Update app.py

app.py

@@ -5,7 +5,7 @@ from huggingface_hub import InferenceClient
 import pandas as pd
 import os
 import nltk
-nltk.download('punkt')
+nltk.download('punkt_tab')  # Changement de 'punkt' à 'punkt_tab'
 from nltk.tokenize import sent_tokenize
 
 HF_TOKEN = os.getenv("HF_TOKEN")
@@ -37,16 +37,13 @@ translator_to_fr = pipeline("translation", model="Helsinki-NLP/opus-mt-en-fr")
 
 # Fonction pour traduire un texte long en le segmentant
 def safe_translate_to_fr(text, max_length=512):
-    # Segmenter le texte en phrases
     sentences = sent_tokenize(text)
     translated_sentences = []
     
     for sentence in sentences:
-        # Traduire chaque phrase individuellement
         translated = translator_to_fr(sentence, max_length=max_length)[0]['translation_text']
         translated_sentences.append(translated)
     
-    # Recombiner les phrases traduites
     return " ".join(translated_sentences)
 
 # Fonction pour suggérer le meilleur modèle
@@ -100,7 +97,6 @@ def full_analysis(text, mode, detail_mode, count, history):
     if lang != "en":
         text = translator_to_en(text, max_length=512)[0]['translation_text']
 
-    # Étape 1 : Poser une question à Zephyr pour prédire l'impact économique
     prediction_prompt = f"""<|system|>
 You are a professional financial analyst AI with expertise in economic forecasting.
 </s>
@@ -112,12 +108,10 @@ Assume the event happens (e.g., if the question is "Will the Federal Reserve rai
 <|assistant|>"""
     prediction_response = call_zephyr_api(prediction_prompt, mode)
 
-    # Étape 2 : Analyser le sentiment de la réponse de Zephyr
     result = classifier(prediction_response)[0]
     sentiment_output = f"Sentiment prédictif : {result['label']} (Score: {result['score']:.2f})"
     sentiment_gauge = create_sentiment_gauge(result['label'], result['score'])
 
-    # Étape 3 : Générer une explication détaillée en fonction du niveau de détail
     explanation_prompt = f"""<|system|>
 You are a professional financial analyst AI.
 </s>
@@ -241,6 +235,43 @@ def launch_app():
     .gr-file label::before {
         content: '💾 ';
     }
+
+    .economic-question-section {
+        background-image: url('https://images.unsplash.com/photo-1611974789855-9c2a0a7236a3?q=80&w=2070&auto=format&fit=crop');
+        background-size: cover;
+        background-position: center;
+        background-repeat: no-repeat;
+        background-color: rgba(42, 42, 74, 0.9);
+        background-blend-mode: overlay;
+        border-radius: 12px;
+        padding: 20px;
+        margin: 20px 0;
+        box-shadow: 0 4px 12px rgba(0, 0, 0, 0.3);
+    }
+
+    .economic-question-section .gr-textbox {
+        background: rgba(58, 58, 90, 0.8) !important;
+        border: 2px solid #FFD700 !important;
+        box-shadow: 0 2px 8px rgba(255, 215, 0, 0.2) !important;
+        font-size: 18px !important;
+        padding: 15px !important;
+    }
+
+    .economic-question-section .gr-textbox:focus {
+        border-color: #FFD700 !important;
+        box-shadow: 0 0 12px rgba(255, 215, 0, 0.5) !important;
+    }
+
+    .options-section {
+        display: flex;
+        justify-content: center;
+        gap: 20px;
+        margin-top: 15px;
+    }
+
+    .options-section .gr-dropdown {
+        width: 200px !important;
+    }
     """
 
     with gr.Blocks(theme=gr.themes.Base(), css=custom_css) as iface:
@@ -250,24 +281,24 @@ def launch_app():
         count = gr.State(0)
         history = gr.State([])
 
-        with gr.Row():
-            with gr.Column(scale=2):
+        with gr.Row(elem_classes=["economic-question-section"]):
+            with gr.Column(scale=1, min_width=600):
                 input_text = gr.Textbox(
                     lines=4,
                     placeholder="Entrez une question ici (ex. 'La Réserve fédérale augmentera-t-elle ses taux d'intérêt avant 2025 ?')",
                     label="Question Économique"
                 )
-            with gr.Column(scale=1):
-                mode_selector = gr.Dropdown(
-                    choices=["Rapide", "Équilibré", "Précis"],
-                    value="Équilibré",
-                    label="Mode (longueur et style de réponse)"
-                )
-                detail_mode_selector = gr.Dropdown(
-                    choices=["Normal", "Expert"],
-                    value="Normal",
-                    label="Niveau de détail (simplicité ou technicité)"
-                )
+                with gr.Row(elem_classes=["options-section"]):
+                    mode_selector = gr.Dropdown(
+                        choices=["Rapide", "Équilibré", "Précis"],
+                        value="Équilibré",
+                        label="Mode (longueur et style de réponse)"
+                    )
+                    detail_mode_selector = gr.Dropdown(
+                        choices=["Normal", "Expert"],
+                        value="Normal",
+                        label="Niveau de détail (simplicité ou technicité)"
+                    )
 
         with gr.Row():
             analyze_btn = gr.Button("Analyser")
@@ -299,7 +330,7 @@ def launch_app():
             outputs=[download_file]
         )
 
-    iface.launch()
+    iface.launch(share=True)  # Ajout de share=True
 
 if __name__ == "__main__":
     launch_app()