"""Calcule les notes et génère le site statique (site/index.html) à partir de data/agencies.json.""" import pages import json, re, datetime from common import load, save, ROOT, TODAY, WEIGHTS, ADVISER_RE, CRIT_N, N_CRIT, CRIT_W, pw import html as _html from pages import slugify, write_all, seo_title, seo_desc from avis import score as avis_score from common import REVIEWS_DIR LABEL = {'vente': 'vente', 'location': 'location', 'gestion': 'gestion locative'} MOIS = ['janvier', 'février', 'mars', 'avril', 'mai', 'juin', 'juillet', 'août', 'septembre', 'octobre', 'novembre', 'décembre'] def reviews(a): out = [] for src in ('google', 'opinionsystem', 'immodvisor'): for e in a['sources'].get(src, []): if e.get('r') is not None and e.get('n'): out.append((src, float(e['r']), int(e['n']), e.get('url'))) return out def agg(revs, src): l = [r for r in revs if r[0] == src] if not l: return None n = sum(r[2] for r in l) return {'r': round(sum(r[1] * r[2] for r in l) / n, 2), 'n': n, 'url': l[0][3], 'k': len(l)} def anc_points(years): """Ancienneté continue (méthode v4) : 0 à la création, 100 à 20 ans et au-delà, proportionnel entre les deux.""" return round(max(0.0, min(100.0, years / 20 * 100)), 1) # Plafonds des honoraires facturés au locataire à Nice (zone tendue, décret n° 2014-890) : € TTC par m² ALUR_VISIT_FILE_LEASE, ALUR_INVENTORY = 10, 3 def _pts(items): """items : liste de True / False / None ; None = non vérifiable (exclu du total).""" got = sum(1 for x in items if x is True); poss = sum(1 for x in items if x is not None) return got, poss def fees_items(au, act): f = au.get(f'fees_{act}') or {} pub = bool(f.get('published')) if act == 'vente': return [pub, pub and f.get('ttc') is True, pub and f.get('payer_indicated') is True, pub and f.get('complete') is True] if act == 'location': v, e = f.get('tenant_eur_m2_visit_file_lease'), f.get('tenant_eur_m2_inventory') caps = None if (v is None and e is None) else ((v is None or v <= ALUR_VISIT_FILE_LEASE) and (e is None or e <= ALUR_INVENTORY)) return [pub, pub and f.get('ttc') is True, pub and f.get('split_indicated') is True, (pub and caps) if caps is not None else (False if not pub else None)] return [pub, pub and f.get('ttc') is True, pub and f.get('extras_detailed') is True] def estimation_kind(au, prefix=''): """'anonyme' : prix ou fourchette affiché à l'écran sans laisser ses coordonnées ; 'collecte' : résultat donné seulement après avoir laissé nom, e-mail ou téléphone (ou envoyé plus tard) ; None : pas d'outil.""" tool, req, inst = ((au.get('rent_estimation_tool'), au.get('rent_estimation_requires_contact'), au.get('rent_estimation_instant')) if prefix == 'rent_' else (au.get('estimation_tool'), au.get('estimation_requires_contact'), au.get('estimation_instant_price'))) if tool is not True: return None # Le bonus « anonymisé » doit être constaté ; un outil dont le fonctionnement n'a pas pu être vérifié compte comme « collecte ». if req is False and inst is True: return 'anonyme' return 'collecte' # Méthode v6 : points = poids du critère dans la note × 10 (carte 2,7 % → 27 points…) ; politique de confidentialité # retirée de la note (médiane 0 des six IA) : 0 point possible, affichée pour information. _C = CRIT_W['conf'] CONF_W = [('Carte professionnelle (numéro et CCI) sur le site', round(_C['carte'] * 10)), ('Garantie financière', round(_C['garantie'] * 10)), ('Assurance responsabilité civile professionnelle', round(_C['rcp'] * 10)), ('Médiateur de la consommation', round(_C['mediateur'] * 10)), ('Identification de la société (RCS, SIREN)', round(_C['rcs'] * 10)), ('Politique de confidentialité', 0), ('Mention sur la détention de fonds', round(_C['fonds'] * 10))] _I = CRIT_W['info'] INFO_W = {'Site sécurisé (HTTPS)': 0, 'Site adapté au téléphone': round(_I['mobile'] * 10), 'Page équipe': round(_I['equipe'] * 10), 'Coordonnées complètes': round(_I['coord'] * 10), 'Estimation en ligne du prix de vente': 0} def site_items(au): """Grille de 30 points du cahier des charges. None = non vérifiable techniquement (exclu du total).""" ps = au.get('pagespeed') or {} # Méthode v5.5 : mention exacte, pas seulement présente, pour les sites lus à partir du 18/11/2026 (prochaine lecture) : # le SIREN ou RCS affiché doit être celui de la société au registre national (la carte expirée est jugée à la lecture). _reg = re.sub(r'\D', '', ((au.get('company') or {}).get('siren') or ''))[:9] _aff = re.sub(r'\D', '', au.get('siren') or '')[:9] _id_ok = au.get('legal_company_id') is True and not ((au.get('date') or '') >= '2026-11-18' and _reg and _aff and _reg != _aff) A = [au.get('legal_carte_pro') is True, au.get('legal_guarantee') is True, au.get('legal_rcp') is True, au.get('legal_mediator') is True, _id_ok, au.get('legal_privacy') is True, au.get('legal_non_detention') is True or au.get('holds_funds') is True] Bk = [au.get('https') is True, ps.get('mobile') if ps else None, (ps['perf'] >= 50) if ps.get('perf') is not None else None] # Lisibilité par les IA (robots, schema.org, texte sans JavaScript) : retirée de la note le 13/11/2026 (avis du conseil) d = au.get('latest_listing_date') recent = None if d and re.match(r'\d{4}-\d{2}-\d{2}', d): recent = (TODAY - datetime.date.fromisoformat(d[:10])).days <= 30 # Seules les activités exercées comptent (comme pour les honoraires) : un outil ou un critère sans rapport avec # l'activité de l'agence est retiré du total, sans pénalité. Activités inconnues : tout est compté. offers = set(au.get('offers') or au.get('activities_offered') or []) sells = not offers or 'vente' in