🛡️ Onsse

Onsse (prononcé [on-sé]) est un bouclier temporel conçu pour les salariés et les indépendants. Né du besoin de protéger l'équilibre vie pro/vie perso dans des environnements basés sur la "confiance", Onsse automatise le suivi du temps avec une précision chirurgicale et une friction minimale.

📖 Philosophie & Vision

• L'origine : Dans les entreprises sans pointage officiel, le surmenage invisible est un risque majeur. Onsse permet d'objectiver son temps de travail pour soi-même.
• Le contrat de référence : Configuré par défaut pour le contrat de 36,11 heures hebdomadaires (soit 7h 13min 20s par jour).
• L'expérience "Zéro Friction" : L'utilisateur ne remplit pas de tableaux complexes ; il valide ou ajuste des intentions via une interface conversationnelle pilotée par l'IA.

---

🛠 Architecture Technique (IA-Native)

Le projet repose sur un couplage fort entre la validation métier et la découverte dynamique par l'IA :

• Single Source of Truth (Zod) : Tous les schémas de données sont définis avec Zod. Chaque champ est documenté via .describe() pour permettre à l'IA de comprendre le besoin métier sans prompt complexe.
• Protocole Hypermédia (HAL-Forms) : Le backend NestJS génère des _templates dynamiques basés sur l'introspection des schémas Zod.
• Agent Autonome : Le chatbot (LLM) ne possède pas de logique métier "hardcodée". Il découvre les actions possibles et les formulaires à remplir en lisant les templates HAL-Forms en temps réel.
• Stack :
  • Backend : NestJS & PostgreSQL (Prisma/Drizzle).
  • Frontend : Next.js PWA & Shadcn/UI.
  • IA : Vercel AI SDK & OpenAI (GPT-4o-mini).
  • Temps : Luxon (gestion de la base 60).

---

🚀 Plan de Développement (MVP)

Phase 1 : Fondations (Validation & Temps)

• Implémenter le TimeEngine : calcul du solde hebdomadaire en secondes sur la base des 36,11h.
• Définir les schémas Zod WorkSession riches et documentés.
• Setup de la base de données PostgreSQL.

Phase 2 : API Hypermédia

• Développer l'Interceptor NestJS pour transformer les schémas Zod en templates HAL-Forms.
• Exposer l'endpoint GET /session/current avec les actions dynamiques (start, stop, pause).

Phase 3 : Intelligence Conversationnelle

• Intégration du Vercel AI SDK.
• Implémentation du "Tool Calling" dynamique : l'agent doit mapper les entrées utilisateur aux propriétés du _template reçu.

Phase 4 : Frontend & Déploiement

• Dashboard Next.js avec visualisation du reliquat (format HH:mm:ss).
• Configuration PWA pour un accès "One-tap" sur mobile.
• Déploiement CI/CD sur Vercel & Railway.

---

📈 Roadmap Future

• Mode Freelance : Suivi multi-projets et distinction entre tâches facturables et "support".
• Analyse de Charge : Reporting sur le ressenti de fatigue et check-in émotionnel de fin de journée.
• Export Légal : Génération de rapports pour justifier du respect des temps de repos.

---

🤖 Note pour les agents IA (Cursor/Windsurf)

Lors de l'implémentation, chaque règle métier doit être définie dans un schéma Zod. Ne codez pas de logique de formulaire en dur côté frontend. Utilisez les _templates HAL-Forms exposés par le backend pour piloter les interactions du chatbot et les composants UI.