🌱 SmartSort – MakeCode

♻️ L’application intelligente qui t’aide à trier tes déchets… et à devenir une légende du recyclage.

SmartSort – MakeCode est une application web complète (front-end, back-end et IA) conçue pour aider les utilisateurs à trier leurs déchets grâce à de l’intelligence artificielle.
Elle accepte une description textuelle ou une image, et prédit automatiquement la catégorie de recyclage :
plastique, métal, verre, papier, organique ou autre.

En bonus :

• un système de gamification (score + badges)
• un leaderboard interactif
• un mode sombre animé
• un design moderne et smooth

---

🌟 Fonctionnalités principales

🔍 1. Classification automatique

• Décris un objet (ex: “bouteille en plastique”)
• Ou upload une image

➡️ L’IA prédit sa catégorie et renvoie un niveau de confiance.

---

🧠 2. Intelligence artificielle

SmartSort utilise :

• OpenAI pour comprendre le texte (NLP)
• un modèle léger (Mobilenet) pour les images (ou fallback texte)

---

📊 3. Gamification

À chaque classification :

• ton score augmente
• ton total aussi
• des badges se débloquent automatiquement :
  • 🟢 Débutant : 5+ classifications
  • 🔵 Intermédiaire : 20+
  • 🔥 Expert : 50+

---

🏆 4. Leaderboard en temps réel

Chaque utilisateur peut entrer son nom → ses stats s’ajoutent automatiquement dans le classement.

---

📜 5. Historique personnel

SmartSort garde trace des 20 dernières prédictions pour chaque utilisateur distinct.

---

🎨 6. Interface moderne + mode sombre

• UI clean, responsive
• Dark mode animé
• Effets glassmorphism
• Expérience utilisateur fluide & intuitive

---

🧩 Architecture du projet

📁 DefisPolyAI/
│
├── 📁 backend/
│   ├── main.py          → API FastAPI (routes)
│   ├── ml_text.py       → Classification textuelle (OpenAI)
│   ├── ml_image.py      → Classification d’images
│   ├── db.py            → Base de données SQLite + gamification + leaderboard
│   └── smartsort.db     → Base de données (auto-générée au démarrage)
│
└── 📁 frontend/
    ├── src/
    │   ├── App.jsx      → Interface utilisateur (React)
    │   ├── App.css      → Style et animations
    │   └── main.jsx     → Point d'entrée React
    └── index.html

---

🚀 Comment exécuter le projet ?

1️⃣ Backend — FastAPI

Dans un terminal :

cd backend
python -m venv venv
venv\Scripts\activate   # Windows
pip install -r requirements.txt
set OPENAI_API_KEY=ta_cle
uvicorn main:app --reload --port 8000

Ton API roule ici :
👉 http://localhost:8000
👉 Doc auto : http://localhost:8000/docs

---

2️⃣ Frontend — React / Vite

Dans un deuxième terminal :

cd frontend
npm install
npm run dev

Site web :
👉 http://localhost:5173

---

🎮 Comment jouer ? (Guide utilisateur)

① Choisis un nom d’utilisateur

Ton score sera enregistré dans le leaderboard.

---

② Décris un objet ou upload une image

Exemples :

• "bouteille en plastique"
• "canette de métal"
• "coquille de banane"

---

③ Clique sur Classifier

L’IA renvoie :

• une catégorie
• un pourcentage de confiance

---

④ Gagne des points

Chaque classification =

• +1 score
• +1 total

Débloque des badges automatiques 🎖️

---

⑤ Affiche ton historique

Tu verras les dernières prédictions associées à ton nom d’utilisateur.

---

⑥ Compète dans le leaderboard

Monte dans le top.
Dominne le tri intelligent.
Règne sur MakeCode.

---

🤖 Choix du modèle IA & justification

🧠 Pour le texte

Utilisation de GPT-4.1-mini :

✔ Très bon en compréhension
✔ Idéal pour classification contextuelle
✔ Ultra rapide
✔ Peu coûteux

---

🖼️ Pour les images

Un modèle léger type Mobilenet (ou API OpenAI Vision pour fallback) :

✔ Rapide
✔ Suffisant pour déchets courants
✔ Deployment-friendly

---

Pourquoi ces modèles ?

Parce qu’ils offrent :

• un bon compromis performance / coût / déploiement
• une intégration simple dans FastAPI
• la stabilité nécessaire pour un hackathon / projet étudiant

---

📦 Installation via Docker (optionnel)

docker-compose up --build

Et ça roule. 🐳🔥

---

Projet réalisé dans le cadre du challenge PolyScav – Polytechnique Montréal.