Simulateur Parcoursup

1. Collecte des données

a) Sources et fichiers d’entrée

• Open data Parcoursup – statistiques : fr-esr-parcoursup.csv Effectifs, mentions, rang du dernier appelé, répartition par bac, boursiers, etc.
• Cartographie des formations : fr-esr-cartographie_formations_parcoursup.csv Métadonnées (type d’établissement, apprentissage, internat, géolocalisation, liens).
• Spécialités (bacheliers généraux) : fr-esr-parcoursup-enseignements-de-specialite-bacheliers-generaux.csv Doublettes de spécialités et effectifs admis.
• Compléments géo : departements-france.csv Normalisation des codes départements.

Les champs de géolocalisation sont conservés à des fins d’affichage/diagnostic, sans effet direct dans le modèle (hors agrégations académiques).

b) Enrichissements par scraping

• Fiches Parcoursup (formations) Récupération : présentation, attendus (en % quand disponible), répartition bac, jalons (candidats/admissibles/admis), conseils, détection concours.
• Consolidation “concours” Étiquetage concours_label et, si disponibles, coefficients coeff_dossier/coeff_concours.
• Fiches lycées (L’Étudiant) Cinq métriques « chiffres-clés » (réussite, mentions, nb d’élèves, effectif terminale, note/20) avec stratégies anti-blocage (retries, throttling, UA rotation).

2. Traitement des données

But : produire des tables “modèle-prêtes” via alignements de schémas, typages, imputations et indicateurs dérivés.

a) Nettoyage et fusion — Formations

1. Indicateurs dérivés

   • Moyenne par mentions (pondérations 11/13/15/17/19).
   • Distance à l’échelle [8, 20] et dispersion proxy (depuis la distribution des mentions).
   • Biais genre $B_f$ et boursiers $B_b$, bornés/normalisés.
   • Sélectivité $S = 1 - R_d/N$ dans $[0,1]$ (avec comblement si besoin).

2. Cartographie 2025 & géo

   Normalisations (apprentissage → booléen, internat catégorisé, types), renommages, complétion des départements et villes, jointure avec table des départements.

3. Harmonisation familles de formation

   Mapping exhaustif formation_type → formation (ex. « Licence sélective » → « Licence – STS »), contrôles de couverture.

4. Ajout “concours”

   Ajout de concours et coeff_dossier, coeff_concours à partir de formations présentes dans certains concours (Sésame, Accès, Geipi-Polytech, Avenir, Advance, Puissance Alpha, IEP-Sciences Po).

b) Spécialités

1. Open data

   Filtrage par millésime, couples (doublettes) → IDs stables (1..13), calcul de part_spe_admis par formation, ranking intra-formation.

2. Scraping

   Colonnes combination → doublette_i au format id1,id2 (via specialite2id).

c) Lycées

1. Scraping robuste

   Enrichissement incrémental, typages, anti-blocage.

2. Feature engineering & multiplicateur

   Décimaux (réussite, mentions), métrique $x \in [0,1]$, indicateur infos.

   Transformation bornée en $M_{lycee} \in [0.85, 1.15]$ via z-score → CDF → exponentielle ; si infos=0 alors $M_{lycee} = 1.0$.

   

   Figure 1 : Pipeline de traitement des données

3. Établissement des métriques

Idée : convertir chaque facteur en multiplicateur $M_i$ centré en 1, borné pour éviter les extrêmes, puis agréger.

• Démographie (bornée, symétrique)

  $$M_{\text{sexe}} = \exp\!\big(k_{\max}\,(2B_f - 1)\cdot s\big)$$ $$M_{\text{bourse}} = \exp\!\big(k_{\max}\,(2B_b - 1)\cdot t\big)$$

  avec $B_f, B_b \in [0,1]$, $s,t \in \{-1,+1\}$, $k_{\max}=\ln(1.025)$ (~±2,5 %).

• Notes générales (calibrées à la cohorte)

  Soit $g$ la moyenne du candidat, $\mu,\sigma$ celles de la formation (depuis les mentions).

  $z=\dfrac{g-\mu}{\sigma}, p=\Phi(z)$.

  $$M_{\text{notes}}=\begin{cases} \exp\!\big(1.25\,\ln(m_{\max})(2p-1)\big) & \text{si } g<\mu \\ \exp\!\big(\ln(m_{\max})(2p-1)\big) & \text{sinon} \end{cases}$$

  avec $m_{\max}=1.5$

• Notes de spécialités (cohérence)

  $n=\dfrac{(s_1+s_2)/2 - \mu}{5}$ tronqué à $[-1,1]$.

  $$M_{\text{notes-spe}}=\begin{cases} \exp\!\big(2.5\,\ln(1.5)\,n\big) & \text{si } n<0 \\ \exp\!\big(\ln(1.5)\,n\big) & \text{sinon} \end{cases}$$

• Type de bac (représentativité)

  Pour bacs non généraux : plancher $m_{\min}=0.6$ selon la part observée $p_b$.

  $$M_{\text{bac}}=\begin{cases} 0 & \text{si } p_b \le 0 \\ \min\big(\max(3p_b, m_{\min}), 1\big) & \text{sinon} \end{cases}$$

• Doublette de spécialités (adéquation/rareté)

  Avec $p_{\text{spe}}$ la part d’admis portant la doublette et $\bar p_{\text{top}}$ la moyenne des $N$ doublettes les plus fréquentes (souvent $N=3$), poser $r=\min\!\big(p_{\text{spe}}/\bar p_{\text{top}},\,1\big)$.

  $$M_{\text{doublette}}=\begin{cases} \exp\!\big(2\,\ln(1.15)(2r-1)\big) & \text{si } r<0.5 \\ \exp\!\big(\ln(1.15)(2r-1)\big) & \text{sinon} \end{cases}$$

• Lycée d’origine (contexte académique)

  Score agrégé $x \in [0,1]$ → $z=\dfrac{x-\mu_x}{\sigma_x}$, $p=\Phi(z)$.

  $$M_{\text{lycee}}=\operatorname{clamp}\!\big(\exp(k(2p-1)),\, m_{\min},\, m_{\max}\big)$$

  avec $\mu_x=0.548$, $\sigma_x=0.182$, $m_{\min}=0.85$, $k=\ln(m_{\max})$.

