Update app.py

app.py

@@ -8,35 +8,88 @@ classifier = pipeline(
     model="mrm8488/distilroberta-finetuned-financial-news-sentiment-analysis"
 )
 
-# Chargement du modèle de traduction FR->EN (peut aussi servir pour d'autres langues si tu veux étendre)
-translator = pipeline("translation", model="Helsinki-NLP/opus-mt-mul-en")
+# Modèle génératif pour créer des explications
+explainer = pipeline(
+    "text2text-generation",
+    model="google/flan-t5-small"
+)
+
+# Modèle de traduction multilingue -> anglais
+translator_to_en = pipeline(
+    "translation",
+    model="Helsinki-NLP/opus-mt-mul-en"
+)
+
+# Modèle de traduction anglais -> français
+translator_to_fr = pipeline(
+    "translation",
+    model="Helsinki-NLP/opus-mt-en-fr"
+)
+
+# Variables globales pour stocker le dernier texte/sentiment
+last_text = ""
+last_sentiment = ""
 
+# Fonction d'analyse de sentiment
 def analyze_sentiment(text):
+    global last_text, last_sentiment
+
     if not text:
-        return "Entrez une phrase."
-    
+        return "Entrez une phrase.", "", ""
+
+    # Détection de la langue
     try:
-        # Détection de la langue
         lang = detect(text)
     except:
         lang = "unknown"
 
-    # Traduction si la langue n'est pas l'anglais
+    # Traduire si nécessaire
     if lang != "en":
-        text = translator(text, max_length=512)[0]['translation_text']
+        text = translator_to_en(text, max_length=512)[0]['translation_text']
 
-    # Analyse de sentiment
+    # Analyse du sentiment
     result = classifier(text)[0]
-    return f"Sentiment : {result['label']} (Score: {result['score']:.2f})"
-
-# Interface utilisateur
-iface = gr.Interface(
-    fn=analyze_sentiment,
-    inputs=gr.Textbox(lines=4, placeholder="Entrez une actualité financière ici..."),
-    outputs="text",
-    title="Analyse de Sentiment Financier",
-    description="Entrez une news financière. Le modèle détecte automatiquement la langue et analyse le sentiment."
-)
+    sentiment_output = f"Sentiment : {result['label']} (Score: {result['score']:.2f})"
+
+    # Sauvegarder pour explication
+    last_text = text
+    last_sentiment = result['label']
+
+    return sentiment_output, "", ""
+
+# Fonction pour générer explication en anglais + français
+def generate_explanation():
+    if not last_text or not last_sentiment:
+        return "", "Aucune analyse récente trouvée."
+
+    # Préparer le prompt
+    prompt = f"Explain why the following financial news is {last_sentiment.lower()}: \"{last_text}\""
+    explanation_en = explainer(prompt, max_length=100)[0]['generated_text']
+
+    # Traduire en français
+    explanation_fr = translator_to_fr(explanation_en, max_length=512)[0]['translation_text']
+
+    return explanation_en, explanation_fr
+
+# Interface Gradio
+with gr.Blocks() as iface:
+    gr.Markdown("# 📈 Analyse de Sentiment Financier Multilingue + Explication 🌍")
+    gr.Markdown("Entrez une actualité financière. L'analyse détecte le sentiment et peut expliquer en anglais **et en français** !")
+
+    with gr.Row():
+        input_text = gr.Textbox(lines=4, placeholder="Entrez votre actualité financière ici...")
+
+    with gr.Row():
+        sentiment_output = gr.Textbox(label="Résultat du sentiment")
+
+    with gr.Row():
+        explanation_output_en = gr.Textbox(label="Explication (anglais)")
+        explanation_output_fr = gr.Textbox(label="Explication (français)")
+
+    analyze_btn = gr.Button("Analyser")
+    explain_btn = gr.Button("Générer explication")
+
+    analyze_btn.click(analyze_sentiment, inputs=[input_text], outputs=[sentiment_output, explanation_output_en, explanation_output_fr])
+    explain_btn.click(generate_explanation, outputs=[explanation_output_en, explanation_output_fr])
 
-# Lancement local
-iface.launch()
+iface.launch()