Un chatbot basé sur RAG (Retrieval-Augmented Generation) qui répond aux questions en se basant sur vos documents PDF. Construit avec FastAPI, React, et intégration OpenAI/Claude.

• ✅ Upload de PDFs avec drag & drop
• ✅ Extraction intelligente du contenu des documents
• ✅ Recherche vectorielle ultra-rapide avec FAISS
• ✅ Réponses générées par IA (OpenAI GPT-4 ou Claude Sonnet)
• ✅ Interface moderne et responsive
• ✅ Citations des sources pour chaque réponse
• ✅ Support multi-documents

┌─────────────┐       ┌──────────────┐       ┌─────────────┐
│   Frontend  │ ────> │   Backend    │ ────> │  Vector DB  │
│   (React)   │ <──── │  (FastAPI)   │ <──── │   (FAISS)   │
└─────────────┘       └──────────────┘       └─────────────┘
                              │
                              ▼
                      ┌──────────────┐
                      │  OpenAI/     │
                      │  Claude API  │
                      └──────────────┘

Backend:

• FastAPI (API REST)
• PyPDF2 (extraction de texte)
• Sentence-Transformers (embeddings)
• FAISS (recherche vectorielle)
• OpenAI API ou Anthropic Claude

Frontend:

• React 18
• Axios (requêtes HTTP)
• CSS moderne avec animations

• Python 3.10+
• Node.js 18+
• npm ou yarn
• Clé API OpenAI OU Anthropic (voir ci-dessous)

# Cloner le repo
git clone https://github.com/votre-username/rag-chatbot.git
cd rag-chatbot

# Créer environnement virtuel
cd backend
python -m venv venv

# Activer l'environnement
# Windows:
venv\Scripts\activate
# Mac/Linux:
source venv/bin/activate

# Installer les dépendances
pip install -r requirements.txt

# Configurer les variables d'environnement
cp .env.example .env
# Éditez .env et ajoutez votre clé API

Obtenir une clé API:

Option A - OpenAI:

1. Aller sur https://platform.openai.com/api-keys
2. Créer une clé API
3. Ajouter dans .env: OPENAI_API_KEY=sk-...

Option B - Anthropic Claude:

1. Aller sur https://console.anthropic.com/settings/keys
2. Créer une clé API
3. Ajouter dans .env: ANTHROPIC_API_KEY=sk-ant-...

# Lancer le serveur (choisir une option)
# Avec OpenAI:
uvicorn main_openai:app --reload

# Avec Claude:
uvicorn main_claude:app --reload

# Le backend est disponible sur http://localhost:8000

# Dans un nouveau terminal
cd frontend

# Installer les dépendances
npm install

# Lancer l'application
npm start

# L'app est disponible sur http://localhost:3000

1. Uploader un PDF: Allez dans l'onglet "Documents" et uploadez votre PDF
2. Attendre le traitement: Le backend découpe et indexe le document (~quelques secondes)
3. Poser des questions: Retournez à l'onglet "Chat" et posez vos questions!

💬 "Quelles sont les étapes pour déposer une réclamation?"
💬 "Quel est le délai de traitement mentionné?"
💬 "Résume-moi la section sur les garanties"

Interface moderne avec support des sources et citations.

Drag & drop facile avec barre de progression.

Dans pdf_processor.py:

chunks = chunk_text(text, 
    chunk_size=500,  # Augmenter pour plus de contexte
    overlap=50       # Augmenter pour éviter de couper les phrases
)

Dans embeddings.py:

# Modèles disponibles:
# - 'all-MiniLM-L6-v2' (rapide, 384 dimensions)
# - 'all-mpnet-base-v2' (plus précis, 768 dimensions)
# - 'multi-qa-mpnet-base-dot-v1' (optimisé pour Q&A)

self.model = SentenceTransformer('all-mpnet-base-v2')

Dans main.py (ligne ~100):

results = vector_store.search(question_embedding, k=5)  # k=5 au lieu de 3

# Upload PDF
curl -X POST "http://localhost:8000/upload-pdf" \
  -F "[email protected]"

# Poser une question
curl -X POST "http://localhost:8000/ask" \
  -H "Content-Type: application/json" \
  -d '{"question": "Quelle est la procédure?", "use_ai": true}'

# Backend
cd backend
pytest tests/

# Frontend
cd frontend
npm test

Les contributions sont les bienvenues!

1. Fork le projet
2. Créer une branche (git checkout -b feature/AmazingFeature)
3. Commit (git commit -m 'Add AmazingFeature')
4. Push (git push origin feature/AmazingFeature)
5. Ouvrir une Pull Request

• Support de multiples formats (Word, Excel, TXT)
• Historique des conversations
• Authentification utilisateur
• Base de données PostgreSQL
• Support multilingue
• Export des conversations en PDF
• Mode vocal (speech-to-text)

Ce projet est sous licence MIT. Voir le fichier LICENSE pour plus de détails.

Créé avec ❤️ pour le challenge de développement

• FastAPI
• Sentence Transformers
• FAISS
• OpenAI
• Anthropic

⭐ Si ce projet vous plaît, n'hésitez pas à lui donner une étoile!