Skip to content

MVP.md

Latest commit

 

History

History
298 lines (241 loc) · 9.83 KB

MVP.md

File metadata and controls

298 lines (241 loc) · 9.83 KB

Plateforme CV Adaptatif — MVP

Démarré le 2026-04-25 par Koudous DAOUDA Document de référence pour le scope, la stack et la feuille de route du MVP.

1. Problème & Vision

Friction observée : beaucoup de candidats postulent avec un CV générique, ou ne postulent pas par flemme d'adapter leur CV à chaque offre.

Vision : un SaaS qui prend ton CV de base + une offre d'emploi et génère en quelques secondes un CV ciblé, prêt à être téléchargé en PDF.

2. Concept produit

  1. Onboarding : l'utilisateur upload son CV de base (PDF) une seule fois.
  2. Template : il choisit un template prédéfini parmi 3 à 5 (pas d'extraction du design original).
  3. Candidature : pour chaque offre, il colle le texte de l'offre + ajoute éventuellement des infos / projets récents.
  4. Génération IA : DeepSeek analyse profil + offre + nouvelles infos → génère un CV adapté (peut filtrer, reformuler, réordonner).
  5. Export : PDF téléchargeable.

3. Stack technique (validée 2026-04-25)

Couche Choix Raison
Frontend Next.js 14 (App Router) + TypeScript SSR, API routes intégrées, bon DX
UI Tailwind CSS + shadcn/ui Rapide, propre, composants accessibles
Backend Next.js API Routes Pas besoin d'un backend séparé pour le MVP
DB & Auth Supabase (Postgres + Auth + Storage) Tout-en-un, tier gratuit suffisant
IA DeepSeek API Bon rapport qualité/prix, choix utilisateur
Parsing PDF pdf-parse (Node) Extraction texte du CV uploadé
Génération PDF Puppeteer (HTML → PDF) Rendu fidèle des templates HTML
Hébergement Vercel Déploiement Next.js natif, tier gratuit
Storage fichiers Supabase Storage CV PDF originaux + PDF générés

4. Scope MVP — IN / OUT

✅ Inclus dans le MVP

  • Auth email + mot de passe (Supabase Auth)
  • Upload CV de base PDF (1 par utilisateur)
  • Extraction texte du CV PDF
  • 3 templates HTML prédéfinis (basés sur les CVs HTML existants : FullStack_IA, Automatisation_IA, Developpement_Web)
  • Champ paste texte d'offre d'emploi
  • Champ optionnel "infos / projets supplémentaires"
  • Appel DeepSeek pour générer le CV adapté (JSON structuré)
  • Rendu HTML du CV avec template choisi
  • Export PDF (Puppeteer)
  • Historique des CVs générés (liste basique)

❌ Hors scope MVP (v2+)

  • Paiement / abonnement (MVP gratuit)
  • Multi-CVs de base
  • Scraping URL d'offre
  • Édition manuelle WYSIWYG du CV généré
  • Extraction du design du CV original
  • Templates personnalisables
  • Lettre de motivation
  • Suivi candidatures / ATS check
  • Auth Google / OAuth
  • Internationalisation

5. User flow MVP

[Landing] → [Sign up] → [Onboarding: upload CV PDF] → [Dashboard]
                                                          │
                                                          ▼
[Dashboard] → [Nouvelle candidature]
                  │
                  ├─ Coller offre d'emploi (textarea)
                  ├─ (Optionnel) Ajouter infos/projets
                  ├─ Choisir template (3 cartes)
                  └─ [Générer]
                        │
                        ▼
                  [Preview CV adapté] → [Télécharger PDF]
                                       → [Régénérer]
                                       → [Sauvegarder]
                        │
                        ▼
              [Historique des CVs générés]

6. Modèle de données (Supabase)

Tables

profiles

  • id (uuid, PK, → auth.users)
  • email (text)
  • full_name (text)
  • created_at (timestamp)

base_cvs (CV de base de l'utilisateur)

  • id (uuid, PK)
  • user_id (uuid, FK → profiles)
  • pdf_url (text — Supabase Storage)
  • extracted_text (text — texte brut extrait)
  • parsed_json (jsonb — profil structuré : nom, contact, expériences, formations, skills, projets…)
  • created_at (timestamp)
  • updated_at (timestamp)

generated_cvs (CVs adaptés générés)

  • id (uuid, PK)
  • user_id (uuid, FK)
  • base_cv_id (uuid, FK)
  • job_offer_text (text)
  • extra_info (text, nullable)
  • template_id (text — slug du template)
  • generated_json (jsonb — CV adapté structuré)
  • pdf_url (text, nullable — généré on-demand)
  • created_at (timestamp)

templates (statique, en code ou en DB)

  • id (text, PK — fullstack-ia, automatisation-ia, developpement-web)
  • name (text)
  • preview_url (text)
  • html_template (text)

7. Architecture des prompts DeepSeek

Étape A — Parsing du CV de base (1× à l'upload)

Input : texte brut extrait du PDF Output : JSON structuré du profil

{
  "fullName": "...",
  "contact": { "email": "...", "phone": "...", "location": "...", "links": [...] },
  "summary": "...",
  "experiences": [{ "title": "...", "company": "...", "period": "...", "achievements": [...] }],
  "education": [...],
  "skills": { "technical": [...], "soft": [...], "languages": [...] },
  "projects": [...],
  "certifications": [...]
}

Étape B — Adaptation à l'offre (à chaque candidature)

Input : parsed_json du profil + job_offer_text + extra_info Output : même structure JSON, mais :

  • Réécrit le summary pour matcher l'offre
  • Filtre / réordonne les expériences les plus pertinentes
  • Met en avant les achievements qui matchent les keywords
  • Sélectionne les skills pertinents
  • Reformule pour utiliser le vocabulaire de l'offre

Règle stricte : ne jamais inventer d'expériences/formations/skills absents du profil de base. Peut reformuler, pas fabriquer.

