Tendance mensuelle des dépenses

# Instructions — Tendance mensuelle des dépenses

## ⚠️ Tri par défaut = montant décroissant (pas chronologique)

Sans `sortBy`, les mois sont retournés du plus élevé au plus faible :
```
2026-01 (10.7%) → 2025-12 (10.3%) → 2025-10 (9.4%) → ...
```

Pour un **graphique de tendance chronologique**, toujours spécifier :
```json
"sortBy": "name",
"sortOrder": "asc"
```
→ Les mois sont alors retournés dans l'ordre `2025-07 → 2025-08 → ... → 2026-06`.

## ⚠️ Utiliser limit=12 pour une année complète

Par défaut `limit=10` → pour un groupBy=month sur 12 mois, les 2 mois les moins importants tombent dans "Others". Toujours passer `limit=12` (ou `limit=24` pour 2 ans).

## ⚠️ Dernier mois partiel

Si la période inclut le mois en cours, le dernier mois aura un montant plus bas (données partielles).
Toujours indiquer : *"Les données du mois de [mois courant] sont partielles."*

## Étape 1 — Appel mensuel

```json
{
  "companyId": "...",
  "fromDate": "YYYY-MM-DD",
  "toDate": "YYYY-MM-DD",
  "groupBy": ["month"],
  "sortBy": "name",
  "sortOrder": "asc",
  "limit": 12
}
```

## Étape 2 — Interpréter les champs

Chaque row :
- `key` : `"YYYY-MM"` — mois au format ISO (ex: `"2025-07"`)
- `amount` : total des dépenses du mois (coefficient entier, diviser par 10^precision)
- `count` : nombre de payables dans le mois
- `share` : % du total de la période

## Étape 3 — Calculer les métriques de tendance

```
moyenne_mensuelle = summary.totalAmount / nb_mois
mois_max = max(data[].amount)
mois_min = min(data[].amount)
variation_m_sur_m = (mois_n.amount - mois_n-1.amount) / mois_n-1.amount × 100
```

## Étape 4 — Détecter les anomalies

Alerter sur :
- Mois avec `count` très bas mais `amount` élevé → quelques grosses factures
- Mois avec variation > ±30% par rapport au mois précédent → pic ou creux à expliquer
- Mois courant incomplet → mentionner explicitement

## Exemple live (données réelles, juil. 2025 → juin 2026, trié par montant — pas par date)

| Rang | Mois | Montant (EUR) | Count | Share |
|------|------|--------------|-------|-------|
| 1 | 2026-01 | 1 769 755 | 605 | 10.7% |
| 2 | 2025-12 | 1 697 623 | 666 | 10.3% |
| 3 | 2025-10 | 1 554 335 | 774 | 9.4% |
| 4 | 2026-02 | 1 531 954 | 742 | 9.3% |
| 5 | 2026-03 | 1 464 520 | 688 | 8.9% |
| 6 | 2025-08 | 1 457 602 | 339 | 8.8% |
| 7 | 2026-04 | 1 368 217 | 801 | 8.3% |
| 8 | 2025-11 | 1 290 375 | 652 | 7.8% |
| 9 | 2025-07 | 1 200 645 | 387 | 7.3% |
| 10 | 2025-09 | 1 149 472 | 444 | 7.0% |
| 11 | 2026-05 | 1 129 378 | 492 | 6.8% |
| 12 | 2026-06 | 910 700 | 609 | 5.5% |

→ Aucune row "Others" ✅ (limit=12 = 12 mois)
→ Total : 16 524 574,27 EUR sur 12 mois
→ Moyenne mensuelle : **~1 377 048 EUR/mois**
→ Juin 2026 est le plus bas (données partielles — mois en cours au moment du test)

Avec `sortBy=name, sortOrder=asc` : les mêmes données seraient retournées dans l'ordre jul-25, aug-25, ..., jun-26.

## Exemple de prompt

- "Montre la tendance de nos dépenses sur les 12 derniers mois" → groupBy=month, sortBy=name, sortOrder=asc, limit=12
- "Quel mois a-t-on le plus dépensé ?" → groupBy=month, sortBy=amount (défaut), limit=1
- "Évolution mois par mois depuis janvier 2026" → fromDate=2026-01-01, toDate=aujourd'hui, groupBy=month, sortBy=name