fix(ml): type is_working_hours pour que LightGBM accepte une lecture sans valeur

`reading.is_working_hours` est nullable et fait partie des features. Une seule lecture a
NULL dans la fenetre suffisait a rendre la colonne `object` au retour de `pd.read_sql`, et
LightGBM refuse alors de construire son Dataset : "pandas dtypes must be int, float or
bool". La panne n'arrivait qu'au scoring, sur la vraie base, jamais en test.

`_typer` coerce donc aussi cette colonne, comme les colonnes mesurees : NaN vaut valeur
manquante, que LightGBM gere nativement. Effet de bord voulu, les deux chargeurs rendent
enfin le meme dtype : `load_from_csv` faisait un `astype(bool)` qui ecrasait silencieusement
une valeur absente en `False`.

ml/enervision_ml/data.py

@@ -43,6 +43,10 @@ NUMERIC_COLUMNS = [
     "capacity_kw",
 ]
 
+# Piege : `reading.is_working_hours` est nullable et entre dans les features. Une seule lecture a
+# NULL rend la colonne `object`, que LightGBM refuse ("pandas dtypes must be int, float or bool").
+FLAG_COLUMNS = ["is_working_hours"]
+
 _READING_QUERY = text(
     """
     SELECT
@@ -126,6 +130,6 @@ def _typer(frame: pd.DataFrame) -> pd.DataFrame:
     scoring -- ce n'est pas un effet de bord limite aux colonnes mesurees.
     """
     typee = frame.copy()
-    for colonne in NUMERIC_COLUMNS:
+    for colonne in (*NUMERIC_COLUMNS, *FLAG_COLUMNS):
         typee[colonne] = pd.to_numeric(typee[colonne], errors="coerce")
     return typee