diff --git a/.claude-todo.md b/.claude-todo.md
deleted file mode 100644
index 8be196d..0000000
--- a/.claude-todo.md
+++ /dev/null
@@ -1,264 +0,0 @@
-# Audio Classifier - TODO Mise à Jour (6 décembre 2024)
-
-## ✅ Ce qui est FAIT (État actuel du projet)
-
-### Infrastructure
-- ✅ Structure complète backend + frontend
-- ✅ Docker Compose avec PostgreSQL + pgvector
-- ✅ Backend Dockerfile (Python 3.9, émulation x86_64 pour Essentia)
-- ✅ Frontend Dockerfile
-- ✅ Containers en production (running actuellement)
-- ✅ .env et .env.example configurés
-- ✅ Modèles Essentia téléchargés (genre, mood, instrument)
-
-### Backend (Python/FastAPI)
-- ✅ Structure complète src/
-- ✅ Modèles SQLAlchemy (schema.py) avec AudioTrack
-- ✅ Migrations Alembic fonctionnelles
-- ✅ CRUD complet (crud.py)
-- ✅ API FastAPI (main.py)
-- ✅ Routes implémentées :
-  - ✅ /api/tracks (GET, DELETE)
-  - ✅ /api/search
-  - ✅ /api/audio (stream, download, waveform)
-  - ✅ /api/analyze
-  - ✅ /api/similar
-  - ✅ /api/stats
-- ✅ Core modules :
-  - ✅ audio_processor.py (Librosa)
-  - ✅ essentia_classifier.py (modèles genre/mood/instruments)
-  - ✅ analyzer.py (orchestrateur)
-  - ✅ file_scanner.py
-  - ✅ waveform_generator.py
-- ✅ Utils (config, logging, validators)
-- ✅ CLI scanner fonctionnel
-
-### Frontend (Next.js 14)
-- ✅ Structure Next.js 14 avec TypeScript
-- ✅ TailwindCSS + shadcn/ui setup
-- ✅ API client (lib/api.ts)
-- ✅ Types TypeScript (lib/types.ts)
-- ✅ QueryProvider configuré
-- ✅ Layout principal
-- ✅ Page principale (app/page.tsx)
-
-### Documentation
-- ✅ README.md complet
-- ✅ QUICKSTART.md
-- ✅ SETUP.md
-- ✅ STATUS.md
-- ✅ COMMANDES.md
-- ✅ DOCKER.md
-- ✅ ESSENTIA.md
-- ✅ CORRECTIONS.md
-- ✅ RESUME.md
-
----
-
-## 🔧 Ce qui reste À FAIRE
-
-### Phase 1: Finaliser Docker pour Mac ARM
-
-#### 1.1 Docker Build Optimization
-- [ ] **Finir le build Docker backend** (actuellement timeout à 10min)
-  - Build en cours mais très lent (émulation x86_64)
-  - Options :
-    - [ ] Option A : Augmenter timeout et laisser finir (15-20 min estimé)
-    - [ ] Option B : Build natif ARM64 en compilant Essentia depuis sources
-    - [ ] Option C : Utiliser image multi-arch existante (mgoltzsche/essentia-container)
-- [ ] Tester le container backend une fois buildé
-- [ ] Vérifier que Essentia fonctionne correctement dans le container
-- [ ] Documenter temps de build et performances
-
-#### 1.2 Docker Compose Validation
-- [ ] Tester docker-compose up complet
-- [ ] Vérifier connectivité DB ↔ Backend
-- [ ] Vérifier connectivité Frontend ↔ Backend
-- [ ] Tester les 3 services ensemble
-
----
-
-### Phase 2: Frontend Components (PRIORITAIRE)
-
-Le frontend a la structure mais manque les composants UI. **C'est la priorité #1.**
-
-#### 2.1 Composants de base manquants
-- [ ] `components/SearchBar.tsx`
-- [ ] `components/FilterPanel.tsx`
-- [ ] `components/TrackCard.tsx`
-- [ ] `components/TrackDetails.tsx` (Modal)
-- [ ] `components/AudioPlayer.tsx`
-- [ ] `components/WaveformDisplay.tsx`
-- [ ] `components/BatchScanner.tsx`
-- [ ] `components/SimilarTracks.tsx`
-
-#### 2.2 Hooks manquants
-- [ ] `hooks/useSearch.ts` (recherche avec debounce)
-- [ ] `hooks/useTracks.ts` (fetch + pagination)
-- [ ] `hooks/useAudioPlayer.ts` (state audio player)
-
-#### 2.3 Pages manquantes
-- [ ] `app/tracks/[id]/page.tsx` (page détail track)
-
-#### 2.4 Installation shadcn components
-- [ ] Installer composants shadcn manquants :
-  ```bash
-  npx shadcn@latest add button input slider select card dialog badge progress toast dropdown-menu tabs
-  ```
-
----
-
-### Phase 3: Tests & Validation
-
-#### 3.1 Tests Backend
-- [ ] Tester analyse d'un fichier audio réel
-- [ ] Tester scanner CLI sur un dossier
-- [ ] Vérifier classifications Essentia (genre/mood)
-- [ ] Tester endpoints API avec curl/Postman
-- [ ] Vérifier waveform generation
-
-#### 3.2 Tests Frontend
-- [ ] Tester affichage liste tracks
-- [ ] Tester recherche et filtres
-- [ ] Tester lecture audio
-- [ ] Tester waveform display
-- [ ] Tester scanner de dossier
-- [ ] Tester navigation
-
-#### 3.3 Tests End-to-End
-- [ ] Flow complet : Scanner dossier → Voir résultats → Jouer track → Chercher similaires
-- [ ] Tester avec bibliothèque réelle (>100 fichiers)
-- [ ] Vérifier performances
-
----
-
-### Phase 4: Optimisations & Polish
-
-#### 4.1 Performance
-- [ ] Optimiser temps de build Docker (si nécessaire)
-- [ ] Cache waveform peaks
-- [ ] Optimiser requêtes DB (indexes)
-- [ ] Lazy loading tracks (pagination infinie)
-
-#### 4.2 UX
-- [ ] Loading skeletons
-- [ ] Error boundaries
-- [ ] Toast notifications
-- [ ] Keyboard shortcuts (espace = play/pause)
-- [ ] Dark mode support
-
-#### 4.3 Backend improvements
-- [ ] Rate limiting API
-- [ ] Structured logging
-- [ ] Error handling middleware
-- [ ] Health checks détaillés
-
----
-
-### Phase 5: Features additionnelles (Nice-to-have)
-
-#### 5.1 Features manquantes du plan original
-- [ ] Batch export (CSV/JSON)
-- [ ] Playlists
-- [ ] Duplicate detection
-- [ ] Tag editing
-- [ ] Visualisations avancées (spectrogram)
-
-#### 5.2 Embeddings CLAP (Future)
-- [ ] Intégration CLAP pour semantic search
-- [ ] Utiliser pgvector pour similarity search
-- [ ] API endpoint pour recherche sémantique
-
-#### 5.3 Multi-user (Future)
-- [ ] Authentication JWT
-- [ ] User management
-- [ ] Permissions
-
----
-
-## 🎯 ROADMAP RECOMMANDÉE
-
-### Sprint 1 (Cette semaine) - MINIMUM VIABLE PRODUCT
-1. ✅ ~~Finaliser Docker setup~~
-2. **Créer composants frontend de base** (SearchBar, TrackCard, AudioPlayer)
-3. **Créer hooks frontend** (useTracks, useAudioPlayer)
-4. **Page principale fonctionnelle** avec liste + lecture
-5. **Tester flow complet** avec fichiers audio réels
-
-### Sprint 2 (Semaine prochaine) - FEATURES COMPLÈTES
-1. Composants avancés (FilterPanel, BatchScanner, SimilarTracks)
-2. Page détail track
-3. Optimisations performance
-4. Polish UX (loading states, errors, toasts)
-
-### Sprint 3 (Après) - POLISH & EXTRAS
-1. Dark mode
-2. Keyboard shortcuts
-3. Export data
-4. Documentation finale
-
----
-
-## 📝 Notes Importantes
-
-### Docker Build sur Mac ARM
-- **Problème actuel** : Build très lent (10+ min) car Essentia nécessite émulation x86_64
-- **Solution actuelle** : `FROM --platform=linux/amd64 python:3.9-slim` dans Dockerfile
-- **Performance** : Runtime sera aussi émulé (plus lent mais fonctionnel)
-- **Alternative** : Compiler Essentia pour ARM64 (complexe, long)
-
-### Priorités
-1. **Frontend components** → Rendre l'app utilisable
-2. **Tests avec vraie data** → Valider que tout fonctionne
-3. **Polish UX** → Rendre l'app agréable
-
-### État actuel
-- ✅ Backend 95% complet et fonctionnel
-- ⚠️ Frontend 30% complet (structure ok, UI manquante)
-- ⚠️ Docker 90% (backend build en cours)
-- ✅ Documentation excellente
-
----
-
-## 🚀 Commandes Utiles
-
-### Docker
-```bash
-# Build (peut prendre 15-20 min sur Mac ARM)
-docker-compose build
-
-# Démarrer
-docker-compose up
-
-# Logs
-docker-compose logs -f backend
-
-# Scanner un dossier
-docker exec audio_classifier_api python -m src.cli.scanner /music --recursive
-```
-
-### Dev Local
-```bash
-# Backend
-cd backend
-pip install -r requirements.txt
-uvicorn src.api.main:app --reload
-
-# Frontend
-cd frontend
-npm install
-npm run dev
-```
-
----
-
-## ✨ Prochaine étape immédiate
-
-**CRÉER LES COMPOSANTS FRONTEND** pour avoir une interface utilisable.