offers rents = not offers or bool(offers & {'location', 'gestion'}) lists = not offers or bool(offers & {'vente', 'location'}) # « Annonce publiée depuis moins de 30 jours » retiré le 17/11/2026 (v5.3) : date d'annonce lisible sur 2 sites sur 528 C = [au.get('team_page') is True, au.get('full_contact') is True] est = estimation_kind(au) if sells else 'hors_activite' rent = estimation_kind(au, 'rent_') if rents else 'hors_activite' pts_of = {'anonyme': 2, 'collecte': 1} # cahier des charges : l'estimation anonymisée rapporte davantage est_pts = pts_of.get(est, 0) + pts_of.get(rent, 0) est_poss = 2 * ((sells and est != 'non_verifie') + (rents and rent != 'non_verifie')) arts = au.get('articles') or [] local = sum(1 for x in arts if x.get('about_nice')) local_pts = 0 if au.get('orig_local') is False else (3 if local >= 15 else 2 if local >= 5 else 1 if local >= 1 else 0) win = {f'{(TODAY.year * 12 + TODAY.month - 1 - k) // 12:04d}-{(TODAY.year * 12 + TODAY.month - 1 - k) % 12 + 1:02d}' for k in range(12)} dated = [x for x in arts if re.match(r'\d{4}-\d{2}', x.get('date') or '')] months = {x['date'][:7] for x in dated} & win m = len(months) # Régularité : 1 point par tranche de 2 mois avec au moins un article sur 12 mois (6 au plus) ; articles originaux seulement. # Des articles existent mais aucune date n'a pu être lue (ni sur le site, ni dans son plan de site) : critère non vérifiable. undated = bool(arts) and not dated and au.get('orig_all') is not False reg_pts = 0 if au.get('orig_all') is False else min(6, (m + 1) // 2) got, poss = _pts(A + Bk + C + [bool(arts) and au.get('orig_all') is True]) n_crit = (sum(1 for x in A + Bk + C + [bool(arts) and au.get('orig_all') is True] if x is not None) + int(sells) + int(rents) + 1 + (0 if undated else 1)) # critères vérifiés et applicables à l'agence # Détail publié sur chaque fiche : (famille, critère, points obtenus, points possibles) ; possibles = None si le critère # est non vérifiable ou sans rapport avec l'activité de l'agence (retiré du total). def b(v): return (None, None) if v is None else (1 if v else 0, 1) det = [] # Conformité pondérée (méthode v4) : chaque mention vaut selon son importance pour le client (total 100) for (lab, w), v in zip(CONF_W, A): det.append(('conf', 'Mentions légales du site', lab, (w if v else 0) if v is not None else None, w if v is not None else None)) def bw(v, lab): # 0 point possible : critère retiré de la note (v6), affiché pour information w = INFO_W[lab] return (None, None) if v is None else ((1 if v else 0), 0) if not w else ((w if v else 0), w) for lab, v in zip(['Site sécurisé (HTTPS)', 'Site adapté au téléphone'], Bk[:2]): det.append(('info', 'Accès au site', lab, *bw(v, lab))) for lab, v in zip(['Page équipe', 'Coordonnées complètes'], C[:2]): det.append(('info', 'Information du client', lab, *bw(v, lab))) # Méthode v4 : estimation en ligne du prix de vente, 1 point qu'elle demande ou non des coordonnées (avis majoritaire : # garder l'outil, supprimer le bonus « anonymisé ») ; estimateur de loyer retiré (classement vente). if sells: det.append(('info', 'Information du client', 'Estimation en ligne du prix de vente', 1 if est in ('anonyme', 'collecte') else 0, 0)) # v6 : non notée # Méthode v4 : la vitesse (PageSpeed) et le blog ne sont plus notés (faciles à gonfler sans # mieux servir le client, avis de la majorité des six IA consultées). return (got + est_pts + local_pts + (0 if undated else reg_pts), poss + est_poss + (3 if undated else 9), {'local': local, 'months': None if undated else m, 'estimation': est, 'rent': rent, 'nCrit': n_crit, 'detail': det}) def audit_scores(au): if au and au.get('v') == 2 and not au.get('no_website') and not au.get('unreachable'): return audit_scores_v2(au) return audit_scores_v1(au) def audit_scores_v2(au): """Nouvelle grille (cahier des charges du 11/11/2026).""" offers = sorted(set(au.get('offers') or au.get('activities_offered') or []) & set(LABEL)) pub = [x for x in offers if (au.get(f'fees_{x}') or {}).get('published')] # Barème trouvé mais illisible : les activités dont le barème n'a pas pu être lu sont exclues (ni comptées publiées, ni # comptées absentes) ; seules les activités lues sont notées. scope = pub if au.get('fees_unverified') else offers unread = [x for x in offers if x not in scope] # Méthode v4 : seul le barème de vente est noté (le classement s'adresse aux vendeurs et aux acquéreurs). # Barème publié 30, payeur indiqué 30, montants TTC 20, barème complet 20. Barème trouvé mais illisible par l'outil : 20. # Pas de barème de vente publié : 0 (obligation légale, arrêté du 10 janvier 2017). # Méthode v6 : points = poids dans la note × 10 (publié 67, TTC 30, payeur 48, complet 34 ; total 179), pilier sur 100. _H = CRIT_W['hono'] HW = [('Barème publié', round(_H['publie'] * 10)), ('Montants TTC', round(_H['ttc'] * 10)), ('Payeur indiqué (vendeur ou acquéreur)', round(_H['payeur'] * 10)), ('Barème complet (toutes les tranches de prix)', round(_H['complet'] * 10))] fv = fees_items(au, 'vente') hdet = [] if au.get('fees_unverified') and not (au.get('fees_vente') or {}).get('published'): hono = 20.0 hdet.append(('hono', 'Vente', "Barème trouvé mais illisible par notre outil : 20 sur 100 (valeur fixe)", 20, 100)) else: for (lab, w), v in zip(HW, fv): gel = lab.startswith('Payeur') and (au.get('fees_vente') or {}).get('gel_payeur') hdet.append(('hono', 'Vente', lab + (" (gel de l'éditeur : phrase ajoutée après la lecture du 12/11/2026, comptée à la lecture de janvier 2027)" if gel and not v else ''), w if