8. Structure du projet (Next.js App Router)

saas-cv-adaptatif/
├── app/
│   ├── (auth)/
│   │   ├── login/page.tsx
│   │   └── signup/page.tsx
│   ├── (app)/
│   │   ├── dashboard/page.tsx
│   │   ├── onboarding/page.tsx
│   │   ├── new/page.tsx              # Nouvelle candidature
│   │   ├── cv/[id]/page.tsx          # Preview CV généré
│   │   └── history/page.tsx
│   ├── api/
│   │   ├── upload-cv/route.ts        # Upload + parse PDF
│   │   ├── generate/route.ts         # Génération CV adapté
│   │   └── pdf/[id]/route.ts         # Génération PDF Puppeteer
│   ├── layout.tsx
│   └── page.tsx                      # Landing
├── components/
│   ├── ui/                           # shadcn
│   └── templates/                    # Composants templates CV
│       ├── FullStackIA.tsx
│       ├── AutomatisationIA.tsx
│       └── DeveloppementWeb.tsx
├── lib/
│   ├── supabase/
│   │   ├── client.ts
│   │   └── server.ts
│   ├── deepseek/
│   │   ├── client.ts
│   │   ├── prompts.ts
│   │   └── parse-cv.ts
│   ├── pdf/
│   │   ├── extract.ts                # pdf-parse
│   │   └── generate.ts               # Puppeteer
│   └── types.ts
├── public/
├── .env.local
├── package.json
└── README.md

9. Variables d'environnement

# Supabase
NEXT_PUBLIC_SUPABASE_URL=
NEXT_PUBLIC_SUPABASE_ANON_KEY=
SUPABASE_SERVICE_ROLE_KEY=

# DeepSeek
DEEPSEEK_API_KEY=
DEEPSEEK_MODEL=deepseek-chat

# App
NEXT_PUBLIC_APP_URL=http://localhost:3000

10. Roadmap MVP — Phases

Phase 0 — Setup (jour 1)

  • Init projet Next.js + TS + Tailwind
  • Install shadcn/ui
  • Création projet Supabase + schéma DB
  • Init repo git + push GitHub
  • Setup .env.local + clés API DeepSeek

Phase 1 — Auth & Onboarding (jour 2)

  • Pages login / signup avec Supabase Auth
  • Middleware protection routes
  • Page onboarding : upload PDF
  • Endpoint /api/upload-cv : storage + extraction texte
  • Appel DeepSeek pour parser → stocker parsed_json

Phase 2 — Templates (jour 3)

  • Convertir les 3 CVs HTML en composants React
  • Page /dashboard avec choix template
  • Preview live avec données du profil

Phase 3 — Génération (jour 4)

  • Page /new : form offre + extra info + choix template
  • Endpoint /api/generate : appel DeepSeek adaptation
  • Page /cv/[id] : preview CV adapté
  • Bouton "Régénérer"

Phase 4 — Export PDF (jour 5)

  • Endpoint /api/pdf/[id] : Puppeteer → PDF
  • Stockage Supabase + lien téléchargement

Phase 5 — Historique & polish (jour 6)

  • Page /history : liste des CVs générés
  • Landing page minimale
  • Déploiement Vercel
  • Tests bout-en-bout

11. Critères de succès du MVP

  • ✅ Un utilisateur peut s'inscrire, uploader son CV, et générer un CV adapté en moins de 3 minutes
  • ✅ Le CV généré reste fidèle au profil (pas d'invention)
  • ✅ Le PDF exporté est propre et imprimable
  • ✅ Coût IA par génération < 0,05 €
  • ✅ Déployé sur Vercel avec URL publique partageable

12. Risques identifiés

Risque Mitigation
DeepSeek invente des infos Prompt strict + validation JSON schema côté serveur
Puppeteer trop lourd sur Vercel Utiliser @sparticuz/chromium ou service externe (Browserless) si besoin
PDF mal extrait (CV très visuel) Demander à l'utilisateur de compléter manuellement les champs manquants
Latence DeepSeek > 10s Streaming + état "génération en cours" UI
Quota Supabase free dépassé Monitoring + upgrade au besoin

13. Prochaines étapes immédiates

  1. Init projet Next.js dans D:\KOUDOUS\CV\saas-cv-adaptatif\
  2. Créer le projet Supabase (compte + nouvelle base)
  3. Récupérer clé DeepSeek (https://platform.deepseek.com)
  4. Schéma SQL des 3 tables
  5. Première page : landing + login

Dernière mise à jour : 2026-04-25