0605-17:04

CSV/T11123/T11123_mistral-large-latest_exchanges.csv

@@ -1,5 +0,0 @@
-ÉMETTEUR,TYPE,DATE,CONTENU,ÉLÉMENTS VISUELS
-CLIENT,question,28/03/2025 15:00,Les parties d’ouvrage n’apparaissent plus.,"L'image montre une interface de gestion de chantier fonctionnelle, mais aucune mention explicite des ""parties d’ouvrage"" n'est visible."
-SUPPORT,réponse,28/03/2025 15:59,"Nous venons d'appliquer un correctif sur votre site, les parties de chantier sont de nouveau accessibles.",L'image confirme que l'interface est accessible avec des champs modifiables et des boutons actifs.
-CLIENT,question,28/03/2025 16:02,Je ne peux plus accéder à CBAO.,L'image ne montre pas d'erreur d'accès à CBAO.
-SUPPORT,réponse,28/03/2025 16:06,Votre site est bien accessible à l'adresse suivante : https://nob.brg-lab.com/.,"L'image confirme que le client ""NORD OUEST BETON"" est bien visible dans la liste des laboratoires."

CSV/T11142/T11142_mistral-large-latest_exchanges.csv

@@ -1,3 +0,0 @@
-ÉMETTEUR,TYPE,DATE,CONTENU,ÉLÉMENTS VISUELS
-CLIENT,question,02/04/2025 15:52,Il est impossible de mettre des décimales sur la valeur de CO2/Tonne dans les caractéristiques des granulats de carrière.,Aucune image disponible
-SUPPORT,réponse,03/04/2025 07:44,Nous constatons bien ce dysfonctionnement. Un ticket a été ouvert auprès de notre équipe de développement. Vous serez automatiquement informé de sa résolution.,Aucune image disponible

CSV/T11143/T11143_mistral-large-latest_exchanges.csv

@@ -1,4 +0,0 @@
-ÉMETTEUR,TYPE,DATE,CONTENU,ÉLÉMENTS VISUELS
-CLIENT,question,03/04/2025 08:34,"Bonjour, Je ne parviens pas à accéder au l’essai au bleu. Merci par avance pour votre. Cordialement",Essai au bleu de méthylène de méthylène (MB) - NF EN 933-9 (02-2022)
-SUPPORT,réponse,03/04/2025 12:17,"Bonjour, Pouvez-vous vérifier si vous avez bien accès à la page suivante en l'ouvrant dans votre navigateur : https://zk1.brg-lab.com/ Voici ce que vous devriez voir affiché : Si ce n'est pas le cas, pouvez-vous me faire une capture d'écran de ce qui est affiché? Je reste à votre entière disposition pour toute information complémentaire. Cordialement,","Page d'accueil par défaut d'Apache Tomcat avec le message ""It works!"""
-CLIENT,information,03/04/2025 12:21,"Bonjour, Le problème s’est résolu seul par la suite. Je vous remercie pour votre retour. Bonne journée PS : l’adresse fonctionne",Essai au bleu de méthylène de méthylène (MB) - NF EN 933-9 (02-2022)

agents/llama_vision/agent_vision_ocr.py

@@ -3,9 +3,14 @@ import json
 import logging
 from datetime import datetime
 from typing import Optional
+from pathlib import Path
 
 from ..base_agent import BaseAgent
 from ..utils.pipeline_logger import sauvegarder_donnees
+from utils.ocr_cleaner import clean_text_with_profiles  # AJOUT
+from utils.ocr_utils import extraire_texte
+from utils.image_preparer import prepare_image_for_llama_vision
+
 
 logger = logging.getLogger("AgentVisionOCR")
 
@@ -48,50 +53,46 @@ class AgentVisionOCR(BaseAgent):
         }
 
         # Prompt OCR optimisé
-        self.system_prompt = ("""You are tasked with performing a high-precision OCR extraction on a partially cropped screenshot of a technical web interface.
+        self.system_prompt = ("""You are tasked with performing an exhaustive OCR extraction on a technical or administrative web interface screenshot.
 
-GOAL: Extract **all visible and partially visible text** from the image, no matter how small, faint, or cropped. Structure the output clearly to maximize usability.
+GOAL: Extract **every legible piece of text**, even partially visible, faded, or cropped. Structure your output for clarity. Do not guess, but always report what is visible.
 
-FORMAT THE OUTPUT AS FOLLOWS:
-
----
+FORMAT USING THESE CATEGORIES:
 
 1. PAGE STRUCTURE
-* Page title or headers (e.g., test names, document references)
-* Section labels or grouping titles
-* URL or navigation path (if visible)
+- Page titles
+- Interface headers or section labels
+- Navigation bars or visible URLs
 
-2. LABORATORY DATA
-* Sample references or IDs (e.g., 25-00075)
-* Material descriptions (e.g., Sable 0/2 C)
-* Dates, operators (e.g., 02/04/2025 – BOLLÉE Victor)
+2. IDENTIFIERS & DATA
+- Operator or user names
+- Sample IDs, test references
+- Materials, dates, batch numbers
 
-3. UI ELEMENTS
-* Sidebar text, tabs, and form labels
-* Buttons (e.g., RAZ, IMPRIMER, ENREGISTRER)
-* Navigation or functional labels (e.g., ESSAI, SMQ)
+3. INTERFACE ELEMENTS (MANDATORY SCAN)
+- Button labels (e.g., RAZ, SAVE)
+- Tabs (e.g., MATERIAL, OBSERVATIONS)
+- Sidebars, form field labels
 