-
-Ordre suggéré :
-1. TrackCard (afficher les tracks)
-2. AudioPlayer (jouer les tracks)
-3. SearchBar + FilterPanel (recherche)
-4. BatchScanner (scanner des dossiers)
-5. TrackDetails + SimilarTracks (features avancées)
diff --git a/.claude/settings.local.json b/.claude/settings.local.json
index b04e254..2ebede2 100644
--- a/.claude/settings.local.json
+++ b/.claude/settings.local.json
@@ -9,7 +9,8 @@
       "Bash(bash scripts/download-essentia-models.sh:*)",
       "Bash(curl:*)",
       "Bash(docker logs:*)",
-      "Bash(docker exec:*)"
+      "Bash(docker exec:*)",
+      "Bash(ls:*)"
     ]
   }
 }
diff --git a/COMMANDES.md b/COMMANDES.md
deleted file mode 100644
index 5e3ecc3..0000000
--- a/COMMANDES.md
+++ /dev/null
@@ -1,317 +0,0 @@
-# 📝 Commandes Essentielles - Audio Classifier
-
-## 🚀 Démarrage
-
-### Lancer tous les services
-```bash
-cd "/Users/benoit/Documents/code/Audio Classifier"
-docker-compose -f docker-compose.dev.yml up -d
-```
-
-### Vérifier le statut
-```bash
-docker-compose -f docker-compose.dev.yml ps
-docker-compose -f docker-compose.dev.yml logs -f backend
-```
-
-### Lancer le frontend
-```bash
-cd frontend
-npm run dev
-```
-
-## 🔍 Vérifications
-
-### Health check
-```bash
-curl http://localhost:8001/health
-```
-
-### Stats base de données
-```bash
-curl http://localhost:8001/api/stats | python3 -m json.tool
-```
-
-### Liste des pistes
-```bash
-curl http://localhost:8001/api/tracks?limit=5 | python3 -m json.tool
-```
-
-## 🎵 Analyse audio
-
-### Analyser un dossier
-```bash
-curl -X POST http://localhost:8001/api/analyze/folder \
-  -H "Content-Type: application/json" \
-  -d '{
-    "path": "/audio",
-    "recursive": true
-  }'
-```
-
-Retourne un `job_id`
-
-### Vérifier la progression
-```bash
-# Remplacer JOB_ID par l'ID retourné
-curl http://localhost:8001/api/analyze/status/JOB_ID | python3 -m json.tool
-```
-
-## 🔎 Recherche
-
-### Recherche textuelle
-```bash
-curl "http://localhost:8001/api/search?q=jazz&limit=10" | python3 -m json.tool
-```
-
-### Filtrer par BPM
-```bash
-curl "http://localhost:8001/api/tracks?bpm_min=120&bpm_max=140&limit=20" | python3 -m json.tool
-```
-
-### Filtrer par genre
-```bash
-curl "http://localhost:8001/api/tracks?genre=electronic&limit=10" | python3 -m json.tool
-```
-
-### Filtrer par énergie
-```bash
-curl "http://localhost:8001/api/tracks?energy_min=0.7&limit=10" | python3 -m json.tool
-```
-
-## 🎧 Audio
-
-### Stream (dans navigateur)
-```bash
-# Récupérer un track_id d'abord
-TRACK_ID=$(curl -s "http://localhost:8001/api/tracks?limit=1" | python3 -c "import sys, json; print(json.load(sys.stdin)['tracks'][0]['id'])")
-
-# Ouvrir dans navigateur
-open "http://localhost:8001/api/audio/stream/$TRACK_ID"
-```
-
-### Download
-```bash
-curl -o music.mp3 "http://localhost:8001/api/audio/download/$TRACK_ID"
-```
-
-### Waveform data
-```bash
-curl "http://localhost:8001/api/audio/waveform/$TRACK_ID" | python3 -m json.tool
-```
-
-## 🗄️ Base de données
-
-### Connexion psql
-```bash
-docker exec -it audio_classifier_db psql -U audio_user -d audio_classifier
-```
-
-### Queries utiles
-```sql
--- Nombre total de pistes
-SELECT COUNT(*) FROM audio_tracks;
-
--- 10 dernières pistes analysées
-SELECT filename, tempo_bpm, key, genre_primary, mood_primary, analyzed_at
-FROM audio_tracks
-ORDER BY analyzed_at DESC
-LIMIT 10;
-
--- Pistes par genre
-SELECT genre_primary, COUNT(*)
-FROM audio_tracks
-WHERE genre_primary IS NOT NULL
-GROUP BY genre_primary
-ORDER BY COUNT(*) DESC;
-
--- Pistes rapides (> 140 BPM)
-SELECT filename, tempo_bpm
-FROM audio_tracks
-WHERE tempo_bpm > 140
-ORDER BY tempo_bpm DESC;
-```
-
-### Migrations
-```bash
-# Appliquer les migrations
-docker exec audio_classifier_api alembic upgrade head
-
-# Vérifier la version
-docker exec audio_classifier_api alembic current
-
-# Historique
-docker exec audio_classifier_api alembic history
-```
-
-## 🛠️ Gestion services
-
-### Arrêter
-```bash
-docker-compose -f docker-compose.dev.yml stop
-```
-
-### Redémarrer
-```bash
-docker-compose -f docker-compose.dev.yml restart
-```
-
-### Redémarrer uniquement le backend
-```bash
-docker-compose -f docker-compose.dev.yml restart backend
-```
-
-### Logs
-```bash
-# Tous les services
-docker-compose -f docker-compose.dev.yml logs -f
-
-# Backend seulement
-docker-compose -f docker-compose.dev.yml logs -f backend
-
-# PostgreSQL
-docker-compose -f docker-compose.dev.yml logs -f postgres
-```
-
-### Rebuild
-```bash
-docker-compose -f docker-compose.dev.yml build backend
-docker-compose -f docker-compose.dev.yml up -d
-```
-
-### Supprimer tout (⚠️ perd les données)
-```bash
-docker-compose -f docker-compose.dev.yml down -v
-```
-
-## 🔧 Configuration
-
-### Modifier le dossier audio
-```bash
-# Éditer .env
-nano .env
-
-# Changer:
-AUDIO_LIBRARY_PATH=/nouveau/chemin/vers/audio
-
-# Redémarrer
-docker-compose -f docker-compose.dev.yml restart backend
-```
-
-### Changer le nombre de workers
-```bash
-# Éditer .env
-ANALYSIS_NUM_WORKERS=8
-
-# Redémarrer
-docker-compose -f docker-compose.dev.yml restart backend
-```
-
-## 📊 Statistiques
-
-### Stats globales
-```bash
-curl http://localhost:8001/api/stats | python3 -m json.tool
-```
-
-### Nombre de pistes
-```bash
-curl -s http://localhost:8001/api/stats | python3 -c "import sys, json; print(f\"Total tracks: {json.load(sys.stdin)['total_tracks']}\")"
-```
-
-## 🧪 Tests
-
-### Test health check
-```bash
-curl -f http://localhost:8001/health && echo "✅ OK" || echo "❌ FAIL"
-```
-
-### Test connexion DB
-```bash
-docker exec audio_classifier_db pg_isready -U audio_user && echo "✅ DB OK" || echo "❌ DB FAIL"
-```
-
-### Test frontend
-```bash
-curl -f http://localhost:3000 && echo "✅ Frontend OK" || echo "❌ Frontend FAIL"
-```
-
-## 📖 Documentation
-
-### API interactive
-```bash
-open http://localhost:8001/docs
-```
-
-### Frontend
-```bash
-open http://localhost:3000
-```
-
-## 🆘 Debug
-
-### Voir les variables d'environnement
-```bash
-docker exec audio_classifier_api env | grep -E "DATABASE_URL|CORS|ANALYSIS"
-```
-
-### Vérifier les ports
-```bash
-lsof -i :8001  # Backend
-lsof -i :5433  # PostgreSQL
-lsof -i :3000  # Frontend
-```
-
-### Espace disque Docker
-```bash
-docker system df
-docker system prune  # Nettoyer
-```
-
-## 🎯 Workflows courants
-
-### Analyser une nouvelle bibliothèque
-```bash
-# 1. Configurer le chemin
-echo 'AUDIO_LIBRARY_PATH=/path/to/music' >> .env
-
-# 2. Redémarrer
-docker-compose -f docker-compose.dev.yml restart backend
-
-# 3. Lancer l'analyse
-curl -X POST http://localhost:8001/api/analyze/folder \
-  -H "Content-Type: application/json" \
-  -d '{"path": "/audio", "recursive": true}'
-
-# 4. Suivre la progression (récupérer job_id d'abord)
-watch -n 2 "curl -s http://localhost:8001/api/analyze/status/JOB_ID | python3 -m json.tool"
-```
-
-### Rechercher et écouter
-```bash
-# 1. Rechercher
-curl "http://localhost:8001/api/search?q=upbeat" | python3 -m json.tool
-
-# 2. Copier un track_id
-
-# 3. Écouter
-open "http://localhost:8001/api/audio/stream/TRACK_ID"
-```
-
-### Export des résultats
-```bash
-# Export JSON toutes les pistes
-curl "http://localhost:8001/api/tracks?limit=10000" > tracks.json
-
-# Export CSV (simple)
-curl -s "http://localhost:8001/api/tracks?limit=10000" | \
-  python3 -c "import sys, json, csv; data = json.load(sys.stdin)['tracks']; writer = csv.DictWriter(sys.stdout, fieldnames=['filename', 'tempo_bpm', 'key', 'genre_primary']); writer.writeheader(); [writer.writerow({k: track.get(k) or track['features'].get(k) or track['classification']['genre'].get('primary') for k in ['filename', 'tempo_bpm', 'key', 'genre_primary']}) for track in data]" > tracks.csv
-```
-
----
-
-**Rappel des URLs** :
-- Backend API : http://localhost:8001
-- API Docs : http://localhost:8001/docs
-- Frontend : http://localhost:3000
-- PostgreSQL : localhost:5433
diff --git a/CORRECTIONS.md b/CORRECTIONS.md
deleted file mode 100644
index cf9ae83..0000000
--- a/CORRECTIONS.md
+++ /dev/null
@@ -1,137 +0,0 @@
-# 🔧 Corrections Appliquées
-
-## Problème résolu : Build Docker
-
-### Problème initial
-```
-ERROR: Could not find a version that satisfies the requirement essentia-tensorflow==2.1b6.dev1110
-ERROR: No matching distribution found for essentia-tensorflow==2.1b6.dev1110
-```
-
-### Cause
-La version `essentia-tensorflow==2.1b6.dev1110` spécifiée dans `requirements.txt` n'existe pas sur PyPI. C'était une version de développement qui n'a jamais été publiée.
-
-### Solution appliquée
-
-✅ **Correction du `requirements.txt`** :
-- Suppression de la ligne `essentia-tensorflow==2.1b6.dev1110`
-- Ajout de commentaires expliquant comment installer Essentia manuellement si besoin
-- Le système fonctionne maintenant **sans Essentia** en utilisant uniquement Librosa
-
-✅ **Mise à jour des ports dans `docker-compose.yml`** :
-- PostgreSQL : `5433` (au lieu de 5432, conflit avec votre instance existante)
-- Backend : `8001` (au lieu de 8000, conflit avec autre service)
-
-✅ **Build Docker fonctionnel** :
-```bash
-docker-compose build backend
-# → Successfully installed!
-```
-
-## Fichiers modifiés
-
-### 1. `backend/requirements.txt`
-**Avant** :
-```txt
-essentia-tensorflow==2.1b6.dev1110
-```
-
-**Après** :
-```txt
-# Optional: Essentia for genre/mood/instrument classification
-# Note: essentia-tensorflow not available on PyPI for all platforms
-# Uncomment if you can install it (Linux x86_64 only):
-# essentia==2.1b6.dev1110
-# For manual installation: pip install essentia
-# Or build from source: https://github.com/MTG/essentia
-```
-
-### 2. `docker-compose.yml`
-**Avant** :
-```yaml
-ports:
-  - "5432:5432"  # PostgreSQL
-  - "8000:8000"  # Backend
-```
-
-**Après** :
-```yaml
-ports:
-  - "5433:5432"  # PostgreSQL (évite conflit)
-  - "8001:8000"  # Backend (évite conflit)
-```
-
-### 3. Fichier `extra_metadata` dans `schema.py`
-**Problème** : `metadata` est un nom réservé par SQLAlchemy.
-
-**Correction** : Renommé en `extra_metadata` dans :
-- `backend/src/models/schema.py`
-- `backend/src/models/crud.py`
-
-## Impact
-
-### ✅ Ce qui fonctionne maintenant
-- Build Docker complet sans erreurs
-- Backend opérationnel sur port 8001
-- PostgreSQL sur port 5433
-- Tous les endpoints API fonctionnels
-- Extraction de features audio (Librosa)
-
-### ⚠️ Ce qui n'est pas disponible
-- Classification automatique des genres (Essentia)
-- Classification des moods/ambiances (Essentia)
-- Détection des instruments (Essentia)
-
-**Mais** : Ces fonctionnalités ne sont **pas nécessaires** pour 95% des cas d'usage !
-
-## Alternatives pour la classification
-
-Si vous avez vraiment besoin de classification automatique, voir [ESSENTIA.md](ESSENTIA.md) pour :
-
-1. **CLAP** (Contrastive Language-Audio Pretraining) - Recommandé
-2. **Panns** (Pre-trained Audio Neural Networks) - Stable
-3. **Hugging Face Transformers** - Moderne
-
-Ces solutions sont **plus récentes** et **mieux maintenues** qu'Essentia.
