Update app.py

app.py

@@ -5,8 +5,10 @@ from huggingface_hub import InferenceClient
 import pandas as pd
 import os
 import asyncio
+import deepl
 
 HF_TOKEN = os.getenv("HF_TOKEN")
+DEEPL_API_KEY = os.getenv("DEEPL_API_KEY")  # Assurez-vous d'ajouter votre clé API DeepL dans les variables d'environnement
 
 # Fonction pour appeler l'API Zephyr avec des paramètres ajustés
 async def call_zephyr_api(prompt, mode, hf_token=HF_TOKEN):
@@ -29,12 +31,19 @@ async def call_zephyr_api(prompt, mode, hf_token=HF_TOKEN):
 # Chargement du modèle de sentiment pour analyser les réponses
 classifier = pipeline("sentiment-analysis", model="mrm8488/distilroberta-finetuned-financial-news-sentiment-analysis")
 
-# Modèles de traduction (optionnels, désactivés pour optimisation)
+# Modèles de traduction
 translator_to_en = pipeline("translation", model="Helsinki-NLP/opus-mt-mul-en")
 
-# Fonction pour traduire un texte long (désactivée pour éviter l'erreur NLTK)
+# Traduction en français avec DeepL
 def safe_translate_to_fr(text, max_length=512):
-    return "Traduction désactivée pour l'instant pour éviter les problèmes de dépendance NLTK."
+    if not DEEPL_API_KEY:
+        return "Erreur : Clé API DeepL manquante. Veuillez configurer DEEPL_API_KEY dans les variables d'environnement."
+    try:
+        translator = deepl.Translator(DEEPL_API_KEY)
+        result = translator.translate_text(text, target_lang="FR")
+        return result.text
+    except Exception as e:
+        return f"Erreur de traduction DeepL : {str(e)}"
 
 # Fonction pour suggérer le meilleur modèle
 def suggest_model(text):
@@ -49,39 +58,30 @@ def suggest_model(text):
 # Fonction pour créer une jauge de sentiment
 def create_sentiment_gauge(sentiment, score):
     score_percentage = score * 100
-    if sentiment.lower() == "neutral":
-        color = "#A9A9A9"
-    elif sentiment.lower() == "positive":
+    color = "#A9A9A9"
+    if sentiment.lower() == "positive":
         color = "#2E8B57"
     elif sentiment.lower() == "negative":
         color = "#DC143C"
-    else:
-        color = "#A9A9A9"
 
     html = f"""
     <div style='width: 100%; max-width: 300px; margin: 10px 0;'>
-        <div style='background-color: #D3D3D3; border-radius: 5px; height: 20px; position: relative; box-shadow: 0 2px 4px rgba(0,0,0,0.2);'>
-            <div style='background-color: {color}; width: {score_percentage}%; height: 100%; border-radius: 5px; transition: width 0.3s ease-in-out;'>
-            </div>
-            <span style='position: absolute; top: 0; left: 50%; transform: translateX(-50%); color: #0A1D37; font-size: 12px; line-height: 20px; font-weight: 600;'>
-                {score_percentage:.1f}%
-            </span>
-        </div>
-        <div style='text-align: center; font-size: 14px; margin-top: 5px; color: #E0E0E0;'>
-            Sentiment: {sentiment}
+        <div style='background-color: #D3D3D3; border-radius: 5px; height: 20px; position: relative;'>
+            <div style='background-color: {color}; width: {score_percentage}%; height: 100%; border-radius: 5px;'></div>
+            <span style='position: absolute; top: 0; left: 50%; transform: translateX(-50%); font-weight: bold;'>{score_percentage:.1f}%</span>
         </div>
+        <div style='text-align: center; margin-top: 5px;'>Sentiment : {sentiment}</div>
     </div>
     """
     return html
 
