Skip to content

PhilippeK-F/fds-audit-llm

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

6 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

Audit FDS + LLM — Conformité Réglementaire

Audit automatique de conformité des produits de nettoyage industriel aux normes REACH, CLP et Ecolabel EU, avec analyse par intelligence artificielle.


Pourquoi ce projet ?

Les entreprises de nettoyage industriel utilisent des dizaines de produits chimiques. Vérifier manuellement la conformité de chaque produit aux normes européennes (REACH, CLP, directive COV, Ecolabel EU) est une tâche longue, technique et a risque.

Ce projet automatise entièrement cet audit : il analyse les indicateurs de chaque produit, détecte les écarts réglementaires, et génère un rapport detaillé avec recommandations — en quelques secondes.


FDS = Fiche de Données de Sécurité

C'est un document obligatoire que chaque fabricant de produit chimique doit fournir à ses clients professionnels. Elle contient toutes les informations sur :

La composition du produit (substances actives) Les dangers pour la santé et l'environnement Les équipements de protection nécessaires Les premiers secours en cas d'accident Les conditions de stockage et transport La conformité réglementaire (REACH, CLP...)


Ce que le système analyse

Pour chaque produit, le pipeline vérifie :

  • COV (Composes Organiques Volatils) vs directive 1999/13/CE (seuil : 30 g/L)
  • Biodegradabilité vs critères Ecolabel EU (seuil : 60%)
  • Ecotoxicite aquatique LC50 vs classification CLP (seuil : 10 mg/L)
  • Conformité REACH et enregistrement ECHA
  • pH dans les limites de securité (4 a 11)

Un score de conformité sur 100 est calculé pour chaque produit, avec trois niveaux : Conforme, Modéré, Critique.


Architecture

src/pipelines/
    extract.py       Extraction des donnees FDS (simulation ou vrais PDF)
    transform.py     Calcul des scores et alertes reglementaires
    run_pipeline.py  Orchestration ETL

src/llm/
    analyzer.py      Analyse par LLM (OpenAI GPT-4o-mini ou simulation)
    reporter.py      Génération du rapport PDF (ReportLab)

dashboard/
    app.py           Dashboard Streamlit interactif

data/
    fds_raw.csv      Données brutes extraites
    fds_clean.csv    Données enrichies avec scores
    rapports/        Rapports PDF generés

Lancement rapide

pip install -r requirements.txt
python run.py
streamlit run dashboard/app.py

Avec Docker

docker compose up --build

Configuration OpenAI (optionnel)

Créer un fichier .env a la racine :

OPENAI_API_KEY=sk-...votre_clé...

Sans clé API, le systeme fonctionne en mode simulation avec des analyses pre-définies.


Resultats

Produits analyses : 5
Conformes         : 3 (60%)
Critiques         : 2 (40%)

Produits critiques identifies :
- Dégraissant solvant chlore HD  (10/100) — COV x3.9, non-conforme REACH
- Décapant sol industriel        (10/100) — COV x4.8, 3 substances SVHC

Auteur

Philippe Kirstetter-Fender

Data Engineer passionné par l industrie et la conformité réglementaire. Profil hybride : competences techniques (Python, LLM, pipelines de données) et experience terrain dans le secteur du nettoyage industriel.

About

Audit automatique de conformite des produits de nettoyage industriel aux normes REACH, CLP et Ecolabel EU, avec analyse par intelligence artificielle.

Topics

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

 
 
 

Contributors