import numpy as np
import joblib

class SOTAHybridDetector:
    """Détecteur hybride State-of-the-Art combinant :
    - Module Stylométrique : 30 features invariantes
    - Module Neural : Embeddings CamemBERT gelés (768 dims)
    - Méta-Classifieur : XGBoost sur le vecteur concaténé (798 dims)
    
    Architecture conforme au blueprint SOTA juin 2026:
    Phase 1: Prétraitement linguistique natif français
    Phase 2: Représentation apprise légère (CamemBERT gelé)
    Phase 3: Méta-Classifieur XGBoost
    Phase 4: Explainabilité SHAP intégrée
    """
    
    def __init__(self, xgb_meta, scaler_sty, scaler_emb, num_sty_features, num_emb_features,
                 feature_names_sty=None, feature_names_emb=None):
        self.xgb_meta = xgb_meta
        self.scaler_sty = scaler_sty
        self.scaler_emb = scaler_emb
        self.num_sty_features = num_sty_features
        self.num_emb_features = num_emb_features
        self.feature_names_sty = feature_names_sty or []
        self.feature_names_emb = feature_names_emb or []
        self.total_features = num_sty_features + num_emb_features
    
    def _prepare_features(self, X_sty_raw, X_emb_raw):
        """Scale et concatène les features stylométriques et les embeddings."""
        X_sty_scaled = self.scaler_sty.transform(X_sty_raw)
        X_emb_scaled = self.scaler_emb.transform(X_emb_raw)
        return np.hstack([X_sty_scaled, X_emb_scaled])
    
    def predict_proba(self, X_sty_raw, X_emb_raw):
        """Retourne les probabilités [P(humain), P(IA)] pour chaque échantillon."""
        X_combined = self._prepare_features(X_sty_raw, X_emb_raw)
        return self.xgb_meta.predict_proba(X_combined)
    
    def predict(self, X_sty_raw, X_emb_raw, threshold=0.5):
        """Retourne la classification binaire (0=Humain, 1=IA)."""
        prob = self.predict_proba(X_sty_raw, X_emb_raw)[:, 1]
        return (prob >= threshold).astype(int)
    
    def predict_combined(self, X_combined_scaled):
        """Prédiction à partir du vecteur déjà combiné et scalé (pour SHAP)."""
        return self.xgb_meta.predict_proba(X_combined_scaled)
    
    def get_feature_names(self):
        """Retourne la liste complète des noms de features [sty + emb]."""
        return self.feature_names_sty + self.feature_names_emb