Update app.py

app.py

@@ -1,250 +1,1048 @@
 import streamlit as st
-#from streamlit_image_zoom import image_zoom  # Import de la bibliothèque pour le zoom
-import base64
+from audio_recorder_streamlit import audio_recorder
 import os
-from dotenv import load_dotenv
-#from anthropic import Anthropic
-from openai import OpenAI
-from PIL import Image, ImageOps
+import msoffcrypto
+import docx
+import pptx
+import pymupdf4llm
 import tempfile
+from typing import List, Optional, Dict, Any
+from pydub import AudioSegment
+from groq import Groq
+from langchain.chains import LLMChain
+from langchain_groq import ChatGroq
+from langchain.prompts import PromptTemplate
+from langchain.text_splitter import RecursiveCharacterTextSplitter
+from langchain.schema import AIMessage, HumanMessage, SystemMessage
+from datetime import datetime
+import smtplib
+from email.mime.text import MIMEText
+from email.mime.multipart import MIMEMultipart
+from email.mime.application import MIMEApplication
+from reportlab.lib import colors
+from reportlab.lib.pagesizes import letter
+from reportlab.platypus import SimpleDocTemplate, Paragraph, Spacer
+from reportlab.lib.styles import getSampleStyleSheet, ParagraphStyle
+import re
+from docx import Document
+from pytube import YouTube
+from moviepy import VideoFileClip
+import yt_dlp
+from youtube_transcript_api import YouTubeTranscriptApi
+from urllib.parse import urlparse, parse_qs
+from ratelimit import limits, sleep_and_retry
+import time
+import fasttext
+import requests
+from requests.auth import HTTPBasicAuth
+import pikepdf
+import io
+import pypdf
+from PyPDF2 import PdfReader
 
-load_dotenv()
-
-
-client = OpenAI(
-    
-    base_url="https://api.x.ai/v1",
-)
-#client = Anthropic()
-#MODEL_NAME ="claude-3-opus-20240229"
-# Définir le style global
-st.set_page_config(
-    page_title="Le Radiologue Virtuel",
-    page_icon="🩺",
-    layout="centered",
-)
-
-# CSS personnalisé pour styliser l'interface
-st.markdown("""
-    <style>
-    body {
-        background-color: #f4f4f9;
-        color: #333333;
-        font-family: 'Arial', sans-serif;
-    }
-    .stButton>button {
-        background-color: #007bff;
-        color: white;
-        border-radius: 8px;
-        padding: 0.5em 1.5em;
-        font-size: 1em;
-        border: none;
-        transition: all 0.3s ease-in-out;
-    }
-    .stButton>button:hover {
-        background-color: #0056b3;
-        transform: scale(1.05);
-    }
-    .st-expander-header {
-        font-weight: bold;
-        font-size: 1.2em;
-        color: #007bff;
-    }
-    .stMarkdown {
-        font-size: 1.1em;
-    }
-    </style>
-""", unsafe_allow_html=True)
-
-sample_prompt = """
-Vous êtes un professionnel de santé, expert dans l'analyse des images médicales (échographie, radiographie standard, TDM, IRM, ...), travaillant pour un hôpital de renom. Votre tâche consiste à examiner des images médicales afin d'identifier les anomalies, maladies ou problèmes de santé éventuels. Vous devez fournir des résultats détaillés, incluant toutes vos observations, les prochaines étapes, ainsi que des recommandations. 
-Votre analyse reste dans le cadre éducatif d'étudiants en radiologie médicale et ne sera en aucun cas publique. L'objectif est d'initier ces étudiants à l'interpretation des clichés radiologique.
-**Instructions :**
-1. Analysez uniquement les images liées au corps humain et aux problèmes de santé.
-2. Rédigez votre réponse de manière structurée, détaillant :
-   - Les anomalies identifiées (le cas échéant).
-   - Les pathologies suspectées ou confirmées.
-   - Les recommandations et étapes suivantes.
-3. Si certains éléments ne sont pas clairs sur l'image, indiquez : *"Impossible de déterminer à partir de l'image fournie."*
-4. Terminez toujours votre réponse par une mention : *"Consultez un médecin avant de prendre toute décision."*
-"""
-
-# Initialisation des variables d'état
-if 'uploaded_file' not in st.session_state:
-    st.session_state.uploaded_file = None
-if 'result' not in st.session_state:
-    st.session_state.result = None
-if 'clinical_info' not in st.session_state:
-    st.session_state.clinical_info = ""  # Pour stocker les renseignements cliniques
-
-
-
-def encode_image(image_path):
-    with open(image_path, "rb") as image_file:
-        return base64.b64encode(image_file.read()).decode("utf-8")
-
-
-def call_groq_model_for_analysis(filename: str, clinical_info: str, sample_prompt=sample_prompt):
-    # Récupérer l'extension du fichier pour définir le media_type
-    file_extension = os.path.splitext(filename)[1].lower()  # Obtenir l'extension en minuscule