-
-## Vérification
-
-### Test du build
-```bash
-docker-compose build backend
-# → ✅ Successfully built
-```
-
-### Test du démarrage
-```bash
-docker-compose up -d
-# → ✅ Services started
-
-curl http://localhost:8001/health
-# → ✅ {"status":"healthy"}
-```
-
-### Test de l'API
-```bash
-curl http://localhost:8001/api/stats
-# → ✅ {"total_tracks":0,"genres":[],...}
-```
-
-## Commandes mises à jour
-
-Toutes les commandes dans la documentation utilisent maintenant les bons ports :
-
-- **Backend API** : http://localhost:8001 (au lieu de 8000)
-- **PostgreSQL** : localhost:5433 (au lieu de 5432)
-- **Frontend** : http://localhost:3000 (inchangé)
-
-## Conclusion
-
-Le projet est maintenant **100% fonctionnel** avec :
-- ✅ Build Docker sans erreurs
-- ✅ Toutes les dépendances installées
-- ✅ Services opérationnels
-- ✅ API complète fonctionnelle
-- ✅ Extraction audio Librosa
-
-**Pas besoin d'Essentia** pour utiliser le système efficacement ! 🎵
diff --git a/DEMARRAGE.md b/DEMARRAGE.md
deleted file mode 100644
index a8757bb..0000000
--- a/DEMARRAGE.md
+++ /dev/null
@@ -1,196 +0,0 @@
-# 🚀 Démarrage - Audio Classifier
-
-## ✅ Statut
-
-Le projet est configuré et prêt à fonctionner !
-
-## Configuration actuelle
-
-- **Backend API** : http://localhost:8001
-- **Base de données** : PostgreSQL sur port 5433
-- **Frontend** : À lancer sur port 3000
-
-## 1. Services Docker (Déjà lancés)
-
-```bash
-cd "/Users/benoit/Documents/code/Audio Classifier"
-
-# Vérifier que les services tournent
-docker-compose -f docker-compose.dev.yml ps
-
-# Logs du backend
-docker-compose -f docker-compose.dev.yml logs -f backend
-```
-
-## 2. Tester le backend
-
-```bash
-# Health check
-curl http://localhost:8001/health
-
-# Documentation interactive
-open http://localhost:8001/docs
-```
-
-## 3. Lancer le frontend
-
-```bash
-cd frontend
-
-# Si pas encore fait
-npm install
-
-# Créer .env.local
-cat > .env.local << EOF
-NEXT_PUBLIC_API_URL=http://localhost:8001
-EOF
-
-# Lancer
-npm run dev
-```
-
-Frontend accessible sur : **http://localhost:3000**
-
-## 4. Analyser votre bibliothèque audio
-
-### Option A : Via l'API
-
-```bash
-# Analyser un dossier
-curl -X POST http://localhost:8001/api/analyze/folder \
-  -H "Content-Type: application/json" \
-  -d '{
-    "path": "/audio",
-    "recursive": true
-  }'
-
-# Note: "/audio" correspond au montage dans le conteneur
-# Pour analyser vos fichiers, mettre à jour AUDIO_LIBRARY_PATH dans .env
-```
-
-### Option B : Depuis votre machine (sans Essentia)
-
-Le système fonctionne actuellement **sans les modèles Essentia** pour simplifier le déploiement.
-
-**Fonctionnalités disponibles** :
-- ✅ Extraction tempo (BPM)
-- ✅ Détection tonalité
-- ✅ Features spectrales (energy, danceability, valence)
-- ✅ Signature rythmique
-- ❌ Classification genre/mood/instruments (nécessite Essentia)
-
-**Pour activer Essentia** (optionnel) :
-
-1. Télécharger les modèles :
-```bash
-./scripts/download-essentia-models.sh
-```
-
-2. Reconstruire avec Dockerfile complet :
-```bash
-# Éditer docker-compose.dev.yml
-# Changer: dockerfile: Dockerfile.minimal
-# En:      dockerfile: Dockerfile
-
-docker-compose -f docker-compose.dev.yml build backend
-docker-compose -f docker-compose.dev.yml up -d
-```
-
-## 5. Commandes utiles
-
-### Gérer les services
-
-```bash
-# Arrêter
-docker-compose -f docker-compose.dev.yml stop
-
-# Redémarrer
-docker-compose -f docker-compose.dev.yml restart
-
-# Tout supprimer (⚠️ perd les données DB)
-docker-compose -f docker-compose.dev.yml down -v
-```
-
-### Requêtes API
-
-```bash
-# Lister les pistes
-curl http://localhost:8001/api/tracks?limit=10
-
-# Recherche
-curl "http://localhost:8001/api/search?q=test&limit=10"
-
-# Stats
-curl http://localhost:8001/api/stats
-
-# Stream audio (remplacer TRACK_ID)
-open http://localhost:8001/api/audio/stream/TRACK_ID
-
-# Download audio
-curl -O http://localhost:8001/api/audio/download/TRACK_ID
-```
-
-## 6. Configuration avancée
-
-### Changer le dossier audio à analyser
-
-Éditer `.env` :
-
-```env
-AUDIO_LIBRARY_PATH=/Users/benoit/Music
-```
-
-Puis redémarrer :
-
-```bash
-docker-compose -f docker-compose.dev.yml restart backend
-```
-
-### Accéder à la base de données
-
-```bash
-# Connexion psql
-docker exec -it audio_classifier_db psql -U audio_user -d audio_classifier
-
-# Queries utiles
-\dt  -- Liste des tables
-SELECT COUNT(*) FROM audio_tracks;
-SELECT filename, tempo_bpm, key FROM audio_tracks LIMIT 5;
-```
-
-## 🐛 Problèmes courants
-
-### Backend ne démarre pas
-
-```bash
-docker-compose -f docker-compose.dev.yml logs backend
-```
-
-### Port déjà utilisé
-
-Les ports ont été changés pour éviter les conflits :
-- PostgreSQL : **5433** (au lieu de 5432)
-- Backend : **8001** (au lieu de 8000)
-
-### Frontend ne se connecte pas
-
-Vérifier `.env.local` dans le dossier `frontend` :
-
-```env
-NEXT_PUBLIC_API_URL=http://localhost:8001
-```
-
-## 📚 Documentation
-
-- [README.md](README.md) - Vue d'ensemble
-- [SETUP.md](SETUP.md) - Guide complet
-- http://localhost:8001/docs - API interactive
-
-## 🎵 Prochaines étapes
-
-1. **Analyser vos fichiers** : Utiliser l'API `/api/analyze/folder`
-2. **Explorer le frontend** : Naviguer dans les pistes
-3. **Tester la recherche** : Filtrer par BPM, etc.
-4. **Activer Essentia** (optionnel) : Pour genre/mood/instruments
-
-Bon classement ! 🎶
diff --git a/DOCKER.md b/DOCKER.md
deleted file mode 100644
index 121d38e..0000000
--- a/DOCKER.md
+++ /dev/null
@@ -1,176 +0,0 @@
-# Dockerisation du projet Audio Classifier
-
-## 🐳 Architecture Docker
-
-Le projet est entièrement dockerisé avec deux configurations distinctes :
-
-1. **Production** (`docker-compose.yml`) - Version optimisée pour le déploiement
-2. **Développement** (`docker-compose.dev.yml`) - Version avec hot-reload pour le développement
-
-## 📁 Structure des Services
-
-```yaml
-services:
-  postgres:     # Base de données PostgreSQL avec pgvector
-  backend:      # API FastAPI (Python 3.11)
-  frontend:     # Interface Next.js (Node.js 20)
-```
-
-## 🚀 Commandes de déploiement
-
-### Mode Production
-
-```bash
-# Démarrer tous les services
-docker-compose up -d
-
-# Arrêter tous les services
-docker-compose down
-
-# Voir les logs
-docker-compose logs
-```
-
-### Mode Développement
-
-```bash
-# Démarrer tous les services en mode dev
-docker-compose -f docker-compose.dev.yml up -d
-
-# Arrêter tous les services
-docker-compose -f docker-compose.dev.yml down
-
-# Voir les logs
-docker-compose -f docker-compose.dev.yml logs
-```
-
-## 🏗 Construction des images
-
-### Backend (Production)
-- **Base** : `python:3.9-slim` (pour compatibilité Essentia)
-- **Dépendances système** : ffmpeg, libsndfile, etc.
-- **Dépendances Python** : Toutes les dépendances du fichier `requirements.txt`
-- **Optimisation** : Multi-stage build pour réduire la taille
-
-### Backend (Développement)
-- **Base** : `python:3.11-slim`
-- **Dépendances** : Version minimale sans Essentia
-- **Hot-reload** : Montage du code source pour développement
-
-### Frontend (Production)
-- **Base** : `node:20-alpine`
-- **Build** : Application Next.js compilée
-- **Optimisation** : Image légère Alpine Linux
-
-### Frontend (Développement)
-- **Base** : `node:20-alpine`
-- **Hot-reload** : Montage du code source
-- **Dépendances** : Installation des modules Node
-
-## ⚙️ Configuration des environnements
-
-### Variables d'environnement
-
-Les variables sont définies dans les fichiers `.env` et peuvent être surchargées :
-
-**Base de données :**
-- `POSTGRES_USER` - Utilisateur PostgreSQL
-- `POSTGRES_PASSWORD` - Mot de passe PostgreSQL
-- `POSTGRES_DB` - Nom de la base de données
-- `DATABASE_URL` - URL de connexion complète
-
-**Backend :**
-- `CORS_ORIGINS` - Origines autorisées pour CORS
-- `ANALYSIS_USE_CLAP` - Activation des embeddings CLAP
-- `ANALYSIS_NUM_WORKERS` - Nombre de workers d'analyse
-- `ESSENTIA_MODELS_PATH` - Chemin vers les modèles Essentia
-
-**Frontend :**
-- `NEXT_PUBLIC_API_URL` - URL de l'API backend
-
-### Volumes Docker
-
-**Base de données :**
-- `postgres_data` - Persistance des données PostgreSQL
-
-**Backend :**
-- `${AUDIO_LIBRARY_PATH}:/audio:ro` - Montage de la bibliothèque audio (lecture seule)
-- `./backend/models:/app/models` - Montage des modèles Essentia
-
-**Frontend :**
-- `./frontend:/app` (dev) - Montage du code source
-- `/app/node_modules` (dev) - Persistance des modules Node
-
-## 🔄 Flux de développement
-
-1. **Développement backend :**
-   - Modifier le code dans `backend/src/`
-   - Hot-reload automatique avec `docker-compose.dev.yml`
-
-2. **Développement frontend :**
-   - Modifier le code dans `frontend/`
-   - Hot-reload automatique avec Next.js
-
-3. **Déploiement :**
-   - Construire les images avec `docker-compose build`
-   - Démarrer les services avec `docker-compose up -d`
-
-## 🔧 Maintenance et debugging
-
-### Accéder au conteneur backend
-```bash
-docker exec -it audio_classifier_api sh
-```
-
-### Accéder au conteneur frontend
-```bash
-docker exec -it audio_classifier_ui sh
-```
-
-### Accéder à la base de données
-```bash
-docker exec -it audio_classifier_db psql -U audio_user -d audio_classifier
-```
-
-### Réinitialiser la base de données
-```bash
-docker-compose down -v
-docker-compose up -d
-```
-
-## 📈 Performance et optimisation
-
-### Backend
-- Utilisation de `--platform=linux/amd64` pour compatibilité Essentia
-- Installation des dépendances Python par étapes pour meilleur cache
-- Montage des modèles Essentia pour persistance
-
-### Frontend
-- Utilisation d'Alpine Linux pour image légère
-- Installation des dépendances avant copie du code
-- Exclusion de `node_modules` du contexte de build
-
-## 🔒 Sécurité
-
-- Conteneurs non-root par défaut
-- Montage lecture-seule de la bibliothèque audio
-- Mise à jour régulière des images de base
-- Utilisation de versions spécifiques des dépendances
-
-## 🆘 Problèmes courants
-
-### Essentia non disponible sur ARM
-Solution : Utiliser `--platform=linux/amd64` dans le Dockerfile
-
-### Permissions de fichiers
-Solution : Vérifier les permissions du dossier audio monté
-
-### CORS errors
-Solution : Vérifier la configuration `CORS_ORIGINS`
-
-## 📚 Références
-
-- [Docker Documentation](https://docs.docker.com/)
-- [Docker Compose Documentation](https://docs.docker.com/compose/)
-- [PostgreSQL avec pgvector](https://github.com/pgvector/pgvector)
-- [Next.js Dockerisation](https://nextjs.org/docs/deployment)
diff --git a/ESSENTIA.md b/ESSENTIA.md
deleted file mode 100644
index 6bc494e..0000000
--- a/ESSENTIA.md
+++ /dev/null
@@ -1,203 +0,0 @@
-# 🎼 Classification avec Essentia (Optionnel)
-
-## État actuel
-
-Le système fonctionne **sans Essentia** en utilisant uniquement Librosa pour l'extraction de features audio.
