Update app.py

app.py

@@ -1,12 +1,12 @@
 import streamlit as st
-from transformers import pipeline
-from langdetect import detect
+from transformers import pipeline, AutoTokenizer, AutoModelForSequenceClassification
 import pandas as pd
+import torch
 import io
 
 # --- Configuration de la page ---
 st.set_page_config(
-    page_title="🌍 Analyseur de Sentiment Multilingue V4",
+    page_title="🌍 Analyseur de Sentiment Multilingue V5",
     page_icon="🎯",
     layout="centered",
 )
@@ -34,26 +34,41 @@ st.markdown(
     unsafe_allow_html=True
 )
 
-# --- Charger le modèle ---
+# --- Chargement des modèles ---
 @st.cache_resource
-def load_model():
+def load_sentiment_model():
     return pipeline("text-classification", model="tabularisai/multilingual-sentiment-analysis")
 
-classifier = load_model()
+@st.cache_resource
+def load_language_model():
+    tokenizer = AutoTokenizer.from_pretrained("papluca/xlm-roberta-base-language-detection")
+    model = AutoModelForSequenceClassification.from_pretrained("papluca/xlm-roberta-base-language-detection")
+    return tokenizer, model
+
+sentiment_model = load_sentiment_model()
+tokenizer_lang, model_lang = load_language_model()
+
+# --- Détecteur de langue IA ---
+def detect_language(text):
+    inputs = tokenizer_lang(text, return_tensors="pt", truncation=True, max_length=512)
+    outputs = model_lang(**inputs)
+    predicted_class = torch.argmax(outputs.logits, dim=1)
+    label = model_lang.config.id2label[predicted_class.item()]
+    return label
 
 # --- Initialiser l'historique ---
 if 'history' not in st.session_state:
     st.session_state.history = []
 
-# --- Fonction pour la couleur de la barre ---
+# --- Fonction pour couleur de la barre ---
 def sentiment_color(score):
     red = int(255 * (1 - score))
     green = int(255 * score)
     return f'rgb({red},{green},0)'
 
 # --- Interface principale ---
-st.title("🎯 Analyseur de Sentiment Multilingue - V4")
-st.write("Analysez vos textes avec détection automatique de langue, visualisation dynamique, historique et téléchargement. 🚀")
+st.title("🎯 Analyseur de Sentiment Multilingue - V5")
+st.write("Analysez vos textes avec détection IA de langue et sentiment, historique et téléchargement. 🚀")
 
 user_input = st.text_area("✍️ Entrez vos phrases séparées par un point-virgule ';'", height=180)
 
@@ -68,11 +83,11 @@ if st.button("🔎 Analyser"):
         with st.spinner("Analyse en cours... ⏳"):
             for phrase in phrases:
                 try:
-                    lang = detect(phrase)
-                except:
-                    lang = "indéterminée"
+                    lang = detect_language(phrase)
+                except Exception as e:
+                    lang = "Erreur"
 
-                analysis = classifier(phrase)[0]
+                analysis = sentiment_model(phrase)[0]
                 sentiment = analysis["label"]
                 score = round(analysis["score"], 2)
 
@@ -85,7 +100,7 @@ if st.button("🔎 Analyser"):
                 results.append(result_entry)
                 st.session_state.history.append(result_entry)
 
-                # Réactions selon le sentiment
+                # Réactions
                 if "negative" in sentiment.lower():
                     st.toast("🚨 Sentiment négatif détecté !", icon="⚡")
                     st.error(f"😞 Texte : {phrase}")
@@ -105,7 +120,7 @@ if st.button("🔎 Analyser"):
                     unsafe_allow_html=True
                 )
 
-                # Barre colorée de score
+                # Barre colorée
                 color = sentiment_color(score)
                 st.markdown(
                     f"""
@@ -117,14 +132,14 @@ if st.button("🔎 Analyser"):
                     unsafe_allow_html=True
                 )
 
-# --- Résultats stockés et affichés ---
+# --- Historique des analyses ---
 if st.session_state.history:
     st.markdown("---")
     st.subheader("📄 Historique des Analyses")
     df_history = pd.DataFrame(st.session_state.history)
     st.dataframe(df_history)
 
-    # Bouton pour télécharger l'historique en CSV
+    # Bouton pour télécharger CSV
     csv = df_history.to_csv(index=False)
     buffer = io.BytesIO()
     buffer.write(csv.encode())
@@ -139,4 +154,4 @@ if st.session_state.history:
 
 # --- Footer ---
 st.markdown("---")
-st.markdown("🔗 [Voir le modèle Hugging Face](https://huggingface.co/tabularisai/multilingual-sentiment-analysis) | App réalisée avec ❤️ en Python et Streamlit.")
+st.markdown("🔗 [Voir le modèle de sentiment](https://huggingface.co/tabularisai/multilingual-sentiment-analysis) | 🔗 [Voir le modèle de langue](https://huggingface.co/papluca/xlm-roberta-base-language-detection) | Réalisé avec ❤️ et IA.")