feat: purge cascade observed_results, scripts GradientBoosting hors-Docker, delete_iris

README.md

@@ -75,7 +75,7 @@ bash scripts/init_env.sh
 
 # 2. (Optionnel) Supprimer les volumes Postgres existants avant le premier déploiement
 #    À faire si vous repartez de zéro ou si le mot de passe a changé
-docker-compose -p predictml-api down -v 2>&1 && echo "=== Volumes supprimés ==="
+docker-compose -p predictml-api down -v 2>&1
 
 # 3. Lancer tous les services
 docker-compose -p predictml-api up -d --build

documentation/Scripts/delete_iris.py

@@ -0,0 +1,213 @@
+"""
+delete_iris.py — Nettoyage complet du modèle iris-classifier via l'API PredictML
+==================================================================================
+
+Ce script supprime dans l'ordre :
+  1. Toutes les prédictions du modèle  (DELETE /predictions/purge)
+  2. Toutes les versions du modèle     (DELETE /models/{name})
+
+Il affiche ensuite le nombre de résultats observés restants (ground truth) et
+explique pourquoi ils ne peuvent pas être supprimés via l'API.
+
+Usage :
+  python delete_iris.py                     # dry-run → affiche ce qui sera supprimé
+  python delete_iris.py --yes               # supprime sans confirmation
+
+Variables d'environnement :
+  API_URL        URL de l'API          (défaut : http://localhost:8000)
+  API_TOKEN      Token Bearer admin — requis
+  MODEL_NAME     Nom du modèle        (défaut : iris-classifier)
+
+Prérequis Python :
+  pip install requests python-dotenv
+
+Ce script supprime la totalité des données, y compris les prédictions récentes
+et les observed_results (ground truth) associés.
+"""
+
+import json
+import os
+import sys
+
+import requests
+from dotenv import find_dotenv, load_dotenv
+
+load_dotenv(find_dotenv())
+
+# ── Configuration ─────────────────────────────────────────────────────────────
+
+API_URL    = os.environ.get("API_URL",   "http://localhost:8000")
+API_TOKEN  = os.environ.get("API_TOKEN", os.environ.get("ADMIN_TOKEN", ""))
+MODEL_NAME = os.environ.get("MODEL_NAME", "iris-classifier")
+
+DRY_RUN = "--yes" not in sys.argv
+
+HEADERS      = {"Authorization": f"Bearer {API_TOKEN}"}
+HEADERS_JSON = {**HEADERS, "Content-Type": "application/json"}
+
+# ── Validation ────────────────────────────────────────────────────────────────
+
+if not API_TOKEN:
+    print("❌  API_TOKEN non défini.")
+    print("    Lancez : API_TOKEN=<votre_token> python delete_iris.py [--yes]")
+    sys.exit(1)
+
+# ── 0. Vérification API ───────────────────────────────────────────────────────
+
+try:
+    r = requests.get(f"{API_URL}/health", timeout=5)
+    r.raise_for_status()
+    print(f"✅  API accessible : {API_URL}")
+except Exception as e:
+    print(f"❌  API inaccessible ({API_URL}) : {e}")
+    sys.exit(1)
+
+print()
+if DRY_RUN:
+    print("=" * 62)
+    print("  MODE DRY-RUN — aucune suppression (ajoutez --yes pour exécuter)")
+    print("=" * 62)
+else:
+    print("=" * 62)
+    print(f"  SUPPRESSION RÉELLE pour le modèle : {MODEL_NAME}")
+    print("=" * 62)
+
+# ── 1. Inventaire — modèles ───────────────────────────────────────────────────
+
+print(f"\n[1/3] Récupération des versions de '{MODEL_NAME}'…")
+
+r = requests.get(f"{API_URL}/models", headers=HEADERS, params={"name": MODEL_NAME}, timeout=10)
+
+if r.status_code == 200:
+    all_models = r.json()
+    versions = [m for m in all_models if m.get("name") == MODEL_NAME]
+    if versions:
+        print(f"      {len(versions)} version(s) trouvée(s) :")
+        for v in versions:
+            prod = " [PRODUCTION]" if v.get("is_production") else ""
+            print(f"        • v{v.get('version')}{prod}")
+    else:
+        print(f"      Aucune version trouvée pour '{MODEL_NAME}'.")
+elif r.status_code == 404:
+    versions = []
+    print(f"      Aucun modèle '{MODEL_NAME}' trouvé.")
+else:
+    print(f"      ⚠️  GET /models a répondu {r.status_code} : {r.text[:120]}")
+    versions = []
+
+# ── 2. Inventaire — prédictions ───────────────────────────────────────────────
+
+print(f"\n[2/3] Simulation de purge des prédictions et observed_results (older_than_days=0)…")
+
+r = requests.delete(
+    f"{API_URL}/predictions/purge",
+    headers=HEADERS,
+    params={"older_than_days": 0, "model_name": MODEL_NAME, "dry_run": True},
+    timeout=15,
+)
+
+predictions_to_delete = 0
+linked_gt = 0
+if r.status_code == 200:
+    purge_preview = r.json()
+    predictions_to_delete = purge_preview.get("deleted_count", 0)
+    linked_gt             = purge_preview.get("linked_observed_results_count", 0)
+    oldest_remaining      = purge_preview.get("oldest_remaining")
+    print(f"      {predictions_to_delete} prédiction(s) à supprimer")
+    print(f"      {linked_gt} observed_result(s) associé(s) à supprimer")
+    if oldest_remaining:
+        print(f"      Plus ancienne après purge : {oldest_remaining}")
+else:
+    print(f"      ⚠️  GET purge dry-run a répondu {r.status_code} : {r.text[:120]}")
+
+# ── 3. Inventaire — observed results ─────────────────────────────────────────
+
+print(f"\n[3/3] Les observed_results seront supprimés en cascade avec les prédictions.")
+observed_total = linked_gt
+
+# ── Confirmation / sortie dry-run ─────────────────────────────────────────────
+
+print()
+print("─" * 62)
+print(f"  Résumé de ce qui sera supprimé :")
+print(f"    • {len(versions)} version(s) du modèle '{MODEL_NAME}'")
+print(f"    • {predictions_to_delete} prédiction(s)")
+print(f"    • {observed_total} observed_result(s) (supprimés en cascade)")
+print("─" * 62)
+
+if DRY_RUN:
+    print()
+    print("  Relancez avec --yes pour exécuter la suppression :")
+    print(f"    python delete_iris.py --yes")
+    sys.exit(0)
+
+print()
+
+# ── Exécution 1 : purge des prédictions ──────────────────────────────────────
+
+print("  ÉTAPE 1 — Purge des prédictions…")
+
+if predictions_to_delete == 0:
+    print("  ✅  Aucune prédiction à supprimer (> 24 h).")
+else:
+    r = requests.delete(
+        f"{API_URL}/predictions/purge",
+        headers=HEADERS,
+        params={"older_than_days": 0, "model_name": MODEL_NAME, "dry_run": False},
+        timeout=30,
+    )
+
+    if r.status_code == 200:
+        result = r.json()
+        deleted     = result.get("deleted_count", 0)
+        deleted_obs = result.get("deleted_observed_results_count", 0)
+        print(f"  ✅  {deleted} prédiction(s) supprimée(s).")
+        if deleted_obs:
+            print(f"  ✅  {deleted_obs} observed_result(s) supprimé(s) en cascade.")
+    else:
+        print(f"  ❌  Erreur {r.status_code} lors de la purge :")
+        try:
+            print(f"      {json.dumps(r.json(), indent=2, ensure_ascii=False)}")
+        except Exception:
+            print(f"      {r.text[:300]}")
+
+# ── Exécution 2 : suppression du modèle ──────────────────────────────────────
+
+print()
+print(f"  ÉTAPE 2 — Suppression de toutes les versions de '{MODEL_NAME}'…")
+
+if not versions:
+    print(f"  ✅  Aucun modèle '{MODEL_NAME}' à supprimer.")
+else:
+    r = requests.delete(
+        f"{API_URL}/models/{MODEL_NAME}",
+        headers=HEADERS,
+        timeout=30,
+    )
+
+    if r.status_code == 200:
+        result = r.json()
+        deleted_v   = result.get("deleted_versions",   [])
+        mlflow_del  = result.get("mlflow_runs_deleted", [])
+        minio_del   = result.get("minio_objects_deleted", [])
+
+        print(f"  ✅  {len(deleted_v)} version(s) supprimée(s) : {deleted_v}")
+        if mlflow_del:
+            print(f"      {len(mlflow_del)} run(s) MLflow supprimé(s)")
+        if minio_del:
+            print(f"      {len(minio_del)} objet(s) MinIO supprimé(s)")
+    elif r.status_code == 404:
+        print(f"  ✅  Modèle '{MODEL_NAME}' déjà absent.")
+    else:
+        print(f"  ❌  Erreur {r.status_code} lors de la suppression du modèle :")
+        try:
+            print(f"      {json.dumps(r.json(), indent=2, ensure_ascii=False)}")
+        except Exception:
+            print(f"      {r.text[:300]}")
+
+# ── Résumé final ──────────────────────────────────────────────────────────────
+
+print()
+print("=" * 62)
+print("  Nettoyage terminé.")
+print("=" * 62)