-
-**Fonctionnel actuellement** :
-- ✅ Tempo (BPM)
-- ✅ Tonalité (key)
-- ✅ Signature rythmique
-- ✅ Energy
-- ✅ Danceability
-- ✅ Valence
-- ✅ Features spectrales
-
-**Non disponible sans Essentia** :
-- ❌ Classification automatique des genres (50 genres)
-- ❌ Classification des ambiances/moods (56 moods)
-- ❌ Détection des instruments (40 instruments)
-
-## Pourquoi Essentia n'est pas activé par défaut ?
-
-La version `essentia-tensorflow==2.1b6.dev1110` spécifiée n'existe pas sur PyPI. C'était une version de développement qui n'a jamais été publiée officiellement.
-
-## Options pour activer la classification IA
-
-### Option 1 : Utiliser la version stable d'Essentia (Recommandé pour Linux)
-
-**Note** : Essentia fonctionne principalement sur Linux. Sur macOS ARM64, il peut y avoir des problèmes de compatibilité.
-
-```bash
-# Modifier requirements.txt
-# Remplacer:
-essentia-tensorflow==2.1b6.dev1110
-
-# Par:
-essentia==2.1b6.dev1110  # Version sans TensorFlow
-# OU
-essentia-tensorflow  # Version la plus récente disponible
-```
-
-**Limitations** : Les modèles TensorFlow pré-entraînés peuvent ne pas fonctionner avec les versions stables.
-
-### Option 2 : Compiler Essentia depuis les sources (Avancé)
-
-Pour les utilisateurs avancés qui veulent la version complète :
-
-```bash
-# Dans le Dockerfile
-RUN apt-get install -y build-essential libyaml-dev libfftw3-dev \
-    libavcodec-dev libavformat-dev libavutil-dev libavresample-dev \
-    libsamplerate0-dev libtag1-dev libchromaprint-dev python3-dev
-
-RUN git clone https://github.com/MTG/essentia.git && \
-    cd essentia && \
-    ./waf configure --mode=release --build-static --with-python && \
-    ./waf && \
-    ./waf install
-```
-
-**Attention** : Build très long (30+ minutes), augmente considérablement la taille de l'image.
-
-### Option 3 : Utiliser un modèle alternatif (Recommandé pour production)
-
-Au lieu d'Essentia, utiliser des modèles plus modernes et maintenus :
-
-#### A. **Hugging Face Transformers**
-
-```python
-# Dans requirements-minimal.txt, ajouter:
-transformers==4.36.0
-torch==2.1.2  # CPU version
-
-# Code pour classification:
-from transformers import pipeline
-
-# Genre classification
-classifier = pipeline("audio-classification",
-                     model="facebook/wav2vec2-base-960h")
-result = classifier("audio.wav")
-```
-
-#### B. **CLAP (Contrastive Language-Audio Pretraining)**
-
-```python
-# Ajouter:
-laion-clap==1.1.4
-
-# Code:
-import laion_clap
-model = laion_clap.CLAP_Module(enable_fusion=False)
-model.load_ckpt()
-
-# Classification par description textuelle
-audio_embed = model.get_audio_embedding_from_filelist(["audio.wav"])
-text_candidates = ["rock music", "jazz", "electronic", "classical"]
-text_embed = model.get_text_embedding(text_candidates)
-similarity = audio_embed @ text_embed.T
-```
-
-#### C. **Panns (Pre-trained Audio Neural Networks)**
-
-```python
-# Ajouter:
-panns-inference==0.1.0
-
-# Code:
-from panns_inference import AudioTagging
-at = AudioTagging(checkpoint_path=None, device='cpu')
-tags, probabilities = at.inference("audio.wav")
-```
-
-## Solution actuelle (Fallback)
-
-Le code actuel dans `backend/src/core/essentia_classifier.py` gère gracieusement l'absence d'Essentia :
-
-```python
-try:
-    from essentia.standard import MonoLoader, TensorflowPredictEffnetDiscogs
-    ESSENTIA_AVAILABLE = True
-except ImportError:
-    ESSENTIA_AVAILABLE = False
-
-# Si Essentia n'est pas disponible, retourne des valeurs par défaut
-if not ESSENTIA_AVAILABLE:
-    return self._fallback_genre()
-```
-
-**Résultat** : Le système fonctionne sans erreur, mais sans classification automatique.
-
-## Recommandation
-
-Pour la **plupart des cas d'usage**, les features Librosa (tempo, énergie, tonalité) sont **suffisantes** pour :
-- Organiser une bibliothèque musicale
-- Créer des playlists par BPM
-- Filtrer par énergie/valence
-- Rechercher par tempo
-
-Pour la **classification avancée**, je recommande :
-
-1. **Court terme** : Utiliser le système actuel (Librosa only)
-2. **Moyen terme** : Implémenter CLAP ou Panns (plus récent, mieux maintenu)
-3. **Long terme** : Fine-tuner un modèle personnalisé sur votre bibliothèque
-
-## Migration vers CLAP (Exemple)
-
-Si vous voulez vraiment la classification, voici comment migrer vers CLAP :
-
-### 1. Modifier requirements-minimal.txt
-
-```txt
-# Ajouter
-laion-clap==1.1.4
-torch==2.1.2  # CPU version
-```
-
-### 2. Créer clap_classifier.py
-
-```python
-"""Classification using CLAP."""
-import laion_clap
-
-class CLAPClassifier:
-    def __init__(self):
-        self.model = laion_clap.CLAP_Module(enable_fusion=False)
-        self.model.load_ckpt()
-
-        self.genre_labels = ["rock", "jazz", "electronic", "classical",
-                            "hip-hop", "pop", "metal", "folk"]
-        self.mood_labels = ["energetic", "calm", "happy", "sad",
-                           "aggressive", "peaceful", "dark", "uplifting"]
-
-    def predict_genre(self, audio_path: str):
-        audio_embed = self.model.get_audio_embedding_from_filelist([audio_path])
-        text_embed = self.model.get_text_embedding(self.genre_labels)
-
-        similarity = (audio_embed @ text_embed.T)[0]
-        top_idx = similarity.argmax()
-
-        return {
-            "primary": self.genre_labels[top_idx],
-            "confidence": float(similarity[top_idx]),
-            "secondary": [self.genre_labels[i] for i in similarity.argsort()[-3:-1][::-1]]
-        }
-```
-
-### 3. Intégrer dans analyzer.py
-
-```python
-from .clap_classifier import CLAPClassifier
-
-class AudioAnalyzer:
-    def __init__(self):
-        self.classifier = CLAPClassifier()  # Au lieu d'EssentiaClassifier
-```
-
-## Conclusion
-
-**Pour l'instant** : Le système fonctionne très bien avec Librosa seul.
-
-**Si vous avez vraiment besoin de classification** : CLAP ou Panns sont de meilleurs choix qu'Essentia en 2025.
-
-**Ne vous bloquez pas** : Les features audio de base (BPM, tonalité, energy) sont déjà très puissantes pour la plupart des usages !
diff --git a/QUICKSTART.md b/QUICKSTART.md
deleted file mode 100644
index 582e6de..0000000
--- a/QUICKSTART.md
+++ /dev/null
@@ -1,193 +0,0 @@
-# 🚀 Démarrage Rapide - Audio Classifier
-
-## En 5 minutes
-
-### 1. Configuration initiale
-
-```bash
-cd "/Users/benoit/Documents/code/Audio Classifier"
-
-# Copier les variables d'environnement
-cp .env.example .env
-
-# IMPORTANT : Éditer .env et définir votre chemin audio
-# AUDIO_LIBRARY_PATH=/Users/benoit/Music
-nano .env
-```
-
-### 2. Télécharger les modèles d'IA
-
-```bash
-./scripts/download-essentia-models.sh
-```
-
-Cela télécharge ~300 MB de modèles Essentia pour la classification.
-
-### 3. Lancer le backend
-
-```bash
-docker-compose up -d
-```
-
-Vérifier : http://localhost:8000/health
-
-### 4. Analyser votre bibliothèque
-
-```bash
-# Analyser un dossier (remplacer par votre chemin)
-curl -X POST http://localhost:8000/api/analyze/folder \
-  -H "Content-Type: application/json" \
-  -d '{"path": "/audio", "recursive": true}'
-
-# Note: "/audio" correspond à AUDIO_LIBRARY_PATH dans le conteneur
-```
-
-Vous recevrez un `job_id`. Suivre la progression :
-
-```bash
-curl http://localhost:8000/api/analyze/status/VOTRE_JOB_ID
-```
-
-### 5. Lancer le frontend
-
-```bash
-cd frontend
-cp .env.local.example .env.local
-npm install
-npm run dev
-```
-
-Ouvrir : http://localhost:3000
-
-## 📊 Exemples d'utilisation
-
-### Rechercher des pistes
-
-```bash
-# Par texte
-curl "http://localhost:8000/api/search?q=jazz"
-
-# Par genre
-curl "http://localhost:8000/api/tracks?genre=electronic&limit=10"
-
-# Par BPM
-curl "http://localhost:8000/api/tracks?bpm_min=120&bpm_max=140"
-
-# Par ambiance
-curl "http://localhost:8000/api/tracks?mood=energetic"
-```
-
-### Trouver des pistes similaires
-
-```bash
-# 1. Récupérer un track_id
-curl "http://localhost:8000/api/tracks?limit=1"
-
-# 2. Trouver des similaires
-curl "http://localhost:8000/api/tracks/TRACK_ID/similar?limit=10"
-```
-
-### Statistiques
-
-```bash
-curl "http://localhost:8000/api/stats"
-```
-
-### Écouter / Télécharger
-
-- Stream : http://localhost:8000/api/audio/stream/TRACK_ID
-- Download : http://localhost:8000/api/audio/download/TRACK_ID
-
-## 🎯 Ce qui est analysé
-
-Pour chaque fichier audio :
-
-✅ **Tempo** (BPM)
-✅ **Tonalité** (C major, D minor, etc.)
-✅ **Genre** (50 genres : electronic, jazz, rock, etc.)
-✅ **Ambiance** (56 moods : energetic, calm, dark, etc.)
-✅ **Instruments** (40 instruments : piano, guitar, drums, etc.)
-✅ **Énergie** (score 0-1)
-✅ **Danceability** (score 0-1)
-✅ **Valence** (positivité émotionnelle)
-✅ **Features spectrales** (centroid, zero-crossing, etc.)
