params.yaml

# codif-pipeline parameters — override the YAML defaults.
# Usage: argo submit codif-pipeline.yaml --parameter-file params.yaml --watch
#
# Any uncommented line overrides the default defined in codif-pipeline.yaml
# (spec.arguments.parameters). Commented lines keep the default.
#
# DO NOT set run_id / run_date: they are computed automatically by Argo and
# guarantee consistent S3 paths across steps.

# --- Code source ----------------------------------------------------------
# Branche du dépôt clonée par tous les steps (défaut YAML: main).
# La mettre sur une feature branch permet de tester sans merger dans main.
git-branch: main

# --- Input ----------------------------------------------------------------
# input_file: s3://projet-budget-famille/data/workflow_inputs/BDF_data_saisie_vague1_a_codif.csv
input_file: "" # mode evaluation

text_column: NAT_DEP        # label column to classify
shop_column: MAG_DEP        # shop column
budget_column: MONT_DEP     # amount column
# annee_column: ""          # optional
# source_column: ""         # optional

# --- Volume / debugging ---------------------------------------------------
# Deux curseurs d'échantillonnage (vide = tout) :
#   sample-annotations  : taille de la KB d'annotations indexée (vector DB),
#                         appliqué à l'étape create-vector-db-annotations ;
#   sample-observations : nb d'observations à coder, mode prod uniquement.
# Le sampling des observations est CENTRALISÉ à l'étape codif-regex : un seul jeu
# est tiré et hérité par tous les classifieurs (lcs, rag, rag-annotations, ttc),
# garantissant qu'ils codent exactement les mêmes lignes.
# En évaluation, les observations = split test des annotations → on utilise
# sample-annotations (sample-observations est ignoré).
sample-annotations: ""        # ex. "500"
sample-observations: ""       # ex. "50" (prod)

# --- LLM models -----------------------------------------------------------
model-name: gemma4-26b-moe          # run-rag model
decide-model: gemma4-26b-moe        # decide-coicop arbitration model
decide-concurrency: "5"
ttc-model-uri: "mlflow-artifacts:/10/cacf2603514b4887bbfb77e2654c9bc1/artifacts/model"

# --- Optional steps -------------------------------------------------------
skip-vector-db: "false"      # "false" to rebuild the Qdrant vector store
skip-report: "false"        # "true" to skip the Quarto report
report-experiment: codif-coicop-eval

# --- Conciliation ---------------------------------------------------------
# EXCLUSIF : `llm` → decide-coicop (juge LLM) ; `sirus` → sirus-predict
# (re-ranking par règles interprétables). L'étape non retenue est skippée ;
# final-output et report dépendent des deux et tolèrent qu'une soit Skipped.
conciliation: llm

# Modèle SIRUS chargé par sirus-predict, OBLIGATOIRE si conciliation: sirus.
#
# L'entraînement se fait HORS pipeline : `cd sirus/ && ./train.sh <date>/<run_id>`
# (cf. sirus/README.md). Il logue le modèle dans MLflow et affiche l'URI à
# recopier ici — même pratique que ttc-model-uri.
#
# Le détour par ce paramètre est ce qui rend la fuite impossible : le modèle
# utilisé en prédiction n'est jamais celui qu'on vient d'entraîner sur ces
# mêmes lignes.
sirus-model-uri: "" # ex. "mlflow-artifacts:/12/9f3c.../artifacts/model"