NavigIA - Assistant transports Ile-de-France

NavigIA est une application full stack de chatbot specialisee dans les transports en commun en France, avec un focus sur les donnees SNCF, Transilien, RATP et Ile-de-France Mobilites.

Le projet combine une interface React, une API Flask, une base SQLite, un pipeline RAG avec LangChain et ChromaDB, et un LLM appele via OpenRouter.

Architecture

React / Vite
    |
API Flask
    |
SQLAlchemy + SQLite
    |
LangChain + ChromaDB + Hugging Face Embeddings
    |
OpenRouter

Technologies principales :

Partie	Technologie
Frontend	React, Vite, react-markdown, remark-gfm
Backend	Flask, Flask-CORS
Base applicative	SQLite, SQLAlchemy
RAG	LangChain, ChromaDB
Embeddings	Hugging Face, sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
LLM	OpenRouter
Recherche web	Tavily, limitee aux sources fiables

Fonctionnalites

Fonctionnalite	Description
Authentification	Inscription et connexion utilisateur
Sessions	Creation, liste, renommage et suppression de conversations
Historique	Sauvegarde des messages utilisateur et assistant
Chatbot RAG	Recherche dans une base documentaire locale avant generation
Sources	Affichage des sources RAG et web utilisees
Fallback web	Recherche web si le RAG ne trouve pas de contexte pertinent
Markdown	Affichage lisible des listes et tableaux dans les reponses

Donnees utilisees

Les donnees locales sont stockees dans :

data/json/

Elles contiennent notamment :

• titres et tarifs Ile-de-France Mobilites ;
• horaires de gares SNCF ;
• frequentation des gares SNCF ;
• equipements d'accessibilite SNCF ;
• donnees de proprete en gare.

Le projet n'utilise pas de donnees GTFS.

RAG avec LangChain

Le pipeline RAG est implemente dans :

backend/core/rag.py

Il fait les etapes suivantes :

1. Chargement des fichiers JSON.
2. Transformation des lignes en objets Document LangChain.
3. Ajout de metadonnees : source, type de document, identifiant.
4. Generation d'embeddings avec Hugging Face.
5. Stockage des vecteurs dans ChromaDB.
6. Recherche des documents pertinents pour chaque question.
7. Envoi du contexte recupere au LLM via OpenRouter.

Des aliases sont ajoutes pour ameliorer la recherche. Exemple :

Forfait Navigo Mois
→ forfait Navigo mensuel
→ abonnement Navigo mensuel
→ Navigo mensuel

Cela permet au chatbot de retrouver une information meme si l'utilisateur n'emploie pas exactement le meme vocabulaire que le fichier source.

Recherche web filtree

Si le RAG ne trouve pas de contexte pertinent, le backend peut utiliser Tavily.

Les resultats web sont filtres pour ne garder que des domaines fiables :

sncf.com
transilien.com
iledefrance-mobilites.fr
ratp.fr
service-public.fr

Le filtrage est implemente dans :

backend/core/search.py

Prerequis

• Python 3.9 ou plus
• Node.js 18 ou plus
• Une cle OpenRouter
• Une cle Tavily si vous voulez activer le fallback web

Installation backend

Depuis la racine du projet :

cd backend
python3 -m venv chatbot
source chatbot/bin/activate
pip install -r requirements.txt

Sur Windows PowerShell :

cd backend
python -m venv chatbot
.\chatbot\Scripts\python.exe -m pip install -r requirements.txt

Configuration

Creer le fichier .env :

cp .env.example .env

Sur Windows PowerShell :

Copy-Item .env.example .env

Variables importantes :

SECRET_KEY=une-cle-longue
OPENROUTER_API_KEY=sk-or-v1-...
OPENROUTER_MODEL=google/gemma-4-31b-it:free
TAVILY_API_KEY=tvly-dev-...
DATABASE_URL=sqlite:///chatbot.db
CHROMA_PATH=./chroma_db
DATA_PATH=../data/json
HF_HOME=./hf_cache
HF_HUB_DISABLE_SYMLINKS_WARNING=1
PORT=5001
FLASK_DEBUG=false

HF_HOME permet de stocker le modele Hugging Face dans le dossier backend au lieu du dossier utilisateur.

Lancer le backend

Depuis backend/ :

source chatbot/bin/activate
PYTHONUTF8=1 python app.py

Sur Windows PowerShell :

$env:PYTHONUTF8="1"
.\chatbot\Scripts\python.exe app.py

Le backend demarre sur :

http://localhost:5001

Au premier lancement, l'indexation ChromaDB peut prendre plusieurs minutes.

Reinitialiser l'index RAG

Si les donnees ou les aliases changent, il faut supprimer l'ancien index :

rm -rf backend/chroma_db

Sur Windows PowerShell :

Remove-Item -Recurse -Force backend\chroma_db

Puis relancer le backend.

Installation frontend

Dans un second terminal :

cd frontend
npm install
npm run dev

Le frontend demarre sur :

http://localhost:5173

Structure du projet

TransportsChatbot/
├── backend/
│   ├── app.py
│   ├── config.py
│   ├── database.py
│   ├── models.py
│   ├── controllers/
│   ├── services/
│   ├── repositories/
│   └── core/
│       ├── rag.py
│       ├── llm.py
│       └── search.py
├── data/
│   └── json/
├── frontend/
│   ├── package.json
│   └── src/
│       ├── api/
│       ├── components/
│       ├── context/
│       └── pages/
└── README.md

Points importants

• Le chatbot ne doit pas inventer d'informations.
• Les reponses doivent s'appuyer sur le contexte RAG ou sur une source web fiable.
• Les horaires precis et les informations temps reel ne doivent pas etre inventes.
• Les dossiers backend/chroma_db/, backend/hf_cache/, backend/chatbot/ et les fichiers .env ne doivent pas etre commits.

Problemes frequents

Le backend relance deux fois l'indexation

Mettre dans .env :

FLASK_DEBUG=false

Impossible de supprimer chroma_db

Un processus Python utilise probablement ChromaDB. Arreter le backend puis supprimer le dossier.

Le chatbot repond avec le web alors que la donnee existe

Supprimer backend/chroma_db/, relancer le backend et laisser l'indexation se terminer.

Les tableaux Markdown s'affichent mal

Le frontend utilise remark-gfm pour afficher les tableaux. Relancer :

cd frontend
npm install
npm run dev