Checkpoint: Ajout de server/articleFetcher.ts (fetch HTTP + extraction 500 mots, timeout 5s, fallback silencieux). Intégration dans rssEngine.ts : si le résumé RSS est court (<150 car.), le 1er paragraphe de l'article est récupéré et transmis à classifyArticle. Signature de classifyArticle mise à jour avec paramètre contenuPage optionnel. 0 erreur TypeScript, 21 tests passés.

client/public/__manus__/version.json

@@ -1,4 +1,4 @@
 {
-  "version": "c4f5048d",
+  "version": "6a49fe67",
-  "timestamp": 1781875470326
+  "timestamp": 1781875679562
 }

server/aiClassifier.ts

@@ -102,13 +102,19 @@ function parseJsonSafe<T>(text: string): T | null {
  * @param titre        Titre de l'article
  * @param resume       Résumé / description de l'article
  * @param fallbackFn   Fonction de fallback appelée si l'IA échoue
+ * @param contenuPage  Premiers paragraphes de l'article complet (optionnel, améliore la précision)
  */
 export async function classifyArticle(
   titre: string,
   resume: string,
-  fallbackFn: () => { typeVeille: AiTypeVeille }
+  fallbackFn: () => { typeVeille: AiTypeVeille },
+  contenuPage?: string | null
 ): Promise<AiClassificationResult> {
-  const userContent = `Titre : ${titre}\n\nRésumé : ${resume}`;
+  // Construire le contenu utilisateur en enrichissant avec le contenu de la page si disponible
+  const contenuSection = contenuPage
+    ? `\n\nExtrait de l'article (premiers paragraphes) : ${contenuPage}`
+    : "";
+  const userContent = `Titre : ${titre}\n\nRésumé RSS : ${resume}${contenuSection}`;
 
   try {
     const response = await invokeLLM({

server/articleFetcher.ts

@@ -0,0 +1,94 @@
+/**
+ * articleFetcher.ts
+ *
+ * Récupère le contenu textuel des 500 premiers mots d'un article web
+ * pour enrichir la classification IA quand le résumé RSS est trop court.
+ *
+ * Stratégie :
+ * - Fetch HTTP avec timeout 5 secondes
+ * - Extraction des balises <p>, <h1>–<h3> du HTML brut (sans dépendance lourde)
+ * - Limite à 500 mots pour rester dans le contexte LLM
+ * - Retourne null en cas d'erreur (timeout, 403, paywall, JS-only…) — silencieux
+ */
+
+const FETCH_TIMEOUT_MS = 5_000;
+const MAX_WORDS = 500;
+
+/**
+ * Extrait le texte brut des balises de contenu d'un HTML.
+ * Approche légère sans parser DOM complet.
+ */
+function extractTextFromHtml(html: string): string {
+  // Supprimer les balises script, style, nav, header, footer, aside
+  let cleaned = html
+    .replace(/<script[\s\S]*?<\/script>/gi, " ")
+    .replace(/<style[\s\S]*?<\/style>/gi, " ")
+    .replace(/<nav[\s\S]*?<\/nav>/gi, " ")
+    .replace(/<header[\s\S]*?<\/header>/gi, " ")
+    .replace(/<footer[\s\S]*?<\/footer>/gi, " ")
+    .replace(/<aside[\s\S]*?<\/aside>/gi, " ")
+    .replace(/<noscript[\s\S]*?<\/noscript>/gi, " ");
+
+  // Extraire le contenu des balises de texte pertinentes
+  const contentTags = cleaned.match(/<(p|h[1-3]|li|blockquote)[^>]*>([\s\S]*?)<\/\1>/gi) ?? [];
+
+  const texts = contentTags.map((tag) =>
+    tag
+      .replace(/<[^>]+>/g, " ") // supprimer les balises HTML restantes
+      .replace(/&amp;/g, "&")
+      .replace(/&lt;/g, "<")
+      .replace(/&gt;/g, ">")
+      .replace(/&nbsp;/g, " ")
+      .replace(/&quot;/g, '"')
+      .replace(/&#\d+;/g, " ")
+      .replace(/\s+/g, " ")
+      .trim()
+  );
+
+  return texts.filter((t) => t.length > 20).join(" ");
+}
+
+/**
+ * Récupère les premiers ~500 mots du contenu d'un article web.
+ * Retourne null si l'article est inaccessible ou si le contenu est trop pauvre.
+ *
+ * @param url URL de l'article
+ * @returns Texte extrait (500 mots max) ou null
+ */
+export async function fetchArticleFirstParagraph(url: string): Promise<string | null> {
+  try {
+    const controller = new AbortController();
+    const timer = setTimeout(() => controller.abort(), FETCH_TIMEOUT_MS);
+
+    const response = await fetch(url, {
+      signal: controller.signal,
+      headers: {
+        "User-Agent":
+          "Mozilla/5.0 (compatible; VeilleBot/1.0; +https://itinova.fr)",
+        Accept: "text/html,application/xhtml+xml",
+        "Accept-Language": "fr-FR,fr;q=0.9",
+      },
+    });
+
+    clearTimeout(timer);
+
+    if (!response.ok) return null;
+
+    const contentType = response.headers.get("content-type") ?? "";
+    if (!contentType.includes("text/html")) return null;
+
+    const html = await response.text();
+    const text = extractTextFromHtml(html);
+
+    if (!text || text.length < 50) return null;
+
+    // Limiter à MAX_WORDS mots
+    const words = text.split(/\s+/);
+    const truncated = words.slice(0, MAX_WORDS).join(" ");
+
+    return truncated.length > 50 ? truncated : null;
+  } catch {
+    // Timeout, réseau, CORS, paywall, etc. — silencieux
+    return null;
+  }
+}

