML correspondant pour une fiche.
+
+    Args:
+        md_source (str): Texte Markdown source contenant la fiche.
+        dossier (str): Dossier/rubrique de destination.
+        nom_fichier (str): Nom du fichier (sans extension).
+        seuils (dict): Valeurs de seuils pour l'analyse.
+
+    Returns:
+        str: Chemin absolu vers le fichier HTML généré.
+
+    Notes:
+        Cette fonction :
+        - Convertit et formate les données Markdown.
+        - Génère un document PDF sous format XeLaTeX.
+        - Crée un document HTML accessible avec des mathématiques.
+    """
     front_match = re.match(r"(?s)^---\n(.*?)\n---\n", md_source)
     context = yaml.safe_load(front_match.group(1)) if front_match else {}
 

app/fiches/interface.py

@@ -4,20 +4,36 @@ import requests
 import os
 from utils.translations import _
 
-from .utils.tickets.display import afficher_tickets_par_fiche
-from .utils.tickets.creation import formulaire_creation_ticket_dynamique
-from .utils.tickets.core import rechercher_tickets_gitea
-
 from config import GITEA_TOKEN, GITEA_URL, ORGANISATION, DEPOT_FICHES, ENV, FICHES_CRITICITE
-
 from utils.gitea import charger_arborescence_fiches
-
-from .utils.fiche_utils import load_seuils, doit_regenerer_fiche
-
-from .generer import generer_fiche
 from utils.widgets import html_expander
 
-def interface_fiches():
+from app.fiches.utils import (
+    afficher_tickets_par_fiche,
+    formulaire_creation_ticket_dynamique,
+    rechercher_tickets_gitea,
+    load_seuils,
+    doit_regenerer_fiche
+)
+from app.fiches.generer import generer_fiche
+
+def interface_fiches() -> None:
+    """
+    Affiche l'interface utilisateur des fiches.
+
+    Parameters
+    ----------
+    Aucun
+
+    Notes
+    -----
+    Cette fonction initialise l'interface utilisateur qui permet aux utilisateurs d'afficher,
+    visualiser et interagir avec les fiches. Elle gère également :
+    - Le chargement de l'arborescence des fiches depuis Gitea.
+    - La navigation entre différentes catégories de fiches.
+    - L'affichage des tickets associés aux fiches.
+    - Le téléchargement des PDF (si disponible).
+    """
     st.markdown(f"# {str(_('pages.fiches.title'))}")
     html_expander(f"{str(_('pages.fiches.help'))}", content="\n".join(_("pages.fiches.help_content")), open_by_default=False, details_class="details_introduction")
     st.markdown("---")

app/fiches/utils/__init__.py

@@ -0,0 +1,31 @@
+from .tickets.display import afficher_tickets_par_fiche
+from .tickets.creation import formulaire_creation_ticket_dynamique
+from .tickets.core import rechercher_tickets_gitea
+from .fiche_utils import (
+    load_seuils,
+    doit_regenerer_fiche
+)
+from .dynamic import (
+    build_dynamic_sections,
+    build_ivc_sections,
+    build_ihh_sections,
+    build_isg_sections,
+    build_production_sections,
+    build_minerai_sections
+)
+from .fiche_utils import render_fiche_markdown
+
+__all__ = [
+    "afficher_tickets_par_fiche",
+    "formulaire_creation_ticket_dynamique",
+    "rechercher_tickets_gitea",
+    "load_seuils",
+    "doit_regenerer_fiche",
+    "build_dynamic_sections",
+    "build_ivc_sections",
+    "build_ihh_sections",
+    "build_isg_sections",
+    "build_production_sections",
+    "build_minerai_sections",
+    "render_fiche_markdown"
+]

app/fiches/utils/dynamic/assemblage_fabrication/production.py

@@ -7,7 +7,22 @@ import streamlit as st
 from config import FICHES_CRITICITE
 
 def build_production_sections(md: str) -> str:
+    """
+    Procédure pour construire et remplacer les sections des fiches de production.
+
+    Cette fonction permet d'extraire les données du markdown, organiser
+    les informations sur les pays d'implantation et acteurs, puis générer
+    un tableau structuré dans l'intervention. Le code prend en charge
+    deux types de fiches : fabrication et assemblage.
+
+    Args:
+        md (str): Fichier Markdown à traiter contenant la structure YAML des sections.
+
+    Returns:
+        str: Markdown modifié avec les tableaux construits selon le type de fiche.
+    """
     schema = None
+    type_fiche = None
     front_match = re.match(r"(?s)^---\n(.*?)\n---\n", md)
     if front_match:
         try:

app/fiches/utils/dynamic/utils/pastille.py

@@ -1,14 +1,33 @@
 # pastille.py
 
-from typing import Any
-
 PASTILLE_ICONS = {
     "vert": "✅",
     "orange": "🔶",
     "rouge": "🔴"
 }
 
