Update app.py

app.py

@@ -1,23 +1,47 @@
-from transformers import AutoTokenizer, AutoModelForSeq2SeqLM
+from transformers import AutoTokenizer, AutoModelForSequenceClassification, AutoModelForCausalLM
 import gradio as gr
+import torch
 
-# Charger le modèle mT5-Small multilingue
-model_name = "google/mt5-small"
-tokenizer = AutoTokenizer.from_pretrained(model_name)
-model = AutoModelForSeq2SeqLM.from_pretrained(model_name)
+# Charger le modèle BERT-like (CamemBERT pour l'analyse d'intention)
+camembert_model_name = "camembert-base"
+camembert_tokenizer = AutoTokenizer.from_pretrained(camembert_model_name)
+camembert_model = AutoModelForSequenceClassification.from_pretrained(camembert_model_name)
 
-# Définir la fonction du chatbot
+# Charger le modèle génératif GPT-2 francisé
+gpt2_model_name = "dbddv01/gpt2-french-small"
+gpt2_tokenizer = AutoTokenizer.from_pretrained(gpt2_model_name)
+gpt2_model = AutoModelForCausalLM.from_pretrained(gpt2_model_name)
+
+# Dictionnaire d'intentions de base (vous pouvez l'ajuster pour plus de sophistication)
+intent_dict = {
+    0: "salutation",
+    1: "question_faq",
+    2: "aide"
+}
+
+# Fonction de gestion des intentions et génération des réponses
 def chatbot(user_input):
-    # Tokeniser l'entrée utilisateur
-    inputs = tokenizer(user_input, return_tensors="pt", max_length=128, truncation=True)
-    
-    # Générer une réponse avec le modèle
-    outputs = model.generate(inputs["input_ids"], max_length=50, num_beams=4, early_stopping=True)
+    # 1. Utilisation de CamemBERT pour analyser l'intention
+    cam_inputs = camembert_tokenizer(user_input, return_tensors="pt", max_length=128, truncation=True)
+    cam_outputs = camembert_model(**cam_inputs)
     
-    # Décoder la réponse générée
-    response = tokenizer.decode(outputs[0], skip_special_tokens=True).strip()
-    
-    # Retourner la réponse finale
+    # Détection de l'intention prédominante
+    intent = torch.argmax(cam_outputs.logits, dim=1).item()
+    detected_intent = intent_dict.get(intent, "inconnu")
+
+    # 2. Générer la réponse en fonction de l'intention détectée
+    if detected_intent == "salutation":
+        response = "Bonjour! Comment puis-je vous aider aujourd'hui ?"
+    elif detected_intent == "question_faq":
+        # On utilise GPT-2 pour générer une réponse à une question
+        gpt2_inputs = gpt2_tokenizer(user_input, return_tensors="pt")
+        gpt2_outputs = gpt2_model.generate(gpt2_inputs["input_ids"], max_length=100, pad_token_id=gpt2_tokenizer.eos_token_id)
+        response = gpt2_tokenizer.decode(gpt2_outputs[0], skip_special_tokens=True)
+    elif detected_intent == "aide":
+        response = "Je suis là pour vous aider ! Que puis-je faire pour vous ?"
+    else:
+        response = "Je ne suis pas sûr de comprendre. Pouvez-vous reformuler votre question ?"
+
     return response
 
 # Créer une interface Gradio pour tester le chatbot
@@ -25,7 +49,7 @@ demo = gr.Interface(
     fn=chatbot, 
     inputs="text", 
     outputs="text", 
-    title="Chatbot en français avec mT5-Small"
+    title="Chatbot BERT-GPT en Français"
 )
 
 # Lancer l'application Gradio