🏨 Hotel IQ – Plateforme d'Analyse de Données et d'Avis Hôteliers Pilotée par l'IA

Hotel IQ est une plateforme full-stack d'analyse de données qui combine la visualisation Power BI, le développement web moderne et l'analyse de sentiment par IA pour transformer les avis clients en insights stratégiques.

---

📋 Table des matières

• Vue d'ensemble
• Fonctionnalités principales
• Architecture
• Technologies utilisées
• Installation
• Utilisation
• API
• Analyse IA
• Améliorations futures
• Auteur

---

🎯 Vue d'ensemble

Hotel IQ centralise et analyse les avis clients provenant de TripAdvisor pour offrir une vision complète de la satisfaction client. La plateforme propose :

• Tableaux de bord Power BI interactifs pour visualiser les KPIs métier
• Analyse de sentiment alimentée par l'IA (OpenAI) pour comprendre les retours clients
• Interface web moderne 100% en français pour une expérience utilisateur optimale
• Architecture full-stack démontrant des compétences en data engineering, développement web et IA

---

✨ Fonctionnalités principales

📊 Visualisation de données

• Trois tableaux de bord Power BI intégrés (Colt, Webhelp, Réservations)
• Consultation des KPIs en temps réel
• Interface responsive et intuitive

🤖 Intelligence artificielle

• Analyse automatique du sentiment des 5 derniers avis
• Détection des thèmes clés et tendances
• Synthèse des points forts et axes d'amélioration

🏨 Gestion hôtelière

• Liste complète des hôtels
• Consultation détaillée des avis clients
• Données synchronisées depuis TripAdvisor

---

🏗️ Architecture

Hotel_IQ/
│
├── Data_Analysis_and_AI-Reviews_frontend/    # Application Angular
│   ├── src/
│   │   ├── app/
│   │   │   ├── components/                   # Composants UI
│   │   │   ├── services/                     # Services API
│   │   │   └── models/                       # Modèles TypeScript
│   │   └── assets/                           # Ressources statiques
│   └── package.json
│
├── Data_Analysis_and_AI-Reviews_backend/     # API FastAPI
│   ├── src/
│   │   ├── main.py                           # Point d'entrée
│   │   ├── models/                           # Modèles SQLAlchemy
│   │   ├── routes/                           # Endpoints API
│   │   └── services/                         # Logique métier
│   ├── database/                             # SQLite
│   ├── requirements.txt
│   └── .env.example
│
└── README.md

---

🛠️ Technologies utilisées

Frontend

• Angular 19 – Framework web moderne
• TypeScript – Typage statique
• Power BI Embedded – Intégration des dashboards
• Iconify – Bibliothèque d'icônes (Solar Icons)

Backend

• FastAPI – Framework Python haute performance
• SQLAlchemy – ORM pour la gestion de base de données
• SQLite – Base de données légère
• OpenAI API – Analyse de sentiment par IA
• TripAdvisor API – Source des données hôtelières

---

🚀 Installation

Prérequis

Assurez-vous d'avoir installé :

• Node.js 18+ et npm
• Angular CLI 19
• Python 3.8+
• pip (gestionnaire de paquets Python)

Vous aurez également besoin de :

• Clé API TripAdvisor
• Clé API OpenAI
• Accès Power BI Embed

---

⚙️ Configuration du Backend

1. Naviguez vers le dossier backend

   cd Data_Analysis_and_AI-Reviews_backend

2. Créez un environnement virtuel (recommandé)

   python -m venv venv
   source venv/bin/activate  # Sur Windows : venv\Scripts\activate

3. Installez les dépendances

   pip install -r requirements.txt

4. Configurez les variables d'environnement

   Créez un fichier .env à la racine du dossier backend :

   API_KEY=votre_clé_tripadvisor
   OPENAI_API_KEY=votre_clé_openai

5. Lancez le serveur

   uvicorn src.main:app --host 0.0.0.0 --port 8000 --reload

6. Vérifiez l'installation

   Accédez à la documentation Swagger : http://localhost:8000/docs

---

🎨 Configuration du Frontend

1. Naviguez vers le dossier frontend

   cd Data_Analysis_and_AI-Reviews_frontend

2. Installez les dépendances

   npm install

3. Lancez l'application

   npm start

4. Accédez à l'application

   Ouvrez votre navigateur : http://localhost:4200

---

💡 Utilisation

Navigation principale

L'interface propose les sections suivantes :

Page	Description
Accueil	Page d'accueil et présentation
KPI Overflow	Vue d'ensemble des indicateurs clés
Tableau de Bord Colt	Dashboard Power BI Colt
Tableau de Bord Webhelp	Dashboard Power BI Webhelp
Tableau de Bord Réservations	Dashboard Power BI Réservations
Avis sur les Hôtels	Consultation des hôtels et analyse IA

Analyse de sentiment

1. Accédez à la section Avis sur les Hôtels
2. Sélectionnez un hôtel dans la liste
3. Cliquez sur Analyser avec l'IA
4. Consultez le rapport de sentiment généré

---

🔌 API

Le backend expose une API RESTful accessible à http://localhost:8000

Endpoints principaux

Méthode	Endpoint	Description
GET	/hotels/	Liste tous les hôtels
GET	/hotels/{location_id}	Détails d'un hôtel spécifique
GET	/hotels/{location_id}/reviews	Avis d'un hôtel
GET	/hotels/{location_id}/analysis	Analyse IA des derniers avis

Exemple de requête

curl http://localhost:8000/hotels/123456/analysis

Exemple de réponse

{
  "sentiment": "positif",
  "themes": ["propreté", "emplacement", "personnel accueillant"],
  "summary": "Les clients apprécient particulièrement...",
  "reviews_analyzed": 5
}

---

🤖 Analyse IA

Approche technique

L'analyse de sentiment utilise une approche RAG légère :

1. Retrieval : Récupération des 5 derniers avis depuis la base SQLite
2. Augmentation : Structuration des données pour le contexte
3. Generation : Envoi à l'API OpenAI pour analyse

Résultats fournis

• ✅ Sentiment global (positif/négatif/neutre)
• 🔑 Thèmes récurrents identifiés
• 📈 Tendances de satisfaction
• 💬 Résumé synthétique des retours clients

Note : Cette implémentation n'utilise pas de base vectorielle mais reste efficace pour des analyses ponctuelles sur de petits volumes de données.

---

🔮 Améliorations futures

Court terme

• Graphiques de tendances temporelles
• Export des analyses en PDF
• Filtres avancés sur les avis

Moyen terme

• Système d'authentification et rôles utilisateurs
• Migration vers PostgreSQL
• Cache Redis pour optimiser les performances

Long terme

• Conteneurisation Docker
• Pipeline CI/CD (GitHub Actions)
• Base vectorielle pour RAG avancé
• Support multilingue de l'interface

---

👨‍💻 Auteur

Malek Harbaoui
Data Science & Software Engineering

🔗 Compétences : Full-stack | Intelligence Artificielle | Analyse de Données

---

🙏 Remerciements

Merci d'avoir consulté Hotel IQ ! N'hésitez pas à contribuer ou à signaler des problèmes via les issues GitHub.

---

⭐ Si ce projet vous plaît, n'hésitez pas à lui donner une étoile ! ⭐