-def pastille(indice: str, valeur: Any, seuils: dict = None) -> str:
+def pastille(indice: str, valeur: str, seuils: dict) -> str:
+    """Renvoie l'icône Unicode correspondante à la pastille en fonction de sa valeur et des seuils.
+
+    La pastille prend une couleur (vert, orange ou rouge) selon la valeur
+    de l'indicateur par rapport aux seuils définis. Les icônes sont définies
+    comme des emojis Unicode pour faciliter leur affichage dans les interfaces
+    interactives comme Streamlit.
+
+    Args:
+        indice (str): Clé permettant d'accéder au seuil spécifique.
+            Exemples de valeurs possibles : "criticite", "confort".
+        valeur (Any): Valeur numérique à comparer aux seuils.
+            Généralement une float, mais peut être convertie automatiquement
+            en nombre si possible.
+        seuils (dict, optional): Dictionnaire des seuils pour chaque indicateur.
+            Si None, les valeurs par défaut sont utilisées selon l'état de session
+            Stocké dans Streamlit.
+
+    Returns:
+        str: Une icône Unicode correspondante à la pastille. Si aucune icône n'est définie,
+            une chaîne vide est renvoyée.
+    """
     try:
         import streamlit as st
         seuils = seuils or st.session_state.get("seuils", {})

app/fiches/utils/fiche_utils.py

@@ -12,22 +12,35 @@ Usage :
 """
 
 from __future__ import annotations
+import os
 import frontmatter, yaml, jinja2, re, pathlib
 from typing import Dict
 
 from datetime import datetime, timezone
-import os
 from utils.gitea import recuperer_date_dernier_commit
 
 
 def load_seuils(path: str | pathlib.Path = "config/indices_seuils.yaml") -> Dict:
-    """Charge le fichier YAML des seuils et renvoie le dict 'seuils'."""
+    """Charge le fichier YAML des seuils et renvoie le dict 'seuils'.
+
+    Args:
+        path (str | pathlib.Path, optional): Chemin vers le fichier des seuils. Defaults to "config/indices_seuils.yaml".
+
+    Returns:
+        Dict: Dictionnaire contenant les seuils.
+    """
     data = yaml.safe_load(pathlib.Path(path).read_text(encoding="utf-8"))
     return data.get("seuils", {})
 
-
 def _migrate_metadata(meta: Dict) -> Dict:
-    """Normalise les clés YAML (ex : sheet_type → type_fiche)."""
+    """Normalise les clés YAML (ex : sheet_type → type_fiche).
+
+    Args:
+        meta (Dict): Métadonnées à normaliser.
+
+    Returns:
+        Dict: Métadonnées normalisées.
+    """
     keymap = {
         "sheet_type": "type_fiche",
         "indice_code": "indice_court",  # si besoin
@@ -37,12 +50,24 @@ def _migrate_metadata(meta: Dict) -> Dict:
             meta[new] = meta.pop(old)
     return meta
 
+def render_fiche_markdown(
+    md_text: str,
+    seuils: Dict,
+    license_path: str = "assets/licence.md"
+) -> str:
+    """Renvoie la fiche rendue (Markdown) avec les placeholders remplacés et le tableau de version.
 
-def render_fiche_markdown(md_text: str, seuils: Dict, license_path: str = "assets/licence.md") -> str:
+    Args:
-    """Renvoie la fiche rendue (Markdown) :
+        md_text (str): Contenu Markdown brut.
-       – placeholders Jinja2 remplacés ({{ … }})
+        seuils (Dict): Tableau des versions.
-       – table seuils injectée via dict 'seuils'.
+        license_path (str, optional): Chemin vers le fichier de licence. Defaults to "assets/licence.md".
-       - licence ajoutée après le tableau de version et avant le premier titre de niveau 2
+
+    Returns:
+        str: Fiche Markdown rendue avec les placeholders remplacés et la table de version.
+
+    Note:
+        - Les licences sont ajoutées après le tableau de version.
+        - Les titres de niveau 2 doivent être présents pour l'insertion automatique de licence.
     """
     post = frontmatter.loads(md_text)
     meta = _migrate_metadata(dict(post.metadata))
@@ -81,19 +106,51 @@ def render_fiche_markdown(md_text: str, seuils: Dict, license_path: str = "asset
             rendered_body = f"{rendered_body}\n\n{license_content}"
     except Exception as e:
         # En cas d'erreur lors de la lecture du fichier de licence, continuer sans l'ajouter
+        import streamlit as st
+        st.error(e)
         pass
 
     return rendered_body
 
 
-def fichier_plus_recent(chemin_fichier, reference):
+def fichier_plus_recent(
+    chemin_fichier: str|None,
+    reference: datetime
+) -> bool:
+    """Vérifie si un fichier est plus récent que la référence donnée.
+
+    Args:
+        chemin_fichier (str): Chemin vers le fichier à vérifier.
+        reference (datetime): Référence temporelle de comparaison.
+
+    Returns:
+        bool: True si le fichier est plus récent, False sinon.
+    """
     try:
         modif = datetime.fromtimestamp(os.path.getmtime(chemin_fichier), tz=timezone.utc)
         return modif > reference
     except Exception:
         return False
 