  Si infos=0 alors $M_{\text{lycee}}=1$.

4. Modélisation choisie

a) Score agrégé

Le score global pour une formation $f$ est :

$$M = M_{\text{sexe}} \cdot M_{\text{bourse}} \cdot M_{\text{bac}} \cdot M_{\text{notes}} \cdot M_{\text{notes-spe}} \cdot M_{\text{doublette}} \cdot M_{\text{lycee}}$$

Tous les $M_i$ sont plafonnés (bornes) pour rester stables et interprétables.

b) Conversion en percentile calibré

On suppose $M$ centré autour de 1 et on choisit $\sigma_M$ tel que le 97,5e centile corresponde à :

$\sigma_M=\dfrac{M_{\max}-1}{\Phi^{-1}(0.975)}$, $z_M=\dfrac{M-1}{\sigma_M}$, $P=\Phi(z_M)\in[0,1]$.

La valeur affichée est $100\times P$.

c) Décision à trois niveaux

• Refusé si $100P<20$
• En attente si $20\le 100P<50$
• Accepté si $100P\ge 50$

Seuils simples et ajustables par formation/millésime pour affiner la calibration locale.

d) Explicabilité

Outre $P$, le service retourne le facteur principal (composante $M_i$ dominante) afin d’expliquer le résultat (notes, doublette, type de bac, lycée, etc.). Les effets démographiques sont bornés et symétriques.

e) Cas “concours” (optionnel)

Si concours = 1, une pondération post-dossier est appliquée à partir d’une note de concours utilisateur et coefficients coeff_dossier/coeff_concours (quand disponibles).

Exemple : $M \simeq 1.440 \Rightarrow 100P \simeq 71.8$ → Accepté.

5. Architecture backend

• Framework : FastAPI (main.py) Config via core/config.py, middlewares (CORS, UserIdMiddleware), dépendances core/deps.py.
• Infrastructure de Recherche : Intégration de Typesense, un moteur de recherche tolérant aux fautes de frappe et rapide, pour l’indexation et l’interrogation instantanée des formations et établissements.
• Routeurs :
  • routers/simulate.py : API de simulation (modèle Profil, appel compute_admission).
  • routers/formations.py : recherche & stats formations (BM25, filtres géo, distributions).
  • routers/profiles.py : CRUD profils (Profile, Voeu).
  • routers/motive.py : génération et envoi de lettres (API OpenAI + Brevo).
  • routers/lycees.py : recherche de lycées (pondérations département/type).
  • routers/share.py : envoi des résultats par mail (rendu HTML, Brevo).
• Base & ORM : db/database.py (SQLAlchemy / SQLite), models/profile.py.

Figure 2 : Documentation des endpoints de l’API

6. Points d’attention backend

• Mailing : /share/simulation → rendu HTML via _render_motive_body_html, envoi via Brevo (clés dans .env.local : BREVO_API_KEY, BREVO_EMAIL_SENDER).
• Lettre de motivation : /motive/generate (génération), /motive/email (envoi).
• Moteur de Recherche : Migration vers Typesense permettant la gestion des synonymes, la tolérance aux fautes de frappe et un tri pertinent des résultats.
• Filtrage académique : frontend/constants/acad_map.json (département → académie/territoire).

7. Architecture frontend

• Stack : React (Vite). Entrée main.jsx, app App.jsx.
• Fonctionnalités avancées :
  • Thématisation dynamique : Système intelligent détectant l’URL d’origine pour adapter automatiquement le branding (logo, palette de couleurs, liens) et permettre un déploiement multi-site en marque blanche.
  • Partage et profils publics : Création de pages de profil publiques accessibles via URL unique, permettant aux vendeurs d’accéder facilement aux simulations et listes de vœux des élèves.
  • Comparateur de formations : Outil interactif permettant de comparer côte à côte plusieurs formations sur des critères clés (sélectivité, débouchés, attendus).

Figure 3 : Fiche profil accessible

Figure 4 : Comparateur de formations

• Dossiers clés :
  • api/api.js : appels aux endpoints (simulation, formations, profiles, motive, etc.).
  • components/ : details/, motivation/, registration/, search/.
  • constants/ : complete_form.json, concours.json, confidence_levels.json, factorExplains.js, tresholds.js.
  • context/ : état global, thème (styles/theme.css, utils/ThemeLogo.jsx).
  • pages/ : accueil, formations, simulateur, profil, lettre.
  • utils/ : pagination, conversions, helpers.

Figure 5 : Interface graphique de la page de recherche

8. Mise en ligne

a) Hébergement Railway

Hébergement complet du backend et frontend avec une base de données PostgreSQL connectés et instance Typesense (Docker).

Figure 6 : Infrastructure Railway

b) Automatisation n8n

• Déclencheur : Planifié (Schedule Trigger) pour une exécution périodique.
• Processus : Synchronisation quotidienne des données (Profils et Vœux) depuis la base de données vers des Google Sheets segmentés par client.
• Finalité : Alimentation automatique des données de suivi et déclenchement de sous-workflows pour la mise à jour des tableaux de bord (Dashboards).

Figure 7 : Workflow automatisation n8n