documentation/Scripts/send_ground_truth.py → documentation/Scripts/send_ground_truth_iris.py

@@ -28,10 +28,11 @@
 from datetime import datetime, timezone
 
 import requests
-
+from dotenv import find_dotenv, load_dotenv
+load_dotenv(find_dotenv())
 # ── Configuration ─────────────────────────────────────────────────────────────
 
-API_URL   = os.environ.get("API_URL",   "http://localhost:8000")
+API_URL   = os.environ.get("API_URL",   "http://localhost:80")
 API_TOKEN = os.environ.get("API_TOKEN", os.environ.get("ADMIN_TOKEN", ""))
 
 MODEL_NAME    = os.environ.get("MODEL_NAME",    "iris-classifier")

documentation/Scripts/send_predictions_iris.py

@@ -24,10 +24,11 @@
 import sys
 
 import requests
-
+from dotenv import find_dotenv, load_dotenv
+load_dotenv(find_dotenv())
 # ── Configuration ─────────────────────────────────────────────────────────────
 
-API_URL   = os.environ.get("API_URL",   "http://localhost:8000")
+API_URL   = os.environ.get("API_URL",   "http://localhost:80")
 API_TOKEN = os.environ.get("API_TOKEN", os.environ.get("ADMIN_TOKEN", ""))
 
 MODEL_NAME    = os.environ.get("MODEL_NAME",    "iris-classifier")