v else 0, w)) hono = round(100 * sum(w for (lab, w), v in zip(HW, fv) if v) / sum(w for lab, w in HW), 1) fi = fv pts, poss, info = site_items(au) anc = comp = None c = au.get('company') or {} if au.get('anc_since') or c.get('creation_date'): cd = au.get('anc_since') or c['creation_date']; y = int(cd[:4]); mo = int(cd[5:7]) if len(cd) >= 7 else 6 anc = anc_points((TODAY.year - y) + (TODAY.month - mo) / 12) comp = f"{c.get('legal_name')} (SIREN {c.get('siren')}), créée en {c['creation_date'][:4]}" if c.get('creation_date') else None return {'offers': offers, 'offersLabel': ', '.join(LABEL[x] for x in offers) or 'non vérifié', 'feesLabel': ('non vérifié (barème illisible)' if hono is None and offers else (', '.join(LABEL[x] for x in pub) or 'aucun') + (f" ; {', '.join(LABEL[x] for x in unread)} : barème illisible, non noté" if unread and pub else '')), 'feesUrl': au.get('fees_schedule_url'), 'feesPub': pub, 'honoDetail': hdet, 'sitePts': pts, 'sitePoss': poss, 'siteInfo': info, 'note': au.get('note'), 'company': comp, 'hono': hono, 'detail': info['detail'], 'info': info_score(info['detail']), 'anc': anc, 'nCrit': info['nCrit'] + sum(1 for i in fi if i is not None) + (1 if anc is not None else 0)} NEUTRAL = 50.0 LEVELS = [(85, 'Excellente'), (75, 'Très bonne'), (60, 'Bonne'), (45, 'Correcte'), (0, 'À améliorer')] def level(t): return next(lab for b, lab in LEVELS if t >= b) def pct(det, pillar): it = [x for x in det if x[0] == pillar and x[4]] p = sum(x[4] for x in it) return round(100 * sum(x[3] for x in it) / p, 1) if p else None def info_score(det): """Pilier Information (méthode v4) : HTTPS, adaptation au téléphone, page équipe, coordonnées, annonce récente.""" return pct(det, 'info') SERV_DETAIL = {} def serv_score(a, rp): """Pilier Service (méthode du 13/11/2026) : calculé par service.py ; None tant que les données ne sont pas relevées.""" import service sc, det = service.score(a, json.loads(rp.read_text()) if rp.exists() else {}) SERV_DETAIL[a['id']] = det return sc def audit_scores_v1(au): """Transforme l'audit brut en notes /100. None = critère non vérifié (poids redistribué).""" if not au: return None if au.get('no_website'): anc = comp = None c = au.get('company') or {} if au.get('anc_since') or c.get('creation_date'): # ancienneté : registre des entreprises, indépendant du site cd = au.get('anc_since') or c['creation_date']; y = int(cd[:4]); mo = int(cd[5:7]) if len(cd) >= 7 else 6 anc = anc_points((TODAY.year - y) + (TODAY.month - mo) / 12) comp = f"{c.get('legal_name')} (SIREN {c.get('siren')}), créée en {c['creation_date'][:4]}" if c.get('creation_date') else None return {'offers': [], 'offersLabel': 'aucun site web trouvé', 'feesLabel': 'aucun (pas de site)', 'feesUrl': None, 'feesPub': [], 'sitePts': 0, 'note': au.get('evidence'), 'company': comp, 'hono': 0.0, 'info': 0.0, 'anc': anc, 'detail': [('conf', 'Mentions légales du site', 'Aucun site propre : mentions légales absentes', 0, 100), ('info', 'Information du client', 'Aucun site propre', 0, 1)]} if au.get('unreachable'): return None offers = sorted(set(au.get('offers') or au.get('activities_offered') or []) & set(LABEL)) pub = sorted(set(au.get('fees_published_for') or []) & set(offers)) hono = None if au.get('fees_unverified') else (round(len(pub) / len(offers) * 100, 1) if offers else None) p = sum(1 for k in ('https', 'listings_show_fees', 'carte_pro_in_legal_notice', 'team_page', 'online_estimation') if au.get(k)) if au.get('editorial_content'): p += 2 if (au.get('approx_article_count') or 0) > 10 else 1 d = au.get('latest_article_date') if d and re.match(r'\d{4}-\d{2}', d) and (TODAY.year - int(d[:4])) * 12 + TODAY.month - int(d[5:7]) <= 12: p += 1 if len(au.get('languages') or []) > 1: p += 1 anc = comp = None c = au.get('company') or {} if au.get('anc_since') or c.get('creation_date'): # anc_since : date d'origine de l'agence en cas de rachat prouvé (BODACC, ancien SIREN), saisie à la main cd = au.get('anc_since') or c['creation_date']; y = int(cd[:4]); mo = int(cd[5:7]) if len(cd) >= 7 else 6 anc = anc_points((TODAY.year - y) + (TODAY.month - mo) / 12) comp = f"{c.get('legal_name')} (SIREN {c.get('siren')}), créée en {y}" return {'offers': offers, 'offersLabel': ', '.join(LABEL[x] for x in offers) or 'non vérifié', 'feesLabel': 'non vérifié (barème illisible)' if au.get('fees_unverified') else (', '.join(LABEL[x] for x in pub) or 'aucun'), 'feesUrl': au.get('fees_schedule_url'), 'feesPub': pub, 'sitePts': p, 'note': au.get('note'), 'company': comp, 'hono': hono, 'site': round(p / 9 * 100, 1), 'anc': anc} CONCIERGE_RE = re.compile(r'concierg|airbnb|\bbnb\b|rentals?\b|location[s]? saisonni|location[s]? de vacances|holiday|short.?stay|\bhost', re.I) # Rubriques du site (ordre du menu). Les textes contiennent {n} (nombre d'agences) et {y} (année). CATS = [ {'key': 'agence', 'path': '/', 'menu': 'Agences immobilières', 'unit': 'agences immobilières', 'rule': 'toutes les agences qui font de la vente, avec ou sans location et gestion locative.', 'title': 'Meilleures agences immobilières à Nice : le classement {y}', 'h1': 'Meilleures agences immobilières à Nice : le classement {y}', 'h2': 'Classement des agences immobilières de Nice', 'lede': "Les {n} agences immobilières niçoises qui font de la vente (avec ou sans gestion locative), notées sur 100 à partir des avis clients publiés sur Google, Opinion System et Immodvisor, du service, de la transparence des honoraires, des mentions légales, de l'information donnée au client et de l'ancienneté : {nc} critères publics analysés. Chaque chiffre renvoie à sa source.", 'desc': "Quelle est la meilleure agence immobilière à Nice ? Classement chaque semaine des {n} agences niçoises : avis Google, Opinion System et Immodvisor cumulés, honoraires, ancienneté."