🌿 EcoWatch — Agent de Monitoring Environnemental

EcoWatch est un agent autonome de surveillance environnementale qui monitore la qualité de l'air et la production d'énergies renouvelables en France, détecte des anomalies et génère des rapports HTML automatiques.

Données fraîches à chaque exécution via le MCP data.gouv.fr — pas de données statiques.

---

Architecture

ecowatch/
├── agent/          # Orchestration (scheduler, monitor, alerting)
├── pipelines/      # Collecte et nettoyage des données (ATMO, ENR, météo)
├── ml/             # Modèles ML (anomaly detection, forecasting, evaluation)
├── dashboard/      # App Streamlit multi-pages
├── reports/        # Templates Jinja2 et rapports générés
├── notebooks/      # EDA et prototypage
└── tests/          # Tests unitaires pytest

---

Installation

Prérequis

• Python 3.11+
• pip

1. Cloner le projet

git clone <votre-repo>
cd EcoWatch

2. Créer un environnement virtuel

python -m venv .venv
source .venv/bin/activate  # macOS/Linux
# ou
.venv\Scripts\activate  # Windows

3. Installer les dépendances

make install
# ou
pip install -r requirements.txt

4. Configurer l'environnement

cp .env.example .env
# Éditez .env si nécessaire (optionnel pour commencer)

---

Utilisation

Dashboard interactif

make run-dashboard
# ou
streamlit run dashboard/app.py

Ouvre sur http://localhost:8501

Agent de monitoring (exécution unique)

make run-agent
# ou
python -m agent.scheduler --once

Agent en mode scheduling (15h chaque jour)

python -m agent.scheduler
# Personnaliser l'heure :
python -m agent.scheduler --hour 8 --minute 30

Notebooks

make notebook
# ou
jupyter lab notebooks/

Tests

make test
# ou
pytest tests/ -v --cov=.

Qualité de code

make format

---

Sources de données

Source	Dataset	Fréquence	Couverture
ATMO France	Indice qualité de l'air quotidien	Quotidienne	Communes France métropolitaine
ODRE/RTE	Production ENR régionale annuelle	Annuelle	13 régions
Infoclimat	Stations météo (géolocalisation)	Statique	France entière

Dataset IDs (data.gouv.fr)

• Qualité de l'air : 6149925a2ff0ab6cebdd6fe8
• Énergies renouvelables : 5b90b88306e3e7417c2ffd33
• Stations météo : 628e0500943ff94edb9275f9

---

Pages du Dashboard

Page	Description
Accueil	KPIs du jour, résumé qualité de l'air
Qualité de l'air	Distribution ATMO, top communes polluées, évolution temporelle
Énergies renouvelables	Production par région/filière, taux de croissance, animation annuelle
Anomalies	Timeline des anomalies, scores IsolationForest, Z-score baseline

---

Notebooks

Notebook	Contenu
01_eda_air_quality.ipynb	À ouvrir en premier — EDA complète ATMO
02_eda_energy.ipynb	Exploration ENR, mix énergétique, croissance
03_anomaly_detection.ipynb	Prototypage IsolationForest et Z-score
04_forecasting.ipynb	Prévision Prophet par commune

---

Commandes disponibles

make install        # Installer les dépendances
make run-agent      # Exécuter l'agent une fois
make run-dashboard  # Lancer le dashboard Streamlit
make test           # Lancer les tests pytest
make format         # Formater le code (black + ruff)
make notebook       # Ouvrir JupyterLab
make clean          # Nettoyer les fichiers temporaires

---

Roadmap

• NLP : Génération de rapports textuels automatiques via LLM
• API REST : Endpoint FastAPI pour exposer les données traitées
• Notifications Slack : Alertes temps réel via webhook
• Données temps réel : Intégration API ATMO pour des mises à jour horaires
• Carte interactive : Choroplèthe par département avec GeoPandas
• CI/CD : Pipeline GitHub Actions avec tests et déploiement automatique
• Dockerisation : Image Docker pour déploiement cloud

---

Stack technique

Catégorie	Outils
Data science	Pandas, NumPy, SciPy
Machine Learning	Scikit-learn, Prophet, Statsmodels
Dashboard	Streamlit, Plotly, Folium
Scheduling	APScheduler
Templating	Jinja2
Validation	Pydantic
Logging	Loguru
Tests	Pytest
Qualité	Black, Ruff