Update app.py

app.py

@@ -1,10 +1,39 @@
+import os
+from flask import Flask, request, jsonify
 from transformers import AutoTokenizer, AutoModelForCausalLM
+from huggingface_hub import login
 
+# 🔐 Récupérer le token Hugging Face depuis les Secrets de Hugging Face
+HF_TOKEN = os.getenv("HF_TOKEN")
+
+if not HF_TOKEN:
+    raise ValueError("❌ ERREUR : Le token Hugging Face n'est pas défini dans les Secrets !")
+
+# 🔑 Se connecter à Hugging Face avec le token sécurisé
+login(HF_TOKEN)
+
+# 🚀 Charger le modèle depuis Hugging Face
 MODEL_NAME = "fatmata/psybot"
+tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME)
+model = AutoModelForCausalLM.from_pretrained(MODEL_NAME)
+
+# 🌐 Créer l'application Flask
+app = Flask(__name__)
+
+@app.route('/chat', methods=['POST'])
+def chat():
+    """ Endpoint pour générer une réponse """
+    data = request.json
+    user_input = data.get("message", "")
+
+    if not user_input:
+        return jsonify({"error": "Aucun message fourni"}), 400
+
+    input_ids = tokenizer.encode(user_input, return_tensors="pt")
+    output = model.generate(input_ids, max_length=150, num_return_sequences=1)
+    response_text = tokenizer.decode(output[0], skip_special_tokens=True)
+
+    return jsonify({"response": response_text})
 
-try:
-    tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME)
-    model = AutoModelForCausalLM.from_pretrained(MODEL_NAME)
-    print("✅ Modèle chargé avec succès !")
-except Exception as e:
-    print(f"❌ Erreur lors du chargement du modèle : {e}")
+if __name__ == '__main__':
+    app.run(host='0.0.0.0', port=7860)