-def doit_regenerer_fiche(html_path, fiche_type, fiche_choisie, commit_url, fichiers_criticite):
+def doit_regenerer_fiche(
+    html_path: str,
+    fiche_type: str,
+    fiche_choisie: str,
+    commit_url: str,
+    fichiers_criticite: Dict[str, str]
+) -> bool:
+    """Détermine si une fiche doit être regénérée.
+
+    Args:
+        html_path (str): Chemin vers le fichier HTML.
+        fiche_type (str): Type de la fiche.
+        fiche_choisie (str): Nom choisi pour la fiche.
+        commit_url (str): URL du dernier commit.
+        fichiers_criticite (Dict[str, str]): Dictionnaire des fichiers critiques.
+
+    Returns:
+        bool: True si la fiche doit être regénérée, False sinon.
+    """
     if not os.path.exists(html_path):
         return True
 

app/ia_nalyse/interface.py

@@ -1,3 +1,4 @@
+from typing import List, Optional, Tuple, Dict, Set
 import streamlit as st
 import networkx as nx
 from utils.translations import _
@@ -23,8 +24,20 @@ niveau_labels = {
 inverse_niveau_labels = {v: k for k, v in niveau_labels.items()}
 
 
-def preparer_graphe(G):
+def preparer_graphe(
-    """Nettoie et prépare le graphe pour l'analyse."""
+    G: nx.DiGraph,
+) -> Tuple[nx.DiGraph, Dict[str, int]]:
+    """
+    Nettoie et prépare le graphe pour l'analyse.
+
+    Args:
+        G (nx.DiGraph): Le graphe NetworkX contenant les données des produits.
+
+    Returns:
+        Tuple[nx.DiGraph, Dict[str, int]]: Un tuple contenant :
+            - Le graphe NetworkX proprement configuré
+            - Un dictionnaire des niveaux associés aux nœuds
+    """
     niveaux_temp = {
         node: int(str(attrs.get("niveau")).strip('"'))
         for node, attrs in G.nodes(data=True)
@@ -36,8 +49,19 @@ def preparer_graphe(G):
     return G, niveaux_temp
 
 
-def selectionner_minerais(G):
+def selectionner_minerais(
-    """Interface pour sélectionner les minerais si nécessaire."""
+    G: nx.DiGraph,
+) -> Optional[List[str]]:
+    """
+    Interface pour sélectionner les minerais si nécessaire.
+
+    Args:
+        G (nx.DiGraph): Le graphe NetworkX contenant les données des produits.
+
+    Returns:
+        Optional[List[str]]: La liste des minerais si une sélection a été effectuée,
+            - None sinon
+    """
     minerais_selection = None
 
     st.markdown(f"## {str(_('pages.ia_nalyse.select_minerals'))}")
@@ -56,8 +80,25 @@ def selectionner_minerais(G):
     return minerais_selection
 
 
-def selectionner_noeuds(G, niveaux_temp, niveau_depart):
+def selectionner_noeuds(
-    """Interface pour sélectionner les nœuds spécifiques de départ et d'arrivée."""
+    G: nx.DiGraph,
+    niveaux_temp: Dict[str, int],
+    niveau_depart: int,
+) -> Tuple[Optional[List[str]], List[str]]:
+    """
+    Interface pour sélectionner les nœuds spécifiques de départ et d'arrivée.
+
+    Args:
+        G (nx.DiGraph): Le graphe NetworkX contenant les données des produits.
+        niveaux_temp (Dict[str, int]): Dictionnaire associant chaque nœud à son niveau.
+        niveau_depart (int): Le niveau de départ sélectionné.
+
+    Returns:
+        Tuple[Optional[List[str]], List[str]]: Un tuple contenant :
+            - La liste des nœuds de départ si une sélection a été effectuée,
+            - None sinon
+            - La liste des nœuds d'arrivée
+    """
     st.markdown("---")
     st.markdown(f"## {str(_('pages.ia_nalyse.fine_selection'))}")
 
@@ -72,8 +113,18 @@ def selectionner_noeuds(G, niveaux_temp, niveau_depart):
 
     return noeuds_depart, noeuds_arrivee
 
-def extraire_niveaux(G):
+def extraire_niveaux(
-    """Extrait les niveaux des nœuds du graphe"""
+    G: nx.DiGraph,
+) -> Dict[str, int]:
+    """
+    Extrait les niveaux des nœuds du graphe.
+
+    Args:
+        G (nx.DiGraph): Le graphe NetworkX contenant les données des produits.
+
+    Returns:
+        Dict[str, int]: Un dictionnaire associant chaque nœud à son niveau.
+    """
     niveaux = {}
     for node, attrs in G.nodes(data=True):
         niveau_str = attrs.get("niveau")
@@ -81,8 +132,28 @@ def extraire_niveaux(G):
             niveaux[node] = int(str(niveau_str).strip('"'))
     return niveaux
 