-
-## ⚡ Performance
-
-**Sur CPU moderne (4 cores)** :
-
-- ~2-3 secondes par fichier
-- Analyse parallèle (4 workers par défaut)
-- 1000 fichiers ≈ 40-50 minutes
-
-**Pour accélérer** : Ajuster `ANALYSIS_NUM_WORKERS` dans `.env`
-
-## 📁 Structure
-
-```
-Audio Classifier/
-├── backend/          # API Python + analyse audio
-├── frontend/         # Interface Next.js
-├── scripts/          # Scripts utilitaires
-├── .env              # Configuration
-└── docker-compose.yml
-```
-
-## 🔍 Endpoints Principaux
-
-| Endpoint | Méthode | Description |
-|----------|---------|-------------|
-| `/api/tracks` | GET | Liste des pistes |
-| `/api/tracks/{id}` | GET | Détails piste |
-| `/api/search` | GET | Recherche textuelle |
-| `/api/tracks/{id}/similar` | GET | Pistes similaires |
-| `/api/analyze/folder` | POST | Lancer analyse |
-| `/api/audio/stream/{id}` | GET | Streaming audio |
-| `/api/audio/download/{id}` | GET | Télécharger |
-| `/api/stats` | GET | Statistiques |
-
-Documentation complète : http://localhost:8000/docs
-
-## 🐛 Problèmes Courants
-
-**"Connection refused"**
-```bash
-docker-compose ps  # Vérifier que les services sont up
-docker-compose logs backend  # Voir les erreurs
-```
-
-**"Model file not found"**
-```bash
-./scripts/download-essentia-models.sh
-ls backend/models/*.pb  # Vérifier présence
-```
-
-**Frontend ne charge pas**
-```bash
-cd frontend
-cat .env.local  # Vérifier NEXT_PUBLIC_API_URL
-npm install  # Réinstaller dépendances
-```
-
-## 📚 Documentation Complète
-
-- **[README.md](README.md)** - Vue d'ensemble du projet
-- **[SETUP.md](SETUP.md)** - Guide détaillé d'installation et configuration
-- **[.claude-todo.md](.claude-todo.md)** - Détails techniques d'implémentation
-
-## 🎵 Formats Supportés
-
-✅ MP3
-✅ WAV
-✅ FLAC
-✅ M4A
-✅ OGG
-
-## 💡 Prochaines Étapes
-
-1. **Analyser votre bibliothèque** : Lancer l'analyse sur vos fichiers
-2. **Explorer l'interface** : Naviguer dans les pistes analysées
-3. **Tester la recherche** : Filtrer par genre, BPM, mood
-4. **Découvrir les similaires** : Trouver des recommandations
-
-Enjoy! 🎶
diff --git a/README-FINAL.md b/README-FINAL.md
deleted file mode 100644
index 44da25c..0000000
--- a/README-FINAL.md
+++ /dev/null
@@ -1,262 +0,0 @@
-# 🎵 Audio Classifier - Système Complet
-
-## ✅ Statut : **Opérationnel**
-
-Système de classification et indexation audio **100% fonctionnel** avec extraction de features musicales.
-
----
-
-## 🚀 Démarrage Rapide
-
-### Services déjà lancés
-```bash
-# Vérifier
-docker-compose -f docker-compose.dev.yml ps
-
-# Backend API
-curl http://localhost:8001/health
-# → {"status":"healthy"}
-```
-
-### Lancer le frontend
-```bash
-cd frontend
-npm install
-npm run dev
-# → http://localhost:3000
-```
-
----
-
-## 🎯 Ce qui fonctionne
-
-### Extraction Audio (Librosa) - **100%**
-- ✅ **Tempo** : BPM précis avec beat tracking
-- ✅ **Tonalité** : Détection clé musicale (C major, D minor, etc.)
-- ✅ **Signature rythmique** : 4/4, 3/4, etc.
-- ✅ **Energy** : Intensité sonore (0-1)
-- ✅ **Danceability** : Score de dansabilité (0-1)
-- ✅ **Valence** : Positivité émotionnelle (0-1)
-- ✅ **Features spectrales** : Centroid, rolloff, bandwidth, zero-crossing
-
-### API REST - **100%**
-- ✅ `GET /api/tracks` - Liste + filtres (genre, BPM, energy, etc.)
-- ✅ `GET /api/tracks/{id}` - Détails complets
-- ✅ `GET /api/search?q=...` - Recherche textuelle
-- ✅ `POST /api/analyze/folder` - Lancer analyse batch
-- ✅ `GET /api/analyze/status/{id}` - Progression en temps réel
-- ✅ `GET /api/audio/stream/{id}` - **Streaming audio**
-- ✅ `GET /api/audio/download/{id}` - **Téléchargement**
-- ✅ `GET /api/audio/waveform/{id}` - Données visualisation
-- ✅ `GET /api/stats` - Statistiques globales
-
-### Base de données - **100%**
-- ✅ PostgreSQL 16 avec pgvector
-- ✅ Migrations Alembic
-- ✅ Indexation optimisée (genre, mood, BPM)
-- ✅ Prêt pour embeddings vectoriels (CLAP/autres)
-
-### Frontend - **MVP Fonctionnel**
-- ✅ Interface Next.js moderne
-- ✅ Liste des pistes avec pagination
-- ✅ Statistiques globales
-- ✅ Boutons Play & Download directs
-- ✅ React Query pour cache
-
----
-
-## ⚠️ Classification IA (Essentia)
-
-**Statut** : ❌ Non disponible
-
-**Raison** : La version `essentia-tensorflow==2.1b6.dev1110` n'existe pas sur PyPI.
-
-**Impact** :
-- ❌ Pas de classification automatique genres/moods/instruments
-- ✅ **Toutes les autres features fonctionnent parfaitement**
-
-**Alternatives modernes** (voir [ESSENTIA.md](ESSENTIA.md)) :
-- **CLAP** - Classification par description textuelle
-- **Panns** - Réseaux pré-entraînés audio
-- **Continuer avec Librosa** - Suffisant pour la plupart des usages
-
-**Notre recommandation** : Librosa seul est **largement suffisant** pour :
-- Organiser votre bibliothèque par BPM
-- Créer des playlists par énergie/valence
-- Filtrer par tonalité
-- Rechercher par tempo
-
----
-
-## 📊 Performance
-
-**Analyse (Librosa seul)** :
-- ~0.5-1s par fichier
-- Parallélisation : 4 workers
-- 1000 fichiers ≈ **10-15 minutes**
-
-**Formats supportés** :
-- MP3, WAV, FLAC, M4A, OGG
-
----
-
-## 🔗 URLs
-
-- **Backend API** : http://localhost:8001
-- **API Docs** : http://localhost:8001/docs (Swagger interactif)
-- **Frontend** : http://localhost:3000
-- **PostgreSQL** : localhost:5433
-
----
-
-## 📖 Documentation
-
-| Fichier | Description |
-|---------|-------------|
-| **[DEMARRAGE.md](DEMARRAGE.md)** | Guide de démarrage immédiat |
-| **[COMMANDES.md](COMMANDES.md)** | Référence complète des commandes |
-| **[STATUS.md](STATUS.md)** | État détaillé du projet |
-| **[ESSENTIA.md](ESSENTIA.md)** | Explications sur Essentia + alternatives |
-| **[SETUP.md](SETUP.md)** | Guide complet + troubleshooting |
-| **[QUICKSTART.md](QUICKSTART.md)** | Démarrage en 5 min |
-
----
-
-## 🎵 Exemples d'utilisation
-
-### Analyser votre bibliothèque
-```bash
-curl -X POST http://localhost:8001/api/analyze/folder \
-  -H "Content-Type: application/json" \
-  -d '{
-    "path": "/audio",
-    "recursive": true
-  }'
-```
-
-### Rechercher des pistes rapides (> 140 BPM)
-```bash
-curl "http://localhost:8001/api/tracks?bpm_min=140&limit=20"
-```
-
-### Filtrer par énergie élevée
-```bash
-curl "http://localhost:8001/api/tracks?energy_min=0.7"
-```
-
-### Écouter une piste
-```bash
-open "http://localhost:8001/api/audio/stream/TRACK_ID"
-```
-
----
-
-## 🛠️ Commandes essentielles
-
-```bash
-# Vérifier les services
-docker-compose -f docker-compose.dev.yml ps
-
-# Logs backend
-docker-compose -f docker-compose.dev.yml logs -f backend
-
-# Redémarrer
-docker-compose -f docker-compose.dev.yml restart
-
-# Arrêter tout
-docker-compose -f docker-compose.dev.yml stop
-```
-
----
-
-## 🎯 Cas d'usage réels
-
-✅ **DJ / Producteur** : Organiser sets par BPM et énergie
-✅ **Bibliothèque musicale** : Indexer et rechercher rapidement
-✅ **Playlist automation** : Filtrer par valence/danceability
-✅ **Analyse musicale** : Étudier la structure harmonique
-✅ **Découverte musicale** : Recherche par similarité
-
----
-
-## 🔧 Architecture
-
-```
-┌─────────────┐      ┌─────────────┐      ┌──────────────┐
-│   Frontend  │─────▶│   FastAPI   │─────▶│  PostgreSQL  │
-│  Next.js    │      │   Backend   │      │  + pgvector  │
-│  (Port 3000)│      │  (Port 8001)│      │  (Port 5433) │
-└─────────────┘      └─────────────┘      └──────────────┘
-                            │
-                            ▼
-                     ┌─────────────┐
-                     │   Librosa   │
-                     │   Analysis  │
-                     └─────────────┘
-```
-
----
-
-## ✨ Points forts
-
-- 🚀 **Rapide** : ~1s par fichier
-- 💻 **CPU-only** : Pas besoin de GPU
-- 🏠 **100% local** : Aucun service cloud
-- 🎯 **Précis** : Librosa = référence industrie
-- 📦 **Simple** : Docker Compose tout-en-un
-- 📚 **Documenté** : 6 guides complets
-- 🔓 **Open source** : Modifiable à souhait
-
----
-
-## 🎓 Technologies utilisées
-
-**Backend** :
-- Python 3.11
-- FastAPI (API REST)
-- Librosa (Analyse audio)
-- SQLAlchemy (ORM)
-- Alembic (Migrations)
-- PostgreSQL + pgvector
-
-**Frontend** :
-- Next.js 14
-- TypeScript
-- TailwindCSS
-- React Query
-- Axios
-
-**Infrastructure** :
-- Docker & Docker Compose
-- Bash scripts
-
----
-
-## 📝 Licence
-
-MIT
-
----
-
-## 🆘 Support
-
-**Documentation** : Voir les 6 fichiers MD dans le projet
-**API Docs** : http://localhost:8001/docs
-**Issues** : Problèmes documentés dans SETUP.md
-
----
-
-## 🎉 Conclusion
-
-Le système est **prêt à l'emploi** avec :
-- ✅ Extraction complète de features audio
-- ✅ API REST fonctionnelle
-- ✅ Interface web basique
-- ✅ Base de données opérationnelle
-- ✅ Streaming et téléchargement audio
-
-**Pas besoin d'Essentia pour 95% des cas d'usage !**
-
-Les features Librosa (tempo, tonalité, energy, valence) sont **amplement suffisantes** pour organiser et explorer une bibliothèque musicale.
-
-**Bon classement ! 🎵**
diff --git a/RESUME.md b/RESUME.md
deleted file mode 100644
index df4b23e..0000000
--- a/RESUME.md
+++ /dev/null
@@ -1,260 +0,0 @@
-# 📝 Résumé - Audio Classifier
-
-## ✅ Projet Complété
-
-**Date** : 27 novembre 2025
-**Statut** : **100% Opérationnel**
-
----
-
-## 🎯 Ce qui a été livré
-
-### Backend complet (Python/FastAPI)
-- ✅ Extraction de features audio avec **Librosa**
-  - Tempo (BPM), Tonalité, Signature rythmique
-  - Energy, Danceability, Valence
-  - Features spectrales complètes
-- ✅ **12 endpoints API REST** fonctionnels
-- ✅ Base PostgreSQL + pgvector
-- ✅ Streaming et téléchargement audio
-- ✅ Analyse parallèle de dossiers (4 workers)
-- ✅ Génération waveform pour visualisation
-- ✅ Migrations Alembic appliquées
-
-### Frontend MVP (Next.js/TypeScript)
-- ✅ Interface moderne TailwindCSS
-- ✅ Liste des pistes avec pagination
-- ✅ Statistiques globales
-- ✅ Boutons Play & Download directs
-- ✅ Client API TypeScript complet
-- ✅ React Query pour cache
-
-### Infrastructure
-- ✅ Docker Compose opérationnel
-- ✅ Ports configurés (8001, 5433, 3000)
-- ✅ Scripts automatisés
-- ✅ Migrations DB appliquées
-
-### Documentation
-- ✅ **8 fichiers** de documentation complète
-- ✅ Guides de démarrage
-- ✅ Référence des commandes
-- ✅ Troubleshooting
-- ✅ Explications techniques
-
----
-
-## 🚀 Services actifs
-
-| Service | URL | Statut |
-|---------|-----|--------|
-| **Backend API** | http://localhost:8001 | ✅ Running |
-| **PostgreSQL** | localhost:5433 | ✅ Healthy |
-| **Frontend** | http://localhost:3000 | 📋 À lancer |
-| **API Docs** | http://localhost:8001/docs | ✅ Accessible |
-
----
-
-## 📊 Fonctionnalités
-
-### Extraction Audio (Librosa)
-- ✅ Tempo automatique (BPM)
-- ✅ Détection de tonalité (C major, D minor, etc.)
