Concevoir un pipeline d’analyse réglementaire capable de transformer un texte de loi en un score d’impact sur le S&P 500, permettant à des analystes financiers de comprendre immédiatement quels secteurs et entreprises sont positivement ou négativement affectés.

shared/
├── app/
│   ├── extract.py       # Extraction des mesures à partir d’un texte législatif (Claude via Bedrock)
│   ├── scoring.py       # Calcul des scores des entreprises en fonction des mesures
│   └── pipeline.py      # Pipeline principal combinant extraction + scoring
│
├── data/
│   ├── merged_company_data.csv     # Données consolidées entreprises + secteur + poids
│   └── final_company_scores.csv    # Résultat final du scoring
│
├── measures/
│   └── *.csv                       # Mesures extraites automatiquement depuis les lois
│
├── directives/
│   └── *.html / *.xml              # Textes législatifs bruts à analyser
│
└── main.py              # Script de test exécutant le pipeline complet pour une loi

Fonction : extract_measures_from_file(file_path)

• Utilise AWS Bedrock (Claude 3 Sonnet) pour lire et interpréter un texte juridique.
• Retourne une liste de mesures avec :
  • law_name, country, type_of_regulation, application_date
  • sector (liste choisie parmi 6 secteurs majeurs)
  • measure_text (résumé clair)
  • sentiment_score (entre -1 et +1)
• Détection automatique de la langue via langdetect.

Fonction : save_measures_to_csv(measures, output_dir)

• Sauvegarde les mesures extraites dans un fichier CSV dans shared/measures/.

Fonction : calculate_company_scores()

• Compare les secteurs des mesures avec ceux des entreprises.
• Calcule un score pour chaque entreprise :

  normalized_score = somme des sentiments / nombre de mesures pertinentes
  

• Pondération possible avec les poids des entreprises du S&P 500.

Fonction : load_all_measures()

• Agrège tous les CSVs de shared/measures/ pour recomputation dynamique.

Fonction principale : pipeline_add_law_and_recompute(file_path)

• Extrait les mesures.
• Enregistre dans measures/.
• Recharge les données entreprises.
• Calcule les scores et sauvegarde dans data/final_company_scores.csv.

Test minimal ciblé sur la directive 4 :

• ✅ Vérifie que les mesures sont bien générées dans measures/
• ✅ Génère un CSV final_company_scores.csv dans data/
• 🔁 Sert de preuve de fonctionnement du pipeline bout-en-bout

Pour exécuter le pipeline sur les lois disponibles dans shared/directives/ :

python3 shared/main.py

Ce script analysera automatiquement chaque loi, extraira les mesures, mettra à jour les fichiers dans shared/measures/ et recalculera les scores dans shared/data/final_company_scores.csv.

Interprétation :

• +1.0 → fortement favorisé
• 0.0 → pas d’effet détecté
• -1.0 → impact réglementaire négatif

• 🧠 Apprentissage supervisé sur des signaux de marché réels.
• 🧾 Extraction hiérarchique des lois (par articles).
• 📊 UI React avec Flask pour visualiser :
  • Mesures par secteur
  • Entreprises les plus sensibles
  • Scores pondérés globalement
• 🕒 Historique temporel multi-lois