-    if file_extension == ".jpg" or file_extension == ".jpeg":
-        media_type = "image/jpeg"
-    elif file_extension == ".png":
-        media_type = "image/png"
-    else:
-        raise ValueError("Format de fichier non pris en charge.")
-    base64_image = encode_image(filename)
-    # Ajouter les renseignements cliniques au prompt
-    full_prompt = sample_prompt + f"\n\n**Renseignements cliniques du patient :** {clinical_info}\n"
-
-
-    
-
-    messages_list=[
-        {
-            "role": "user",
-            "content": [
-                {
-                    "type": "text",
-                    "text": full_prompt,
-                },
-                {
-                    "type": "image_url",
-                    "image_url": {"url": f"data:{media_type};base64,{base64_image}"},
-                },
-            ],
-        }
-    ]
+from pptx import Presentation
+import trafilatura
+from bs4 import BeautifulSoup
+
+class Config:
+    """Centralisation de la configuration"""
+    GROQ_API_KEY = "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"
+    SENDER_EMAIL = "adjoumanideyanvo1@gmail.com"
+    SENDER_PASSWORD = "fkev txsk ldjg nyqs"
+    FASTTEXT_MODEL_PATH = "lid.176.bin"
+import urllib.request
+urllib.request.urlretrieve('https://dl.fbaipublicfiles.com/fasttext/supervised-models/lid.176.bin', 'lid.176.bin')  
+
+
+# Classes PDFGenerator et EmailSender restent inchangées...
+class PDFGenerator:
+    @staticmethod
+    def create_pdf(content: str, filename: str) -> str:
+        doc = SimpleDocTemplate(filename, pagesize=letter)
+        styles = getSampleStyleSheet()
+        custom_style = ParagraphStyle(
+            'CustomStyle',
+            parent=styles['Normal'],
+            spaceBefore=12,
+            spaceAfter=12,
+            fontSize=12,
+            leading=14,
+        )
+
+        story = []
+        title_style = ParagraphStyle(
+            'CustomTitle',
+            parent=styles['Heading1'],
+            fontSize=16,
+            spaceAfter=30,
+        )
+        story.append(Paragraph("Résumé Audio", title_style))
+        story.append(Paragraph(f"Date: {datetime.now().strftime('%d/%m/%Y %H:%M')}", custom_style))
+        story.append(Spacer(1, 20))
+
+        for line in content.split('\n'):
+            if line.strip():
+                if line.startswith('#'):
+                    story.append(Paragraph(line.strip('# '), styles['Heading2']))
+                else:
+                    story.append(Paragraph(line, custom_style))
+
+        doc.build(story)
+        return filename
+
+class EmailSender:
+    def __init__(self, sender_email: str, sender_password: str):
+        self.sender_email = Config.SENDER_EMAIL 
+        self.sender_password = Config.SENDER_PASSWORD
+
+    def send_email(self, recipient_email: str, subject: str, body: str, pdf_path: str) -> bool:
+        try:
+            msg = MIMEMultipart()
+            msg['From'] = self.sender_email
+            msg['To'] = recipient_email
+            msg['Subject'] = subject
+            msg.attach(MIMEText(body, 'plain'))
+
+            with open(pdf_path, 'rb') as f:
+                pdf_attachment = MIMEApplication(f.read(), _subtype='pdf')
+                pdf_attachment.add_header('Content-Disposition', 'attachment', filename=os.path.basename(pdf_path))
+                msg.attach(pdf_attachment)
+
+            server = smtplib.SMTP('smtp.gmail.com', 587)
+            server.starttls()
+            server.login(self.sender_email, self.sender_password)
+            server.send_message(msg)
+            server.quit()
+            return True
+        except Exception as e:
+            st.error(f"Erreur d'envoi d'email: {str(e)}")
+            return False
+
+class AudioProcessor:
+    def __init__(self, model_name: str, prompt: str = None, chunk_length_ms: int = 300000):
+        self.chunk_length_ms = chunk_length_ms
+        self.groq_client = Groq(api_key=Config.GROQ_API_KEY)
+        self.llm = ChatGroq(
+            model=model_name,
+            temperature=0,
+            api_key=Config.GROQ_API_KEY
+        )
+        self.custom_prompt = prompt
+        self.language_detector = fasttext.load_model(Config.FASTTEXT_MODEL_PATH)
+        self.text_splitter = RecursiveCharacterTextSplitter(
+            chunk_size=4000,
+            chunk_overlap=200
+        )
+        #self.custom_prompt = prompt
+        # Définition des limites de taux : 5000 tokens par minute
+        self.CALLS_PER_MINUTE = 5000
+        self.PERIOD = 60  # 60 secondes = 1 minute
+        # Add language detection model
+        #self.language_detector = fasttext.load_model('lid.176.bin')
 
