Update app.py

app.py

@@ -1,32 +1,57 @@
 import streamlit as st
 from transformers import pipeline
 
-# Titre de l'application
-st.title("🌍 Analyse de Sentiment Multilingue")
-st.subheader("Utilisez l'IA pour détecter les sentiments dans plusieurs langues !")
+# Configuration de la page
+st.set_page_config(
+    page_title="🌍 Analyse de Sentiment Multilingue",
+    page_icon="🧠",
+    layout="centered",
+)
 
-# Charger le modèle de Hugging Face
+# Titre principal
+st.title("🧠 Analyseur de Sentiment Multilingue")
+st.write("Détectez automatiquement les émotions dans vos textes en plusieurs langues grâce à l'intelligence artificielle 🤖.")
+
+# Barre latérale
+with st.sidebar:
+    st.header("À propos 📚")
+    st.write("Cette application utilise un modèle pré-entraîné hébergé sur Hugging Face pour analyser le sentiment de vos textes.")
+    st.markdown("---")
+    st.write("Projet réalisé avec **Streamlit** et **Transformers**.")
+
+# Chargement du modèle
 @st.cache_resource
 def load_model():
     return pipeline("text-classification", model="tabularisai/multilingual-sentiment-analysis")
 
 classifier = load_model()
 
-# Zone de texte pour entrer le texte à analyser
-user_input = st.text_area("Entrez votre texte ici :", "")
+# Zone de saisie de texte
+st.subheader("✍️ Entrez votre texte ci-dessous :")
+user_input = st.text_area("Tapez votre message ici...", height=200)
 
-# Bouton pour lancer l'analyse
-if st.button("Analyser le sentiment"):
+# Bouton d'analyse
+if st.button("🔎 Analyser le Sentiment"):
     if user_input.strip() == "":
-        st.warning("⚠️ Merci d'entrer un texte avant d'analyser.")
+        st.warning("⚠️ Merci d'entrer un texte avant de lancer l'analyse.")
     else:
-        result = classifier(user_input)[0]
-        sentiment = result['label']
-        score = result['score']
+        with st.spinner("Analyse en cours..."):
+            result = classifier(user_input)[0]
+            sentiment = result['label']
+            score = result['score']
         
+        # Affichage des résultats
         st.success(f"**Sentiment détecté :** {sentiment}")
-        st.info(f"**Confiance :** {score:.2f}")
+        st.info(f"**Confiance du modèle :** {score:.2%}")
+
+        # Ajout d'un petit message en fonction du résultat
+        if "positive" in sentiment.lower():
+            st.balloons()
+        elif "negative" in sentiment.lower():
+            st.error("😞 Le sentiment semble négatif.")
+        else:
+            st.warning("😐 Sentiment plutôt neutre.")
 
 # Footer
 st.markdown("---")
-st.markdown("Réalisé avec ❤️ grâce à Streamlit et Hugging Face")
+st.markdown("🔗 [Voir le modèle sur Hugging Face](https://huggingface.co/tabularisai/multilingual-sentiment-analysis) | Réalisé avec ❤️ par un passionné d'IA.")