-4. SYSTEM MESSAGES & ERRORS
-* Any status or error message (e.g., "Impossible de trouver l'adresse IP du serveur de zkt1.brg-lab.com")
-* Domain names, IPs, server paths
+4. SYSTEM MESSAGES
+- Connection or server errors
+- Domains, IP addresses, server notices
 
 5. METADATA
-* Document standards (e.g., NF EN 933-9)
-* Version/date (e.g., 02-2022)
-* Any hidden identifiers, codes, or repeated numbers
+- Standard references (e.g., "NF EN ####-#")
+- Version numbers, document codes, timestamps
 
-6. PERIPHERAL / UNCERTAIN TEXT
-* Logos (e.g., BRG-LAB), watermarks, faded/blurred text
-* Partially cropped lines: use “[...]” to indicate incomplete text
+6. UNCLEAR / CROPPED TEXT
+- Logos, partial lines (use "..." for truncated)
+- Background/faded elements, labels not fully legible
 
 RULES:
-- Do NOT interpret or translate.
-- Preserve all punctuation, accents, and casing.
-- Include duplicated text if present multiple times.
-- Mark unclear/partial lines explicitly.
-- Report even faint or background text.
+- Preserve punctuation, case, accents exactly.
+- Include duplicates if text appears more than once.
+- Never skip faint or partial text; use "..." if incomplete.
+- Even if cropped, report as much as possible from any UI region.
 
-This is a high-precision extraction. Output clean bullet points grouped by section. Stay fully factual.
+This prompt is designed to generalize across all web portals, technical forms, or reports. Prioritize completeness over certainty. Do not ignore UI components or system messages.
 """)
 
         self._configurer_llm()
@@ -145,14 +146,31 @@ This is a high-precision extraction. Output clean bullet points grouped by secti
 
             if not hasattr(self.llm, "interroger_avec_image"):
                 raise RuntimeError("Le modèle ne supporte pas l'analyse d'images.")
+            
+            # Étape 1 : OCR brut avec Tesseract
+            ocr_brut, _ = extraire_texte(image_path, lang="auto")
+            ocr_brut = ocr_brut.strip()
 
-            # Interroger le modèle
-            response = self.llm.interroger_avec_image(image_path, self.system_prompt)
+            # Étape 2 : Enrichissement du prompt
+            if ocr_brut and len(ocr_brut) > 30:
+                contexte_ocr_brut = f"\n\nNote: the following raw text was detected with a traditional OCR tool. It may be incomplete or inaccurate. Use it to guide or validate your structured output:\n---\n{ocr_brut[:1000]}\n---\n"
+            else:
+                contexte_ocr_brut = ""
+
+            prompt_avec_contexte = self.system_prompt + contexte_ocr_brut
+
+            # ✅ Étape 3 : Préparation de l'image pour le modèle Vision
+            image_stem = Path(image_path).stem
+            vision_ready_path = os.path.join("debug_ocr", f"vision_ready_{image_stem}.png")
+            prepare_image_for_llama_vision(image_path, vision_ready_path)
+
+            # Étape 4 : Appel au modèle avec image traitée
+            response = self.llm.interroger_avec_image(vision_ready_path, prompt_avec_contexte)
 
             if not response or "i cannot" in response.lower():
                 raise ValueError("Réponse vide ou invalide du modèle")
 
-            cleaned_text = response.strip()
+            cleaned_text = clean_text_with_profiles(response.strip(), active_profiles=("ocr",))
 
             model_name = getattr(self.llm, "pipeline_normalized_name", 
                         getattr(self.llm, "modele", "llama3-vision-90b-instruct"))

debug_ocr/ocr_image_145435.png.txt

@@ -1,13 +0,0 @@
-OCR Langue: fra
-Langue détectée: fr
---------------------------------------------------
-C3 giraudbrg-lobicom/BRG-LAB/PAGE programmetssai/zEAAAHEVNGOAA
-
- BRGLAS CD Béton CD Foumasew tubo © Masse
-
-Echantillion n° 25-0007 éceptianné le 02/04/2025 pr BOLLÉE Victor prélevi le 02/04/2025 por BOLLEE Victor n° péédéwement 25-00078
-Matériau Sable 0/20 CARRIERE ADCEG
-
-[vEssu JEMmarme |[ M Porrouo || onservanons  ][<suo ][V hisromou
-
-posait. de 11 e ‘ z2k1.brg-lab.com

prompts/test_prompt_ocr3.txt

@@ -1424,7 +1424,7 @@ Texte extrait:
 
 \* "Fournisseur Labo:" label with dropdown menu (right side)
 
-\- URL/path: zkt1.brg-lab.com (from the error message at the bottom) [](https://zkt1.brg-lab.com)
+\- URL/path: zkt1.brg-lab.com (from the error message at the bottom) [](https://zk1.brg-lab.com)
 
 
 
@@ -1472,7 +1472,7 @@ Texte extrait:
 
 \- Status/error message at the bottom of the page:
 
-Impossible de trouver l'adresse IP du serveur zkt1.brg-lab.com.
+Impossible de trouver l'adresse IP du serveur zk1.brg-lab.com.