-    response = client.chat.completions.create(
-    model="grok-2-vision-1212",
-    temperature=0.01,
-    messages=messages_list,
-    )
+    def check_language(self, text: str) -> str:
+        """Vérifie si le texte est en français"""
+        prediction = self.language_detector.predict(text.replace('\n', ' '))
+        return "OUI" if prediction[0][0] == '__label__fr' else "NON"
 
-    return response.choices[0].message.content
+    def translate_to_french(self, text: str) -> str:
+        """Traduit le texte en français si nécessaire"""
+        try:
+            messages = [
+                SystemMessage(content="Vous êtes un traducteur professionnel. Traduisez le texte suivant en français en conservant le format et la structure:"),
+                HumanMessage(content=text)
+            ]
+            result = self._make_api_call(messages)
+            return result.generations[0][0].text
+        except Exception as e:
+            if "rate_limit_exceeded" in str(e):
+                time.sleep(60)
+                return self.translate_to_french(text)
+            raise e
 
+    @sleep_and_retry
+    @limits(calls=5000, period=60)
+    def _make_api_call(self, messages):
+        return self.llm.generate([messages])
+
+    def chunk_audio(self, file_path: str) -> List[AudioSegment]:
+        try:
+            audio = AudioSegment.from_file(file_path)
+            if len(audio) < self.chunk_length_ms:
+                return [audio]
+            return [
+                audio[i:i + self.chunk_length_ms]
+                for i in range(0, len(audio), self.chunk_length_ms)
+            ]
+        except Exception as e:
+            st.error(f"Error processing audio file: {str(e)}")
+            return []
+
+    def transcribe_chunk(self, audio_chunk: AudioSegment) -> str:
+        try:
+            with tempfile.NamedTemporaryFile(suffix='.mp3', delete=False) as temp_file:
+                audio_chunk.export(temp_file.name, format="mp3")
+                with open(temp_file.name, "rb") as audio_file:
+                    try:
+                        response = self.groq_client.audio.transcriptions.create(
+                            file=audio_file,
+                            model="whisper-large-v3-turbo",
+                            language="fr"
+                        )
+                    except Exception as e:
+                        if "rate_limit_exceeded" in str(e):
+                            st.warning("Limite de taux atteinte pendant la transcription. Attente avant nouvelle tentative...")
+                            time.sleep(60)
+                            return self.transcribe_chunk(audio_chunk)
+                        raise e
+                os.unlink(temp_file.name)
+                return response.text
+        except Exception as e:
+            st.error(f"Transcription error: {str(e)}")
+            return ""
+    
+
+# Dans la classe AudioProcessor, ajoutez cette méthode :
+    def split_text(self, text: str, max_tokens: int = 4000) -> List[str]:
+      text_splitter = RecursiveCharacterTextSplitter(
+          chunk_size=max_tokens * 4,  # Estimation approximative tokens -> caractères
+          chunk_overlap=200,
+          length_function=len,
+          separators=["\n\n", "\n", " ", ""]
+      )
+      return text_splitter.split_text(text)
+
+    def generate_summary(self, transcription: str) -> str:
+        default_prompt = """
+        Vous êtes un assistant expert spécialisé dans le résumé et l'analyse d'enregistrements audio en langue française.
+        Voici la transcription à analyser:
+
+        {transcript}
+
+        Veuillez fournir:
+        1. Un résumé concis (3-4 phrases)
+        2. Les points clés (maximum 5 points)
+        3. Les actions recommandées (si pertinent)
+        4. Une conclusion brève
+
+        Format souhaité:
+        # Résumé
+        [votre résumé]
+
+        # Points Clés
+        • [point 1]
+        • [point 2]
+        ...
+
+        # Actions Recommandées
+        1. [action 1]
+        2. [action 2]
+        ...
+
+        # Conclusion
+        [votre conclusion]
+        """
+        
+        prompt_template = self.custom_prompt if self.custom_prompt else default_prompt
+        
+        try:
+            chain = LLMChain(
+                llm=self.llm,
+                prompt=PromptTemplate(
+                    template=prompt_template,
+                    input_variables=["transcript"]
+                )
+            )
+            
+            summary = chain.run(transcript=transcription)
+        
+            # Vérification de la langue
+            if self.check_language(summary) == "NON":
+                st.warning("Résumé généré dans une autre langue. Traduction en cours...")
+                summary = self.translate_to_french(summary)
+            
+            return summary
+        except Exception as e:
+            if "rate_limit_exceeded" in str(e):
+                st.warning("Limite de taux atteinte. Attente avant nouvelle tentative...")
+                time.sleep(60)  # Attendre 1 minute
+                return self.generate_summary(transcription)
+            raise e
 
-def chat_eli(query):
-    eli5_prompt = "Tu dois expliquer l'information ci-dessous à un enfant de cinq ans. \n" + query
-    messages = [
-        {
-            "role": "user",
-            "content": eli5_prompt
+    # Méthodes existantes inchangées...
+
+    
+
+    def summarize_long_transcription(self, transcription: str) -> str:
+      chunks = self.split_text(transcription, max_tokens=4000)
+      partial_summaries = []
+      
+      for i, chunk in enumerate(chunks):
+          st.write(f"Traitement du segment {i + 1}/{len(chunks)}...")
+          try:
+              messages = [
+                  SystemMessage(content="Vous êtes un assistant expert en résumé de texte en français."),
+                  HumanMessage(content=f"Résumez ce texte en français : {chunk}")
+              ]
+              result = self._make_api_call(messages)
+              partial_summary = result.generations[0][0].text
+              
+              # Vérification de la langue pour chaque segment
+              if self.check_language(partial_summary) == "NON":
+                  partial_summary = self.translate_to_french(partial_summary)
+                  
+              partial_summaries.append(partial_summary)
+          except Exception as e:
+              if "rate_limit_exceeded" in str(e):
+                  st.warning(f"Limite de taux atteinte au segment {i+1}. Attente avant nouvelle tentative...")
+                  time.sleep(60)
+                  i -= 1
+                  continue
+              raise e
+      
+      try:
+          final_prompt = f"""Combinez ces résumés partiels en un résumé global cohérent en langue française :
+          
+          {' '.join(partial_summaries)}
+          """
+          messages = [
+              SystemMessage(content="Vous êtes un assistant expert en résumé de texte en français."),
+              HumanMessage(content=final_prompt)
+          ]
+          final_result = self._make_api_call(messages)
+          final_summary = final_result.generations[0][0].text
+          
+          # Vérification finale de la langue
+          if self.check_language(final_summary) == "NON":
+              st.warning("Résumé final dans une autre langue. Traduction en cours...")
+              final_summary = self.translate_to_french(final_summary)
+              
+          return final_summary
+          
+      except Exception as e:
+          if "rate_limit_exceeded" in str(e):
+              st.warning("Limite de taux atteinte lors de la génération du résumé final. Attente avant nouvelle tentative...")
+              time.sleep(60)
+              return self.summarize_long_transcription(transcription)
+          raise e
+    """def summarize_long_transcription(self, transcription: str) -> str:
+        try:
+            chunks = self.split_text(transcription)
+            partial_summaries = []
+            
+            for i, chunk in enumerate(chunks):
+                st.write(f"Traitement du segment {i + 1}/{len(chunks)}...")
+                summary = self._process_chunk(chunk)
+                partial_summaries.append(summary)
+            
+            return self._combine_summaries(partial_summaries)
+        except Exception as e:
+            if "rate_limit_exceeded" in str(e):
+                time.sleep(60)
+                return self.summarize_long_transcription(transcription)
+            raise e
+
+    def _process_chunk(self, chunk: str) -> str:
+        messages = [
+            SystemMessage(content="Résumez ce texte en français :"),
+            HumanMessage(content=chunk)
+        ]
+        result = self._make_api_call(messages)
+        summary = result.generations[0][0].text
+        
+        if self.check_language(summary) == "NON":
+            summary = self.translate_to_french(summary)
+            
+        return summary
+
+    def _combine_summaries(self, summaries: List[str]) -> str:
+        try:
+            messages = [
+                SystemMessage(content="Combinez ces résumés en un résumé global cohérent en français :"),
+                HumanMessage(content=' '.join(summaries))
+            ]
+            result = self._make_api_call(messages)
+            final_summary = result.generations[0][0].text
+            
+            if self.check_language(final_summary) == "NON":
+                final_summary = self.translate_to_french(final_summary)
+                
+            return final_summary
+        except Exception as e:
+            if "rate_limit_exceeded" in str(e):
+                time.sleep(60)
+                return self._combine_summaries(summaries)
+            raise e"""
+
+class VideoProcessor:
+    def __init__(self):
+        self.supported_formats = ['.mp4', '.avi', '.mov', '.mkv']
+        self.ydl_opts = {
+            'format': 'bestaudio/best',
+            'postprocessors': [{
+                'key': 'FFmpegExtractAudio',
+                'preferredcodec': 'mp3',
+                'preferredquality': '192',
+            }],
+            'outtmpl': 'temp_audio.%(ext)s'
         }
-    ]
 
