Upload folder using huggingface_hub

exemples/demo_unitaire.py

@@ -3,14 +3,23 @@
 🔮 Prédiction UNITAIRE - Interface simple avec entrées numériques uniquement
 
 Usage: python demo_unitaire.py
+Note: Utilise l'API Gradio locale qui retourne du Markdown
 """
 
-import requests
+import re
+import sys
+
+try:
+    from gradio_client import Client
+except ImportError:
+    print("❌ gradio_client non installé. Installez-le avec:")
+    print("   pip install gradio_client")
+    sys.exit(1)
 
 # ═══════════════════════════════════════════════════════════════
 # CONFIGURATION
 # ═══════════════════════════════════════════════════════════════
-API_URL = "http://127.0.0.1:7860"  # API locale
+API_URL = "http://127.0.0.1:7860"  # API Gradio locale
 
 # ═══════════════════════════════════════════════════════════════
 # OPTIONS À AFFICHER (pour référence utilisateur)
@@ -111,78 +120,88 @@ annees_entreprise = int(input("Années dans l'entreprise [0-40]: "))
 annees_poste = int(input("Années dans le poste actuel [0-18]: "))
 
 # ═══════════════════════════════════════════════════════════════
-# CONSTRUCTION DE LA REQUÊTE
+# PRÉDICTION VIA GRADIO CLIENT
 # ═══════════════════════════════════════════════════════════════
-employee_data = {
-    "nombre_participation_pee": nombre_participation_pee,
-    "nb_formations_suivies": nb_formations_suivies,
-    "nombre_employee_sous_responsabilite": 1,
-    "distance_domicile_travail": distance_domicile_travail,
-    "niveau_education": niveau_education,
-    "domaine_etude": domaine_etude,
-    "ayant_enfants": ayant_enfants,
-    "frequence_deplacement": frequence_deplacement,
-    "annees_depuis_la_derniere_promotion": annees_depuis_promo,
-    "annes_sous_responsable_actuel": annees_sous_responsable,
-    "satisfaction_employee_environnement": satisfaction_environnement,
-    "note_evaluation_precedente": note_eval_precedente,
-    "niveau_hierarchique_poste": niveau_hierarchique,
-    "satisfaction_employee_nature_travail": satisfaction_travail,
-    "satisfaction_employee_equipe": satisfaction_equipe,
-    "satisfaction_employee_equilibre_pro_perso": satisfaction_equilibre,
-    "note_evaluation_actuelle": note_eval_actuelle,
-    "heure_supplementaires": heure_supplementaires,
-    "augementation_salaire_precedente": augmentation_salaire,
-    "age": age,
-    "genre": genre,
-    "revenu_mensuel": revenu_mensuel,
-    "statut_marital": statut_marital,
-    "departement": departement,
-    "poste": poste,
-    "nombre_experiences_precedentes": nombre_exp_precedentes,
-    "nombre_heures_travailless": 80,
-    "annee_experience_totale": annees_exp_totale,
-    "annees_dans_l_entreprise": annees_entreprise,
-    "annees_dans_le_poste_actuel": annees_poste,
-}
-
-# ═══════════════════════════════════════════════════════════════
-# PRÉDICTION
-# ═══════════════════════════════════════════════════════════════
-print("\n⏳ Envoi de la requête à l'API locale...")
+print("\n⏳ Connexion à l'API Gradio locale...")
 
 try:
-    response = requests.post(
-        f"{API_URL}/predict",
-        json=employee_data,
-        headers={"Content-Type": "application/json"},
-        timeout=30,
+    client = Client(API_URL)
+    print("✅ Connecté\n")
+    print("⏳ Envoi de la prédiction...")
+
+    result = client.predict(
+        nombre_participation_pee=nombre_participation_pee,
+        nb_formations_suivies=nb_formations_suivies,
+        nombre_employee_sous_responsabilite=1,
+        distance_domicile_travail=distance_domicile_travail,
+        niveau_education=niveau_education,
+        domaine_etude=domaine_etude,
+        ayant_enfants=ayant_enfants,
+        frequence_deplacement=frequence_deplacement,
+        annees_depuis_la_derniere_promotion=annees_depuis_promo,
+        annes_sous_responsable_actuel=annees_sous_responsable,
+        satisfaction_employee_environnement=satisfaction_environnement,
+        note_evaluation_precedente=note_eval_precedente,
+        niveau_hierarchique_poste=niveau_hierarchique,
+        satisfaction_employee_nature_travail=satisfaction_travail,
+        satisfaction_employee_equipe=satisfaction_equipe,
+        satisfaction_employee_equilibre_pro_perso=satisfaction_equilibre,
+        note_evaluation_actuelle=note_eval_actuelle,
+        heure_supplementaires=heure_supplementaires,
+        augementation_salaire_precedente=augmentation_salaire,
+        age=age,
+        genre=genre,
+        revenu_mensuel=revenu_mensuel,
+        statut_marital=statut_marital,
+        departement=departement,
+        poste=poste,
+        nombre_experiences_precedentes=nombre_exp_precedentes,
+        nombre_heures_travailless=80,
+        annee_experience_totale=annees_exp_totale,
+        annees_dans_l_entreprise=annees_entreprise,
+        annees_dans_le_poste_actuel=annees_poste,
+        api_name="/predict",
     )
-    response.raise_for_status()
-    result = response.json()
 
     print("\n" + "═" * 60)
     print("📊 RÉSULTAT DE LA PRÉDICTION")
     print("═" * 60)
 
