Mise a jour module éduction nationale

modules/eduscol_scraper.py

@@ -11,16 +11,21 @@ def maj_base_education():
     os.makedirs(RAG_DIR, exist_ok=True)
     url_rss = "https://www.education.gouv.fr/bo/rss.xml"
     
+    # En-têtes complets simulant un navigateur pour éviter le blocage 403
+    headers = {
+        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36",
+        "Accept": "application/rss+xml,application/xml;q=0.9,text/html;q=0.9,*/*;q=0.8",
+        "Accept-Language": "fr-FR,fr;q=0.9,en-US;q=0.8,en;q=0.7"
+    }
+    
     try:
-        response = requests.get(url_rss, timeout=15)
+        response = requests.get(url_rss, headers=headers, timeout=15)
         if response.status_code == 200:
             root = ET.fromstring(response.content)
             
-            # Formatage pour une ingestion parfaite par le RAG
             contenu_md = f"# Veille Pédagogique - Bulletin Officiel (B.O.)\n"
             contenu_md += f"*Date de mise à jour RAG : {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}*\n\n"
             
-            # On extrait les 20 dernières circulaires/textes de loi
             for item in root.findall('.//item')[:20]:
                 titre = item.find('title').text if item.find('title') is not None else "Document sans titre"
                 lien = item.find('link').text if item.find('link') is not None else "Aucun lien"