-def extraire_chemins_selon_criteres(G, niveaux, niveau_depart, noeuds_depart, noeuds_arrivee, minerais):
+def extraire_chemins_selon_criteres(
-    """Extrait les chemins selon les critères spécifiés"""
+    G: nx.DiGraph,
+    niveaux: Dict[str, int],
+    niveau_depart: int,
+    noeuds_depart: Optional[List[str]],
+    noeuds_arrivee: Optional[List[str]],
+    minerais: Optional[List[str]],
+) -> List[Tuple[str, ...]]:
+    """
+    Extrait les chemins selon les critères spécifiés.
+
+    Args:
+        G (nx.DiGraph): Le graphe NetworkX contenant les données des produits.
+        niveaux (Dict[str, int]): Dictionnaire associant chaque nœud à son niveau.
+        niveau_depart (int): Le niveau de départ sélectionné.
+        noeuds_depart (Optional[List[str]]): Les nœuds de départ si sélectionnés.
+        noeuds_arrivee (Optional[List[str]]): Les nœuds d'arrivée si sélectionnés.
+        minerais (Optional[List[str]]): Les minerais si sélectionnés.
+
+    Returns:
+        List[Tuple[str, ...]]: Liste des chemins valides selon les critères spécifiés.
+    """
     chemins = []
     if noeuds_depart and noeuds_arrivee:
         for nd in noeuds_depart:
@@ -105,8 +176,21 @@ def extraire_chemins_selon_criteres(G, niveaux, niveau_depart, noeuds_depart, no
 
     return chemins
 
-def exporter_graphe_filtre(G, liens_chemins):
+def exporter_graphe_filtre(
-    """Gère l'export du graphe filtré au format DOT"""
+    G: nx.DiGraph,
+    liens_chemins: Set[Tuple[str, str]],
+) -> nx.DiGraph|None:
+    """
+    Gère l'export du graphe filtré au format DOT.
+
+    Args:
+        G (nx.DiGraph): Le graphe NetworkX contenant les données des produits.
+        liens_chemins (Set[Tuple[str, str]]): Ensemble des paires de nœuds liés.
+
+    Returns:
+        nx.DiGraph: le graphe exporté
+            - Sinon aucun résultat (None)
+    """
     if not st.session_state.get("logged_in", False) or not liens_chemins:
         return
 
@@ -124,8 +208,26 @@ def exporter_graphe_filtre(G, liens_chemins):
 
     return(G_export)
 
-def extraire_liens_filtres(chemins, niveaux, niveau_depart, niveau_arrivee, niveaux_speciaux):
+def extraire_liens_filtres(
-    """Extrait les liens des chemins en respectant les niveaux"""
+    chemins: List[Tuple[str, ...]],
+    niveaux: Dict[str, int],
+    niveau_depart: int,
+    niveau_arrivee: int,
+    niveaux_speciaux: List[int]
+) -> Set[Tuple[str, str]]:
+    """
+    Extrait les liens des chemins en respectant les niveaux.
+
+    Args:
+        chemins (List[Tuple[str, ...]]): Liste initiale des chemins validés.
+        niveaux (Dict[str, int]): Dictionnaire associant chaque nœud à son niveau.
+        niveau_depart (int): Le niveau de départ sélectionné.
+        niveau_arrivee (int): Le niveau d'arrivée sélectionné.
+        niveaux_speciaux (List[int]): Les niveaux spéciaux à inclure dans l'extraction.
+
+    Returns:
+        Set[Tuple[str, str]]: Ensemble des paires de nœuds liés après filtrage.
+    """
     liens = set()
     for chemin in chemins:
         for i in range(len(chemin) - 1):
@@ -139,15 +241,27 @@ def extraire_liens_filtres(chemins, niveaux, niveau_depart, niveau_arrivee, nive
                 liens.add((u, v))
     return liens
 
-def interface_ia_nalyse(G_temp):
+def interface_ia_nalyse(
+    G_temp: nx.DiGraph,
+) -> None:
+    """
+    Fonction principale qui s'occupe de la création du graphe pour analyse.
+
+    Args:
+        G_temp (nx.DiGraph): Le graphe NetworkX contenant les données des produits.
+
+    Returns:
+        None
+    """
     st.markdown(f"# {str(_('pages.ia_nalyse.title'))}")
     html_expander(f"{str(_('pages.ia_nalyse.help'))}", content="\n".join(_("pages.ia_nalyse.help_content")), open_by_default=False, details_class="details_introduction")
     st.markdown("---")
 
     resultat = statut_utilisateur(st.session_state.username)
-    st.info(resultat["message"])
+    if resultat:
+        st.info(resultat["message"])
 
-    if resultat["statut"] is None:
+    if resultat and resultat["statut"] is None:
         # Préparation du graphe
         G_temp, niveaux_temp = preparer_graphe(G_temp)
 
@@ -179,7 +293,7 @@ def interface_ia_nalyse(G_temp):
         else:
             st.info(str(_("pages.ia_nalyse.empty_graph")))
 
