Vacances

Questions supplémentaires selon le type

Vélo :

• Niveau de difficulté : débutant / intermédiaire / difficile / expert ?
• Type de vélo : gravel, VTT, route ?
• Remontées mécaniques souhaitées ?
• Auto assez grande pour accepter vélos ?

Ski : (champs spécifiques à définir plus tard)

Étape 2 — Création du projet

1. Dans le répertoire actuel:
   1. Créer donnees/ avec les fichiers JSON (voir schémas ci-dessous)
   2. Créer params.json (voir schéma ci-dessous)
   3. Copier l'optimiseur :

      cp ~/.claude/skills/vacances/templates/optimiser.py .
      

2. Copier le template :

   cp ~/.claude/skills/vacances/explorer-template.html \
      ~/Dropbox/Public/<NomDestination>-<Année>/explorer.html
   

Étape 3 — Collecte des données

CRITIQUE : lancer T1, T2, T3 et T4 en parallèle via des subagents. Chaque tâche est indépendante et peut s'exécuter simultanément pour réduire le temps de collecte. Utiliser l'Agent tool avec run_in_background: true pour T1, T2, T3, T4, puis attendre leur complétion avant de passer à l'étape 4.

T1 — Destinations candidates (subagent)

• Identifier 8–15 destinations dans la région cible
• Viser la variété (régions, distances depuis l'aéroport, types de terrain)
• Collecter tous les champs du schéma destinations.json
• Outils : WebSearch, WebFetch, Browser automation
• Sauvegarder dans donnees/destinations.json

T2 — Vols (subagent)

• Via Google Flights MCP : chercher toutes les semaines dans la période cible
• Chercher aller-retour (durée = nb_nuits)
• Tester tous les aéroports d'arrivée pertinents
• Collecter tous les champs du schéma vols.json
• Sauvegarder dans donnees/vols.json

T3 — Hébergements (subagent)

• Via Airbnb MCP : pour chaque destination, chercher 15–25 options
• Appliquer filtre budget nuit max (critère prix_nuit_max de params.json)
• Collecter large — la sélection visuelle (beauté, vue, charme) est faite par l'utilisateur dans explorer.html
• Collecter tous les champs du schéma hebergements.json
• Sauvegarder dans donnees/hebergements.json
• Note : T3 dépend des destinations trouvées par T1 — attendre T1 si T3 nécessite la liste complète des destinations avant de démarrer

T4 — Transport local (subagent)

• Via Browser automation (mcp__claude-in-chrome__*) ou WebSearch
• Chercher options selon le type de transport (auto, train pass, etc.)
• Si location d'auto : chercher à chaque aéroport d'arrivée
• Collecter tous les champs du schéma autos.json
• Sauvegarder dans donnees/autos.json

Étape 4 — Base de données et optimisation

1. Vérifier la cohérence des données (aéroports identiques entre vols/autos/destinations)
2. Lancer l'optimiseur :

   uv run optimiser.py
   

3. Analyser les résultats, itérer sur params.json si nécessaire
4. Produire un rapport rapport.md avec les 3 meilleures options

Étape 5 — Explorer interactif

1. Mettre à jour VOYAGE_CONFIG dans explorer.html :

   • titre : nom du voyage (ex. "Voyage Japon 2026")
   • emoji : emoji représentatif (ex. "🗾")
   • activite : type de voyage (ex. "Culture & Gastronomie")
   • type : "velo" | "ski" | "tourisme" — contrôle les sections spécifiques
   • devise : devise (ex. "CA$")
   • nb_nuits : durée en nuits
   • nb_personnes : nombre de voyageurs
   • aeroport_depart : code IATA de l'aéroport de départ

2. Injecter les données JSON dans explorer.html via script Python :

   import re, json
   from pathlib import Path
   
   html = Path('explorer.html').read_text()
   for nom_const, fichier in [
       ('DESTINATIONS', 'donnees/destinations.json'),
       ('VOLS_RAW',     'donnees/vols.json'),
       ('HEBERGEMENTS', 'donnees/hebergements.json'),
       ('AUTOS',        'donnees/autos.json'),
   ]:
       data = json.loads(Path(fichier).read_text())
       json_str = json.dumps(data, ensure_ascii=False)
       html = re.sub(
           rf'const {nom_const}\s*=\s*\[.*?\];',
           f'const {nom_const} = {json_str};',
           html, flags=re.DOTALL
       )
   # IMAGES (objet)
   images = json.loads(Path('donnees/images.json').read_text())
   html = re.sub(
       r'const IMAGES\s*=\s*\{[^;]*\};',
       f'const IMAGES = {json.dumps(images, ensure_ascii=False)};',
       html
   )
   Path('explorer.html').write_text(html)
   

