À propos du projet

ERP-CRM est un projet qui combine la gestion d'entreprise classique avec un composant d'intelligence artificielle pour le rendu 3D de produits. Selon sa documentation, la plateforme est organisée en modules de CRM (clients, contacts et opportunités de vente), inventaire (stock, produits et entrepôts), facturation (factures, proformas et gestion des taxes), projets avec tâches associées, rendu 3D et un module « numériseur » orienté vers le catalogue. Architecture : elle suit un schéma client-serveur avec séparation des responsabilités. Le frontend est une application JavaScript (HTML et CSS) qui donne accès aux différents modules ; le backend est une API en Python, avec des fichiers spécifiques pour le moteur d'IA (ai_engine.py) et la logique de rendu 3D (render_3d.py). Le déploiement s'appuie sur Docker et Docker Compose, et le dépôt inclut des flux de travail GitHub Actions ainsi qu'une configuration Dependabot. Installation : le README propose deux voies. L'installation locale nécessite Node.js 18+ avec npm, Python 3.10+ et pip ; les dépendances frontend et backend sont installées, le fichier .env.example est copié en .env, puis le frontend (npm start) et le backend (python app.py) sont lancés séparément. L'alternative avec conteneurs se résume à docker-compose up --build. Variables d'environnement : le modèle inclut des paramètres de base de données (DB_HOST, DB_PORT, DB_NAME, DB_USER, DB_PASSWORD), des identifiants du fournisseur d'IA pour le rendu (AI_API_KEY, AI_PROVIDER) et des réglages du serveur (PORT, FLASK_ENV, SECRET_KEY). Le README lui-même avertit que le fichier .env ne doit pas être téléchargé sur le dépôt. Utilisation : l'accès au frontend se fait via http://localhost:3000 et l'API est disponible sur http://localhost:5000, avec des ports configurables. Les rendus 3D sont générés depuis le module Numériseur, en configurant les paramètres du produit. Tests : npm test est documenté pour le frontend et pytest pour le backend, avec une exécution automatique à chaque push et pull request via GitHub Actions. La licence indiquée est MIT. Étendue de la documentation : le README décrit l'architecture, les modules et le processus de mise en route, mais ne détaille pas le modèle de données, les endpoints spécifiques de l'API ni le fonctionnement interne du moteur d'IA, dont il est seulement indiqué qu'il dépend d'un fournisseur externe via une clé d'API. Pour évaluer l'état réel de chaque module, il convient de consulter le code source avant d'envisager une utilisation en production.