Solveur de suggestions (OR-Tools CP-SAT) — ne place jamais personne

Nouveau module `backend/app/solver/` (mêmes conventions que
`validation/` : models purs, engine pur testé, loader seul lien avec la
base). Pour chaque créneau encore sous son effectif idéal, calcule une
liste ordonnée de bénévoles candidats — c'est la coordination qui
affecte, dans l'écran habituel ; le solveur fait juste remonter ces
candidats en tête de liste (voir le câblage frontend à suivre).

- Seule contrainte dure : aucun chevauchement de créneaux pour un même
  bénévole (règle SHIFT_OVERLAP), à la fois contre l'existant et entre
  deux suggestions du même calcul. L'effectif idéal est un plafond dur.
- Tout le reste est un terme de l'objectif, pas un blocage : priorité
  forte aux créneaux sous l'effectif minimal, bonus vœu de poste, malus
  disponibilité manquante (réutilise `validation.engine.uncovered_minutes`),
  cumul de 8 h et repos (contre les affectations déjà décidées),
  répartition de la charge.
- `POST /editions/{id}/solver/suggestions` (COORDINATION/référent) :
  recalcule à la demande, ne persiste jamais d'affectation.

Dépendance `ortools`. 18 nouveaux tests (moteur + API), 172 tests au
vert, `ruff` et `alembic check` verts. Testé sur le jeu de démo (120
bénévoles, 100 créneaux) : ~0,3 s.

CLAUDE.md : nouvelle section 4 (solveur), renumérotation 5-10,
compétences retirées de « hors périmètre », journal étape 15.

Co-Authored-By: Claude Sonnet 5 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_017uUsRg7XzopkCPWimwg9ZM

backend/app/solver/models.py

@@ -0,0 +1,60 @@
+"""Types d'entrée/sortie du solveur — suggestions, pas d'affectation automatique.
+
+Le solveur ne connaît que ces structures simples (jamais les modèles
+SQLModel), comme le moteur de validation dont il réutilise les briques
+(`app.validation.models`, `app.validation.engine.uncovered_minutes`).
+"""
+
+import datetime as dt
+from dataclasses import dataclass, field
+
+from app.validation.models import AvailabilityWindow, DayPartWindow, ShiftInfo
+
+
+@dataclass(frozen=True)
+class SolverShift:
+    """Un créneau à compléter (`assigned < ideal_staff`)."""
+
+    id: str
+    position_id: str
+    starts_at: dt.datetime
+    ends_at: dt.datetime
+    min_staff: int
+    ideal_staff: int
+    already_assigned: int
+
+    @property
+    def shift_info(self) -> ShiftInfo:
+        return ShiftInfo(id=self.id, starts_at=self.starts_at, ends_at=self.ends_at)
+
+
+@dataclass(frozen=True)
+class SolverVolunteer:
+    id: str
+    availability: tuple[AvailabilityWindow, ...] = ()
+    wished_position_ids: frozenset[str] = frozenset()
+    # Créneaux déjà occupés (affectations existantes, décisions figées) :
+    # comptent pour chevauchement, cumul journalier, repos.
+    existing_shifts: tuple[ShiftInfo, ...] = ()
+    # Total déjà affecté sur l'édition (minutes), pour répartir la charge.
+    existing_minutes: int = 0
+
+
+@dataclass(frozen=True)
+class SolverInput:
+    shifts: tuple[SolverShift, ...] = field(default_factory=tuple)
+    volunteers: tuple[SolverVolunteer, ...] = field(default_factory=tuple)
+    day_parts: tuple[DayPartWindow, ...] = field(default_factory=tuple)
+
+
+@dataclass(frozen=True)
+class ShiftSuggestion:
+    """Bénévoles suggérés pour un créneau, meilleur en tête."""
+
+    shift_id: str
+    volunteer_ids: tuple[str, ...]
+
+
+@dataclass(frozen=True)
+class SolverSolution:
+    suggestions: tuple[ShiftSuggestion, ...] = field(default_factory=tuple)