}, ] CAT_BY_KEY = {c['key']: c for c in CATS} def offers_of(a, rec): offers = set(rec.get('offers') or []) if not offers: acts = {x for e in a['sources'].get('cci', []) for x in (e.get('acts') or [])} if 'transaction' in acts: offers.add('vente') if 'gestion' in acts: offers.add('gestion') return offers def classify(a, rec): """Rubrique : agence, administrateur, conciergerie, mandataire, ou en-cours (pas encore audité).""" au = a.get('audit') or {} text = ' '.join([a['name']] + a.get('websites', [])) if a.get('kind') in ('mandataire', 'conciergerie'): return a['kind'] # rubrique déclarée et vérifiée à l'ajout if au.get('independent_network_adviser') or ADVISER_RE.search(text): return 'mandataire' if au.get('seasonal_rental_concierge') or CONCIERGE_RE.search(text): return 'conciergerie' offers = offers_of(a, rec) if 'vente' in offers: return 'agence' if offers & {'gestion', 'location'}: return 'administrateur' return 'en-cours' from quartiers import assign # noqa: E402 def write_llms(out, date): """llms.txt : présentation du site pour les assistants IA (format llmstxt.org), régénérée à chaque mise à jour.""" S = 'https://meilleure-agence-nice.fr' L = ['# Meilleures Agences Immobilières Nice', '', f"> Classement indépendant et annuaire des agences immobilières de Nice (06), mis à jour chaque semaine (relevé du {date}). " f"Chaque agence reçoit une note sur 100 : avis clients {pw('avis')} %, service {pw('serv')} %, transparence des " f"honoraires {pw('hono')} %, mentions légales {pw('conf')} %, information du client {pw('info')} %, " f"ancienneté {pw('anc')} % ({N_CRIT} critères au total, méthode v6). Édité par SARL GESTION CASSINI, " "qui exploite deux des agences classées (Gestion Cassini et ImmoVendu), notées selon les mêmes règles, à deux exceptions " "publiées qui leur sont défavorables (ancienneté d'ImmoVendu comptée depuis 2024, gel de leurs corrections du 17/11/2026).", '', '## Classements', ''] for c in CATS: rk = lambda r: (r.get('ranks') or {}).get(c['key'], {}).get('rank') rs = sorted([r for r in out if c['key'] in r.get('cats', [r['cat']]) and rk(r) and r['audit']], key=rk) if not rs: rs = sorted([r for r in out if c['key'] in r.get('cats', [r['cat']]) and rk(r)], key=rk) L.append(f"- [{c['menu']} à Nice]({S}{c['path']}) : {c['rule']}") for r in rs[:10]: n = r['t'] if r['audit'] else r['scores']['avis'] L.append(f" {rk(r)}. [{r['name']}]({S}/agence/{r['slug']}/) : {round(n)}/100, {r['ntot']} avis{' (éditeur)' if r.get('publisher') else ''}") L += ['', '## Pages utiles', '', f'- [Méthode de calcul]({S}/methode/) : critères, pondération, sources et contrôles', f'- [Comparateur gestion locative]({S}/gestion-locative-nice/) : agences de gestion locative comparées sur les avis retenus comme venant de propriétaires bailleurs, la transparence du barème et les mentions légales (méthode G1.2 ; comparateur éditorial, sans vérification humaine indépendante ; aucun prix comparé)', f'- [Où vivre à Nice]({S}/ou-vivre-a-nice/) : les 14 quartiers comparés (avantages, inconvénients, prix, top 3 des agences)', f'- [Transparence des honoraires]({S}/transparence-honoraires-agences-immobilieres-nice/) : quelles agences publient leur barème', f'- [Annuaire complet]({S}/annuaire-agences-immobilieres-nice/) : toutes les agences recensées à Nice', f'- [Données du classement (JSON)]({S}/classement.json)', f'- [Notes de toutes les agences, une ligne par agence (CSV léger)]({S}/classement-notes.csv)', '', '## Notes', '', "- Les notes d'avis cumulent Google, Opinion System et Immodvisor ; chaque fiche agence renvoie à ses sources.", "- Les agences pas encore auditées sont classées provisoirement sur leurs seuls avis clients.", f"- Corrections : {S}/rectification/ ; contact : contact@meilleure-agence-nice.fr"] (ROOT / 'site' / 'llms.txt').write_text('\n'.join(L) + '\n') CRIT_LABELS = [('avis', 'Avis clients'), ('serv', 'Service'), ('hono', 'Honoraires'), ('conf', 'Conformité'), ('info', 'Information'), ('anc', 'Ancienneté')] # Champs lus par le classement interactif de la page (template.html) : le reste des données n'y est pas envoyé PAGE_KEYS = ('pending', 'slug', 'name', 'addr', 'audit', 'publisher', 'scores', 't', 'ntot', 'g', 'gn', 'os', 'iv', 'combined', 'nCrit', 'offersLabel', 'feesLabel', 'feesUrl', 'siteNote', 'company', 'site', 'provisoire', 'level') AVIS_KEYS = ('q', 'v', 'reg', 'nUnique', 'dups', 'nHors') def slim(r): out = {k: r.get(k) for k in PAGE_KEYS} if r.get('cat') == 'en-cours' and r.get('audit'): out['pending'] = 'activité non vérifiée' if r.get('cat') == 'en-cours': out['audit'] = False # pas encore classée : en bas de liste, sans rang (même rang que les fiches) ad = r.get('avisDetail') out['avisDetail'] = {k: ad.get(k) for k in AVIS_KEYS} if ad else None return out def phones(a): """Numéros publiés (fiche Google, registre) au format français, sans doublon, deux au plus : fixe d'abord.""" import re as _re out = [] for p in a.get('phones') or []: d = _re.sub(r'\D', '', p or '') if d.startswith('33') and len(d) == 11: d = '0' + d[2:] if len(d) == 10 and d.startswith('0') and d not in out: out.append(d) out.sort(key=lambda d: d[1] in '67') # mobiles après les fixes return out[:2] def write_journal(db, illisibles=()): """Journal public des corrections manuelles (engagement de la méthode v4) : tout ce qui a été décidé à