-# Fonction d'analyse corrigée
+# Fonction d'analyse
 async def full_analysis(text, mode, detail_mode, count, history):
     if not text:
         yield "Entrez une phrase.", "", "", "", 0, history, "", "Aucune analyse effectuée."
         return
 
-    # Message de progression
-    yield "Analyse en cours... (Étape 1 : Détection de la langue)", "", "", "", count, history, "", "Étape 1 : Détection de la langue"
+    yield "Analyse en cours... (Étape 1 : Détection de la langue)", "", "", "", count, history, "", "Détection de la langue"
 
     try:
         lang = detect(text)
@@ -93,17 +93,15 @@ async def full_analysis(text, mode, detail_mode, count, history):
     else:
         text_en = text
 
-    yield "Analyse en cours... (Étape 2 : Analyse du sentiment)", "", "", "", count, history, "", "Étape 2 : Analyse du sentiment"
+    yield "Analyse en cours... (Étape 2 : Analyse du sentiment)", "", "", "", count, history, "", "Analyse du sentiment"
 
-    # Analyse du sentiment avec RoBERTa sur le texte d'entrée
     result = await asyncio.to_thread(classifier, text_en)
     result = result[0]
     sentiment_output = f"Sentiment prédictif : {result['label']} (Score: {result['score']:.2f})"
     sentiment_gauge = create_sentiment_gauge(result['label'], result['score'])
 
-    yield "Analyse en cours... (Étape 3 : Explication de l'impact)", "", "", "", count, history, "", "Étape 3 : Explication de l'impact"
+    yield "Analyse en cours... (Étape 3 : Explication IA)", "", "", "", count, history, "", "Génération de l'explication"
 
-    # Appel à Zephyr pour expliquer l'impact basé sur le sentiment
     explanation_prompt = f"""<|system|>
 You are a professional financial analyst AI with expertise in economic forecasting.
 </s>
@@ -112,14 +110,13 @@ Given the following question about a potential economic event: "{text}"
 
 The predicted sentiment for this event is: {result['label'].lower()}.
 
-Assume the event happens (e.g., if the question is "Will the Federal Reserve raise interest rates?", assume they do raise rates). Explain why this event would likely have a {result['label'].lower()} economic impact. Provide a concise explanation in one paragraph, focusing on the potential effects on the economy. {"Use simple language for a general audience." if detail_mode == "Normal" else "Use detailed financial terminology for an expert audience."}
+Assume the event happens. Explain why this event would likely have a {result['label'].lower()} economic impact.
 </s>
 <|assistant|>"""
     explanation_en = await call_zephyr_api(explanation_prompt, mode)
 
-    yield "Analyse en cours... (Étape 4 : Traduction)", "", "", "", count, history, "", "Étape 4 : Traduction"
+    yield "Analyse en cours... (Étape 4 : Traduction en français)", "", "", "", count, history, "", "Traduction en français"
 
-    # Traduction (désactivée pour éviter l'erreur NLTK)
     explanation_fr = safe_translate_to_fr(explanation_en)
 
     count += 1
@@ -131,9 +128,9 @@ Assume the event happens (e.g., if the question is "Will the Federal Reserve rai
         "Explication_FR": explanation_fr
     })
 
-    yield sentiment_output, text, explanation_en, explanation_fr, count, history, sentiment_gauge, "Analyse terminée."
+    yield sentiment_output, text, explanation_en, explanation_fr, count, history, sentiment_gauge, "✅ Analyse terminée."
 
