Facile

Conclusion — Séance 5

Votre dashboard Streamlit ne dépend plus d'un import Python direct — il communique avec l'API Flask via HTTP.

Ce que vous savez faire

Vous savez maintenant :

Choisir entre import direct et HTTP selon le contexte de déploiement
Effectuer des appels HTTP : requests.get(), params, response.json() vers DataFrame
Gérer les erreurs : erreurs réseau (exceptions) vs erreurs HTTP (codes de statut), raise_for_status(), timeout, st.stop()
Comprendre CORS : quand il s'applique (navigateur) et quand il ne s'applique pas (requests)
Sécuriser une API : clé d'API via X-API-Key, décorateur @require_api_key, codes 401 vs 403
Gérer les secrets : st.secrets côté Streamlit, os.environ + python-dotenv côté Flask
Structurer un client HTTP : classe VentesAPIClient, requests.Session, @st.cache_resource

Patterns clés

Patterns à retenir

Découplage HTTP — le dashboard ne connaît que l'URL de l'API, pas son implémentation interne
Gestion d'erreurs centralisée — une méthode _get privée qui gère tous les cas (réseau, HTTP, timeout)
Interface identique — le client HTTP expose les mêmes méthodes que le repository (get_par_region, get_stats...)
Secrets hors du code — .streamlit/secrets.toml et .env, jamais de clés dans le code source
Session réutilisable — requests.Session() pour la performance et les headers persistants

Architecture finale

Chargement du diagramme…

Checklist de validation

Vérifiez ces points avant de passer à la suite :

Point de contrôle	Code / technique
Aucun import direct du repository	Pas de `from api.repository import ...` dans le dashboard
Timeout sur chaque appel	`timeout=10` dans chaque requête `requests`
Gestion d'erreurs complète	`ConnectionError`, `Timeout`, `HTTPError` gérées
Clé API non hardcodée	`st.secrets['API_KEY']` ou `os.environ.get('API_KEY')`
Fichiers secrets dans .gitignore	`.streamlit/secrets.toml` et `.env`
Client HTTP structuré	Classe `VentesAPIClient` dans un fichier séparé
Session réutilisée	`requests.Session()` + `@st.cache_resource`
Spinner de chargement	`st.spinner()` autour des appels réseau

La suite

Récapitulatif des briques construites au fil des séances :

Séance	Brique
Séance 1	API REST Flask — endpoints, pagination, agrégation
Séance 2	Dashboard Streamlit — widgets, layout, session_state
Séance 3	Visualisations Plotly Express — graphiques interactifs
Séance 4	SQL analytique — requêtes avancées, window functions
Séance 5	Communication HTTP — découplage, sécurité, client structuré

Bilan

La stack couvre maintenant : une API REST sécurisée (Flask), un dashboard interactif (Streamlit + Plotly), des requêtes analytiques (SQL), et une communication HTTP avec gestion d'erreurs et authentification.