la main sur une fiche.""" rap = {} for f in sorted((ROOT / 'data' / 'sites').glob('rapprochements-*.json')): for e in json.loads(f.read_text()): rap[e['id']] = e L = [f'JOURNAL DES CORRECTIONS MANUELLES — meilleure-agence-nice.fr, généré le {TODAY}', 'Méthode : https://meilleure-agence-nice.fr/methode/ . Tout le reste est calculé automatiquement, sans intervention.', ''] def sec(titre, rows): L.append(f'## {titre} ({len(rows)})'); L.extend(rows or ['(aucune)']); L.append('') A = db['agencies'] sec('Fiches retirées du classement', [f"- {(a.get('excluded') or {}).get('date', '')} · {a['name']} : {(a.get('excluded') or {}).get('raison', '')}" for a in A if a.get('excluded')]) sec('Sites écartés (la page trouvée n\'était pas le site de l\'agence)', [f"- {rap.get(a['id'], {}).get('date', '2026-11-13')} · {a['name']} : {', '.join(a['sites_rejetes'])}" + (f" — {rap[a['id']]['raison']}" if a['id'] in rap and rap[a['id']].get('raison') else '') for a in A if a.get('sites_rejetes')]) sec('Barèmes fournis hors du site de l\'agence', [f"- {a['name']} : {a.get('fee_sources_note', '')}" for a in A if a.get('fee_sources')]) sec('Changements de nom ou de rattachement', [f"- {a['name']} : {a['rename_note']}" for a in A if a.get('rename_note')]) sec('Ancienneté fixée à la main', [f"- {a['name']} : ancienneté comptée depuis {a['anc_since']['date']} — {a['anc_since']['raison']}" for a in A if a.get('anc_since')]) sec('Date de lancement d\'enseigne indiquée à la main (affichée, sans effet sur la note)', [f"- {a['name']} : enseigne lancée en {a['brand_since']['year']} ({a['brand_since']['source']})" for a in A if a.get('brand_since')]) sec('Barèmes de vente illisibles par notre outil, notés 20/100 en attendant une relecture humaine (recommandation d\'audit du 14/11/2026)', [f"- {n}" for n in sorted(illisibles)]) rel = [] gels = [] # (slug, date, nom, décision, fichier) : décisions de gel de l'éditeur (ex. payeur-gel-2026-11-18.json) for f in sorted((ROOT / 'data' / 'rectifications').glob('*gel*.json')): j = json.loads(f.read_text()) gels += [(slug, j['date'], e['nom'], e['decision'], f.name) for slug, e in j['agences'].items()] finals = sorted((ROOT / 'data' / 'rectifications').glob('mentions-final*.json')) for f in sorted((ROOT / 'data' / 'rectifications').glob('*.json')): if f.name.startswith('mentions-final') and f != finals[-1]: continue # combinaison remplacée par une relecture plus récente (lecture en direct du 17/11 au soir) j = json.loads(f.read_text()) for slug, e in j['agences'].items(): if f.name.startswith('mentions-final') and e.get('avant') != e.get('apres'): d = ', '.join(f"{k.replace('legal_carte_pro', 'carte professionnelle').replace('legal_company_id', 'identification de la société')} " f"{'compte' if e['apres'][k] else 'ne compte plus'}" for k in e['apres'] if e['avant'].get(k) != e['apres'][k]) rel.append(f"- {j['date']} · {e['nom']} : mentions légales relues — {d} ({f.name})") elif e.get('decision', '').startswith(('critère rempli', 'barème de vente lu')): gel = next((g for g in gels if g[0] == slug and g[1] >= j['date']), None) rel.append(f"- {j['date']} · {e['nom']} : {e['decision']} ({f.name})" + (f" — ANNULÉ le {gel[1]} par le gel de l'éditeur (voir ci-dessous)" if gel else '')) sec('Relectures ciblées appliquées (même règle pour toutes les agences relues ; journal complet dans data/rectifications)', rel) sec("Gel de l'éditeur : corrections de ses deux agences non comptées avant la lecture trimestrielle suivante (janvier 2027)", [f"- {g[1]} · {g[2]} : {g[3]} ({g[4]})" for g in gels]) sec('Quartier corrigé à la main', [f"- {a['name']} : {a['quartier']}" for a in A if a.get('quartier')]) (ROOT / 'site' / 'methode' / 'revue-ia').mkdir(parents=True, exist_ok=True) (ROOT / 'site' / 'methode' / 'revue-ia' / 'journal-corrections.txt').write_text('\n'.join(L) + '\n', encoding='utf-8') def unique_reviews(r): """Avis uniques (doublons entre plateformes retirés), comme le compteur recalculé dans le navigateur.""" ad = r.get('avisDetail') return (ad.get('nUnique') if ad and ad.get('nUnique') is not None else r['ntot']) def quartier_block(rows): """Accueil : liens vers les 14 pages quartier, avec l'agence en tête de chacune (maillage interne).""" import quartiers as Q E = _html.escape groups = {} for r in rows: if r.get('quartier'): groups.setdefault(r['quartier']['slug'], []).append(r) items = [] for q in Q.QUARTIERS: g = Q.ranked(groups.get(q[1], [])) if not g: continue items.append(f'{E(q[0])}' f'{len(g)} agence{"s" if len(g) > 1 else ""} · en tête : {E(g[0]["name"])}') return ('

Classement des agences immobilières par quartier

' '

Les agences classées quartier par quartier, avec le prix au m² réel. ' 'Où vivre à Nice ? Les 14 quartiers comparés

' f'
{"".join(items)}
') def static_ranking(rows, c): """Classement écrit en HTML dans la page (lisible par les moteurs et les IA sans JavaScript ; remplacé par la version interactive dans le navigateur) + liste structurée schema.org (ItemList).""" E = _html.escape def note(r): return r['t'] if r['audit'] else r['scores']['avis'] ranked = [r for r in rows if r.get('rank')] pod = ''.join(f'
{r["rank"]}{"ère" if r["rank"] == 1 else "ème"}

{E(r["name"])}{" Éditeur" if r.get("publisher") else ""}

' f'

{str(round(note(r), 1)).replace(".", ",")}/100 · {r["ntot"]} avis

' for r in ranked[:3]) items, sep = [], False for r in rows: if not r['audit'] and not sep and any(x['audit'] for x in rows): sep = True items.append('
Agences en cours d\'audit. Classées pour l\'instant sur leurs seuls avis clients cumulés.
