La question produit.
La coordination implique personnes, organismes d’accueil, superviseurs, jalons et heures. Un bon tableau répond vite : qui est bloqué, quelle échéance arrive et quel dossier demande une action ?
Le concept académique a été reconstruit comme application statique bornée. Les données sont fictives, les changements restent dans le navigateur et chaque état se réinitialise.
Ce que promet l’édition publique.
La reconstruction garde une frontière petite et vérifiable :
- Chaque personne et organisation est fictive.
- Recherche et filtres utilisent un seul modèle explicite.
- Les jalons persistent uniquement dans local storage et se réinitialisent.
- Aucun compte, base, endpoint analytics ou API distante d’écriture n’existe.
Modéliser l’opération avant le tableau.
Un tableau devient fragile si totaux, libellés et lignes calculent l’état différemment. J’ai d’abord réuni état et calcul d’heures dans un modèle testé.
L’interface projette ensuite ce modèle : métriques, filtres et progression partagent les mêmes fonctions ; seule la fixture de travail fictive persiste localement.
Une frontière de produit statique complète.
Un dataset fictif alimente le modèle. Recherche, filtres, synthèses et transitions lisent le même état dérivé. Le navigateur conserve les changements ; reset restaure la fixture.
Les choix qui rendent la démo fiable.
L’application en fait moins, mais chaque interaction visible est réelle.
Fournir des données fictives
La cohorte entière est conçue pour la démonstration, sans export de production expurgé.
La démo ne représente ni processus ni volume d’une institution réelle.
Dériver les métriques du modèle
État et heures sont partagés par cartes, filtres et dossiers, avec tests Node.js.
Tout nouvel état doit d’abord modifier le contrat du modèle.
Garder la persistance locale
Les jalons survivent au refresh et reset restaure la fixture.
Pas de collaboration, authentification ou synchronisation multi-appareil.
Vérification du site statique.
Le serveur local reproduit le chemin GitHub Pages exact, afin de détecter les liens absolus avant déploiement. Node.js teste le modèle et Playwright l’expérience web.
Les releases produisent des archives ZIP et TAR déterministes avec inventaire, CycloneDX SBOM, commit source et checksums SHA-256.
Ce que permet le tableau.
Un opérateur recherche étudiant, organisme ou superviseur, filtre la cohorte, examine la progression, avance un jalon et retrouve l’état après refresh.
VECTOR est un démonstrateur ciblé, pas un service hébergé. Sa valeur est un modèle d’interaction cohérent avec une frontière de données claire.
Registre des preuves.
L’édition publique fournit une fixture volontairement petite et testable :
- Fixture
- Six placements fictifs dans quatre états ; deux actifs et deux en révision.
- Vue dérivée
- La fixture vérifiée indique 67 % d’avancement agrégé sur des objectifs de 160/180 heures.
- Vérification
- 30 déclarations Node.js et cinq E2E web, dont mobile à 390 px et contrôle exact du débordement à 320 px.
- Limite
- Toute la persistance appartient à un navigateur. Ce n’est pas un système de placement multi-utilisateur.