-    elif resultat["statut"] == "terminé" and resultat["telechargement"]:
+    elif resultat and resultat["statut"] == "terminé" and resultat["telechargement"]:
         if not st.session_state.get("telechargement_confirme"):
             st.download_button(str(_("buttons.download")), resultat["telechargement"], file_name="analyse.zip", icon=":material/download:")
             if st.button(str(_("pages.ia_nalyse.confirm_download")), icon=":material/task_alt:"):

app/personnalisation/utils/ajout.py

@@ -1,7 +1,21 @@
 import streamlit as st
+import networkx as nx
 from utils.translations import _
 
-def ajouter_produit(G):
+def ajouter_produit(G: nx.DiGraph) -> nx.DiGraph:
+    """
+    Ajoute un produit personnalisé dans le graphe en cours.
+
+    Args:
+        G (nx.DiGraph): graphe en cours.
+
+    Returns:
+        nx.DiGraph: le graphe avec le nouveau produit
+
+    Notes:
+        Cette fonction ajoute un nouveau produit final temporaire
+        au graphe de référence.
+    """
     st.markdown(f"## {str(_('pages.personnalisation.add_new_product'))}")
     new_prod = st.text_input(str(_("pages.personnalisation.new_product_name")), key="new_prod")
     if new_prod:

app/personnalisation/utils/import_export.py

@@ -1,8 +1,9 @@
 import streamlit as st
 import json
 from utils.translations import get_translation as _
+import networkx as nx
 
-def importer_exporter_graph(G):
+def importer_exporter_graph(G: nx.DiGraph) -> nx.DiGraph:
     st.markdown(f"## {_('pages.personnalisation.save_restore_config')}")
     if st.button(str(_("pages.personnalisation.export_config")), icon=":material/save:"):
         nodes = [n for n, d in G.nodes(data=True) if d.get("personnalisation") == "oui"]

app/personnalisation/utils/modification.py

@@ -1,39 +1,122 @@
+from typing import List
 import streamlit as st
 from utils.translations import _
+import networkx as nx
 
-def get_produits_personnalises(G):
+def get_produits_personnalises(
-    """Récupère la liste des produits personnalisés du niveau 0."""
+    G: nx.DiGraph
+) -> List[str]:
+    """
+    Récupère la liste des produits personnalisés du niveau 0.
+
+    Args:
+        G (Any): Le graphe NetworkX contenant les données des produits.
+
+    Returns:
+        List[str]: Liste triée des noms de produits.
+    """
     return sorted([n for n, d in G.nodes(data=True) if d.get("niveau") == "0" and d.get("personnalisation") == "oui"])
 
-def supprimer_produit(G, prod):
+def supprimer_produit(
-    """Supprime un produit du graphe."""
+    G: nx.DiGraph,
+    prod: str
+) -> nx.DiGraph:
+    """
+    Supprime un produit du graphe et affiche le message de succès.
+
+    Args:
+        G (Any): Le graphe NetworkX sur lequel supprimer le produit.
+        prod (str): Le nom du produit à supprimer.
+    """
     G.remove_node(prod)
     st.success(f"{prod} {str(_('pages.personnalisation.deleted'))}")
     st.session_state.pop("prod_sel", None)
     return G
 
-def get_operations_disponibles(G):
+def get_operations_disponibles(
-    """Récupère la liste des opérations d'assemblage disponibles."""
+    G: nx.DiGraph
+) -> List[str]:
+    """
+    Récupère la liste des opérations d'assemblage disponibles.
+
+    Args:
+        G (Any): Le graphe NetworkX contenant les données des produits et des opérations.
+
+    Returns:
+        List[str]: Liste triée des noms des opérations.
+    """
     return sorted([
         n for n, d in G.nodes(data=True)
         if d.get("niveau") == "10"
         and any(G.has_edge(p, n) and G.nodes[p].get("niveau") == "0" for p in G.predecessors(n))
     ])
 
-def get_operations_actuelles(G, prod):
+def get_operations_actuelles(
-    """Récupère les opérations actuellement liées au produit."""
+    G: nx.DiGraph,
+    prod: str
+) -> List[str]:
+    """
+    Récupère les opérations actuellement liées au produit.
+
+    Args:
+        G (nx.DiGraph): Le graphe NetworkX contenant les données des produits et des opérations.
+        prod (str): Le nom du produit dont récupérer les opérations.
+
+    Returns:
+        List[str]: Liste des noms des opérations actuelles.
+    """
     return [succ for succ in G.successors(prod) if G.nodes[succ].get("niveau") == "10"]
 
-def get_composants_niveau1(G):
+def get_composants_niveau1(
-    """Récupère la liste des composants de niveau 1."""
+    G: nx.DiGraph
+) -> List[str]:
+    """
+    Récupère la liste des composants de niveau 1.
+
+    Args:
+        G (nx.DiGraph): Le graphe NetworkX contenant les données des produits et des composants.
+
+    Returns:
+        List[str]: Liste triée des noms des composants.
+    """
     return sorted([n for n, d in G.nodes(data=True) if d.get("niveau") == "1"])
 