') crit = ' · '.join(f'{lab} {round(r["scores"][k])}/100' for k, lab in CRIT_LABELS if r['scores'].get(k) is not None) if r['audit'] else f'Avis clients {round(r["scores"]["avis"])}/100' items.append(f'
{r["rank"] or "–"}{" ex æquo" if r.get("tie") else ""}{str(round(note(r), 1)).replace('.', ',')}/100{" · " + r["level"] if r.get("level") else ""}' f'{E(r["name"])}{" (Éditeur)" if r.get("publisher") else ""}' f'{E(r["addr"])} · {r["ntot"]} avis · {crit}
') ld = {'@context': 'https://schema.org', '@type': 'ItemList', 'name': c['h2'], 'itemListOrder': 'https://schema.org/ItemListOrderDescending', 'numberOfItems': len(ranked), 'itemListElement': [ {'@type': 'ListItem', 'position': r['rank'], 'url': f"https://meilleure-agence-nice.fr/agence/{r['slug']}/", 'name': r['name']} for r in ranked[:100]]} return {'__PODIUM__': pod, '__BOARD__': ''.join(items), '__REVIEWS__': f"{sum(unique_reviews(r) for r in rows):,}".replace(',', ' '), '__ITEMLIST__': json.dumps(ld, ensure_ascii=False).replace('{q[0]}' for q in _q.QUARTIERS) links.append(f'
' f'
Où vivre à Nice : les 14 quartiers comparés{subs}
') continue attrs = (f' class="{cl}"' if cl else '') + (' aria-current="page"' if p == current else '') links.append(f'{m}') return '' def main(): db = load(); out = [] used = {a['slug'] for a in db['agencies'] if a.get('slug')} for a in db['agencies']: if not a.get('slug'): base = slugify(a['name']) if base in used: # autre bureau du même nom : on distingue par la rue street = re.sub(r'^[\d\s,]*(bis|ter)?\s*', '', (a['addresses'] or [''])[0].split(',')[0]) a['name'] = f"{a['name']} – {street}"; base = slugify(a['name']) s = base; k = 2 while s in used: s = f'{base}-{k}'; k += 1 a['slug'] = s; used.add(s) save(db) # Moyenne de Nice pour le lissage des avis (méthode v4) : moyenne des notes moyennes des agences classées import avis as _avis, statistics as _st _means = [sum(r[1] * r[2] for r in rv) / sum(r[2] for r in rv) for rv in (reviews(x) for x in db['agencies'] if not (x.get('hidden') or x.get('excluded') or x.get('opposition'))) if rv] _avis.M_REF = round(_st.mean(_means), 3) if _means else 4.4 # Avis publiés sur les fiches de plusieurs agences : comptés en partie dans chacune (avis.shared_weight) _seen = {} for x in db['agencies']: if x.get('hidden') or x.get('excluded') or x.get('opposition'): continue _p = REVIEWS_DIR / f"{x['id']}.json" if not _p.exists(): continue for _v in json.loads(_p.read_text()).values(): if not isinstance(_v, dict): continue for _it in _v.get('items', []): _k = _avis.key_of(_it) if _k: _seen.setdefault(_k, set()).add(x['id']) _avis.SHARED = {k: len(v) for k, v in _seen.items() if len(v) > 1} for a in db['agencies']: if a.get('hidden'): continue # doublon ou fiche fermée, masqué à la main if a.get('excluded'): continue # pas une agence immobilière (décision de l'éditeur) : fiche retirée if a.get('opposition'): continue # opposition RGPD acceptée (personne physique) : fiche retirée au = a.get('audit') or {} if au.get('syndic_only'): continue # syndic seul : hors champ (règle fixée par l'éditeur) revs = reviews(a) ntot = sum(r[2] for r in revs) comb = sum(r[1] * r[2] for r in revs) / ntot if ntot else None rp = REVIEWS_DIR / f"{a['id']}.json" sa = avis_score(revs, json.loads(rp.read_text()) if rp.exists() else {}) if a.get('brand_since') and rp.exists(): # avis antérieurs au lancement de l'enseigne (même société), signalés sur la fiche import avis as _av _u, _ = _av.unique_reviews({k: v for k, v in _av.tx(json.loads(rp.read_text())).items() if v.get('items')}) a['brand_since']['before'] = sum(1 for x in _u if (x.get('date') or '9999')[:4] < str(a['brand_since']['year'])) avis = sa['avis'] _au = a.get('audit') if _au and a.get('anc_since'): # ancienneté fixée à la main au niveau de la fiche (rachat prouvé, ou exception déclarée) _au = {**_au, 'anc_since': a['anc_since']['date']} s = audit_scores(_au) g, o, i = agg(revs, 'google'), agg(revs, 'opinionsystem'), agg(revs, 'immodvisor') rec = {'siteDown': bool(au.get('unreachable')), 'id': a['id'], 'slug': a['slug'], 'name': a['name'], 'addr': (a['addresses'] or [''])[0], 'phones': phones(a), 'estimUrl': au.get('estimation_url'), 'estimTool': bool(au.get('estimation_tool') and au.get('estimation_url')), 'site': (a['websites'] or [None if 'meilleure-agence-nice.fr' in (au.get('site') or '') else au.get('site')])[0], 'publisher': a.get('publisher', False), 'brandSince': a.get('brand_since'), 'ancSince': a.get('anc_since'), 'reply': a.get('reply'), 'g': g and g['r'], 'gn': g['n'] if g else 0, 'os': {'r5': o['r'], 'n': o['n'], 'url': o['url'], 'k': o['k']} if o else None, 'iv': i, 'combined': round(comb, 3) if comb else None, 'ntot': ntot, 'avisDetail': sa, 'card': ', '.join(e['card'] for e in a['sources'].get('cci', [])) or None} if s: rec.update({'offers': s['offers'], 'feesPub': s['feesPub'], 'offersLabel': s['offersLabel'], 'feesLabel': s['feesLabel'], 'feesUrl': s['feesUrl'], 'siteInfo': s.get('siteInfo'), 'honoDetail': s.get('honoDetail'), 'siteNote': s['note'], 'company': s['company'], 'audit': True, 'scores': {'avis': avis, 'serv': serv_score(a, rp), 'hono': s['hono'], 'conf': pct(s['detail'], 'conf'), 'info': s['info'], 'anc': s['anc']}, 'detail': s['detail'], 'servDetail': SERV_DETAIL.get(a['id']), 'nCrit': (s.get('nCrit') or 0) + 2 + (sa.get('reg') is not None) if s.get('nCrit') is not None else None}) else: pend = 'site injoignable' if