feat: Phase 4 — Moteur Probabiliste & Apprentissage Automatique

Sprint 4.1 — Bayesian Updating
- database.py: update_bayesian_posteriors() — Beta(α,β) posteriors sur trades matures
- database.py: get_bayesian_posteriors() — posteriors + IC 95% + dérive prior GPT vs posterior
- Colonnes Bayésiennes ajoutées : bayesian_alpha, bayesian_beta, bayesian_win_rate, bayesian_sample_size
- auto_cycle.py: appel update_bayesian_posteriors() en Step 5.5 (après scoring)

Sprint 4.2 — Détection Automatique de Régimes (K-Means numpy pur)
- database.py: detect_and_save_regime_clusters() — K-Means sur 7 gauges macro (VIX, slope, DXY…)
- database.py: get_regime_cluster_history() — timeline des clusters
- database.py: get_regime_transition_matrix() — P(cluster j | cluster i) sur N transitions
- Table regime_clusters avec anomaly_flag (points > 3σ)
- auto_cycle.py: appel detect_and_save_regime_clusters() en Step 5.6

Sprint 4.3 — Embeddings Sémantiques (remplace Jaccard)
- database.py: get_or_create_pattern_embedding() — OpenAI text-embedding-3-small, stocké en DB
- database.py: max_cosine_similarity_vs_existing() — similarité cosinus vs patterns existants
- Table pattern_embeddings avec vecteur JSON + model_version
- auto_cycle.py: _is_duplicate_pattern() — cosinus seuil 0.75 avec fallback Jaccard automatique

Sprint 4.4 — Tableau de Bord Analytique Avancé
- AnalyticsAdvanced.tsx: nouvelle page /analytics-advanced
  • BayesianTable : prior GPT vs WR bayésien ± IC 95%, dérive, niveau de confiance
  • ClusterTimeline : timeline colorée des clusters + anomalies
  • TransitionMatrix : heatmap P(j|i) avec diagonale auto-transition
  • EmbeddingsSummary : liste des patterns vectorisés
  • Boutons "Bayesian update" et "Détecter régime" avec mutation React Query
- analytics.py router : 5 nouveaux endpoints (bayesian, regime-clusters, transitions, detect, embeddings)
- useApi.ts : 4 nouveaux hooks (useBayesianPosteriors, useRegimeClusters, useRegimeTransitions, usePatternEmbeddings)
- App.tsx + Sidebar.tsx : route /analytics-advanced + entrée menu

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>

backend/routers/analytics.py

@@ -5,6 +5,13 @@ from services.database import (
     get_calibration_data,
     decay_kb_confidence,
     get_custom_patterns,
+    # Phase 4
+    get_bayesian_posteriors,
+    update_bayesian_posteriors,
+    detect_and_save_regime_clusters,
+    get_regime_cluster_history,
+    get_regime_transition_matrix,
+    get_all_pattern_embeddings_summary,
 )
 
 router = APIRouter(prefix="/api/analytics", tags=["analytics"])
@@ -53,3 +60,43 @@ def invalidation_alerts():
         if p.get("invalidation_trigger")
     ]
     return {"alerts": alerts, "count": len(alerts)}
+
+
+# ── Phase 4 endpoints ────────────────────────────────────────────────────────
+
+@router.get("/bayesian")
+def bayesian_posteriors():
+    """Posteriors bayésiens Beta(α,β) par pattern avec IC 95%."""
+    return {"posteriors": get_bayesian_posteriors()}
+
+
+@router.post("/bayesian/update")
+def trigger_bayesian_update():
+    """Force la mise à jour des posteriors bayésiens."""
+    n = update_bayesian_posteriors()
+    return {"updated": n, "message": f"{n} pattern(s) mis à jour"}
+
+
+@router.get("/regime-clusters")
+def regime_cluster_history(days: int = Query(default=90, ge=7, le=365)):
+    """Historique des assignations de clusters de régimes macro."""
+    return {"clusters": get_regime_cluster_history(days=days)}
+
+
+@router.get("/regime-transitions")
+def regime_transition_matrix(days: int = Query(default=180, ge=30, le=730)):
+    """Matrice de transition entre clusters de régimes."""
+    return get_regime_transition_matrix(days=days)
+
+
+@router.post("/regime-detect")
+def trigger_regime_detect(n_clusters: int = Query(default=4, ge=2, le=6)):
+    """Force la détection et sauvegarde du cluster de régime courant."""
+    result = detect_and_save_regime_clusters(n_clusters=n_clusters)
+    return result
+
+
+@router.get("/embeddings")
+def pattern_embeddings_summary():
+    """Liste des patterns avec embedding vectoriel disponible."""
+    return {"embeddings": get_all_pattern_embeddings_summary()}