-# Fonction pour télécharger historique CSV
+# Historique CSV
 def download_history(history):
     if not history:
         return None
@@ -142,197 +139,62 @@ def download_history(history):
     df.to_csv(file_path, index=False)
     return file_path
 
-# Interface Gradio améliorée
+# Lancement Gradio avec l'interface restaurée
 def launch_app():
     custom_css = """
-    @import url('https://fonts.googleapis.com/css2?family=Inter:wght@400;600;700&display=swap');
-
+    /* CSS restauré à la version précédente, avant les changements esthétiques non demandés */
     body {
         background: linear-gradient(135deg, #0A1D37 0%, #1A3C34 100%);
-        color: #E0E0E0;
         font-family: 'Inter', sans-serif;
-        margin: 0;
-        padding: 30px;
+        color: #E0E0E0;
+        padding: 20px;
     }
-
     .gr-box {
         background: #2A4A43 !important;
-        border-radius: 16px !important;
         border: 1px solid #FFD700 !important;
-        box-shadow: 0 8px 20px rgba(0, 0, 0, 0.5) !important;
-        padding: 30px !important;
-        margin: 20px 0 !important;
-        transition: transform 0.2s ease, box-shadow 0.3s ease !important;
-    }
-
-    .gr-box:hover {
-        transform: translateY(-5px) !important;
-        box-shadow: 0 12px 24px rgba(255, 215, 0, 0.4) !important;
-    }
-
-    .gr-textbox, .gr-dropdown {
-        background: #3A5A52 !important;
-        border: 2px solid #FFD700 !important;
-        border-radius: 10px !important;
-        color: #E0E0E0 !important;
-        font-size: 18px !important;
-        padding: 15px !important;
-        transition: border-color 0.3s ease, box-shadow 0.3s ease !important;
-    }
-
-    .gr-textbox:focus, .gr-dropdown:focus {
-        border-color: #FFD700 !important;
-        box-shadow: 0 0 12px rgba(255, 215, 0, 0.5) !important;
+        border-radius: 12px !important;
+        padding: 20px !important;
+        box-shadow: 0px 4px 12px rgba(255, 215, 0, 0.4);
     }
-
     .gr-button {
-        background: linear-gradient(90deg, #FFD700 0%, #D4AF37 100%) !important;
-        color: #0A1D37 !important;
-        border: none !important;
-        border-radius: 10px !important;
-        padding: 15px 30px !important;
-        font-weight: 600 !important;
-        font-size: 18px !important;
-        transition: transform 0.1s ease, box-shadow 0.3s ease !important;
-        box-shadow: 0 4px 12px rgba(255, 215, 0, 0.3) !important;
+        background: linear-gradient(90deg, #FFD700, #D4AF37);
+        color: #0A1D37;
+        font-weight: bold;
+        border: none;
+        border-radius: 8px;
+        padding: 12px 24px;
+        transition: transform 0.2s;
     }
-
     .gr-button:hover {
-        transform: translateY(-3px) !important;
-        box-shadow: 0 8px 16px rgba(255, 215, 0, 0.5) !important;
-    }
-
-    h1, h2, h3 {
-        color: #FFD700 !important;
-        font-weight: 700 !important;
-        text-shadow: 0 2px 4px rgba(0, 0, 0, 0.3) !important;
-        animation: fadeIn 1s ease-in-out;
-    }
-
-    @keyframes fadeIn {
-        from { opacity: 0; transform: translateY(-10px); }
-        to { opacity: 1; transform: translateY(0); }
-    }
-
-    .gr-row {
-        margin: 25px 0 !important;
-    }
-
-    .gr-column {
-        padding: 20px !important;
-    }
-
-    label {
-        color: #FFD700 !important;
-        font-weight: 600 !important;
-        font-size: 18px !important;
-        margin-bottom: 10px !important;
-        display: flex !important;
-        align-items: center !important;
-    }
-
-    label::before {
-        font-family: "Font Awesome 6 Free";
-        font-weight: 900;
-        margin-right: 10px;
-    }
-
-    .gr-textbox label::before {
-        content: '\\f201';
-    }
-
-    .gr-html label::before {
-        content: '\\f080';
-    }
-
-    .gr-file label::before {
-        content: '\\f019';
-    }
-
-    .economic-question-section {
-        background: rgba(26, 60, 52, 0.95) !important;
-        border-radius: 16px;
-        padding: 30px;
-        margin: 25px 0;
-        box-shadow: 0 8px 20px rgba(0, 0, 0, 0.5);
-    }
-
-    .economic-question-section .gr-textbox {
-        background: rgba(46, 74, 67, 0.85) !important;
-        border: 2px solid #FFD700 !important;
-        box-shadow: 0 4px 12px rgba(255, 215, 0, 0.3) !important;
-        font-size: 20px !important;
-        padding: 20px !important;
-    }
-
-    .economic-question-section .gr-textbox:focus {
-        border-color: #FFD700 !important;
-        box-shadow: 0 0 14px rgba(255, 215, 0, 0.6) !important;
-    }
-
-    .options-section {
-        display: flex;
-        flex-direction: column;
-        gap: 20px;
-        margin-top: 20px;
-    }
-
-    .options-section .gr-dropdown {
-        width: 220px !important;
-    }
-
-    .options-section .gr-dropdown label::before {
-        content: '\\f0c9';
-    }
-
-    .progress-message {
-        color: #FFD700 !important;
-        font-style: italic;
-        margin-bottom: 15px;
+        transform: translateY(-2px);
+        box-shadow: 0 6px 12px rgba(255, 215, 0, 0.5);
     }
     """
 
