feat(preparation): improve AI trip driver workflow, ranking visibility, and parametration fallback

• Avant : la validation des circuits optimisés restait partiellement manuelle et fragmentée.

• Après : la validation des propositions IA est orchestrée de bout en bout avec affectation manuelle + auto-complétion des trajets restants.

• Avant : la comparaison des chauffeurs proposés manquait de lisibilité métier.

• Après : les suggestions affichent des éléments décisionnels clairs (score, rang, formule de calcul, détails de score).

• Avant : la compréhension de l’adéquation véhicule/chauffeur était incomplète.

• Après : le type et le nom du véhicule sont visibles dans les suggestions pour valider rapidement la pertinence opérationnelle.

• Avant : la carte pouvait perdre le contexte du trajet lors de l’analyse des candidats chauffeurs.

• Après : la vue cartographique conserve le contexte métier en cadrant simultanément trajet + chauffeurs candidats.

• Avant : revenir sur un trajet IA relançait inutilement la recherche des candidats.

• Après : les candidats déjà calculés sont conservés et réaffichés immédiatement, avec une navigation plus fluide.

• Avant : la prévisualisation des candidats s’appliquait aussi aux circuits existants, créant du bruit fonctionnel.

• Après : la logique de candidats est limitée aux propositions IA non validées, conforme au processus métier attendu.

• Avant : la fiche préparation pouvait apparaître sans paramétration d’optimisation malgré une valeur déjà associée.

• Après : la paramétration liée à la préparation est conservée et affichée de manière fiable, même en cas d’échec de résolution automatique.

• Avant : l’entrée en mode de préparation imposait une étape de confirmation supplémentaire.

• Après : le choix de logique est direct, plus rapide et plus simple pour les équipes opérationnelles.