server/rssEngine.ts

@@ -23,6 +23,7 @@ import {
 } from "../drizzle/schema";
 import { eq, sql } from "drizzle-orm";
 import { classifyArticle, generateSummary } from "./aiClassifier";
+import { fetchArticleFirstParagraph } from "./articleFetcher";
 
 // ─── Types internes ───────────────────────────────────────────────────────────
 
@@ -351,9 +352,14 @@ async function processFeed(feed: RssFeed): Promise<FetchResult> {
       const dedupKey = dedupHash(normalizedTitle + "|" + (feed.feedType ?? ""));
 
       if (feed.feedType === "veille") {
-        // ── Classification IA (avec fallback sur mots-clés) ──────────────────
+        // ── Classification IA (avec fallback sur mots-clés) ──────────────────────────────────────
         const { niveau, territoire } = detectVeilleNiveauTerritoire(fullText);
 
+        // Enrichissement : récupérer le 1er paragraphe si le résumé RSS est court (<150 car.)
+        const contenuPage = description.length < 150 && link
+          ? await fetchArticleFirstParagraph(link)
+          : null;
+
         const aiResult = await classifyArticle(
           title,
           description,
@@ -363,7 +369,8 @@ async function processFeed(feed: RssFeed): Promise<FetchResult> {
               typeVeille: (matchedRule?.typeVeille ?? feed.defaultTypeVeille ?? "informationnelle") as
                 "reglementaire" | "concurrentielle" | "technologique" | "informationnelle",
             };
-          }
+          },
+          contenuPage
         );
 
         const typeVeille = (aiResult.typeVeille ?? feed.defaultTypeVeille ?? "informationnelle") as
@@ -420,12 +427,18 @@ async function processFeed(feed: RssFeed): Promise<FetchResult> {
         // ── Classification IA pour les AAP ───────────────────────────────────
         const { region, departement } = detectAapGeo(fullText);
 
+        // Enrichissement : récupérer le 1er paragraphe si le résumé RSS est court (<150 car.)
+        const contenuPageAap = description.length < 150 && link
+          ? await fetchArticleFirstParagraph(link)
+          : null;
+
         const aiResult = await classifyArticle(
           title,
           description,
           () => ({
             typeVeille: "informationnelle" as const,
-          })
+          }),
+          contenuPageAap
         );
 
         const categorie = (feed.defaultCategorieAap ?? "Autre") as

todo.md

@@ -155,3 +155,10 @@
 - [x] aiClassifier.ts : remplacer le prompt de pertinence générique ESMS par une définition explicite des 5 secteurs (handicap, précarité/logement, protection de l'enfance, personnes âgées, sanitaire SMR)
 - [x] 0 erreur TypeScript, 21 tests passés
 - [x] Checkpoint
+
+## Récupération du 1er paragraphe pour la classification IA
+- [x] Créer server/articleFetcher.ts : fetch HTTP avec timeout 5s, extraction des 500 premiers mots du contenu textuel (balises p, h1-h3), fallback silencieux si erreur
+- [x] Intégrer articleFetcher dans rssEngine.ts : enrichir le contenu envoyé à classifyArticle avec le 1er paragraphe récupéré
+- [x] Mettre à jour la signature de classifyArticle pour accepter un paramètre optionnel contenuPage
+- [x] 0 erreur TypeScript, tests passés
+- [x] Checkpoint