Le développement d'un système d'e-commerce dédié aux quartiers intelligents répond à un besoin croissant de digitalisation des services de proximité. Cette solution logicielle vise à intégrer la gestion des transactions cmomerciales et les interactions communautaires au sein d'une interface unique et performante.

Architecture Technique

Backend : Framework Spring Boot

Le cœur du système repose sur Spring Boot, choisi pour sa capacité à accélérer le cycle de développement. En s'appuyant sur le paradigme de "convention plutôt que configuration", Spring Boot réduit drastiquement le code boilerplate et les fichiers XML complexes. L'utilisation des starters permet d'intégrer rapidement des modules de sécurité, d'accès aux données (JPA/Hibernate) et de gestion d'API REST. L'auto-configuration détecte les dépendances présentes dans le projet (Maven ou Gradle) et initialise automatiquement les beans nécessaires au fonctionnement de l'application.

Frontend : Vue.js

Pour la partie client, le choix s'est porté sur Vue.js. Ce framework JavaScript progressif facilite la création d'interfaces utilisateur dynamiques grâce à son système de réactivité et son DOM virtuel. La liaison de données bidirectionnelle (two-way data binding) simplifie la synchronisation entre l'état de l'application et la vue. De plus, l'architecture par composants permet une réutilisation efficace du code, facilitant ainsi la maintenance évolutive de la plateforme.

Étude de Faisabilité

L'analyse de faisabilité est une étape cruciale pour valider la viabilité du projet avant sa mise en production :

• Faisabilité Technique : L'écosystème Java est mature. La combinaison de Spring Boot et de bases de données relationnelles comme MySQL offre une robustesse éprouvée pour gérer des volumes de données importants.
• Faisabilité Économique : L'utilisation de technologies open-source minimise les coûts de licence. Le gain de temps généré par l'automatisation des processus de commande compense largement l'investissement initial de développement.
• Faisabilité Opérationnelle : L'interface est conçue pour être intuitive, permettant aux résidents et aux administrateurs de naviguer sans formation technique approfondie.

Validation et Tests du Système

Le processus de test garantit que chaque fonctionnalité répond aux exigences définies dans le cahier des charges. Nous privilégions les tests fonctionnels (boîte noire) pour simuler le comportement réel des utilisateurs.

Tests de Connexion

Modélisation de la Base de Données

La persistance des données est structurée pour assurer l'intégrité et la rapidité des requêtes. Voici un exemple de structure pour la table des amendes ou frais liés aux services :

Implémentation Logicielle

L'exepmle suivant illustre un contrôleur de service pour la gestion de la localisation et des services tiers (IA) au sein de la résidence.

@RestController
@RequestMapping("/api/services")
public class CommunityServiceController {

    @Autowired
    private GlobalConfigService configService;

    private AipFace faceRecognitionClient = null;

    /**
     * Récupère la ville via coordonnées GPS
     */
    @GetMapping("/geo-locate")
    public ResponseEntity<Map<String, String>> getCityLocation(@RequestParam String longitude, @RequestParam String latitude) {
        String apiKey = configService.findValueByKey("MAP_SERVICE_AK");
        if (apiKey == null) {
            return ResponseEntity.status(HttpStatus.INTERNAL_SERVER_ERROR).build();
        }
        
        Map<String, String> locationData = LocationUtils.fetchCity(apiKey, longitude, latitude);
        return ResponseEntity.ok(locationData);
    }

    /**
     * Analyse de comparaison faciale pour l'accès sécurisé
     */
    @PostMapping("/verify-access")
    public ResultWrapper compareBiometrics(@RequestBody Map<String, String> payload) {
        String imgA = payload.get("sourceImage");
        String imgB = payload.get("targetImage");

        if (faceRecognitionClient == null) {
            initFaceClient();
        }

        try {
            List<MatchRequest> bioRequests = new ArrayList<>();
            bioRequests.add(new MatchRequest(Base64Loader.encodeFile(imgA), "BASE64"));
            bioRequests.add(new MatchRequest(Base64Loader.encodeFile(imgB), "BASE64"));
            
            JSONObject apiResponse = faceRecognitionClient.match(bioRequests);
            return ResultWrapper.success(apiResponse.get("result"));
        } catch (Exception ex) {
            return ResultWrapper.error("Erreur lors de la vérification biométrique");
        }
    }

    private void initFaceClient() {
        String key = configService.findValueByKey("AI_API_KEY");
        String secret = configService.findValueByKey("AI_SECRET_KEY");
        faceRecognitionClient = new AipFace(null, key, secret);
    }
}

Script de Structure SQL

Voici les définitions SQL pour les entités principales : Utilisateurs, Messages et Sécurité.

CREATE TABLE `resident_account` (
  `uid` bigint(20) NOT NULL AUTO_INCREMENT,
  `created_at` timestamp DEFAULT CURRENT_TIMESTAMP,
  `login_name` varchar(100) NOT NULL UNIQUE,
  `pass_hash` varchar(255) NOT NULL,
  `full_name` varchar(150) DEFAULT NULL,
  `phone_number` varchar(20) DEFAULT NULL,
  `identity_card` varchar(50) DEFAULT NULL,
  PRIMARY KEY (`uid`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

CREATE TABLE `community_feedback` (
  `id` bigint(20) NOT NULL AUTO_INCREMENT,
  `author_id` bigint(20) NOT NULL,
  `msg_content` text NOT NULL,
  `admin_reply` text,
  `status` int(1) DEFAULT 0,
  PRIMARY KEY (`id`),
  CONSTRAINT `fk_author` FOREIGN KEY (`author_id`) REFERENCES `resident_account` (`uid`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

CREATE TABLE `auth_token` (
  `token_id` bigint(20) NOT NULL AUTO_INCREMENT,
  `linked_user` bigint(20) NOT NULL,
  `access_key` varchar(255) NOT NULL,
  `expiry_date` datetime NOT NULL,
  PRIMARY KEY (`token_id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;