À propos du projet

# Nebula Cafe — Système prédictif d'harmonisation de la fréquentation et des stocks Nebula Cafe est un tableau de bord analytique open source construit avec Streamlit, conçu pour les propriétaires et gérants de cafés qui souhaitent dépasser le reporting historique pour passer à une prise de décision prédictive. Le projet se positionne comme un « moteur de décision » qui prévoit la fréquentation client, optimise le réapprovisionnement en ingrédients et équilibre efficacité opérationnelle et interface chaleureuse et accueillante. ## Objectif principal Contrairement aux outils d'analyse de café traditionnels qui se contentent de rapporter les ventes passées, Nebula Cafe utilise la prévision de séries temporelles (plus précisément des modèles LSTM) pour prédire le trafic client jusqu'à 7 jours à l'avance. Cela permet aux utilisateurs de : - Planifier le personnel intelligemment en fonction des périodes d'affluence prévues - Commander les stocks juste à temps pour réduire le gaspillage des denrées périssables (réduction annoncée jusqu'à 30 %) - Identifier les périodes creuses pour planifier des événements ou des promotions - Comparer les profils entre plusieurs établissements (pour les responsables régionaux) ## Fonctionnalités clés ### Cartographie prédictive de la fréquentation - Modèle de série temporelle basé sur LSTM pour des prévisions des nombres de clients sur 7 jours - Chronologie visuelle avec intervalles de confiance (visualisés sous forme de « bandes nuageuses ») - Ajustements dynamiques à partir des données de jours fériés et météorologiques (intégration API facultative) ### Conseiller de stock intelligent - Croise les ventes prévues avec les niveaux de stock actuels - Génère des listes de réapprovisionnement à code couleur : vert (en stock), ambre (commander sous 2 jours), rouge (commander maintenant) - Apprend des erreurs de surstock passées pour améliorer les recommandations futures ### Expérience utilisateur - Disposition des widgets par glisser-déposer qui s'adapte aux écrans de tablette ou de téléphone - Interface multilingue prenant en charge l'anglais, l'espagnol, le mandarin et l'arabe - Bot FAQ/support intégré (basé sur des règles, aucune clé API externe requise) - Éditeur de thème sans code pour personnaliser les couleurs et les polices - Mode hors ligne pour toutes les fonctionnalités sans connexion Internet ### Confidentialité et traitement des données - Toutes les données sont traitées localement par défaut ; aucun envoi vers le cloud - Aucune clé d'authentification requise - L'agrégation anonymisée garantit qu'aucune donnée client PII n'est stockée - Générateur de données synthétiques facultatif pour les tests et l'expérimentation ## Stack technique - **Frontal :** Streamlit avec CSS personnalisé (aucune bibliothèque JavaScript) - **Backend :** Python 3.10+ avec Pandas, NumPy et Prophet pour la prévision - **Stockage des données :** fichiers CSV/JSON locaux (prise en charge facultative de SQLite) - **Visualisation :** Plotly pour des graphiques interactifs, Matplotlib pour les exports statiques - **Tests :** PyTest pour les tests unitaires et d'intégration ## Cas d'usage - **Propriétaire de café indépendant :** planifier des événements pendant les périodes creuses prévues - **Responsable régional :** comparer la fréquentation entre établissements pour redéployer le personnel - **Partenaire torréfacteur :** utiliser le conseiller de stock pour déterminer les livraisons hebdomadaires de café en grains - **Investisseur :** exporter des rapports hebdomadaires avec des métriques de ROI et les tendances de densité client ## Feuille de route (2026) - **T1 2026 :** version v1.0 avec les modules principaux de prévision et de stock - **T2 2026 :** suivi facultatif des prix des concurrents via un scraper public d'écrans de menus - **T3 2026 :** intégration avec les caisses Square/Toast via une API ouverte - **T4 2026 :** application mobile compagnon (Flutter) pour des alertes de fréquentation instantanées ## Installation et utilisation Les utilisateurs peuvent télécharger le dépôt sous forme de fichier ZIP depuis la page GitHub ou le cloner à l'aide d'un client git. Le projet nécessite Python 3.10+ et les dépendances répertoriées dans le dépôt. Aucun assistant d'installation n'est nécessaire : uniquement du code Python pur. ## Communauté et contribution Les contributions sont les bienvenues, notamment : - Ajouter de nouveaux modèles de prévision (par ex. ARIMA, Facebook Prophet) - Traduire l'interface dans d'autres langues - Concevoir de nouveaux widgets pour des métriques environnementales (bruit ambiant, température) Le projet inclut une documentation dans un dossier `docs/` et utilise les issues et discussions GitHub pour l'assistance communautaire. ## Licence Sous licence MIT, permettant l'utilisation, la modification et la distribution gratuites à des fins commerciales ou non commerciales. ## Avertissement Le logiciel est fourni « tel quel » sans garantie. Les modèles prédictifs s'appuient sur des données d'entraînement synthétiques pour la démonstration et peuvent ne pas refléter une précision réelle sans calibration. Le développeur n'assume aucune responsabilité quant aux décisions commerciales prises sur la base des résultats du tableau de bord. Le bot d'assistance est un assistant FAQ scripté, et non un agent humain en direct. Les utilisateurs doivent toujours vérifier les recommandations de stock par des comptages physiques.