# Modèle de données — Immbot AI

Schéma complet : lib/db/schema.ts (SQLite, portable PostgreSQL — types simples, FTS5 remplaçable par tsvector, blob d'embedding par pgvector).

# Domaines

# Identité et sécurité

• users — rôles student|instructor|admin, must_change_password, is_initial_admin, auth_provider (préparé pour un SSO futur).
• sessions — jeton haché SHA-256 (jamais en clair), expiration 14 j.
• auth_events — journal (connexions, échecs, resets, actions admin).
• enrollments — accès par cours (toute route cours vérifie l'inscription).

# Contenu et RAG

• courses — IMM1003 / IMM1033 (chemins sources, couleur, session).
• documents — fichier ingéré : space (official-*, instructor-private, student-*), type, semaine, somme de contrôle SHA-256, statut, visibilité étudiante.
• chunks — fragment : référence exacte (ref_type slide/section/exercise/glossary/page, ref_number, ref_label « Séance 4 — Diapositive 18 »), contenu indexable + affichable, types de boîtes sémantiques, embedding (blob Float32 384d), propriétaire éventuel.
• chunks_fts — FTS5 (unicode61 remove_diacritics 2), rowid = chunks.id.
• ingestion_runs — exécutions avec rapport.

# Conversations

• conversations — cours, mode, mode de connaissances, modèle, dossier/épingle/archive, branches (parent_conversation_id, branched_from_message_id).
• messages — contenu, citations résolues (JSON), pièces jointes, jetons, coût, feedback, signalement, sauvegarde.
• uploads — fichiers étudiants (texte extrait, persistant ou lié à une conversation).
• report_flags — signalements à traiter par le professeur.

# Modèles et usage

• model_overrides — surcharges admin du registre OpenRouter.
• usage_log — chaque appel LLM (jetons, coût, latence, erreur) → budgets et statistiques.
• settings — clé/valeur JSON : budgets, intégrité, presets, croisement inter-cours, partage.
• prompt_versions — prompts système versionnés (actif = dernière version active).
• announcements — annonces ciblées par cours.

# Apprentissage

• concepts + concept_links — la carte des connaissances (préalable/relation/application/ approfondissement), 36 concepts par cours.
• mastery (score composite par utilisateur×concept) + mastery_events (chaque observation : type de tâche, difficulté, autonomie, confiance) — voir learning-science-strategy.md.
• flashcards + card_states (SM-2 : EF, intervalle, échéance) + review_log (historique complet, permet une migration FSRS sans perte).
• quiz_questions (banque : type, difficulté 1-5, options JSON, explication) + quiz_sessions + quiz_answers.
• mock_exams (composition de questions, durée, type) + exam_attempts (réponses, note, analyse par concept/axe JSON).
• study_plans — plan généré (JSON jours/items cochables) + configuration.
• error_notebook — erreurs capturées (quiz/examen) avec statut étudiant.
• summaries — résumés générés avec citations.
• saved_items — bibliothèque personnelle.
• activity_log — activité (séries de jours, temps d'étude estimé).
• weekly_goals — objectifs hebdomadaires.