Update app.py

app.py

@@ -1,6 +1,7 @@
 from transformers import pipeline
 from langdetect import detect
 import gradio as gr
+import pandas as pd
 
 # Chargement du modèle de sentiment
 classifier = pipeline(
@@ -8,42 +9,39 @@ classifier = pipeline(
     model="mrm8488/distilroberta-finetuned-financial-news-sentiment-analysis"
 )
 
-# Modèle génératif pour créer des explications
-explainer = pipeline(
-    "text2text-generation",
-    model="google/flan-t5-small"
-)
-
-# Modèle de traduction multilingue -> anglais
+# Modèles de traduction
 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
+# Fonction pour charger dynamiquement le modèle d'explication
+def load_explainer(mode):
+    if mode == "Rapide":
+        model_name = "google/flan-t5-small"
+    else:  # Précis
+        model_name = "google/flan-t5-base"
+    return pipeline("text2text-generation", model=model_name)
 
+# Fonction complète d'analyse + explication
+def full_analysis(text, mode, count, history):
     if not text:
-        return "Entrez une phrase.", "", ""
+        return "Entrez une phrase.", "", "", count, history, None
+
+    # Charger l'explainer correspondant
+    explainer = load_explainer(mode)
 
-    # Détection de la langue
+    # Détection de langue
     try:
         lang = detect(text)
     except:
         lang = "unknown"
 
-    # Traduire si nécessaire
+    # Traduction si besoin
     if lang != "en":
         text = translator_to_en(text, max_length=512)[0]['translation_text']
 
@@ -51,45 +49,94 @@ def analyze_sentiment(text):
     result = classifier(text)[0]
     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}\""
+    # Génération de l'explication
+    prompt = f"Explain why the following financial news is {result['label'].lower()}: \"{text}\""
     explanation_en = explainer(prompt, max_length=100)[0]['generated_text']
 
-    # Traduire en français
+    # Traduction de l'explication
     explanation_fr = translator_to_fr(explanation_en, max_length=512)[0]['translation_text']
 
-    return explanation_en, explanation_fr
+    # Mise à jour historique
+    count += 1
+    history.append({
+        "Texte": text,
+        "Sentiment": result['label'],
+        "Score": f"{result['score']:.2f}",
+        "Explication_EN": explanation_en,
+        "Explication_FR": explanation_fr,
+        "Mode": mode
+    })
+
+    return sentiment_output, explanation_en, explanation_fr, count, history, None
+
+# Fonction pour télécharger historique
+def download_history(history):
+    if not history:
+        return None
+    df = pd.DataFrame(history)
+    file_path = "/tmp/analysis_history.csv"
+    df.to_csv(file_path, index=False)
+    return file_path
 
 # 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** !")
+    gr.Markdown("Entrez une actualité financière. Analyse automatique du sentiment et génération d'une explication **bilingue** avec choix du modèle.")
 
-    with gr.Row():
-        input_text = gr.Textbox(lines=4, placeholder="Entrez votre actualité financière ici...")
+    count = gr.State(0)
+    history = gr.State([])
 
     with gr.Row():
-        sentiment_output = gr.Textbox(label="Résultat du sentiment")
-
+        input_text = gr.Textbox(lines=4, placeholder="Entrez votre actualité ici...")
+    
     with gr.Row():
-        explanation_output_en = gr.Textbox(label="Explication (anglais)")
-        explanation_output_fr = gr.Textbox(label="Explication (français)")
+        mode_selector = gr.Dropdown(
+            choices=["Rapide", "Précis"],
+            label="Choisissez le mode d'explication",
+            value="Rapide"
+        )
 
     analyze_btn = gr.Button("Analyser")
-    explain_btn = gr.Button("Générer explication")
+    download_btn = gr.Button("Télécharger l'historique CSV")
+
+    loading_text = gr.Markdown("⏳ Analyse en cours...", visible=False)
+
+    with gr.Row():
+        sentiment_output = gr.Textbox(label="Résultat du sentiment")
 
-    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])
+    with gr.Row():
+        with gr.Column():
+            explanation_output_en = gr.Textbox(label="Explication en Anglais")
+        with gr.Column():
+            explanation_output_fr = gr.Textbox(label="Explication en Français")
 
-iface.launch()
+    with gr.Row():
+        analysis_count_display = gr.Textbox(label="Nombre total d'analyses", interactive=False)
+
+    download_file = gr.File(label="Téléchargement du CSV")
+
+    # Clic sur "Analyser"
+    analyze_btn.click(
+        lambda: gr.update(visible=True),
+        outputs=[loading_text]
+    ).then(
+        full_analysis,
+        inputs=[input_text, mode_selector, count, history],
+        outputs=[sentiment_output, explanation_output_en, explanation_output_fr, count, history, download_file]
+    ).then(
+        lambda c: gr.update(value=f"{c} analyses réalisées"),
+        inputs=[count],
+        outputs=[analysis_count_display]
+    ).then(
+        lambda: gr.update(visible=False),
+        outputs=[loading_text]
+    )
+
+    # Clic sur "Télécharger historique"
+    download_btn.click(
+        download_history,
+        inputs=[history],
+        outputs=[download_file]
+    )
+
+iface.launch()