anouaramghar/investmap-maroc

AI investment decision support for Morocco - 5 LLM agents, OpenStreetMap + HCP data, live SSE streaming, national-press radar (hackathon project) # InvestMap Maroc Aide à la décision d'investissement au Maroc, sur **données réelles**. Deux couches qui se parlent : - **Invest (micro)** — pour un porteur de projet : 5 agents IA analysent une opportunité locale. Commerces voisins via **OpenStreetMap** (réel), signal de demande (modèle démographique HCP), puis raisonnement LLM pour le matching, les démarches administratives et le score de succès. Le résultat est diffusé en direct via **SSE** pendant l'analyse. - **Radar (macro)** — pour une institution (CRI) : les grands projets nationaux sont extraits en continu de la **presse nationale** (recherche web **Tavily** + extraction LLM + géocodage Nominatim), affichés sur une carte du Maroc avec leur **source**. **Lien micro ↔ macro :** pendant l'analyse Invest, le pipeline cherche le grand projet national réel le plus proche de l'investisseur (depuis le cache Radar) et l'injecte dans le score (Agent 5). ## Architecture ``` frontend (racine du repo) backend/ index.html main.py FastAPI + CORS *.jsx (React via Babel CDN) pipeline.py orchestrateur SSE (5 agents Invest) server.js (Node http, :3000) agents/invest/ agent1..5 data.js / personalize.js agents/radar/ agent6 (Tavily), agent7 (LLM+géocodage) core/llm.py client LLM (NVIDIA, sinon OpenRouter) core/tavily.py recherche web api/routes/ /api/analyze, /api/stream, /api/projects data/…cache.json dernier run Radar réel (filet de sécurité) ``` ## Lancer le projet (2 processus) **1. Backend** (port 8000) : ```bash cd backend pip install -r requirements.txt uvicorn main:app --port 8000 ``` **2. Frontend** (port 3000) : ```bash node server.js # puis ouvrir localhost ``` ## Configuration — `backend/.env` ``` AGENT_MODE=live # 'live' = vraies API ; 'mock' = données factices NVIDIA_API_KEY=nvapi-... # LLM (recommandé) — sinon OPENROUTER_API_KEY OPENROUTER_API_KEY=sk-or-... # LLM de repli …