Update README.md

README.md

@@ -13,6 +13,9 @@ model_name: DeBERTa-v3 ABSA (Extraction de Termes d'Aspect et Classification de
 
 Ce dépôt contient un modèle DeBERTa-v3 ajusté (fine-tuned) spécifiquement pour l'**Extraction de Termes d'Aspect (ATE)** et la **Classification de Polarité (PC)** en utilisant la bibliothèque `PyABSA`.
 
+> [!IMPORTANT]
+> **Ce modèle est entraîné exclusivement sur des données en anglais.** Bien que la documentation soit disponible en français, les entrées fournies au modèle doivent impérativement être en anglais pour obtenir des résultats fiables.
+
 ## Description du Modèle
 
 Le modèle est conçu pour :
@@ -41,7 +44,7 @@ from pyabsa import AspectTermExtraction as ATEPC
 # PyABSA gérera automatiquement le téléchargement et le chargement du modèle s'il est lié à HF
 model = ATEPC.AspectExtractor(checkpoint="votre-nom-d-utilisateur/deberta-absa")
 
-text = "La nourriture était délicieuse mais le service était extrêmement lent."
+text = "The food was delicious but the service was extremely slow."
 result = model.predict(text, print_result=True)
 
 # Traiter les résultats
@@ -53,7 +56,7 @@ for aspect, sentiment in zip(result['aspect'], result['sentiment']):
 
 ### Entrée
 Le modèle accepte une chaîne de texte brut (une phrase ou un paragraphe).
-Exemple : `"La pizza était incroyable mais le personnel était impoli."`
+Exemple : `"The pizza was amazing but the staff was rude."`
 
 ### Sortie
 Le modèle renvoie un résultat structuré contenant :
@@ -65,8 +68,8 @@ Pour les utilisateurs avancés, le modèle fournit une sortie plus granulaire in
 
 ```json
 {
-  "sentence": "La pizza était incroyable",
-  "tokens": ["La", "pizza", "était", "incroyable"],
+  "sentence": "The pizza was amazing",
+  "tokens": ["The", "pizza", "was", "amazing"],
   "IOB": ["O", "B-ASP", "O", "O"],
   "aspect": ["pizza"],
   "position": [[1]],