-    """response = client.messages.create(
-    model="claude-3-5-sonnet-20241022",
-    max_tokens=1024,
-    messages=messages
-    )"""
+    def extract_video_id(self, url: str) -> str:
+        try:
+            parsed_url = urlparse(url)
+            if parsed_url.hostname in ['www.youtube.com', 'youtube.com']:
+                return parse_qs(parsed_url.query)['v'][0]
+            elif parsed_url.hostname == 'youtu.be':
+                return parsed_url.path[1:]
+            return None
+        except Exception:
+            return None
+
+    def get_youtube_transcription(self, video_id: str) -> Optional[str]:
+        try:
+            transcript_list = YouTubeTranscriptApi.get_transcript(video_id, languages=['fr', 'en'])
+            return ' '.join(entry['text'] for entry in transcript_list)
+        except Exception:
+            return None
+
+    def download_youtube_audio(self, url: str) -> str:
+        with yt_dlp.YoutubeDL(self.ydl_opts) as ydl:
+            ydl.download([url])
+        return 'temp_audio.mp3'
+
+    def extract_audio_from_video(self, video_path: str) -> str:
+        try:
+            audio_path = f"{os.path.splitext(video_path)[0]}.mp3"
+            with VideoFileClip(video_path) as video:
+                video.audio.write_audiofile(audio_path)
+            return audio_path
+        except Exception as e:
+            st.error(f"Erreur lors de l'extraction audio: {str(e)}")
+            raise
+
+class DocumentProcessor:
+    def __init__(self, model_name: str, prompt: str = None):
+        self.llm = ChatGroq(
+            model=model_name,
+            temperature=0,
+            api_key=Config.GROQ_API_KEY
+        )
+        self.custom_prompt = prompt
+        #self.text_splitter = RecursiveCharacterTextSplitter(
+         #   chunk_size=4000,
+          #  chunk_overlap=200
+        #)
+        self.language_detector = fasttext.load_model('lid.176.bin')
+
+    def split_text(self, text: str, max_tokens: int = 4000) -> List[str]:
+      text_splitter = RecursiveCharacterTextSplitter(
+          chunk_size=max_tokens * 4,  # Estimation approximative tokens -> caractères
+          chunk_overlap=200,
+          length_function=len,
+          separators=["\n\n", "\n", " ", ""]
+      )
+      return text_splitter.split_text(text)
+
+    def check_language(self, text: str) -> str:
+        """Vérifie si le texte est en français"""
+        prediction = self.language_detector.predict(text.replace('\n', ' '))
+        return "OUI" if prediction[0][0] == '__label__fr' else "NON"
 
-    completion = client.chat.completions.create(
-    model="grok-2-latest",
-    messages=messages
-    )
+    def translate_to_french(self, text: str) -> str:
+        """Traduit le texte en français si nécessaire"""
+        try:
+            messages = [
+                SystemMessage(content="Vous êtes un traducteur professionnel. Traduisez le texte suivant en français en conservant le format et la structure:"),
+                HumanMessage(content=text)
+            ]
+            result = self._make_api_call(messages)
+            return result.generations[0][0].text
+        except Exception as e:
+            if "rate_limit_exceeded" in str(e):
+                time.sleep(60)
+                return self.translate_to_french(text)
+            raise e
 
-    return completion.choices[0].message.content
+    # Méthodes existantes de DocumentProcessor inchangées...
+    @sleep_and_retry
+    @limits(calls=5000, period=60)
+    def _make_api_call(self, messages):
+        return self.llm.generate([messages])
 
+    
+
+    def process_protected_pdf(self, file_path: str, password: str = None) -> str:
+        """
+        Traite un PDF, avec ou sans mot de passe, et extrait le texte.
+
+        :param file_path: Chemin vers le fichier PDF.
+        :param password: Mot de passe du fichier PDF (si nécessaire).
+        :return: Texte extrait du PDF.
+        """
+        try:
+            # Si un mot de passe est fourni, tenter de déverrouiller le PDF
+            if password:
+                with pikepdf.open(file_path, password=password) as pdf:
+                    unlocked_pdf_path = "unlocked_temp.pdf"
+                    pdf.save(unlocked_pdf_path)
+
+                # Utiliser le fichier temporaire déverrouillé
+                reader = PdfReader(unlocked_pdf_path)
+                text = ""
+                for page in reader.pages:
+                    text += page.extract_text()
+
+                # Supprimer le fichier temporaire
+                os.remove(unlocked_pdf_path)
+
+            else:
+                # Si aucun mot de passe, traiter directement le PDF
+                reader = PdfReader(file_path)
+                text = ""
+                for page in reader.pages:
+                    text += page.extract_text()
 
-# Titre de l'application
-st.title("🩺 **Le Radiologue Virtuel**")
-st.subheader("Une IA avancée pour l'analyse des images médicales")
+            return text
 
-with st.expander("📖 A-Propos de cette Application"):
-    st.markdown("""
-        **Bienvenue sur LE RADIOLOGUE VIRTUEL**, votre assistant intelligent conçu pour fournir une analyse approfondie et précise des images médicales.  
+        except pikepdf.PasswordError:
+            raise ValueError("Mot de passe PDF incorrect")
+        except Exception as e:
+            raise RuntimeError(f"Erreur lors du traitement du PDF : {e}")
 
-        ### Fonctionnalités principales :
-        - **Analyse d'images médicales** : Téléchargez des clichés d'échographie, de radiographie, d'IRM ou de TDM, et laissez l'IA détecter les anomalies et fournir des recommandations détaillées.  
-        - **Explications simplifiées** : Grâce à la fonction ELI5, comprenez les résultats complexes sous une forme adaptée à un public non expert.  
-        - **Traitement d'image avancé** : Explorez l'image téléchargée avec des outils comme l'inversion pour une visualisation plus claire.  
+    def process_protected_office(self, file, file_type: str, password: str = None) -> str:
+        """
+        Traite un fichier Office (protégé ou non) et extrait le texte.
 