-def get_composants_lies(G, prod):
+def get_composants_lies(
-    """Récupère les composants actuellement liés au produit."""
+    G: nx.DiGraph,
+    prod: str
+) -> List[str]:
+    """
+    Récupère les composants actuellement liés au produit.
+
+    Args:
+        G (nx.DiGraph): Le graphe NetworkX contenant les données des produits et des composants.
+        prod (str): Le nom du produit dont récupérer les composants.
+
+    Returns:
+        List[str]: Liste des noms des composants liés.
+    """
     return [succ for succ in G.successors(prod) if G.nodes[succ].get("niveau") == "1"]
 
-def mettre_a_jour_operations(G, prod, curr_ops, sel_op):
+def mettre_a_jour_operations(
-    """Met à jour les opérations liées au produit."""
+    G: nx.DiGraph,
+    prod: str,
+    curr_ops: List[str],
+    sel_op: str
+) -> nx.DiGraph:
+    """
+    Met à jour les opérations liées au produit.
+
+    Args:
+        G (Any): Le graphe NetworkX contenant les données des produits et des opérations.
+        prod (str): Le nom du produit dont mettre à jour les opérations.
+        curr_ops (List[str]): Liste actuelle des opérations liées.
+        sel_op (str): L'opération sélectionnée pour mise à jour.
+
+    Notes:
+        Cette fonction crée ou supprime les liens entre le produit et les opérations
+        selon la sélection effectuée par l'utilisateur.
+    """
+
     none_option = str(_("pages.personnalisation.none", "-- Aucune --"))
     for op in curr_ops:
         if sel_op == none_option or op != sel_op:
@@ -42,7 +125,25 @@ def mettre_a_jour_operations(G, prod, curr_ops, sel_op):
         G.add_edge(prod, sel_op)
     return G
 
-def mettre_a_jour_composants(G, prod, linked, nouveaux):
+def mettre_a_jour_composants(
+    G: nx.DiGraph,
+    prod: str,
+    linked: List[str],
+    nouveaux: List[str]
+) -> nx.DiGraph:
+    """
+    Met à jour les composants liés au produit.
+
+    Args:
+        G (nx.DiGraph): Le graphe NetworkX contenant les données des produits et des composants.
+        prod (str): Le nom du produit dont mettre à jour les composants.
+        linked (List[str]): Liste actuelle des composants liés.
+        nouveaux (List[str]): Nouvelle liste de composants à lier.
+
+    Notes:
+        Cette fonction crée ou supprime les liens entre le produit et les composants
+        selon la sélection effectuée par l'utilisateur.
+    """
     """Met à jour les composants liés au produit."""
     for comp in set(linked) - set(nouveaux):
         G.remove_edge(prod, comp)
@@ -50,7 +151,23 @@ def mettre_a_jour_composants(G, prod, linked, nouveaux):
         G.add_edge(prod, comp)
     return G
 
-def modifier_produit(G):
+def modifier_produit(
+    G: nx.DiGraph
+) -> nx.DiGraph:
+    """
+    Méthode de personnalisation qui permet à l'utilisateur d'ajuster un produit.
+
+    Args:
+        G (Any): Le graphe NetworkX sur lequel modifier les produits et leurs composants.
+                Contient des données concernant la personalisation des produits,
+                leur niveau, et les opérations liées.
+
+    Notes:
+        Cette fonction fournit une interface utilisateur pour sélectionner
+        un produit à personnaliser, gérer ses composants, et définir ses opérations
+        d'assemblage. Elle implémente la logique de mise à jour des connexions entre
+        les différents éléments du graphe.
+    """
     st.markdown(f"## {str(_('pages.personnalisation.modify_product'))}")
 
     # Sélection du produit à modifier

app/plan_d_action/interface.py

@@ -40,11 +40,11 @@ from app.plan_d_action import (
 inverse_niveau_labels = {v: k for k, v in niveau_labels.items()}
 
 
-def interface_plan_d_action(G_temp: nx.Graph) -> None:
+def interface_plan_d_action(G_temp: nx.DiGraph) -> None:
     """Interface pour planifier l'action de sélection des minerais.
 
     Args:
-        G_temp (nx.Graph): Le graphe temporaire à analyser.
+        G_temp (nx.DiGraph): Le graphe temporaire à analyser.
 
     Returns:
         None: Modifie le state du Streamlit avec les données nécessaires

app/plan_d_action/utils/interface/export.py

@@ -1,14 +1,14 @@
-from typing import Dict, Tuple, Union, List, Set
+from typing import Dict, Tuple, Union, List
 import networkx as nx
 
 def exporter_graphe_filtre(
-    G: nx.Graph,
+    G: nx.DiGraph,
     liens_chemins: List[Tuple[Union[str, int], Union[str, int]]]
-) -> nx.Graph:
+) -> nx.DiGraph:
     """Gère l'export du graphe filtré au format DOT.
 