3. Scraper les images Airbnb (si nécessaire) via scraper_images.py

4. Ouvrir dans le navigateur pour sélection visuelle par l'utilisateur

Schémas JSON

destinations.json — tableau d'objets

{
  "nom": "Kyoto",
  "region": "Kansai",
  "aeroports": ["KIX", "ITM"],
  "distance_aeroport_km": { "KIX": 75, "ITM": 40 },
  "coords": [35.0116, 135.7681],
  "description": "Ancienne capitale impériale, temples et jardins zen.",
  "point_fort": "Plus de 1600 temples et sanctuaires, quartiers historiques préservés.",
  "activites": ["Temples & sanctuaires", "Gastronomie", "Vélo", "Randonnée"],
  "stats": [
    { "icon": "landscape", "valeur": "800 m (mont Hiei)" },
    { "icon": "route", "valeur": "75 km pistes cyclables" }
  ],
  "liens": {
    "site officiel": "https://kyoto.travel/en",
    "office du tourisme": "https://kyoto.travel/en"
  },
  "notes": "Très fréquenté en avril (cerisiers) et novembre (érables)."
}

Champs obligatoires : nom, region, aeroports, distance_aeroport_km, coords Champs optionnels : description, point_fort, activites, stats, liens, notes

Champs supplémentaires — type velo

{
  "remontee_nom": "First Gondola",
  "remontee_accepte_velos": true,
  "remontee_prix_chf": 45,
  "remontee_mois_ouverts": [6, 7, 8, 9],
  "difficulte_trails": "tous niveaux",
  "altitude_village_m": 1034,
  "altitude_sommet_m": 2168,
  "trails_km": 150,
  "gravel_routes": [
    {
      "nom": "Gravel Eiger Loop",
      "distance_km": 45,
      "denivele_pos_m": 1100,
      "type": "gravel",
      "niveau": "intermédiaire",
      "description": "Boucle autour de l'Eiger"
    }
  ]
}

niveau accepte : facile | intermédiaire | difficile | expert

vols.json — tableau d'objets

{
  "aeroport_arrivee": "KIX",
  "date_depart": "2026-07-04",
  "date_retour": "2026-07-18",
  "prix_par_personne": 1400,
  "compagnie": "Air Canada",
  "duree_heures": 13.5,
  "escales": 1,
  "heure_depart": "14:00",
  "heure_arrivee": "17:30",
  "url": "https://www.google.com/flights/..."
}

Champs obligatoires : aeroport_arrivee, date_depart, date_retour, prix_par_personne, compagnie, escales Champs optionnels : duree_heures, heure_depart, heure_arrivee, url

hebergements.json — tableau d'objets

{
  "destination": "Kyoto",
  "titre": "Machiya traditionnelle avec jardin",
  "airbnb_id": "12345678",
  "url": "https://www.airbnb.ca/rooms/12345678",
  "prix_nuit_cad": 180,
  "note": 4.9,
  "nb_avis": 87,
  "nb_chambres": 2,
  "cuisinette": true,
  "reservation_instantanee": true,
  "annulation_jours": 30,
  "stationnement": false,
  "notes": "Vue sur jardin zen, 5 min métro"
}

Champs obligatoires : destination, titre, airbnb_id, url, prix_nuit_cad Champs optionnels : note, nb_avis, nb_chambres, cuisinette, reservation_instantanee, annulation_jours, stationnement, notes

Champs supplémentaires — type velo

{
  "rangement_velos": true,
  "distance_remontee_km": 0.5
}

autos.json — tableau d'objets (ou transport local générique)

{
  "aeroport": "KIX",
  "fournisseur": "Europcar",
  "categorie": "Compact",
  "exemple_vehicule": "Toyota Corolla",
  "prix_jour_cad": 75,
  "km_illimite": true,
  "assurance_incluse": false,
  "notes": "Coffre 2 valises",
  "url": "https://www.europcar.com/..."
}

Champs obligatoires : aeroport, fournisseur, categorie, prix_jour_cad Champs optionnels : exemple_vehicule, km_illimite, assurance_incluse, notes, url

Champs supplémentaires — type velo

{
  "capacite_velo": 2
}

donnees/images.json — objet (clé = airbnb_id)

{
  "12345678": "https://a0.muscache.com/im/pictures/...",
  "87654321": "https://a0.muscache.com/im/pictures/..."
}

params.json — objet de configuration

{
  "nb_personnes": 2,
  "nb_nuits": 14,
  "devise": "CA$",
  "budget_total": 10000,
  "prix_nuit_max": 300,

  "poids": {
    "cout": 0.5,
    "note": 0.3,
    "duree_vol": 0.1,
    "escales": 0.1
  },

  "filtres": {
    "note_min": 4.0,
    "nb_avis_min": 3,
    "escales_max": 1
  }
}

Fichiers template disponibles

Décisions et bonnes pratiques

• Collecter large : mieux avoir trop de données que pas assez ; l'utilisateur filtrera visuellement dans explorer.html
• Ne jamais faire de réservations : uniquement collecter et présenter les options
• Aéroports : tester tous les aéroports raisonnables depuis la ville de départ
• Hébergements : Airbnb MCP cherche par destination — viser 15–25 par lieu
• Images Airbnb : les og:image sont optionnelles ; l'interface a un fallback emoji
• params.json : seul fichier à modifier pour itérer l'optimisation sans retoucher le code