-        ### Cas d'utilisation :
-        - **Éducation médicale** : Destiné aux étudiants en radiologie, cet outil aide à se familiariser avec l'interprétation des images diagnostiques.  
-        - **Support clinique** : Bien que non conçu pour remplacer un professionnel de santé, cet assistant peut fournir des indications utiles pour guider les analyses.  
-        - **Recherche et apprentissage** : Une plateforme idéale pour expérimenter et apprendre l'impact de l'IA dans le domaine médical.  
+        :param file: Le fichier Office à traiter.
+        :param password: Mot de passe du fichier (si nécessaire, sinon None).
+        :param file_type: Type du fichier ('docx' ou 'pptx').
+        :return: Texte extrait du fichier.
+        """
+        try:
+            if password:
+                # Cas où un mot de passe est fourni, tenter de déverrouiller le fichier
+                office_file = msoffcrypto.OfficeFile(file)
+                office_file.load_key(password=password)
+                
+                decrypted = io.BytesIO()
+                office_file.decrypt(decrypted)
+                
+                if file_type == 'docx':
+                    doc = docx.Document(decrypted)
+                    return "\n".join([p.text for p in doc.paragraphs])
+                elif file_type == 'pptx':
+                    ppt = pptx.Presentation(decrypted)
+                    return "\n".join([shape.text for slide in ppt.slides 
+                                      for shape in slide.shapes if hasattr(shape, "text")])
+            else:
+                # Cas où aucun mot de passe n'est fourni, traiter directement le fichier
+                if file_type == 'docx':
+                    doc = docx.Document(file)  # Charger le fichier sans décryptage
+                    return "\n".join([p.text for p in doc.paragraphs])
+                elif file_type == 'pptx':
+                    ppt = pptx.Presentation(file)
+                    return "\n".join([shape.text for slide in ppt.slides 
+                                      for shape in slide.shapes if hasattr(shape, "text")])
+            
+            raise ValueError("Type de fichier non supporté. Utilisez 'docx' ou 'pptx'.")
+        
+        except msoffcrypto.exceptions.InvalidKeyError:
+            raise ValueError("Mot de passe incorrect ou fichier non valide.")
+        except Exception as e:
+            raise RuntimeError(f"Erreur lors du traitement du fichier Office : {e}")
 
-        ### Technologie utilisée :
-        - **Modèle d'IA puissant** : L'IA utilise la technologie avancée de Llama 3.2 90B Vision, spécialisée dans l'analyse d'images complexes.  
-        - **Interaction intuitive** : Développé avec Python et Streamlit pour une interface simple et conviviale.  
-        - **Sécurité et confidentialité** : Toutes les analyses sont effectuées localement ou sur des serveurs sécurisés, garantissant la confidentialité des données médicales.
+    """def process_protected_office(self, file, password: str=None, file_type: str) -> str:
+        try:
+            office_file = msoffcrypto.OfficeFile(file)
+            office_file.load_key(password=password)
+            
+            decrypted = io.BytesIO()
+            office_file.decrypt(decrypted)
+            
+            if file_type == 'docx':
+                doc = docx.Document(decrypted)
+                return "\n".join([p.text for p in doc.paragraphs])
+            elif file_type == 'pptx':
+                ppt = pptx.Presentation(decrypted)
+                return "\n".join([shape.text for slide in ppt.slides 
+                                for shape in slide.shapes if hasattr(shape, "text")])
+        except Exception:
+            raise ValueError("Mot de passe document incorrect")"""
 
-        **⚠️ Avertissement** :
-        - Cet assistant n'est pas un outil médical certifié et ne remplace en aucun cas l'avis d'un médecin ou d'un spécialiste. Il est destiné à des fins éducatives et de support. Consultez toujours un professionnel de santé pour un diagnostic ou une décision médicale.  
-    """)
+    def scrape_web_content(self, url: str, auth: Dict[str, str] = None) -> str:
+        try:
+            if auth:
+                session = requests.Session()
+                session.auth = HTTPBasicAuth(auth['username'], auth['password'])
+                response = session.get(url, timeout=30)
+            else:
+                response = requests.get(url, timeout=30)
+            
+            response.raise_for_status()
+            downloaded = trafilatura.extract(response.text)
+            
+            if not downloaded:
+                raise ValueError("Impossible d'extraire le contenu de cette page")
+            return downloaded
+            
+        except requests.exceptions.HTTPError as e:
+            if e.response.status_code == 401:
+                raise ValueError("Authentification requise pour accéder à cette page")
+            elif e.response.status_code == 404:
+                raise ValueError("Page introuvable")
+            else:
+                raise ValueError(f"Erreur HTTP: {e.response.status_code}")
+        except requests.exceptions.RequestException:
+            raise ValueError("URL invalide ou inaccessible")
 
