Upload processing.py

processing.py

@@ -63,31 +63,31 @@ def map_statut_expert(p2):
 # --- 3. PRÉPARATION DES DONNÉES (La version robuste) ---
 
 def prepare_input(data):
-    # 1. Création du DataFrame avec les colonnes exactes définies dans FEATURES
-    # FEATURES doit contenir 'age_au_diagnostic' (vérifie ton Secret HF !)
-    df = pd.DataFrame(0.0, index=[0], columns=FEATURES)
+    # 1. On définit la liste EXACTE telle que le modèle l'attend (ordre de l'erreur 500)
+    # On filtre les FEATURES pour enlever ce qui n'est pas utilisé par XGBoost
+    cols_to_exclude = ["SIREN", "Dénomination de l'unité légale"]
+    model_columns = [c for c in FEATURES if c not in cols_to_exclude]
     
-    # 2. Variables numériques directes
-    # On prend 'age_estime' qui vient du Streamlit et on le met dans 'age_au_diagnostic'
-    valeur_age = float(data.get('age_estime', 0))
-    
-    if 'age_au_diagnostic' in df.columns:
-        df['age_au_diagnostic'] = valeur_age
-    else:
-        # Si par hasard ton secret FEATURES contient 'age_estime'
-        df['age_estime'] = valeur_age
+    # Sécurité : Si l'âge n'est pas dans ton JSON, on l'ajoute pour correspondre au modèle
+    if 'age_au_diagnostic' not in model_columns:
+        model_columns.append('age_au_diagnostic')
+
+    # 2. Création du DataFrame avec cet ordre STRICT
+    df = pd.DataFrame(0.0, index=[0], columns=model_columns)
     
+    # 3. Remplissage chirurgical
+    # On utilise age_estime venant du Streamlit pour remplir age_au_diagnostic
+    df['age_au_diagnostic'] = float(data.get('age_estime', 0))
     df['Tranche_effectif_num'] = float(data.get('Tranche_effectif_num', 0))
     df['is_ess'] = int(data.get('is_ess', 0))
     
-    # 3. GESTION DU DÉPARTEMENT
+    # Risque départemental
     code_dep = str(data.get('code_departement', '')).strip().upper()
     df['risque_departemental'] = float(DEP_RISK_MAP.get(code_dep, 0.05))
     
-    # 4. Mapping APE
+    # Mapping APE
     code_ape = str(data.get('code_ape', '')).zfill(2)
     section_name = APE_SECTION_MAP.get(code_ape)
-    
     if section_name:
         col_ape = f"APE_{section_name}"
         if col_ape in df.columns:
@@ -95,12 +95,10 @@ def prepare_input(data):
         elif 'APE_Autres_Secteurs' in df.columns:
             df['APE_Autres_Secteurs'] = 1.0
     
-    # 5. Mapping Catégorie Juridique
+    # Mapping CJ
     cj_prefix = str(data.get('categorie_juridique', ''))[:4]
     col_cj = f"CJ_{cj_prefix}"
     if col_cj in df.columns:
         df[col_cj] = 1.0
-    elif 'CJ_Autres_Status' in df.columns:
-        df['CJ_Autres_Status'] = 1.0
             
-    return xgb.DMatrix(df)
+    return xgb.DMatrix(df[model_columns])