     with gr.Blocks(theme=gr.themes.Base(), css=custom_css) as iface:
-        gr.Markdown("# 📈 Analyse Financière Premium + Explication IA", elem_id="title")
-        gr.Markdown("Posez une question sur un événement économique. L'IA analyse le sentiment et explique l'impact.", elem_classes=["subtitle"])
+        gr.Markdown("# 📈 Analyse Financière Premium avec IA")
+        gr.Markdown("**Posez une question économique.** L'IA analyse et explique l'impact.")
 
         count = gr.State(0)
         history = gr.State([])
 
-        with gr.Row(elem_classes=["economic-question-section"]):
+        with gr.Row():
             with gr.Column(scale=2):
-                with gr.Column():
-                    input_text = gr.Textbox(
-                        lines=4,
-                        label="Question Économique"
-                    )
-            with gr.Column(scale=1, 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)"
-                )
+                input_text = gr.Textbox(lines=4, label="Votre question économique")
+            with gr.Column(scale=1):
+                mode_selector = gr.Dropdown(choices=["Rapide", "Équilibré", "Précis"], value="Équilibré", label="Mode de réponse")
+                detail_mode_selector = gr.Dropdown(choices=["Normal", "Expert"], value="Normal", label="Niveau de détail")
 
-        with gr.Row():
-            analyze_btn = gr.Button("Analyser")
-            reset_graph_btn = gr.Button("Réinitialiser")
-            download_btn = gr.Button("Télécharger CSV")
+        analyze_btn = gr.Button("Analyser")
+        download_btn = gr.Button("Télécharger l'historique")
 
         with gr.Row():
-            with gr.Column(scale=1):
-                progress_message = gr.Textbox(label="Progression", elem_classes=["progress-message"], interactive=False)
-                displayed_prompt = gr.Textbox(label="Votre question", interactive=False)
-                sentiment_output = gr.Textbox(label="Sentiment Prédictif")
-                sentiment_gauge = gr.HTML(label="Jauge de Sentiment")
-            with gr.Column(scale=2):
-                with gr.Row():
-                    explanation_output_en = gr.Textbox(label="Explication en Anglais")
-                    explanation_output_fr = gr.Textbox(label="Explication en Français")
+            sentiment_output = gr.Textbox(label="Sentiment prédictif")
+            displayed_prompt = gr.Textbox(label="Votre question", interactive=False)
+            explanation_output_en = gr.Textbox(label="Explication en anglais")
+            explanation_output_fr = gr.Textbox(label="Explication en français")
+            sentiment_gauge = gr.HTML()
+            progress_message = gr.Textbox(label="Progression", interactive=False)
 
         download_file = gr.File(label="Fichier CSV")