-# Champ d'entrée pour les renseignements cliniques
-clinical_info = st.text_area(
-    "Renseignements cliniques du patient (facultatif)",
-    placeholder="Exemple : Patient présentant une douleur thoracique depuis 3 jours."
-)
+    def summarize_text(self, transcription: str) -> str:
+      chunks = self.split_text(transcription, max_tokens=4000)
+      partial_summaries = []
+      
+      for i, chunk in enumerate(chunks):
+          st.write(f"Traitement du segment {i + 1}/{len(chunks)}...")
+          try:
+              messages = [
+                  SystemMessage(content="Vous êtes un assistant expert en résumé de texte en français."),
+                  HumanMessage(content=f"Résumez ce texte en français : {chunk}")
+              ]
+              result = self._make_api_call(messages)
+              partial_summary = result.generations[0][0].text
+              
+              # Vérification de la langue pour chaque segment
+              if self.check_language(partial_summary) == "NON":
+                  partial_summary = self.translate_to_french(partial_summary)
+                  
+              partial_summaries.append(partial_summary)
+          except Exception as e:
+              if "rate_limit_exceeded" in str(e):
+                  st.warning(f"Limite de taux atteinte au segment {i+1}. Attente avant nouvelle tentative...")
+                  time.sleep(60)
+                  i -= 1
+                  continue
+              raise e
+      
+      try:
+          final_prompt = f"""Combinez ces résumés partiels en un résumé global cohérent en langue française :
+          
+          {' '.join(partial_summaries)}
+          """
+          messages = [
+              SystemMessage(content="Vous êtes un assistant expert en résumé de texte en français."),
+              HumanMessage(content=final_prompt)
+          ]
+          final_result = self._make_api_call(messages)
+          final_summary = final_result.generations[0][0].text
+          
+          # Vérification finale de la langue
+          if self.check_language(final_summary) == "NON":
+              st.warning("Résumé final dans une autre langue. Traduction en cours...")
+              final_summary = self.translate_to_french(final_summary)
+              
+          return final_summary
+          
+      except Exception as e:
+          if "rate_limit_exceeded" in str(e):
+              st.warning("Limite de taux atteinte lors de la génération du résumé final. Attente avant nouvelle tentative...")
+              time.sleep(60)
+              return self.summarize_long_transcription(transcription)
+          raise e
+    """def summarize_text(self, text: str) -> str:
+        try:
+            chunks = self.text_splitter.split_text(text)
+            summaries = []
+            
+            for chunk in chunks:
+                messages = [
+                    SystemMessage(content="Générez un résumé en français de ce texte:"),
+                    HumanMessage(content=chunk)
+                ]
+                summary = self._make_api_call(messages).generations[0][0].text
+                summaries.append(summary)
+            
+            if len(summaries) > 1:
+                final_messages = [
+                    SystemMessage(content="Combinez ces résumés en un résumé cohérent en français:"),
+                    HumanMessage(content="\n".join(summaries))
+                ]
+                final_summary = self._make_api_call(final_messages).generations[0][0].text
+                return final_summary
+            
+            return summaries[0]
+            
+        except Exception as e:
+            raise ValueError(f"Erreur de traitement: {str(e)}")"""
+
+def generate_docx(content: str, filename: str):
+    doc = Document()
+    doc.add_heading('Résumé Audio', 0)
+    doc.add_paragraph(f"Date: {datetime.now().strftime('%d/%m/%Y %H:%M')}")
+    
+    for line in content.split('\n'):
+        if line.strip():
+            if line.startswith('#'):
+                doc.add_heading(line.strip('# '), level=1)
+            else:
+                doc.add_paragraph(line)
+    
+    doc.save(filename)
+    return filename
 
-# Stocker les renseignements cliniques dans la session
-st.session_state['clinical_info'] = clinical_info
 
-# Téléchargement de l'image
-st.markdown("### 📂 Téléchargez une image médicale")
-uploaded_file = st.file_uploader("Formats acceptés : JPG, JPEG, PNG", type=["jpg", "jpeg", "png"])
+def model_selection_sidebar():
+    """Configuration du modèle dans la barre latérale"""
+    with st.sidebar:
+        st.title("Configuration")
+        model = st.selectbox(
+            "Sélectionnez un modèle",
+            [
+                "mixtral-8x7b-32768",
+                "llama-3.3-70b-versatile", 
+                "gemma2-9b-i",
+                "llama3-70b-8192"
+            ]
+        )
+        prompt = st.text_area(
+            "Instructions personnalisées pour le résumé",
+            placeholder="Ex: Résumé de réunion avec points clés et actions"
+        )
+    return model, prompt
 