-- ✅ Signature rythmique (4/4, 3/4, etc.)
-- ✅ Energy (0-1)
-- ✅ Danceability (0-1)
-- ✅ Valence émotionnelle (0-1)
-- ✅ Spectral centroid, rolloff, bandwidth
-- ✅ Zero-crossing rate
-
-### API REST
-- `GET /api/tracks` - Liste + filtres
-- `GET /api/tracks/{id}` - Détails
-- `GET /api/search` - Recherche textuelle
-- `GET /api/audio/stream/{id}` - **Streaming**
-- `GET /api/audio/download/{id}` - **Téléchargement**
-- `GET /api/audio/waveform/{id}` - Waveform
-- `POST /api/analyze/folder` - Analyse batch
-- `GET /api/analyze/status/{id}` - Progression
-- `GET /api/tracks/{id}/similar` - Similaires
-- `GET /api/stats` - Statistiques
-
----
-
-## ⚠️ Note : Classification IA (Essentia)
-
-**Statut** : Non disponible (dépendance PyPI inexistante)
-
-**Impact** :
-- ❌ Pas de classification automatique genre/mood/instruments
-- ✅ **Toutes les autres features fonctionnent parfaitement**
-
-**Alternatives documentées** :
-- CLAP (Contrastive Language-Audio Pretraining)
-- Panns (Pre-trained Audio Neural Networks)
-- Continuer avec Librosa seul (recommandé)
-
-Voir [ESSENTIA.md](ESSENTIA.md) et [CORRECTIONS.md](CORRECTIONS.md)
-
----
-
-## 📁 Documentation
-
-| Fichier | Description |
-|---------|-------------|
-| **[README-FINAL.md](README-FINAL.md)** | Vue d'ensemble complète |
-| **[DEMARRAGE.md](DEMARRAGE.md)** | Guide de démarrage immédiat |
-| **[COMMANDES.md](COMMANDES.md)** | Référence toutes commandes |
-| **[STATUS.md](STATUS.md)** | État détaillé du projet |
-| **[CORRECTIONS.md](CORRECTIONS.md)** | Corrections appliquées |
-| **[ESSENTIA.md](ESSENTIA.md)** | Classification IA alternatives |
-| **[SETUP.md](SETUP.md)** | Guide complet + troubleshooting |
-| **[QUICKSTART.md](QUICKSTART.md)** | Démarrage 5 minutes |
-
----
-
-## 🎵 Utilisation rapide
-
-### 1. Vérifier les services
-```bash
-docker-compose ps
-curl http://localhost:8001/health
-```
-
-### 2. Lancer le frontend
-```bash
-cd frontend
-npm install
-npm run dev
-# → http://localhost:3000
-```
-
-### 3. Analyser des fichiers
-```bash
-curl -X POST http://localhost:8001/api/analyze/folder \
-  -H "Content-Type: application/json" \
-  -d '{"path": "/audio", "recursive": true}'
-```
-
----
-
-## 📊 Performance
-
-- **~1 seconde** par fichier (Librosa)
-- **Parallélisation** : 4 workers CPU
-- **1000 fichiers** ≈ 15-20 minutes
-- **Formats** : MP3, WAV, FLAC, M4A, OGG
-
----
-
-## 🏗️ Architecture
-
-```
-┌──────────────┐      ┌──────────────┐      ┌──────────────┐
-│   Next.js    │─────▶│   FastAPI    │─────▶│  PostgreSQL  │
-│   Frontend   │      │   Backend    │      │  + pgvector  │
-│  Port 3000   │      │  Port 8001   │      │  Port 5433   │
-└──────────────┘      └──────────────┘      └──────────────┘
-                             │
-                             ▼
-                      ┌──────────────┐
-                      │   Librosa    │
-                      │   Analysis   │
-                      └──────────────┘
-```
-
----
-
-## 🔧 Problèmes résolus
-
-### ✅ Build Docker
-- **Problème** : `essentia-tensorflow==2.1b6.dev1110` inexistant
-- **Solution** : Supprimé, commenté avec alternatives
-
-### ✅ Conflits de ports
-- **Problème** : Ports 5432 et 8000 occupés
-- **Solution** : Changé en 5433 et 8001
-
-### ✅ Nom réservé SQLAlchemy
-- **Problème** : Colonne `metadata` réservée
-- **Solution** : Renommé en `extra_metadata`
-
----
-
-## ✨ Points forts
-
-- 🚀 **Rapide** : 1s par fichier
-- 💻 **CPU-only** : Pas de GPU nécessaire
-- 🏠 **100% local** : Zéro dépendance cloud
-- 🎯 **Précis** : Librosa = standard industrie
-- 📦 **Simple** : Docker Compose tout-en-un
-- 📚 **Documenté** : 8 guides complets
-- 🔓 **Open source** : Code modifiable
-
----
-
-## 🎯 Cas d'usage
-
-✅ DJ / Producteur musical
-✅ Organisation bibliothèque audio
-✅ Création playlists intelligentes
-✅ Analyse musicologique
-✅ Recherche par similarité
-✅ Filtrage par tempo/énergie
-
----
-
-## 🛠️ Commandes essentielles
-
-```bash
-# Santé du système
-curl http://localhost:8001/health
-
-# Statistiques
-curl http://localhost:8001/api/stats
-
-# Recherche par BPM
-curl "http://localhost:8001/api/tracks?bpm_min=120&bpm_max=140"
-
-# Logs
-docker-compose logs -f backend
-
-# Redémarrer
-docker-compose restart
-```
-
----
-
-## 📈 État du projet
-
-| Composant | Complétude | Statut |
-|-----------|------------|--------|
-| Backend API | 100% | ✅ Opérationnel |
-| Base de données | 100% | ✅ Configurée |
-| Extraction audio | 100% | ✅ Fonctionnel |
-| Frontend MVP | 80% | ✅ Basique |
-| Documentation | 100% | ✅ Complète |
-| Classification IA | 0% | ⚠️ Optionnel |
-
-**Score global** : **95%** 🎉
-
----
-
-## 🎉 Conclusion
-
-Le système est **prêt à l'emploi** avec :
-- ✅ Extraction complète de features musicales
-- ✅ API REST puissante et documentée
-- ✅ Interface web fonctionnelle
-- ✅ Base de données performante
-- ✅ Streaming et téléchargement audio
-
-**Librosa seul suffit pour 95% des besoins !**
-
-Les features extraites (tempo, tonalité, energy, valence) permettent déjà :
-- Organisation de bibliothèque musicale
-- Création de playlists par BPM
-- Filtrage par énergie/humeur
-- Recherche et découverte musicale
-
-**Le projet est un succès ! 🎵**
diff --git a/SETUP.md b/SETUP.md
deleted file mode 100644
index 2ce5778..0000000
--- a/SETUP.md
+++ /dev/null
@@ -1,403 +0,0 @@
-# Audio Classifier - Guide de Déploiement
-
-## 📋 Prérequis
-
-- **Docker** & Docker Compose
-- **Node.js** 20+ (pour le frontend en mode dev)
-- **Python** 3.11+ (optionnel, si vous voulez tester le backend sans Docker)
-- **FFmpeg** (installé automatiquement dans le conteneur Docker)
-
-## 🚀 Installation Rapide
-
-### 1. Cloner le projet
-
-```bash
-cd "/Users/benoit/Documents/code/Audio Classifier"
-```
-
-### 2. Configurer les variables d'environnement
-
-```bash
-cp .env.example .env
-```
-
-Éditer `.env` et définir :
-
-```env
-# Chemin vers votre bibliothèque audio (IMPORTANT)
-AUDIO_LIBRARY_PATH=/chemin/absolu/vers/vos/fichiers/audio
-
-# Exemple macOS:
-# AUDIO_LIBRARY_PATH=/Users/benoit/Music
-
-# Le reste peut rester par défaut
-DATABASE_URL=postgresql://audio_user:audio_password@localhost:5432/audio_classifier
-```
-
-### 3. Télécharger les modèles Essentia
-
-Les modèles de classification sont nécessaires pour analyser les fichiers audio.
-
-```bash
-./scripts/download-essentia-models.sh
-```
-
-Cela télécharge (~300 MB) :
-- `mtg_jamendo_genre` : Classification de 50 genres musicaux
-- `mtg_jamendo_moodtheme` : Classification de 56 ambiances/moods
-- `mtg_jamendo_instrument` : Détection de 40 instruments
-
-### 4. Lancer le backend avec Docker
-
-```bash
-docker-compose up -d
-```
-
-Cela démarre :
-- **PostgreSQL** avec l'extension pgvector (port 5432)
-- **Backend FastAPI** (port 8000)
-
-Vérifier que tout fonctionne :
-
-```bash
-curl http://localhost:8000/health
-# Devrait retourner: {"status":"healthy",...}
-```
-
-Documentation API interactive : **http://localhost:8000/docs**
-
-### 5. Lancer le frontend (mode développement)
-
-```bash
-cd frontend
-cp .env.local.example .env.local
-npm install
-npm run dev
-```
-
-Frontend accessible sur : **http://localhost:3000**
-
-## 📊 Utiliser l'Application
-
-### Analyser votre bibliothèque audio
-
-**Option 1 : Via l'API (recommandé pour première analyse)**
-
-```bash
-curl -X POST http://localhost:8000/api/analyze/folder \
-  -H "Content-Type: application/json" \
-  -d '{
-    "path": "/audio",
-    "recursive": true
-  }'
-```
-
-**Note** : Le chemin `/audio` correspond au montage Docker de `AUDIO_LIBRARY_PATH`.
-
-Vous recevrez un `job_id`. Vérifier la progression :
-
-```bash
-curl http://localhost:8000/api/analyze/status/JOB_ID
-```
-
-**Option 2 : Via Python (backend local)**
-
-```bash
-cd backend
-python -m venv venv
-source venv/bin/activate  # Windows: venv\Scripts\activate
-pip install -r requirements.txt
-
-# Analyser un fichier
-python -c "
-from src.core.analyzer import AudioAnalyzer
-analyzer = AudioAnalyzer()
-result = analyzer.analyze_file('/path/to/audio.mp3')
-print(result)
-"
-```
-
-### Rechercher des pistes
-
-**Par texte :**
-
-```bash
-curl "http://localhost:8000/api/search?q=jazz&limit=10"
-```
-
-**Avec filtres :**
-
-```bash
-curl "http://localhost:8000/api/tracks?genre=electronic&bpm_min=120&bpm_max=140&limit=20"
-```
-
-**Pistes similaires :**
-
-```bash
-curl "http://localhost:8000/api/tracks/TRACK_ID/similar?limit=10"
-```
-
-### Télécharger / Écouter
-
-- **Stream** : `http://localhost:8000/api/audio/stream/TRACK_ID`
-- **Download** : `http://localhost:8000/api/audio/download/TRACK_ID`
-- **Waveform** : `http://localhost:8000/api/audio/waveform/TRACK_ID`
-
-## 🏗️ Architecture
-
-```
-audio-classifier/
-├── backend/                  # API Python FastAPI
-│   ├── src/
-│   │   ├── core/            # Audio processing
-│   │   │   ├── audio_processor.py      # Librosa features
-│   │   │   ├── essentia_classifier.py  # Genre/Mood/Instruments
-│   │   │   ├── waveform_generator.py   # Peaks pour UI
-│   │   │   ├── file_scanner.py         # Scan dossiers
-│   │   │   └── analyzer.py             # Orchestrateur
-│   │   ├── models/          # Database
-│   │   │   ├── schema.py               # SQLAlchemy models
-│   │   │   └── crud.py                 # CRUD operations
-│   │   ├── api/             # FastAPI routes
-│   │   │   └── routes/
-│   │   │       ├── tracks.py           # GET/DELETE tracks
-│   │   │       ├── search.py           # Recherche
-│   │   │       ├── audio.py            # Stream/Download
-│   │   │       ├── analyze.py          # Jobs d'analyse
-│   │   │       ├── similar.py          # Recommandations
-│   │   │       └── stats.py            # Statistiques
-│   │   └── utils/           # Config, logging, validators
-│   ├── models/              # Essentia .pb files
-│   └── requirements.txt
-│
-├── frontend/                # UI Next.js
-│   ├── app/
-│   │   ├── page.tsx        # Page principale
-│   │   └── layout.tsx
-│   ├── components/
-│   │   └── providers/
-│   ├── lib/
-│   │   ├── api.ts          # Client API
-│   │   ├── types.ts        # TypeScript types
-│   │   └── utils.ts        # Helpers
-│   └── package.json
-│
-├── scripts/
-│   └── download-essentia-models.sh
-│
-└── docker-compose.yml
-```
-
-## 🔧 Configuration Avancée
-
-### Performance CPU
-
-Le système est optimisé pour CPU-only. Sur un CPU moderne (4 cores) :
-
-- **Librosa features** : ~0.5-1s par fichier
-- **Essentia classification** : ~1-2s par fichier
-- **Total** : ~2-3s par fichier
-
-Ajuster le parallélisme dans `.env` :
-
-```env
-ANALYSIS_NUM_WORKERS=4  # Nombre de threads parallèles
-```
-
-### Activer les embeddings CLAP (optionnel)
-
-Pour la recherche sémantique avancée ("calm piano for working") :
-
-```env
-ANALYSIS_USE_CLAP=true
-```
-
-**Attention** : Augmente significativement le temps d'analyse (~5-10s supplémentaires par fichier).
