Upload processing.py

processing.py

@@ -63,42 +63,41 @@ def map_statut_expert(p2):
 # --- 3. PRÉPARATION DES DONNÉES (La version robuste) ---
 
 def prepare_input(data):
-    # 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]
+    # 1. On définit la liste EXACTE que XGBoost a apprise (ordre de l'erreur 500)
+    # On retire SIREN et Dénomination car ils ne sont PAS dans le modèle
+    target_columns = [c for c in FEATURES if c not in ["SIREN", "Dénomination de l'unité légale"]]
     
-    # 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')
+    # Sécurité absolue : on s'assure que 'age_au_diagnostic' est bien là
+    if "age_au_diagnostic" not in target_columns:
+        target_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
+    # 2. Création du DF avec l'ordre imposé
+    df = pd.DataFrame(0.0, index=[0], columns=target_columns)
+
+    # 3. Remplissage par NOM (Pandas s'occupera de les mettre au bon index)
     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))
     
-    # Risque départemental
+    # Département
     code_dep = str(data.get('code_departement', '')).strip().upper()
     df['risque_departemental'] = float(DEP_RISK_MAP.get(code_dep, 0.05))
     
-    # Mapping APE
+    # Secteur 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:
             df[col_ape] = 1.0
-        elif 'APE_Autres_Secteurs' in df.columns:
+        else:
             df['APE_Autres_Secteurs'] = 1.0
-    
-    # Mapping CJ
+
+    # Forme Juridique
     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
-            
-    return xgb.DMatrix(df[model_columns])
+
+    # 4. TRÈS IMPORTANT : On retourne le DMatrix avec les colonnes dans l'ordre de target_columns
+    return xgb.DMatrix(df[target_columns])