-# Gestion temporaire des fichiers
-if uploaded_file is not None:
+def save_uploaded_file(uploaded_file) -> str:
+    """Sauvegarde un fichier uploadé et retourne son chemin"""
     with tempfile.NamedTemporaryFile(delete=False, suffix=os.path.splitext(uploaded_file.name)[1]) as tmp_file:
         tmp_file.write(uploaded_file.getvalue())
-        st.session_state['filename'] = tmp_file.name
-
-    st.image(uploaded_file, caption='Image Téléchargée')
-
-    # Charger l'image avec PIL
-    image = Image.open(uploaded_file)
-
-    # Ajouter un bouton pour afficher l'image en négatif
-    st.markdown("### 🔍 Explorez l'image")
-    col1, col2, col3 = st.columns([1, 2, 1])  # colonnes avec différentes proportions
-    col1.write("")  # Espace dans la première colonne
-    col3.write("")  # Espace dans la troisième colonne
-    col1.write("")  # Espace dans la première colonne
-    col3.write("")  # Espace dans la troisième colonne
-    if st.button("Afficher l'image en négatif"):
-        # Créer une version négative de l'image
-        negative_image = ImageOps.invert(image.convert("RGB"))  # Convertir en RGB avant inversion
-
-        # Afficher l'image en négatif
-        st.subheader("Image en négatif :")
-        st.image(negative_image, caption="Image en négatif")
-    col1, col2, col3 = st.columns([1, 2, 1])  # colonnes avec différentes proportions
-    col1.write("")  # Espace dans la première colonne
-    col3.write("")  # Espace dans la troisième colonne
-    col1.write("")  # Espace dans la première colonne
-    col3.write("")  # Espace dans la troisième colonne
-
-    # Bouton pour analyser l'image
-    if st.button("Analyse l'Image"):
-        if 'filename' in st.session_state and os.path.exists(st.session_state['filename']):
-            with st.spinner("Analyse en cours... Veuillez patienter."):
-                st.session_state['result'] = call_groq_model_for_analysis(
-                    st.session_state['filename'],
-                    st.session_state['clinical_info']
-                )
-                st.success("Analyse terminée avec succès !")
-                st.markdown(st.session_state['result'], unsafe_allow_html=True)
-                os.unlink(st.session_state['filename'])  # Supprimer le fichier temporaire après le traitement
-
-    # ELI5 Explanation
-    # Explication simplifiée
-    st.markdown("### 🤓 Explication Simplifiée")
-    if 'result' in st.session_state and st.session_state['result']:
-        st.info("Ci-dessous, vous avez une option pour ELI5 afin de comprendre en termes simples.")
-        if st.radio("ELI5 - Explique-moi comme si j'avais 5 ans", ('NON', 'OUI')) == 'OUI':
-            st.markdown("_Voici une explication simplifiée pour les non-initiés._")
-            simplified_explanation = chat_eli(st.session_state['result'])
-            st.markdown(simplified_explanation, unsafe_allow_html=True)
-
-# Pied de page
-st.markdown("""
-    <hr>
-    <footer style="text-align: center; font-size: 0.9em;">
-        © 2024 - Le Radiologue Virtuel | Propulsé par M. ADJOUMANI
-    </footer>
-""", unsafe_allow_html=True)
+        return tmp_file.name
+
+def is_valid_email(email: str) -> bool:
+    """Valide le format d'une adresse email"""
+    pattern = r'^[\w\.-]+@[\w\.-]+\.\w+$'
+    return bool(re.match(pattern, email))
+
+def enhance_main():
+    """Fonction principale avec gestion des états et des erreurs améliorée"""
+    st.set_page_config(page_title="Multimodal Content Summarizer", page_icon="📝")
+    
+    if "audio_processor" not in st.session_state:
+        model_name, custom_prompt = model_selection_sidebar()
+        st.session_state.audio_processor = AudioProcessor(model_name, custom_prompt)
+    
+    if "auth_required" not in st.session_state:
+        st.session_state.auth_required = False
+    
+    # Interface principale
+    source_type = st.radio("Type de source", ["Audio/Vidéo", "Document", "Web"])
+    
+    try:
+        if source_type == "Audio/Vidéo":
+            process_audio_video()
+        elif source_type == "Document":
+            process_document()
+        else:  # Web
+            process_web()
+    except Exception as e:
+        st.error(f"Une erreur est survenue: {str(e)}")
+        st.error("Veuillez réessayer ou contacter le support.")
+
+def process_audio_video():
+    """Traitement des sources audio et vidéo"""
+    source = st.radio("Choisissez votre source", ["Audio", "Vidéo locale", "YouTube"])
+    
+    if source == "Audio":
+        handle_audio_input()
+    elif source == "Vidéo locale":
+        handle_video_input()
+    else:  # YouTube
+        handle_youtube_input()
+
+def handle_audio_input():
+    """Gestion des entrées audio"""
+    uploaded_file = st.file_uploader("Fichier audio", type=['mp3', 'wav', 'm4a', 'ogg'])
+    audio_bytes = audio_recorder()
+    
+    if uploaded_file or audio_bytes:
+        process_and_display_results(uploaded_file, audio_bytes)
+
+def handle_video_input():
+    """Gestion des entrées vidéo"""
+    uploaded_video = st.file_uploader("Fichier vidéo", type=['mp4', 'avi', 'mov', 'mkv'])
+    if uploaded_video:
+        st.video(uploaded_video)
+        with st.spinner("Extraction de l'audio..."):
+            video_processor = VideoProcessor()
+            video_path = save_uploaded_file(uploaded_video)
+            audio_path = video_processor.extract_audio_from_video(video_path)
+            process_and_display_results(audio_path)
+
+def handle_youtube_input():
+    """Gestion des entrées YouTube"""
+    youtube_url = st.text_input("URL YouTube")
+    if youtube_url and st.button("Analyser"):
+        video_processor = VideoProcessor()
+        video_id = video_processor.extract_video_id(youtube_url)
+        
+        if video_id:
+            st.video(youtube_url)
+            with st.spinner("Traitement de la vidéo..."):
+                transcription = video_processor.get_youtube_transcription(video_id)
+                if transcription:
+                    process_and_display_results(None, None, transcription)
+                else:
+                    audio_path = video_processor.download_youtube_audio(youtube_url)
+                    process_and_display_results(audio_path)
+
+def process_and_display_results(file_path=None, audio_bytes=None, transcription=None):
+    """Traitement et affichage des résultats"""
+    try:
+        if transcription is None:
+            transcription = get_transcription(file_path, audio_bytes)
+        
+        if transcription:
+            display_transcription_and_summary(transcription)
+    finally:
+        cleanup_temporary_files()
+
+def get_transcription(file_path=None, audio_bytes=None) -> str:
+    """Obtention de la transcription"""
+    if file_path:
+        path = file_path if isinstance(file_path, str) else save_uploaded_file(file_path)
+    elif audio_bytes:
+        path = save_audio_bytes(audio_bytes)
+    else:
+        return None
+
+    chunks = st.session_state.audio_processor.chunk_audio(path)
+    transcriptions = []
+    
+    with st.expander("Transcription", expanded=False):
+        progress_bar = st.progress(0)
+        for i, chunk in enumerate(chunks):
+            transcription = st.session_state.audio_processor.transcribe_chunk(chunk)
+            if transcription:
+                transcriptions.append(transcription)
+            progress_bar.progress((i + 1) / len(chunks))
+    
+    return " ".join(transcriptions) if transcriptions else None
+
+def display_transcription_and_summary(transcription: str):
+    """Affichage de la transcription et du résumé"""
+    st.subheader("Transcription")
+    st.text_area("Texte transcrit:", value=transcription, height=200)
+    
+    st.subheader("Résumé et Analyse")
+    summary = get_summary(transcription)
+    st.markdown(summary)
+    
+    # Génération et téléchargement des documents
+    generate_and_download_documents(summary)
+    