-
-### Base de données
-
-Par défaut, PostgreSQL tourne dans Docker. Pour utiliser une DB externe :
-
-```env
-DATABASE_URL=postgresql://user:pass@external-host:5432/dbname
-```
-
-Appliquer les migrations :
-
-```bash
-cd backend
-alembic upgrade head
-```
-
-## 📊 Données Extraites
-
-### Features Audio (Librosa)
-- **Tempo** : BPM détecté automatiquement
-- **Tonalité** : Clé musicale (C major, D minor, etc.)
-- **Signature rythmique** : 4/4, 3/4, etc.
-- **Énergie** : Intensité sonore (0-1)
-- **Danceability** : Score de dansabilité (0-1)
-- **Valence** : Positivité/négativité émotionnelle (0-1)
-- **Features spectrales** : Centroid, rolloff, bandwidth
-
-### Classification (Essentia)
-- **Genre** : 50 genres possibles (rock, electronic, jazz, etc.)
-- **Mood** : 56 ambiances (energetic, calm, dark, happy, etc.)
-- **Instruments** : 40 instruments détectables (piano, guitar, drums, etc.)
-
-## 🐛 Troubleshooting
-
-### Le backend ne démarre pas
-
-```bash
-docker-compose logs backend
-```
-
-Vérifier que :
-- PostgreSQL est bien démarré (`docker-compose ps`)
-- Les modèles Essentia sont téléchargés (`ls backend/models/*.pb`)
-- Le port 8000 n'est pas déjà utilisé
-
-### "Model file not found"
-
-```bash
-./scripts/download-essentia-models.sh
-```
-
-### Frontend ne se connecte pas au backend
-
-Vérifier `.env.local` :
-
-```env
-NEXT_PUBLIC_API_URL=http://localhost:8000
-```
-
-### Analyse très lente
-
-- Réduire `ANALYSIS_NUM_WORKERS` si CPU surchargé
-- Désactiver `ANALYSIS_USE_CLAP` si activé
-- Vérifier que les fichiers audio sont accessibles rapidement (éviter NAS lents)
-
-### Erreur FFmpeg
-
-FFmpeg est installé automatiquement dans le conteneur Docker. Si vous lancez le backend en local :
-
-```bash
-# macOS
-brew install ffmpeg
-
-# Ubuntu/Debian
-sudo apt-get install ffmpeg libsndfile1
-```
-
-## 📦 Production
-
-### Build frontend
-
-```bash
-cd frontend
-npm run build
-npm start  # Port 3000
-```
-
-### Backend en production
-
-Utiliser Gunicorn avec Uvicorn workers :
-
-```bash
-pip install gunicorn
-gunicorn src.api.main:app -w 4 -k uvicorn.workers.UvicornWorker --bind 0.0.0.0:8000
-```
-
-### Reverse proxy (Nginx)
-
-```nginx
-server {
-    listen 80;
-    server_name your-domain.com;
-
-    location /api {
-        proxy_pass http://localhost:8000;
-        proxy_set_header Host $host;
-        proxy_set_header X-Real-IP $remote_addr;
-    }
-
-    location / {
-        proxy_pass http://localhost:3000;
-    }
-}
-```
-
-## 🔒 Sécurité
-
-**IMPORTANT** : Le système actuel n'a PAS d'authentification.
-
-Pour la production :
-- Ajouter authentication JWT
-- Limiter l'accès aux endpoints d'analyse
-- Valider tous les chemins de fichiers (déjà fait côté backend)
-- Utiliser HTTPS
-- Restreindre CORS aux domaines autorisés
-
-## 📝 Développement
-
-### Ajouter un nouveau genre/mood
-
-Éditer `backend/src/core/essentia_classifier.py` :
-
-```python
-self.class_labels["genre"] = [
-    # ... genres existants
-    "nouveau_genre",
-]
-```
-
-### Modifier les features extraites
-
-Éditer `backend/src/core/audio_processor.py` et ajouter votre fonction :
-
-```python
-def extract_new_feature(y, sr) -> float:
-    # Votre logique
-    return feature_value
-```
-
-Puis mettre à jour `extract_all_features()`.
-
-### Ajouter une route API
-
-1. Créer `backend/src/api/routes/nouvelle_route.py`
-2. Ajouter le router dans `backend/src/api/main.py`
-
-### Tests
-
-```bash
-# Backend
-cd backend
-pytest
-
-# Frontend
-cd frontend
-npm test
-```
-
-## 📈 Améliorations Futures
-
-- [ ] Interface de scan dans le frontend (actuellement via API seulement)
-- [ ] Player audio intégré avec waveform interactive
-- [ ] Filtres avancés (multi-genre, range sliders)
-- [ ] Export playlists (M3U, CSV, JSON)
-- [ ] Détection de doublons (audio fingerprinting)
-- [ ] Édition de tags ID3
-- [ ] Recherche sémantique avec CLAP
-- [ ] Authentication multi-utilisateurs
-- [ ] WebSocket pour progression temps réel
-
-## 🆘 Support
-
-Pour toute question :
-1. Vérifier les logs : `docker-compose logs -f backend`
-2. Consulter la doc API : http://localhost:8000/docs
-3. Ouvrir une issue GitHub
-
-Bon classement ! 🎵
diff --git a/STATUS.md b/STATUS.md
deleted file mode 100644
index d7b32cf..0000000
--- a/STATUS.md
+++ /dev/null
@@ -1,202 +0,0 @@
-# ✅ Audio Classifier - État du Projet
-
-**Date** : 27 novembre 2025
-**Statut** : ✅ **Opérationnel**
-
-## 🎯 Ce qui fonctionne
-
-### Backend (100%)
-- ✅ API FastAPI sur http://localhost:8001
-- ✅ Base de données PostgreSQL + pgvector (port 5433)
-- ✅ Extraction de features audio (Librosa)
-  - Tempo (BPM)
-  - Tonalité (key)
-  - Signature rythmique
-  - Energy, Danceability, Valence
-  - Features spectrales
-- ✅ Génération waveform pour visualisation
-- ✅ Scanner de dossiers
-- ✅ API complète :
-  - GET /api/tracks (liste + filtres)
-  - GET /api/tracks/{id} (détails)
-  - GET /api/search (recherche textuelle)
-  - GET /api/audio/stream/{id} (streaming)
-  - GET /api/audio/download/{id} (téléchargement)
-  - GET /api/audio/waveform/{id} (données waveform)
-  - POST /api/analyze/folder (lancer analyse)
-  - GET /api/analyze/status/{id} (progression)
-  - GET /api/stats (statistiques)
-
-### Frontend (MVP)
-- ✅ Interface Next.js configurée
-- ✅ Client API TypeScript
-- ✅ Page principale avec :
-  - Statistiques globales
-  - Liste des pistes
-  - Pagination
-  - Boutons Play & Download
-- ✅ React Query pour cache
-- ✅ TailwindCSS
-
-### Infrastructure
-- ✅ Docker Compose fonctionnel
-- ✅ Migrations Alembic
-- ✅ Documentation complète
-
-## ⚠️ Limitations actuelles
-
-### Classification IA (Essentia)
-**Statut** : ❌ Désactivée (optionnelle)
-
-Le système fonctionne **sans les modèles Essentia** pour simplifier le déploiement.
-
-**Impact** :
-- ❌ Pas de classification automatique genre/mood/instruments
-- ✅ Toutes les autres features fonctionnent (tempo, tonalité, energy, etc.)
-
-**Pour activer** :
-1. Télécharger modèles : `./scripts/download-essentia-models.sh`
-2. Modifier `docker-compose.dev.yml` : `dockerfile: Dockerfile` (au lieu de `Dockerfile.minimal`)
-3. Rebuild : `docker-compose -f docker-compose.dev.yml build backend`
-
-### Frontend avancé
-**Statut** : 🚧 MVP seulement
-
-**Manquant** (non-critique) :
-- Player audio intégré avec contrôles
-- Visualisation waveform interactive
-- Filtres avancés (sliders BPM, energy)
-- Interface de scan de dossiers
-- Page détails piste
-- Pistes similaires UI
-
-**Pourquoi** : MVP fonctionnel prioritaire, extensions possibles plus tard
-
-## 🔧 Configuration
-
-### Ports
-- **Backend** : 8001 (modifié pour éviter conflit avec port 8000)
-- **PostgreSQL** : 5433 (modifié pour éviter conflit avec port 5432)
-- **Frontend** : 3000
-
-### Variables d'environnement
-Fichier `.env` configuré avec :
-- Database PostgreSQL
-- CORS
-- Workers parallèles
-- AUDIO_LIBRARY_PATH (à personnaliser)
-
-### Migration DB
-✅ Exécutée avec succès :
-```bash
-docker exec audio_classifier_api alembic upgrade head
-```
-
-## 📊 Performance
-
-**Analyse audio (sans Essentia)** :
-- ~0.5-1s par fichier
-- Parallélisation : 4 workers
-- 1000 fichiers ≈ 10-15 minutes
-
-**Avec Essentia** (si activé) :
-- ~2-3s par fichier
-- 1000 fichiers ≈ 40-50 minutes
-
-## 🚀 Utilisation
-
-### 1. Services démarrés
-```bash
-docker-compose -f docker-compose.dev.yml ps
-```
-
-### 2. Tester l'API
-```bash
-curl http://localhost:8001/health
-curl http://localhost:8001/api/stats
-```
-
-### 3. Lancer le frontend
-```bash
-cd frontend
-npm install  # Si pas déjà fait
-npm run dev
-```
-
-### 4. Analyser des fichiers
-```bash
-curl -X POST http://localhost:8001/api/analyze/folder \
-  -H "Content-Type: application/json" \
-  -d '{"path": "/audio", "recursive": true}'
-```
-
-## 📁 Structure projet
-
-```
-Audio Classifier/
-├── backend/                     ✅ Complet
-│   ├── src/core/               ✅ Audio processing
-│   ├── src/models/             ✅ Database
-│   ├── src/api/                ✅ FastAPI routes
-│   ├── Dockerfile.minimal      ✅ Build sans Essentia
-│   └── requirements-minimal.txt ✅ Dépendances
-├── frontend/                    ✅ MVP
-│   ├── app/                    ✅ Next.js pages
-│   ├── lib/                    ✅ API client
-│   └── components/             🚧 Basique
-├── scripts/                     ✅
-│   └── download-essentia-models.sh
-├── docker-compose.dev.yml       ✅ Config actuelle
-└── Documentation/               ✅ Complète
-    ├── README.md
-    ├── SETUP.md
-    ├── QUICKSTART.md
-    ├── DEMARRAGE.md
-    └── STATUS.md (ce fichier)
-```
-
-## 🎯 Prochaines étapes suggérées
-
-### Court terme
-1. **Analyser votre bibliothèque** : Tester avec vos fichiers audio
-2. **Explorer le frontend** : Vérifier l'affichage des pistes
-3. **Tester la recherche** : Filtrer les résultats
-
-### Moyen terme
-1. **Activer Essentia** (optionnel) : Pour classification genre/mood
-2. **Améliorer le frontend** :
-   - Player audio intégré
-   - Filtres avancés
-   - Waveform interactive
-
-### Long terme
-1. **CLAP embeddings** : Recherche sémantique avancée
-2. **Export playlists** : M3U, CSV, JSON
-3. **Authentication** : Multi-utilisateurs
-4. **Duplicate detection** : Audio fingerprinting
-
-## 🐛 Bugs connus
-
-Aucun bug critique identifié.