     Args:
-        G (nx.Graph): Le graphe d'origine à exporter.
+        G (nx.DiGraph): Le graphe d'origine à exporter.
         liens_chemins (list): Liste des tuples contenant les paires de nœuds reliées
             par un chemin dans le graphe, avec leurs attributs associés.
 

app/plan_d_action/utils/interface/niveau_utils.py

@@ -1,11 +1,11 @@
 from typing import Dict
 import networkx as nx
 
-def extraire_niveaux(G: nx.Graph) -> Dict[str | int, int]:
+def extraire_niveaux(G: nx.DiGraph) -> Dict[str | int, int]:
     """Extrait les niveaux des nœuds du graphe.
 
     Args:
-        G (nx.Graph): Le graphe d'origine à analyser.
+        G (nx.DiGraph): Le graphe d'origine à analyser.
 
     Returns:
         dict: Un dictionnaire associant chaque nœud au niveau correspondant.

app/plan_d_action/utils/interface/parser.py

@@ -1,11 +1,11 @@
 from typing import Dict, Tuple, Union
 import networkx as nx
 
-def preparer_graphe(G: nx.Graph) -> Tuple[nx.Graph, Dict[Union[str, int], int]]:
+def preparer_graphe(G: nx.DiGraph) -> Tuple[nx.DiGraph, Dict[Union[str, int], int]]:
     """Nettoie et prépare le graphe pour l'analyse.
 
     Args:
-        G (nx.Graph): Le graphe d'origine à nettoyer.
+        G (nx.DiGraph): Le graphe d'origine à nettoyer.
 
     Returns:
         tuple: Un tuple contenant le graphe nettoyé et les niveaux temporels associés

app/plan_d_action/utils/interface/selection.py

@@ -8,11 +8,11 @@ from utils.graph_utils import (
     extraire_chemins_vers
 )
 
-def selectionner_minerais(G: nx.Graph, noeuds_depart: List[Any]) -> List[Union[str, int]]:
+def selectionner_minerais(G: nx.DiGraph, noeuds_depart: List[Any]) -> List[Union[str, int]]:
     """Interface pour sélectionner les minerais si nécessaire.
 
     Args:
-        G (nx.Graph): Le graphe des relations entre les nœuds.
+        G (nx.DiGraph): Le graphe des relations entre les nœuds.
         noeuds_depart (list): Les nœuds de départ qui doivent être considérés.
 
     Returns:
@@ -42,14 +42,14 @@ def selectionner_minerais(G: nx.Graph, noeuds_depart: List[Any]) -> List[Union[s
     return minerais_selection
 
 def selectionner_noeuds(
-    G: nx.Graph,
+    G: nx.DiGraph,
     niveaux_temp: Dict[Union[str, int], int],
     niveau_depart: int
 ) -> Tuple[Optional[List[Union[str, int]]], List[Union[str, int]]]:
     """Interface pour sélectionner les nœuds spécifiques de départ et d'arrivée.
 
     Args:
-        G (nx.Graph): Le graphe des relations entre les nœuds.
+        G (nx.DiGraph): Le graphe des relations entre les nœuds.
         niveaux_temp (dict): Dictionnaire contenant les niveaux des nœuds.
         niveau_depart (int): Niveau à partir duquel commencer la sélection.
 
@@ -71,7 +71,7 @@ def selectionner_noeuds(
     return noeuds_depart, noeuds_arrivee
 
 def extraire_chemins_selon_criteres(
-    G: nx.Graph,
+    G: nx.DiGraph,
     niveaux: Dict[str | int, int],
     niveau_depart: int,
     noeuds_depart: Optional[List[Union[str, int]]],
@@ -81,7 +81,7 @@ def extraire_chemins_selon_criteres(
     """Extrait les chemins selon les critères spécifiés.
 
     Args:
-        G (nx.Graph): Le graphe des relations entre les nœuds.
+        G (nx.DiGraph): Le graphe des relations entre les nœuds.
         niveaux (dict): Dictionnaire contenant les niveaux des nœuds.
         niveau_depart (int): Niveau à partir duquel commencer la sélection.
         noeuds_depart (list, optional): Les nœuds de départ qui doivent être considérés.

app/visualisations/graphes.py

@@ -1,3 +1,5 @@
+from typing import List, Dict, Optional, Any
+import networkx as nx
 import streamlit as st
 import altair as alt
 import numpy as np
@@ -6,7 +8,17 @@ import pandas as pd
 from utils.translations import _
 
 
-def afficher_graphique_altair(df):
+def afficher_graphique_altair(df: pd.DataFrame) -> None:
+    """
+    Affiche un graphique Altair pour les données d'IHH.
+
+    Args:
+        df (pd.DataFrame): DataFrame contenant les données de IHH.
+
+    Notes:
+        Cette fonction crée un graphique interactif pour visualiser les
+        données d'IHH selon différentes catégories et niveaux de gravité.
+    """
     # Définir les catégories originales (en français) et leur ordre
     categories_fr = ["Assemblage", "Fabrication", "Traitement", "Extraction"]
 
