Update app.py

app.py

@@ -39,8 +39,8 @@ async def call_zephyr_api(prompt, mode, hf_token=HF_TOKEN):
         st.error(f"❌ Erreur d'appel API Hugging Face : {str(e)}")
         return None
 
-# Chargement du modèle de sentiment pour analyser les réponses
-classifier = pipeline("sentiment-analysis", model="mrm8488/distilroberta-finetuned-financial-news-sentiment-analysis")
+# Chargement du modèle de sentiment (forcé sur CPU)
+classifier = pipeline("sentiment-analysis", model="mrm8488/distilroberta-finetuned-financial-news-sentiment-analysis", device="cpu")
 
 # Modèles de traduction
 translator_to_en = pipeline("translation", model="Helsinki-NLP/opus-mt-mul-en")
@@ -88,7 +88,7 @@ def create_sentiment_gauge(sentiment, score):
     """
     return html
 
-# Fonction d'analyse (avec appel API Zephyr restauré)
+# Fonction d'analyse (avec exécution synchrone pour le classifieur)
 async def full_analysis(text, mode, detail_mode, history):
     if not text:
         st.warning("Entrez une phrase.")
@@ -111,9 +111,9 @@ async def full_analysis(text, mode, detail_mode, history):
     else:
         text_en = text
 
-    # Étape 2 : Analyse du sentiment
+    # Étape 2 : Analyse du sentiment (exécution synchrone)
     status_text.write("Analyse en cours... (Étape 2 : Analyse du sentiment)")
-    result = await asyncio.to_thread(classifier, text_en)
+    result = classifier(text_en)  # Exécution synchrone
     result = result[0]
     sentiment_output = f"Sentiment prédictif : {result['label']} (Score: {result['score']:.2f})"
     sentiment_gauge = create_sentiment_gauge(result['label'], result['score'])
@@ -238,7 +238,7 @@ def main():
 
     # Résultats
     if analyze_btn and input_text:
-        # Exécuter l'analyse (Streamlit nécessite une exécution synchrone, donc on boucle l'asyncio)
+        # Exécuter l'analyse
         loop = asyncio.new_event_loop()
         asyncio.set_event_loop(loop)
         result = loop.run_until_complete(full_analysis(input_text, mode_selector, detail_mode_selector, st.session_state.history))
@@ -256,7 +256,7 @@ def main():
                 st.text_area("Sentiment prédictif", sentiment_output, height=100, disabled=True)
                 st.markdown(sentiment_gauge, unsafe_allow_html=True)
                 st.text_area("Votre question", displayed_prompt, height=100, disabled=True)
-                st.text_area("Progression", progress_message, height=70, disabled=True)  # Hauteur ajustée
+                st.text_area("Progression", progress_message, height=70, disabled=True)
             with col_results2:
                 st.text_area("Explication en anglais", explanation_en, height=200, disabled=True)
                 st.text_area("Explication en français", explanation_fr, height=200, disabled=True)