-
-## 📚 Documentation
-
-- **[DEMARRAGE.md](DEMARRAGE.md)** : Guide de démarrage immédiat
-- **[QUICKSTART.md](QUICKSTART.md)** : Démarrage en 5 minutes
-- **[SETUP.md](SETUP.md)** : Guide complet + troubleshooting
-- **[README.md](README.md)** : Vue d'ensemble
-- **API Docs** : http://localhost:8001/docs
-
-## ✨ Conclusion
-
-Le système est **100% fonctionnel** pour :
-- ✅ Extraction de features audio
-- ✅ Stockage en base de données
-- ✅ API REST complète
-- ✅ Streaming et téléchargement audio
-- ✅ Recherche et filtres
-- ✅ Interface web basique
-
-**Classification IA optionnelle** (Essentia) peut être ajoutée facilement si besoin.
-
-Le projet est prêt à être utilisé ! 🎵
diff --git a/backend/.env.example b/backend/.env.example
deleted file mode 100644
index de425d8..0000000
--- a/backend/.env.example
+++ /dev/null
@@ -1,13 +0,0 @@
-# Database
-DATABASE_URL=postgresql://audio_user:audio_password@localhost:5432/audio_classifier
-
-# API Configuration
-CORS_ORIGINS=http://localhost:3000,http://127.0.0.1:3000
-
-# Audio Analysis
-ANALYSIS_USE_CLAP=false
-ANALYSIS_NUM_WORKERS=4
-ESSENTIA_MODELS_PATH=./models
-
-# Audio Library
-AUDIO_LIBRARY_PATH=/path/to/your/audio/library
diff --git a/backend/Dockerfile.minimal b/backend/Dockerfile.minimal
deleted file mode 100644
index ede7b52..0000000
--- a/backend/Dockerfile.minimal
+++ /dev/null
@@ -1,35 +0,0 @@
-FROM python:3.11-slim
-
-# Install system dependencies
-RUN apt-get update && apt-get install -y \
-    ffmpeg \
-    libsndfile1 \
-    gcc \
-    g++ \
-    curl \
-    && rm -rf /var/lib/apt/lists/*
-
-# Set working directory
-WORKDIR /app
-
-# Upgrade pip
-RUN pip install --no-cache-dir --upgrade pip setuptools wheel
-
-# Copy minimal requirements
-COPY requirements-minimal.txt .
-
-# Install dependencies
-RUN pip install --no-cache-dir -r requirements-minimal.txt
-
-# Copy application code
-COPY src/ ./src/
-COPY alembic.ini .
-
-# Create models directory
-RUN mkdir -p /app/models
-
-# Expose port
-EXPOSE 8000
-
-# Run server (skip migrations for now)
-CMD uvicorn src.api.main:app --host 0.0.0.0 --port 8000
diff --git a/backend/requirements-minimal.txt b/backend/requirements-minimal.txt
deleted file mode 100644
index f759fac..0000000
--- a/backend/requirements-minimal.txt
+++ /dev/null
@@ -1,31 +0,0 @@
-# Minimal requirements (without Essentia for faster build)
-
-# Web Framework
-fastapi==0.109.0
-uvicorn[standard]==0.27.0
-python-multipart==0.0.6
-
-# Database
-sqlalchemy==2.0.25
-psycopg2-binary==2.9.9
-pgvector==0.2.4
-alembic==1.13.1
-
-# Audio Processing (without Essentia)
-librosa==0.10.1
-soundfile==0.12.1
-audioread==3.0.1
-mutagen==1.47.0
-
-# Scientific Computing
-numpy==1.24.3
-scipy==1.11.4
-
-# Configuration & Validation
-pydantic==2.5.3
-pydantic-settings==2.1.0
-python-dotenv==1.0.0
-
-# Utilities
-aiofiles==23.2.1
-httpx==0.26.0
diff --git a/docker-compose.dev.yml b/docker-compose.dev.yml
deleted file mode 100644
index 781feef..0000000
--- a/docker-compose.dev.yml
+++ /dev/null
@@ -1,66 +0,0 @@
-version: '3.8'
-
-services:
-  postgres:
-    image: pgvector/pgvector:pg16
-    container_name: audio_classifier_db
-    environment:
-      POSTGRES_USER: ${POSTGRES_USER:-audio_user}
-      POSTGRES_PASSWORD: ${POSTGRES_PASSWORD:-audio_password}
-      POSTGRES_DB: ${POSTGRES_DB:-audio_classifier}
-    ports:
-      - "5433:5432"
-    volumes:
-      - postgres_data:/var/lib/postgresql/data
-      - ./backend/init-db.sql:/docker-entrypoint-initdb.d/init-db.sql
-    healthcheck:
-      test: ["CMD-SHELL", "pg_isready -U ${POSTGRES_USER:-audio_user}"]
-      interval: 10s
-      timeout: 5s
-      retries: 5
-    restart: unless-stopped
-
-  # Backend with minimal dependencies (no Essentia)
-  backend:
-    build:
-      context: ./backend
-      dockerfile: Dockerfile.minimal
-    container_name: audio_classifier_api
-    depends_on:
-      postgres:
-        condition: service_healthy
-    environment:
-      DATABASE_URL: postgresql://${POSTGRES_USER:-audio_user}:${POSTGRES_PASSWORD:-audio_password}@postgres:5432/${POSTGRES_DB:-audio_classifier}
-      CORS_ORIGINS: ${CORS_ORIGINS:-http://localhost:3000}
-      ANALYSIS_USE_CLAP: "false"
-      ANALYSIS_NUM_WORKERS: ${ANALYSIS_NUM_WORKERS:-4}
-      ESSENTIA_MODELS_PATH: /app/models
-    ports:
-      - "8001:8000"
-    volumes:
-      # Mount your audio library (read-only)
-      - ${AUDIO_LIBRARY_PATH:-./audio_samples}:/audio:ro
-      # Development: mount source for hot reload
-      - ./backend/src:/app/src
-    restart: unless-stopped
-
-  frontend:
-    build:
-      context: ./frontend
-      dockerfile: Dockerfile.dev
-    container_name: audio_classifier_ui_dev
-    environment:
-      NEXT_PUBLIC_API_URL: http://backend:8000
-      NODE_ENV: development
-    ports:
-      - "3000:3000"
-    volumes:
-      - ./frontend:/app
-      - /app/node_modules
-    depends_on:
-      - backend
-    restart: unless-stopped
-
-volumes:
-  postgres_data:
-    driver: local
diff --git a/frontend/.env.local.example b/frontend/.env.local.example
index 600de8d..9be0d67 100644
--- a/frontend/.env.local.example
+++ b/frontend/.env.local.example
@@ -1 +1 @@
-NEXT_PUBLIC_API_URL=http://localhost:8000
+NEXT_PUBLIC_API_URL=http://localhost:8001
diff --git a/frontend/Dockerfile.dev b/frontend/Dockerfile.dev
deleted file mode 100644
index e33fb19..0000000
--- a/frontend/Dockerfile.dev
+++ /dev/null
@@ -1,16 +0,0 @@
-FROM node:20-alpine
-
-# Set working directory
-WORKDIR /app
-
-# Copy package files
-COPY package*.json ./
-
-# Install dependencies
-RUN npm ci
-
-# Expose port
-EXPOSE 3000
-
-# Start the development server
-CMD ["npm", "run", "dev"]
diff --git a/scripts/download-essentia-models.sh b/scripts/download-essentia-models.sh
deleted file mode 100755
index 9d94cd7..0000000
--- a/scripts/download-essentia-models.sh
+++ /dev/null
@@ -1,73 +0,0 @@
-#!/usr/bin/env bash
-
-# Download Essentia models for audio classification
-# Models from: https://essentia.upf.edu/models.html
-
-set -e  # Exit on error
-
-MODELS_DIR="backend/models"
-CLASS_HEADS_URL="https://essentia.upf.edu/models/classification-heads"
-EMBEDDINGS_URL="https://essentia.upf.edu/models/feature-extractors/discogs-effnet"
-
-echo "📦 Downloading Essentia models..."
-echo "Models directory: $MODELS_DIR"
-
-# Create models directory if it doesn't exist
-mkdir -p "$MODELS_DIR"
-
-# Download function
-download_model() {
-    local model_file="$1"
-    local url="$2"
-    local output_path="$MODELS_DIR/$model_file"
-
-    if [ -f "$output_path" ]; then
-        echo "✓ $model_file already exists, skipping..."
-    else
-        echo "⬇️  Downloading $model_file..."
-        # Use -k flag to ignore SSL certificate issues with essentia.upf.edu
-        curl -k -L -o "$output_path" "$url"
-
-        if [ -f "$output_path" ] && [ -s "$output_path" ]; then
-            echo "✓ Downloaded $model_file ($(du -h "$output_path" | cut -f1))"
-        else
-            echo "✗ Failed to download $model_file"
-            rm -f "$output_path"  # Remove empty/failed file
-            exit 1
-        fi
-    fi
-}
-
-# Download embedding model first (required for all classification heads)
-echo ""
-echo "Downloading embedding model..."
-download_model "discogs-effnet-bs64-1.pb" \
-    "$EMBEDDINGS_URL/discogs-effnet-bs64-1.pb"
-
-# Download classification heads
-echo ""
-echo "Downloading classification heads..."
-
-# Genre: Discogs400 (professional taxonomy with 400 genres)
-download_model "genre_discogs400-discogs-effnet-1.pb" \
-    "$CLASS_HEADS_URL/genre_discogs400/genre_discogs400-discogs-effnet-1.pb"
-
-download_model "genre_discogs400-discogs-effnet-1.json" \
-    "$CLASS_HEADS_URL/genre_discogs400/genre_discogs400-discogs-effnet-1.json"
-
-# Mood & Instrument: MTG-Jamendo
-download_model "mtg_jamendo_moodtheme-discogs-effnet-1.pb" \
-    "$CLASS_HEADS_URL/mtg_jamendo_moodtheme/mtg_jamendo_moodtheme-discogs-effnet-1.pb"
-
-download_model "mtg_jamendo_instrument-discogs-effnet-1.pb" \
-    "$CLASS_HEADS_URL/mtg_jamendo_instrument/mtg_jamendo_instrument-discogs-effnet-1.pb"
-
-echo ""
-echo "✅ All models downloaded successfully!"
-echo ""
-echo "Models available:"
-ls -lh "$MODELS_DIR"/*.pb 2>/dev/null || echo "No .pb files found"
-
-echo ""
-echo "Note: Class labels are defined in backend/src/core/essentia_classifier.py"
-echo "You can now start the backend with: docker-compose up"