@@ -89,7 +101,20 @@ def afficher_graphique_altair(df):
         st.altair_chart(chart, use_container_width=True)
 
 
-def creer_graphes(donnees):
+def creer_graphes(donnees: Optional[List[Dict[str, Any]]]) -> None:
+    """
+    Crée un graphique Altair pour les données d'IVC.
+
+    Args:
+        donnees (Optional[List[Dict[str, Any]]]): Liste des données d'IVC.
+
+    Returns:
+        None.
+
+    Notes:
+        Cette fonction traite les données d'IVC et crée un graphique
+        interactif pour visualiser la concentration des ressources.
+    """
     if not donnees:
         st.warning(str(_("pages.visualisations.no_data")))
         return
@@ -162,7 +187,17 @@ def creer_graphes(donnees):
         st.error(f"{str(_('errors.graph_creation_error'))} {e}")
 
 
-def lancer_visualisation_ihh_ics(graph):
+def lancer_visualisation_ihh_ics(graph: nx.DiGraph) -> None:
+    """
+    Lance une visualisation Altair pour les données d'IHH critique.
+
+    Args:
+        graph (nx.DiGraph): Le graphe NetworkX contenant les données de IHH.
+
+    Notes:
+        Cette fonction traite le graphe et crée un graphique Altair
+        pour visualiser les données d'IHH critique.
+    """
     try:
         import networkx as nx
         from utils.graph_utils import recuperer_donnees
@@ -180,7 +215,17 @@ def lancer_visualisation_ihh_ics(graph):
         st.error(f"{str(_('errors.ihh_criticality_error'))} {e}")
 
 
-def lancer_visualisation_ihh_ivc(graph):
+def lancer_visualisation_ihh_ivc(graph: nx.DiGraph) -> None:
+    """
+    Lance une visualisation Altair pour les données d'IVC.
+
+    Args:
+        graph (Annx.Graphy): Le graphe NetworkX contenant les données de IV C.
+
+    Notes:
+        Cette fonction traite le graphe et crée un graphique Altair
+        pour visualiser les données d'IV C.
+    """
     try:
         from utils.graph_utils import recuperer_donnees_2
         noeuds_niveau_2 = [

app/visualisations/interface.py

@@ -1,6 +1,7 @@
 import streamlit as st
 from utils.widgets import html_expander
 from utils.translations import _
+import networkx as nx
 
 from .graphes import (
     lancer_visualisation_ihh_ics,
@@ -8,7 +9,23 @@ from .graphes import (
 )
 
 
-def interface_visualisations(G_temp, G_temp_ivc):
+def interface_visualisations(G_temp: nx.DiGraph, G_temp_ivc: nx.DiGraph) -> None:
+    """
+    Affiche l'interface utilisateur des visualisations.
+
+    Parameters
+    ----------
+    G_temp : object
+        Graphique temporel contenant les données de IHH.
+    G_temp_ivc : object
+        Graphique temporel contenant les données d'IVC.
+
+    Notes
+    -----
+    Cette fonction initialise l'interface utilisateur qui permet aux utilisateurs de visualiser
+    différentes données relatives à la gravité et au risque d'infections.
+    Elle gère également le traitement des erreurs liées aux graphiques temporels IHH et IV C.
+    """
     st.markdown(f"# {str(_('pages.visualisations.title'))}")
     html_expander(f"{str(_('pages.visualisations.help'))}", content="\n".join(_("pages.visualisations.help_content")), open_by_default=False, details_class="details_introduction")
     st.markdown("---")

assets/locales/en.json

@@ -163,7 +163,7 @@
             "select_minerals": "Select one or more minerals",
             "filter_by_minerals": "Filter by minerals (optional, but highly recommended)",
             "fine_selection": "End product selection",
-            "filter_start_nodes": "Filter by start nodes (optional, but recommended)",
+            "filter_start_nodes": "Filter by start nodes",
             "run_analysis": "Run analysis",
             "confirm_download": "Confirm download",
             "submit_request": "Submit your request",

assets/locales/fr.json

@@ -163,7 +163,7 @@
             "select_minerals": "Sélectionner un ou plusieurs minerais",
             "filter_by_minerals": "Filtrer par minerais (optionnel, mais recommandé)",
             "fine_selection": "Sélection des produits finaux",
-            "filter_start_nodes": "Filtrer par noeuds de départ (optionnel, mais recommandé)",
+            "filter_start_nodes": "Filtrer par noeuds de départ",
             "run_analysis": "Lancer l'analyse",
             "confirm_download": "Confirmer le téléchargement",
             "submit_request": "Soumettre votre demande",

scripts/auto_ingest.py

@@ -14,7 +14,7 @@ import argparse
 import logging
 import requests
 from pathlib import Path
-from typing import List, Set, Dict, Any, Optional
+from typing import List, Set, Dict, Any
 from datetime import datetime
 
 # Configuration du logging