-    prediction = result.get("prediction", "N/A")
-    prob_stay = result.get("probability_stay", 0) * 100
-    prob_leave = result.get("probability_leave", 0) * 100
-    risk = result.get("risk_level", "N/A")
-
-    if prediction == 1:
-        print("\n🚨 PRÉDICTION: VA PARTIR")
+    # Le résultat est du Markdown - on l'affiche directement
+    # mais on extrait aussi les valeurs clés
+    if isinstance(result, str):
+        # Extraire les probabilités du Markdown
+        prob_depart = re.search(r"Probabilité de départ[^:]*:\s*([\d.]+)%", result)
+        prob_maintien = re.search(r"Probabilité de maintien[^:]*:\s*([\d.]+)%", result)
+        confiance = re.search(r"Confiance[^:]*:\s*([\d.]+)%", result)
+
+        # Détecter le risque
+        if "RISQUE ÉLEVÉ" in result:
+            print("\n🔴 RISQUE ÉLEVÉ DE DÉPART")
+        elif "RISQUE MOYEN" in result:
+            print("\n🟠 RISQUE MOYEN DE DÉPART")
+        else:
+            print("\n🟢 RISQUE FAIBLE DE DÉPART")
+
+        # Afficher les probabilités
+        if prob_maintien:
+            print(f"\n📈 Probabilité de rester:  {prob_maintien.group(1)}%")
+        if prob_depart:
+            print(f"📉 Probabilité de partir: {prob_depart.group(1)}%")
+        if confiance:
+            print(f"🎯 Confiance du modèle: {confiance.group(1)}%")
+
+        # Afficher la prédiction
+        if "Départ probable" in result:
+            print("\n🚨 PRÉDICTION: VA PARTIR")
+        else:
+            print("\n✅ PRÉDICTION: VA RESTER")
     else:
-        print("\n✅ PRÉDICTION: VA RESTER")
-
-    print(f"\n📈 Probabilité de rester:  {prob_stay:.1f}%")
-    print(f"📉 Probabilité de partir: {prob_leave:.1f}%")
-
-    risk_emoji = {"Low": "🟢", "Medium": "🟠", "High": "🔴"}.get(risk, "⚪")
-    print(f"\n{risk_emoji} Niveau de risque: {risk}")
+        print(f"\n📋 Résultat: {result}")
 
-except requests.exceptions.ConnectionError:
-    print("\n❌ Impossible de se connecter à l'API locale.")
-    print("   Lancez d'abord: ./lancer_api.sh")
+except ConnectionError:
+    print("\n❌ Impossible de se connecter à l'API Gradio locale.")
+    print("   Lancez d'abord: python app.py")
 except Exception as e:
     print(f"\n❌ Erreur: {e}")
+    sys.exit(1)

exemples/demo_unitaire_hf.py

@@ -7,6 +7,7 @@ Prérequis: pip install gradio_client
 """
 
 import os
+import re
 import sys
 
 try:
@@ -165,23 +166,34 @@ try:
     print("📊 RÉSULTAT DE LA PRÉDICTION (HF)")
     print("═" * 60)
 
-    # Le résultat Gradio peut être un dict ou une string
-    if isinstance(result, dict):
-        prediction = result.get("prediction", "N/A")
-        prob_stay = result.get("probability_stay", 0) * 100
-        prob_leave = result.get("probability_leave", 0) * 100
-        risk = result.get("risk_level", "N/A")
-
-        if prediction == 1:
+    # Le résultat est du Markdown - on extrait les valeurs clés
+    if isinstance(result, str):
+        # Extraire les probabilités du Markdown
+        prob_depart = re.search(r"Probabilité de départ[^:]*:\s*([\d.]+)%", result)
+        prob_maintien = re.search(r"Probabilité de maintien[^:]*:\s*([\d.]+)%", result)
+        confiance = re.search(r"Confiance[^:]*:\s*([\d.]+)%", result)
+
+        # Détecter le risque
+        if "RISQUE ÉLEVÉ" in result:
+            print("\n🔴 RISQUE ÉLEVÉ DE DÉPART")
+        elif "RISQUE MOYEN" in result:
+            print("\n🟠 RISQUE MOYEN DE DÉPART")
+        else:
+            print("\n🟢 RISQUE FAIBLE DE DÉPART")
+
+        # Afficher les probabilités
+        if prob_maintien:
+            print(f"\n📈 Probabilité de rester:  {prob_maintien.group(1)}%")
+        if prob_depart:
+            print(f"📉 Probabilité de partir: {prob_depart.group(1)}%")
+        if confiance:
+            print(f"🎯 Confiance du modèle: {confiance.group(1)}%")
+
+        # Afficher la prédiction
+        if "Départ probable" in result:
             print("\n🚨 PRÉDICTION: VA PARTIR")
         else:
             print("\n✅ PRÉDICTION: VA RESTER")
-
-        print(f"\n📈 Probabilité de rester:  {prob_stay:.1f}%")
-        print(f"📉 Probabilité de partir: {prob_leave:.1f}%")
-
-        risk_emoji = {"Low": "🟢", "Medium": "🟠", "High": "🔴"}.get(risk, "⚪")
-        print(f"\n{risk_emoji} Niveau de risque: {risk}")
     else:
         print(f"\n📋 Résultat: {result}")