feat:: causal lab

backend/routers/causal_lab.py

@@ -321,6 +321,11 @@ class RecommendRequest(BaseModel):
     market_event_id: int
 
 
+class InstantiateRequest(BaseModel):
+    market_event_id: int
+    template_id: int
+
+
 class AnalyzeRequest(BaseModel):
     market_event_id: int
     template_id: int
@@ -635,6 +640,97 @@ def recommend_template(body: RecommendRequest):
         raise HTTPException(500, str(e))
 
 
+@router.post("/api/causal-lab/instantiate")
+def instantiate_template(body: InstantiateRequest):
+    """
+    GPT-4o-mini suggère les valeurs des nœuds user_input du template
+    en fonction des spécificités de l'événement (surprise +/-, magnitude, catégorie…).
+    Retourne { inputs: { node_id: value }, rationale: str }
+    """
+    try:
+        from services.database import get_conn
+        conn = get_conn()
+        _init(conn)
+
+        ev_row   = conn.execute("SELECT * FROM market_events WHERE id = ?",      (body.market_event_id,)).fetchone()
+        tmpl_row = conn.execute("SELECT * FROM causal_graph_templates WHERE id = ?", (body.template_id,)).fetchone()
+        conn.close()
+
+        if not ev_row or not tmpl_row:
+            raise HTTPException(404, "event ou template introuvable")
+
+        event    = dict(ev_row)
+        template = dict(tmpl_row)
+        graph_json    = json.loads(template.get("graph_json") or "{}")
+        input_mapping = graph_json.get("input_mapping", {})
+
+        # Only user_input nodes need to be suggested (auto-sourced nodes are pulled from DB)
+        user_nodes = {
+            k: v for k, v in input_mapping.items()
+            if not v.get("source") or v["source"] == "user_input"
+        }
+
+        if not user_nodes:
+            return {"inputs": {}, "rationale": "Aucun nœud manuel — tout est auto-récupéré depuis la BD"}
+
+        prompt = f"""Tu es un analyste financier. Tu dois configurer un graphe causal pour un événement de marché précis.
+
+Événement : {event.get('name')}
+Catégorie : {event.get('category')} / {event.get('sub_type', '')}
+Date : {event.get('start_date')}
+Description : {(event.get('description') or '')[:400]}
+Score impact : {event.get('impact_score', 0.5)}
+Valeur réelle : {event.get('actual_value')} | Valeur attendue : {event.get('expected_value')} | Surprise % : {event.get('surprise_pct')}
+
+Template : {template.get('name')} (catégorie : {template.get('category')})
+
+Nœuds à configurer (entrées manuelles) :
+{json.dumps(user_nodes, indent=2, ensure_ascii=False)}
+
+Règles :
+- Surprise NÉGATIVE → valeurs négatives pour les nœuds de surprise
+- Surprise POSITIVE → valeurs positives
+- Utilise les plages "range" si fournies (ex: [-3, 3] pour z-score)
+- Magnitude proportionnelle à l'ampleur de la surprise
+- Si surprise_pct disponible, utilise-la pour calibrer (ex: -29.1% → nœud_surprise ≈ -2.5)
+
+Retourne UNIQUEMENT un JSON : {{ "node_id": valeur_numerique, ... }}
+Inclure uniquement les nœuds listés ci-dessus."""
+
+        client = _openai_client()
+        resp   = client.chat.completions.create(
+            model="gpt-4o-mini",
+            messages=[{"role": "user", "content": prompt}],
+            response_format={"type": "json_object"},
+            temperature=0.2,
+            max_tokens=400,
+        )
+        raw = resp.choices[0].message.content or "{}"
+        suggested = json.loads(raw)
+
+        # Validate: only keep known nodes with numeric values
+        validated: dict = {}
+        for k, v in suggested.items():
+            if k in user_nodes:
+                try:
+                    validated[k] = float(v)
+                except (TypeError, ValueError):
+                    pass
+
+        surprise = event.get("surprise_pct")
+        rationale = (
+            f"Surprise {'+' if (surprise or 0) >= 0 else ''}{surprise:.1f}%" if surprise is not None
+            else "Calibration basée sur la description de l'événement"
+        )
+        return {"inputs": validated, "rationale": rationale}
+
+    except HTTPException:
+        raise
+    except Exception as e:
+        logger.error(f"[causal_lab] instantiate: {e}")
+        raise HTTPException(500, str(e))
+
+
 @router.post("/api/causal-lab/analyze")
 def analyze_event(body: AnalyzeRequest):
     """