Contrats : découpage par structure et métadonnées

Un contrat n'est pas un texte comme les autres : il est structuré (articles, clauses numérotées), il a une identité (référence, type, parties, date de signature) et les questions qu'on lui pose sont souvent comparatives (« quels préavis dans nos contrats de prestation ? »). Un RAG qui découpe tous les 500 caractères et ignore cette identité se trompe de contrat ou coupe une clause en deux.

Ce lab travaille sur 5 contrats fictifs d'Atelier Nova (location d'entrepôt, maintenance logicielle, nettoyage, licence, accord de confidentialité).

Ce que vous allez construire

flowchart LR
  T["contrats/*.txt"] --> P["parse_contract : en-tête + articles + clauses"]
  P --> M[("SQLite : contrats (type, parties, date)")]
  P --> CS["chunk_structure : 1 morceau par article"]
  CS --> E["embeddings + titre du contrat"]
  E --> CH[("SQLite : chunks")]
  Q["Question"] --> F["extraire_filtres (sortie structurée)"]
  F --> S["search : WHERE type/partie/date puis cosinus"]
  CH --> S
  M --> S
  S --> G["Gemini : réponse ou tableau cité [CT-... art. N]"]
  M --> R["tableau : récapitulatif de tous les contrats"]

Pour qui ?

Vous avez fait les labs 1 et 2, ou vous avez déjà écrit un RAG simple.
Vous travaillez sur des documents structurés (contrats, politiques, normes, cahiers des charges).

Prérequis

Python 3.10+, une clé d'API Gemini dans .env (voir .env.example).
pip install -r requirements.txt (requirements.txt) : google-genai, numpy, pydantic.

Programme

Module	Leçon	Ce que vous faites	Fichiers
1. Le cas d'usage	Contrats et architecture	structure d'un contrat, questions types, corpus fictif	`make_contracts.py`
2. Construire	Découper par structure	parseur, articles et clauses, comparaison avec un découpage par taille	`contrats_rag.py`
2. Construire	Filtres, comparaisons et tableau	self-query, filtres SQL, un résultat par contrat, métadonnées dans le contexte, récapitulatif	`contrats_rag.py`
3. Évaluer	Évaluer et exploiter	tests sans clé, rappel taille vs structure, filtres corrects, fidélité, refus	`eval.py`, `golden.json`, `test_contrats.py`

En local ou sur GCP ?

	Ce lab	Sur Google Cloud
Contrats	fichiers texte	PDF dans Cloud Storage, extraits par Document AI
Métadonnées et filtres	colonnes SQLite + `WHERE`	métadonnées de Vertex AI Search ou filtres de Vector Search
Tableau récapitulatif	sortie structurée Gemini	idem, résultat écrit dans BigQuery

Code complet : contrats_rag.py, eval.py, test_contrats.py, make_contracts.py.