fix(backend): decoupe l'insertion des recommandations en lots et remet les docs a jour

`create_missing()` construisait un seul `INSERT ... VALUES` pour la totalite des
propositions. Avec quatre colonnes par ligne et le plafond asyncpg de 32 767
parametres, la route echouait au-dela de 8 191 recommandations par appel, cas
devenu realiste maintenant que la detection interne (#104) alimente `alert` en
continu. L'insertion passe par des lots de `TAILLE_DE_LOT` lignes, sur le patron
de `app/etl/historical_import.py`.

L'ADR 0006, `20-backend.md` et la description de la PR annoncaient qu'aucune
source n'alimentait `alert` et que #104 n'etait pas commencee. #104 est livree
sur `dev` depuis la #113 : les phrases sont corrigees plutot que laissees a
vieillir dans un ADR.

apps/backend/app/repositories/recommendation.py

@@ -16,6 +16,9 @@ class NouvelleRecommandation:
     rule_reference: str
 
 
+TAILLE_DE_LOT = 1000
+
+
 class RecommendationRepository:
     def __init__(self, session: AsyncSession) -> None:
         self._session = session
@@ -34,14 +37,15 @@ class RecommendationRepository:
     # Pourquoi : l'idempotence est déléguée à `uq_recommendation_alert_rule` plutôt qu'à une
     # lecture préalable, qui laisserait une fenêtre entre le contrôle et l'insertion.
     async def create_missing(self, nouvelles: Sequence[NouvelleRecommandation]) -> int:
-        if not nouvelles:
-            return 0
-
+        creees = 0
+        # Piège : asyncpg plafonne une requête à 32 767 paramètres, soit 8 191 lignes de quatre
+        # colonnes. Au-delà de ce seuil un `INSERT` d'un seul tenant échouerait.
+        for debut in range(0, len(nouvelles), TAILLE_DE_LOT):
             requete = (
                 insert(Recommendation)
-            .values([asdict(nouvelle) for nouvelle in nouvelles])
+                .values([asdict(nouvelle) for nouvelle in nouvelles[debut : debut + TAILLE_DE_LOT]])
                 .on_conflict_do_nothing(constraint="uq_recommendation_alert_rule")
                 .returning(Recommendation.recommendation_id)
             )
-        creees = (await self._session.scalars(requete)).all()
-        return len(creees)
+            creees += len((await self._session.scalars(requete)).all())
+        return creees

apps/backend/tests/repositories/test_recommendation.py

@@ -5,6 +5,7 @@ import pytest
 from sqlalchemy.ext.asyncio import AsyncSession
 
 from app.models.energy import Alert, Recommendation, Site
+from app.repositories import recommendation as module_recommendation
 from app.repositories.recommendation import NouvelleRecommandation, RecommendationRepository
 
 pytestmark = pytest.mark.integration
@@ -123,3 +124,19 @@ async def test_create_missing_returns_zero_without_any_proposal(session: AsyncSe
     creees = await RecommendationRepository(session).create_missing([])
 
     assert creees == 0
+
+
+async def test_create_missing_inserts_every_proposal_across_several_batches(
+    session: AsyncSession, monkeypatch: pytest.MonkeyPatch
+) -> None:
+    monkeypatch.setattr(module_recommendation, "TAILLE_DE_LOT", 2)
+    depot = RecommendationRepository(session)
+    alert_id = await creer_alerte(session)
+    propositions = [nouvelle(alert_id, f"regle-{index}-v1") for index in range(5)]
+
+    creees = await depot.create_missing(propositions)
+    enregistrees = [r for r in await depot.list_all() if r.alert_id == alert_id]
+    await session.rollback()
+
+    assert creees == 5
+    assert len(enregistrees) == 5

docs/adr/0006-moteur-de-regles-dans-le-backend.md

@@ -57,9 +57,13 @@ n'oblige à exposer un port pour régénérer des recommandations.
   fenêtre entre le contrôle et l'insertion. Corollaire : `rule_reference` est une clé fonctionnelle.
   Une règle dont le sens change prend une référence `-v2` ; renommer une référence livrée
   ferait réapparaître ses recommandations à côté des anciennes.
-- **Le moteur ne produira rien tant que `alert` restera vide.** Aucun code ne produit aujourd'hui
-  de ligne d'alerte : ni détection interne (#104), ni ingestion de l'API Mock `/alerts`. La chaîne
-  s'allume d'elle-même le jour où l'une des deux existe, sans retoucher le moteur.
+- **Le moteur est branché sur la détection interne, et sur elle seule.** `alert` est alimentée
+  par `app/detection/internal_alerts.py` (#104), lancée à la main comme `enervision_ml.score` ;
+  l'ingestion de l'API Mock `/alerts` reste à faire. Le rapport de génération est donc à zéro tant
+  que la détection n'a pas tourné, sans que le moteur soit à retoucher.
+- **L'insertion est découpée en lots.** `create_missing()` écrit par paquets de `TAILLE_DE_LOT`
+  lignes : asyncpg plafonne une requête à 32 767 paramètres, soit 8 191 lignes de quatre colonnes,
+  et la détection interne peut alimenter `alert` au fil de l'eau.
 - Si le projet devait un jour pondérer les recommandations par un score appris, la décision serait
   à rouvrir : le moteur redeviendrait consommateur du pipeline ML.
 

docs/architecture/20-backend.md

@@ -206,7 +206,9 @@ le rapport rendu distingue `recommendations_created` de `already_present`. Le m
 disponible hors HTTP par `python -m app.cli generate-recommendations` (cible `make
 recommendations`), sur le patron de `make ml-score`. Le choix de loger le moteur dans le backend
 plutôt que dans `ml/` est justifié par l'[ADR 0006](../adr/0006-moteur-de-regles-dans-le-backend.md).
-Tant qu'aucune source n'alimente `alert`, la route est fonctionnelle mais rend un rapport à zéro.
+Les alertes traitées sont celles qu'écrit la détection interne (#104, section ci-dessous) : la
+génération ne rend donc de recommandations qu'une fois la détection passée. L'insertion est
+découpée en lots de `TAILLE_DE_LOT` lignes, asyncpg plafonnant une requête à 32 767 paramètres.
 
 `GET /readings` reprend le même gabarit mais s'en écarte sur un point : `reading` est l'hypertable,
 donc la seule table métier pouvant porter des années d'historique, ce que `docs/architecture/

docs/architecture/40-data.md

@@ -226,8 +226,9 @@ et ne sont pas considérées comme des alertes actuelles.
 
 Les lignes de `recommendation` sont écrites par le moteur de règles du backend
 (`app/services/recommendation_rules.py`), déclenché par `POST /api/v1/recommendations/generate`
-ou par `make recommendations`. Le couple `(alert_id, rule_reference)` est unique : rejouer le
-moteur sur les mêmes alertes n'ajoute aucune ligne.
+ou par `make recommendations`, à partir des alertes déjà en base. Le couple
+`(alert_id, rule_reference)` est unique : rejouer le moteur sur les mêmes alertes n'ajoute aucune
+ligne.
 
 ### Relations entre les tables