+    # Option d'envoi par email
+    handle_email_sending(summary)
+
+def get_summary(transcription: str) -> str:
+    """Génération du résumé"""
+    chunks = st.session_state.audio_processor.split_text(transcription)
+    if len(chunks) > 1:
+        return st.session_state.audio_processor.summarize_long_transcription(transcription)
+    return st.session_state.audio_processor.generate_summary(transcription)
+
+def generate_and_download_documents(summary: str):
+    """Génération et téléchargement des documents"""
+    timestamp = datetime.now().strftime('%Y%m%d_%H%M%S')
+    
+    # Génération PDF
+    pdf_filename = f"resume_{timestamp}.pdf"
+    pdf_path = PDFGenerator.create_pdf(summary, pdf_filename)
+    
+    # Génération DOCX
+    docx_filename = f"resume_{timestamp}.docx"
+    docx_path = generate_docx(summary, docx_filename)
+    
+    # Boutons de téléchargement
+    col1, col2 = st.columns(2)
+    with col1:
+        with open(pdf_path, "rb") as pdf_file:
+            st.download_button(
+                "📥 Télécharger PDF",
+                pdf_file,
+                file_name=pdf_filename,
+                mime="application/pdf"
+            )
+    
+    with col2:
+        with open(docx_path, "rb") as docx_file:
+            st.download_button(
+                "📥 Télécharger DOCX",
+                docx_file,
+                file_name=docx_filename,
+                mime="application/vnd.openxmlformats-officedocument.wordprocessingml.document"
+            )
+    
+    return pdf_path
+
+def handle_email_sending(summary: str):
+    """Gestion de l'envoi par email"""
+    st.subheader("📧 Recevoir le résumé par email")
+    recipient_email = st.text_input("Entrez votre adresse email:")
+    
+    if st.button("Envoyer par email"):
+        if not is_valid_email(recipient_email):
+            st.error("Veuillez entrer une adresse email valide.")
+            return
+        
+        with st.spinner("Envoi de l'email en cours..."):
+            pdf_path = generate_and_download_documents(summary)
+            email_sender = EmailSender(Config.SENDER_EMAIL, Config.SENDER_PASSWORD)
+            
+            if email_sender.send_email(
+                recipient_email,
+                "Résumé de votre contenu audio/vidéo",
+                "Veuillez trouver ci-joint le résumé de votre contenu.",
+                pdf_path
+            ):
+                st.success("Email envoyé avec succès!")
+            else:
+                st.error("Échec de l'envoi de l'email.")
+
+
+def cleanup_temporary_files():
+    """Nettoyage des fichiers temporaires"""
+    temp_files = ['temp_audio.mp3', 'temp_video.mp4']
+    for temp_file in temp_files:
+        if os.path.exists(temp_file):
+            try:
+                os.remove(temp_file)
+            except Exception:
+                pass
+
+def process_document():
+    """Traitement des documents"""
+    file = st.file_uploader("Chargez votre document", type=['pdf', 'docx', 'pptx', 'txt'])
+    password = st.text_input("Mot de passe (si protégé)", type="password")
+    
+    if file:
+        try:
+            doc_processor = DocumentProcessor(
+                st.session_state.audio_processor.llm.model_name,
+                st.session_state.audio_processor.custom_prompt
+            )
+            text = process_document_with_password(file, password, doc_processor)
+            if text:
+                summary = doc_processor.summarize_text(text)
+                display_summary_and_downloads(summary)
+        except ValueError as e:
+            st.error(str(e))
+
+def process_document_with_password(file, password: str, doc_processor: DocumentProcessor) -> Optional[str]:
+    """Traitement des documents protégés par mot de passe"""
+    file_extension = os.path.splitext(file.name)[1].lower()
+    
+    try:
+        if file_extension == '.pdf':
+            return doc_processor.process_protected_pdf(file, password)
+        elif file_extension in ['.docx', '.pptx']:
+            return doc_processor.process_protected_office(file, file_extension[1:], password)
+        elif file_extension == '.txt':
+            return file.read().decode('utf-8')
+        else:
+            st.error("Format de fichier non supporté")
+            return None
+    except ValueError as e:
+        st.error(str(e))
+        return None
+
+def process_web():
+    """Traitement des contenus web"""
+    url = st.text_input("URL du site web")
+    auth_required = st.checkbox("Authentification requise")
+    
+    auth = None
+    if auth_required:
+        username = st.text_input("Nom d'utilisateur")
+        password = st.text_input("Mot de passe", type="password")
+        auth = {"username": username, "password": password}
+    
+    if url and st.button("Analyser"):
+        try:
+            doc_processor = DocumentProcessor(
+                st.session_state.audio_processor.llm.model_name,
+                st.session_state.audio_processor.custom_prompt
+            )
+            text = doc_processor.scrape_web_content(url, auth)
+            if text:
+                summary = doc_processor.summarize_text(text)
+                display_summary_and_downloads(summary)
+        except ValueError as e:
+            st.error(str(e))
+
+def display_summary_and_downloads(summary: str):
+    """Affichage du résumé et options de téléchargement"""
+    st.markdown("### 📝 Résumé et Analyse")
+    st.markdown(summary)
+    
+    timestamp = datetime.now().strftime('%Y%m%d_%H%M%S')
+    
+    # Génération PDF
+    pdf_filename = f"resume_{timestamp}.pdf"
+    pdf_path = PDFGenerator.create_pdf(summary, pdf_filename)
+    
+    # Génération DOCX
+    docx_filename = f"resume_{timestamp}.docx"
+    docx_path = generate_docx(summary, docx_filename)
+    
+    # Boutons de téléchargement
+    col1, col2 = st.columns(2)
+    with col1:
+        with open(pdf_path, "rb") as pdf_file:
+            st.download_button(
+                "📥 Télécharger PDF",
+                pdf_file,
+                file_name=pdf_filename,
+                mime="application/pdf"
+            )
+    
+    with col2:
+        with open(docx_path, "rb") as docx_file:
+            st.download_button(
+                "📥 Télécharger DOCX",
+                docx_file,
+                file_name=docx_filename,
+                mime="application/vnd.openxmlformats-officedocument.wordprocessingml.document"
+            )
+    
+    # Option d'envoi par email
+    st.markdown("### 📧 Recevoir le résumé par email")
+    recipient_email = st.text_input("Entrez votre adresse email:")
+    
+    if st.button("Envoyer par email"):
+        if not is_valid_email(recipient_email):
+            st.error("Veuillez entrer une adresse email valide.")
+        else:
+            with st.spinner("Envoi de l'email en cours..."):
+                email_sender = EmailSender(Config.SENDER_EMAIL, Config.SENDER_PASSWORD)
+                if email_sender.send_email(
+                    recipient_email,
+                    "Résumé de votre contenu",
+                    "Veuillez trouver ci-joint le résumé de votre contenu.",
+                    pdf_path
+                ):
+                    st.success("Email envoyé avec succès!")
+                else:
+                    st.error("Échec de l'envoi de l'email.")
+
+def save_audio_bytes(audio_bytes: bytes) -> str:
+    """Sauvegarde les bytes audio dans un fichier temporaire"""
+    timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")
+    file_path = f"recording_{timestamp}.wav"
+    with open(file_path, 'wb') as f:
+        f.write(audio_bytes)
+    return file_path
+
+if __name__ == "__main__":
+    try:
+        enhance_main()
+    except Exception as e:
+        st.error(f"Une erreur inattendue est survenue: {str(e)}")
+        st.error("Veuillez réessayer ou contacter le support technique.")
+    finally:
+        cleanup_temporary_files()