rec['siteDown'] else 'audit à venir' rec.update({'pending': pend, 'offers': [], 'feesPub': [], 'offersLabel': pend, 'feesLabel': pend, 'feesUrl': None, 'sitePts': None, 'siteNote': None, 'company': None, 'audit': False, 'scores': {'avis': avis, 'serv': None, 'hono': None, 'conf': None, 'info': None, 'anc': None}}) import fees as _fees rec['fees'] = _fees.amounts(a.get('audit')); rec['feesDate'] = (a.get('audit') or {}).get('date') rec['cat'] = classify(a, rec) if rec['cat'] == 'mandataire': continue # rubrique supprimée (11/11/2026) : conseillers des réseaux non référencés if rec['cat'] in ('administrateur', 'conciergerie'): continue # site recentré sur les agences immobilières (13/11/2026) # Rubriques où l'agence est classée : sa rubrique principale, et aussi « Gestion locative » pour toute agence qui fait # de la location ou de la gestion locative en plus de la vente ; seules celles qui ne font que de la vente en sont # exclues (décision de l'éditeur du 12/11/2026) rec['cats'] = [rec['cat']] rec['quartier'] = assign(a.get('geo'), a.get('quartier')) rec['geo'] = {'lat': a['geo']['lat'], 'lon': a['geo']['lon']} if a.get('geo') and not a['geo'].get('failed') else None rec['closed'] = (a.get('closed') or {}).get('confirmed') rec['temp_closed'] = bool(a.get('temp_closed')) out.append(rec) closed = [r for r in out if r['closed']] # fermées définitivement : hors classement, fiche explicative out = [r for r in out if not r['closed']] # Méthode v4 : plus de redistribution du poids d'un pilier manquant. Ce que l'agence ne publie pas vaut 0 (règles de # chaque pilier) ; une donnée que notre collecte n'a pas pu relever prend la valeur neutre 50, signalée « provisoire ». for r in out: if r['audit']: r['provisoire'] = [k for k, v in r['scores'].items() if v is None and WEIGHTS[k]] # un pilier à poids nul serait sans effet for k in r['provisoire']: r['scores'][k] = NEUTRAL r['t'] = round(sum((v or 0) * WEIGHTS[k] for k, v in r['scores'].items()) / sum(WEIGHTS.values()), 2) if r['audit'] else r['scores']['avis'] r['level'] = level(r['t']) if r['audit'] else None if r['audit']: # critères réellement relevés, sur N_CRIT (même calcul que la fiche) r['nCrit'] = N_CRIT - sum(CRIT_N[k] for k in (r.get('provisoire') or [])) - sum(1 for x in (r.get('detail') or []) if x[4] is None) _d = r.get('avisDetail') or {} _n = _d.get('nUnique') or 0 _np = next((k['n'] for k in _d.get('kinds', []) if k['k'] == 'non_precise'), 0) # Fiabilité de la note d'avis (recommandation d'audit du 14/11/2026) : sous 15 avis comptés, le lissage (15 avis fictifs à # la moyenne de Nice) pèse plus que les avis de l'agence ; à partir de 50, il ne pèse plus que pour moins d'un quart. r['fiab'] = 'faible' if _n < 15 else 'moyenne' if _n < 50 else 'élevée' r['pctNP'] = round(100 * _np / _n) if _n else None if r['audit']: # deux sous-notes affichées (sans effet sur le rang) : satisfaction et service / transparence et conformité _w1, _w2 = ('avis', 'serv'), ('hono', 'conf', 'info') r['sub'] = {'sat': round(sum(r['scores'][k] * WEIGHTS[k] for k in _w1) / sum(WEIGHTS[k] for k in _w1), 1), 'tra': round(sum(r['scores'][k] * WEIGHTS[k] for k in _w2) / sum(WEIGHTS[k] for k in _w2), 1)} def order(r): return (-r['audit'], -(r['t'] if r['audit'] else r['scores']['avis']), -r['ntot']) date = f"{TODAY.day} {MOIS[TODAY.month - 1]} {TODAY.year}" tpl = (ROOT / 'pipeline' / 'template.html').read_text() (ROOT / 'site').mkdir(exist_ok=True) for c in CATS: # Les fiches pas encore auditées figurent en bas de la page Agences immobilières : aucune agence n'est exclue. members = sorted([r for r in out if c['key'] in r['cats'] or (c['key'] == 'agence' and r['cat'] == 'en-cours')], key=order) rows = [] ranked = sum(1 for r in members if r['cat'] != 'en-cours') # « 9e sur 527 » : les agences en cours d'audit ne sont pas classées members.sort(key=lambda r: r['cat'] == 'en-cours') # stable : les agences pas encore classées en dernier i = 0 n_aud = sum(1 for r in members if r['cat'] != 'en-cours' and r['audit']) # agences comparables sur les six piliers for r in members: rk = None if r['cat'] != 'en-cours': i += 1 rk = i # pas d'ex æquo (décision de l'éditeur du 13/11/2026) : la note exacte départage, puis le nombre d'avis r['tie'] = False r['catNA'] = n_aud r.setdefault('ranks', {})[c['key']] = {'rank': rk, 'n': ranked, 'label': c['menu'].lower(), 'path': c['path']} if c['key'] == r['cat']: # rubrique principale : rang affiché sur la fiche, l'historique et les badges r['rank'], r['catN'], r['catLabel'], r['catPath'] = rk, ranked, c['menu'].lower(), c['path'] rows.append({**r, 'rank': rk, 'catN': ranked, 'catLabel': c['menu'].lower(), 'catPath': c['path']}) n = sum(1 for r in rows if c['key'] in r['cats']) fill = lambda s: s.replace('{n}', str(n)).replace('{y}', str(TODAY.year)).replace('{nc}', str(N_CRIT)) pending = sum(1 for r in out if r['cat'] == 'en-cours') az_title = 'Toutes les agences de cette rubrique (A à Z)' az = ''.join(f'{_html.escape(r["name"])}
' for r in sorted(rows, key=lambda r: r['name'].lower())) if pending: az += f'
