repair_challenge/carmignac_repair.py

@@ -15,8 +15,8 @@ import s3fs
 # ─────────────────────────────────────────────
 # PARAMÈTRES
 # ─────────────────────────────────────────────
-ALPHA = 0.03           # tolérance réconciliation : 3% du stock à t
-MIN_AUM_EUR = 5e6        # seuil filtrage étape 1 — 0 pour les heads de test
+ALPHA = 0.03          # tolérance réconciliation : 5% du stock à t
+MIN_AUM_EUR = 0        # seuil filtrage étape 1 — 0 pour les heads de test, 5e6 en prod
 MIN_JACCARD = 0.3      # seuil minimal similarité portefeuille pour chirurgie
 SCORE_DROP_THRESHOLD = 0.1 # si score chute de >10% → candidat chirurgie
 
@@ -25,7 +25,7 @@ EXCLUDE_REGISTRAR = ["Off Distribution", "Private Clients"]
 # ─────────────────────────────────────────────
 # 1. CHARGEMENT
 # ─────────────────────────────────────────────
-def load_data(aum_path, flows_path):
+def load_data():
     fs = s3fs.S3FileSystem(
     client_kwargs={'endpoint_url': 'https://'+'minio-simple.lab.groupe-genes.fr'},
     key = os.environ["AWS_ACCESS_KEY_ID"], 
@@ -501,8 +501,11 @@ def run_surgery_pass(scores_history, errors_history, panel, monthly_flows,
                 # ── ISIN du compte courant à t_curr (pour pré-filtre) ──
                 isin_curr = reg_isin_at_date.get(reg_curr, {}).get(t_curr, set())
 
-                # ── Candidats disponibles (non déjà mappés) ──
-                available = all_regs_in_panel - set(mapping_inv.keys()) - {reg_curr}
+                # ── Candidats disponibles ──
+                # On exclut les codes déjà mappés à un autre compte,
+                # mais reg_curr lui-même est un candidat valide (self-mapping :
+                # le compte existait déjà sous ce code à t-1, dormant ou partiel).
+                available = (all_regs_in_panel - set(mapping_inv.keys())) | {reg_curr}
 
                 best_candidate = None
                 best_score_after = score_prev_no_surgery  # baseline = pas de chirurgie
@@ -549,6 +552,9 @@ def run_surgery_pass(scores_history, errors_history, panel, monthly_flows,
                           f"score {score_curr:.4f}→{best_score_after:.4f})")
 
                     # Mise à jour mapping
+                    # Si self-mapping (best_candidate == reg_curr), on ne touche pas
+                    # mapping_inv car le code ne change pas — on met juste à jour le score.
+                    if best_candidate != reg_curr:
                         if reg_curr in mapping_inv:
                             del mapping_inv[reg_curr]
                         mapping_inv[best_candidate] = reg_orig
@@ -617,13 +623,13 @@ def export_results(scores_history, mapping_history, surgery_log, all_months, out
 # ─────────────────────────────────────────────
 # 8. PIPELINE PRINCIPAL
 # ─────────────────────────────────────────────
-def run_pipeline(aum_path, flows_path):
+def run_pipeline():
     print("=" * 60)
     print("CARMIGNAC — Pipeline de réparation des Registrar IDs")
     print("=" * 60)
 
     # Chargement
-    aum, flows = load_data(aum_path, flows_path)
+    aum, flows = load_data()
 
     # Étape 1 — Univers de référence
     aum_ref, weights, universe, t_ref = build_reference_universe(aum)
@@ -673,7 +679,4 @@ def run_pipeline(aum_path, flows_path):
 
 
 if __name__ == "__main__":
-    df_scores, df_mapping, surgery_log, scores_history, mapping_history = run_pipeline(
-        "s3://projet-bdc-data/carmignac/AUM ENSAE V2 -20251105.csv",
-        "s3://projet-bdc-data/carmignac/Flows ENSAE V2 -20251105.csv"
-    )
+    df_scores, df_mapping, surgery_log, scores_history, mapping_history = run_pipeline()