Annuaire complet ({pending} agences en cours de classement)' html = tpl for k, v in {'__TITLE__': _html.escape(seo_title(fill(c['title']))), '__DESC__': _html.escape(seo_desc(fill(c['desc']))), '__PATH__': c['path'], '__H1__': fill(c['h1']).replace(' :', '\u00a0:'), '__LEDE__': fill(c['lede']), '__H2__': c['h2'], '__UNIT__': c['unit'], '__NAV__': nav(c['path']), '__AZTITLE__': az_title, '__COUNT__': str(n), '__AUDITED__': str(sum(r['audit'] for r in rows)), '__DATE__': date, '__AUDITLINE__': __import__('audit_ouvert').line(TODAY), '__NCRIT__': str(N_CRIT), '__QUARTIERS__': quartier_block(rows) if c['path'] == '/' else '', '__WEIGHTS__': json.dumps(WEIGHTS), '__MODEOPTS__': '', '__YEAR__': str(TODAY.year), '__AZ__': az, '__SITEHEAD__': pages.site_head(nav(c['path'])), '__DESIGNHEAD__': pages.DESIGN_HEAD, '__FOOTSIG__': pages.FOOT_SIG, '__MENUJS__': pages.MENU_JS, '__EVENTS__': pages.CC_EVENTS, '__OGMETA__': pages.OG_META, '__SITELD__': pages.site_ld() if c['path'] == '/' else '', '__HEROCREDIT__': pages.hero_credit()}.items(): html = html.replace(k, v) st = static_ranking(rows, c) for k, v in st.items(): html = html.replace(k, v) _dn = 'accueil' if c['path'] == '/' else c['path'].strip('/').replace('/', '-') # données de la version interactive, servies à part _dd = ROOT / 'site' / 'assets' / 'data'; _dd.mkdir(parents=True, exist_ok=True) (_dd / f'{_dn}.json').write_text(json.dumps({'agencies': [slim(r) for r in rows]}, ensure_ascii=False, separators=(',', ':'))) html = html.replace('__DATAURL__', f'/assets/data/{_dn}.json?v={TODAY.isoformat()}') head, _, bod = html.partition('') html = head + '' + pages.fr_typo(bod) d = ROOT / 'site' / c['path'].strip('/'); d.mkdir(parents=True, exist_ok=True) (d / 'index.html').write_text(html) for r in out: if r['cat'] == 'en-cours': r['rank'], r['catN'], r['catLabel'], r['catPath'] = None, None, 'en cours de classement', '/annuaire-agences-immobilieres-nice/' # Lecture du rang (audit de Perplexity du 18/11/2026) : agences dont la note est à moins de 0,5 point, et plage de rangs # obtenue en faisant varier tous les poids de ± 30 % (200 tirages, graine fixe ; 90 % des tirages entre les deux bornes) import random as _rnd _ag = [r for r in out if r['audit'] and r.get('rank') and r['cat'] == 'agence'] for r in _ag: r['proches'] = sum(1 for x in _ag if x is not r and abs(x['t'] - r['t']) < 0.5) _rg = _rnd.Random(20261117); _ranks = {r['slug']: [] for r in _ag} for _ in range(200): _w = {k: v * _rg.uniform(0.7, 1.3) for k, v in WEIGHTS.items()} _o = sorted(_ag, key=lambda r: (-round(sum((r['scores'][k] or 0) * _w[k] for k in _w) / sum(_w.values()), 2), -r['ntot'])) for i, r in enumerate(_o, 1): _ranks[r['slug']].append(i) for r in _ag: v = sorted(_ranks[r['slug']]); r['rankRange'] = [v[10], v[189]] for r in out: if r.get('os') or r.get('iv') or r.get('gn') is not None: _ns = (r.get('os') or {}).get('n') or 0; _ni = (r.get('iv') or {}).get('n') or 0; _tot = _ns + _ni + (r.get('gn') or 0) r['pctSoll'] = round(100 * (_ns + _ni) / _tot) if _tot else None import history; history.attach(out) # Version légère et lisible par les IA et les tableurs : une ligne par agence classée (méthode v4) S = 'https://meilleure-agence-nice.fr' rows_csv = ['rang;agence;fiche;editeur;niveau;note;avis;service;honoraires;mentions_legales;information;anciennete;nb_avis_total;avis_comptes;dont_non_precises;avis_ecartes_location_gestion_syndic;donnees_provisoires;fiabilite_note_avis;part_non_precises_pct;sous_note_satisfaction_service;sous_note_transparence_conformite'] for r in sorted((x for x in out if x['audit'] and x.get('rank')), key=lambda x: x['rank']): sc = r['scores'] rows_csv.append(';'.join([str(r['rank']), r['name'].replace(';', ','), f"{S}/agence/{r['slug']}/", 'oui' if r.get('publisher') else 'non', r.get('level') or '', f"{r['t']:.2f}"] + [('' if sc[k] is None else f"{sc[k]:.2f}") for k in ('avis', 'serv', 'hono', 'conf', 'info', 'anc')] + [str(r['ntot']), str((r.get('avisDetail') or {}).get('nUnique', '')), str(next((k['n'] for k in (r.get('avisDetail') or {}).get('kinds', []) if k['k'] == 'non_precise'), 0)), str((r.get('avisDetail') or {}).get('nHors', 0)), ','.join(r.get('provisoire') or []), r.get('fiab') or '', '' if r.get('pctNP') is None else str(r['pctNP']), f"{r['sub']['sat']:.1f}", f"{r['sub']['tra']:.1f}"])) (ROOT / 'site' / 'classement-notes.csv').write_text( f'# Classement des agences immobilières de Nice, relevé du {TODAY}. Méthode : {S}/methode/ . {len(rows_csv) - 1} agences classées. ' f'Piliers arrondis au dixième, note calculée à partir des piliers arrondis et donnée au centième (le rang suit cette note ; égalité : nombre total d\'avis). ' f'Note = avis x {WEIGHTS["avis"]} % + service x {WEIGHTS["serv"]} % + honoraires x {WEIGHTS["hono"]} % + mentions légales x {WEIGHTS["conf"]} % ' f'+ information x {WEIGHTS["info"]} % + ancienneté x {WEIGHTS["anc"]} % (méthode v6, {N_CRIT} critères).\n' + '\n'.join(rows_csv) + '\n', encoding='utf-8') write_journal(db, [r['name'] for r in out if r.get('audit') and any('illisible' in x[2] for x in (r.get('honoDetail') or []))]) import export_repro; export_repro.write(db, out) # dossier de reproduction (données élémentaires + recalcul.py) (ROOT / 'site' / 'classement-notes.txt').write_text((ROOT / 'site' / 'classement-notes.csv').read_text(encoding='utf-8'), encoding='utf-8') (ROOT / 'site' / 'classement.json').write_text(json.dumps({'date': str(TODAY), 'agencies': out, 'closed': [r['slug'] for r in closed]}, ensure_ascii=False)) npages = write_all(out, CATS, nav, closed) write_llms(out, date) print(f'{npages} pages dans le plan du site') print(f'Site généré : {len(out)} agences, {sum(r["audit"] for r in out)} auditées') if __name__ == '__main__': main()