Upload processing.py

processing.py

@@ -5,9 +5,8 @@ import json
 import os
 import boto3
 
-# --- 1. CHARGEMENT DES CONFIGURATIONS (S3 & SECRETS) ---
-
-# On charge la liste des colonnes depuis le Secret Hugging Face
+# --- 1. CHARGEMENT DES CONFIGURATIONS ---
+# On récupère la liste des colonnes depuis le Secret
 FEATURES = json.loads(os.getenv("MODEL_FEATURES", "[]"))
 
 def load_from_s3(file_name):
@@ -19,7 +18,6 @@ def load_from_s3(file_name):
             aws_secret_access_key=os.getenv("AWS_SECRET_ACCESS_KEY"),
             region_name=os.getenv("AWS_REGION")
         )
-        # Remplace 'NOM_DE_TON_DOSSIER' par le nom du dossier dans ton bucket
         key = f"projet-economie/{file_name}"
         response = s3.get_object(Bucket=os.getenv("AWS_BUCKET_NAME"), Key=key)
         return json.loads(response['Body'].read().decode('utf-8'))
@@ -27,27 +25,28 @@ def load_from_s3(file_name):
         print(f"⚠️ Erreur S3 sur {file_name}: {e}")
         return {}
 
-# On remplace tes dictionnaires en dur par les versions complètes de S3
 DEP_RISK_MAP = load_from_s3("mapping_dep_risk.json")
 APE_SECTION_MAP = load_from_s3("mapping_ape_section.json")
 
-# --- 2. FONCTIONS DE CALCUL (Inchangées, elles sont très bien) ---
-
+# --- 2. CALCULS ---
 def get_sigma(model):
-    config = json.loads(model.save_config())
-    def find_key(obj, key):
-        if isinstance(obj, dict):
-            for k, v in obj.items():
-                if k == key: return v
-                res = find_key(v, key)
-                if res is not None: return res
-        elif isinstance(obj, list):
-            for item in obj:
-                res = find_key(item, key)
-                if res is not None: return res
-        return None
-    scale = find_key(config, 'aft_loss_distribution_scale')
-    return float(scale) if scale else 0.8
+    try:
+        config = json.loads(model.save_config())
+        def find_key(obj, key):
+            if isinstance(obj, dict):
+                for k, v in obj.items():
+                    if k == key: return v
+                    res = find_key(v, key)
+                    if res is not None: return res
+            elif isinstance(obj, list):
+                for item in obj:
+                    res = find_key(item, key)
+                    if res is not None: return res
+            return None
+        scale = find_key(config, 'aft_loss_distribution_scale')
+        return float(scale) if scale else 0.8
+    except:
+        return 0.8
 
 def calculate_survival_risk(mu, horizon, s):
     z = (np.log(horizon) - mu) / s
@@ -60,31 +59,44 @@ def map_statut_expert(p2):
     if p2 > 5:  return '🟡 OBSERVATION'
     return '🟢 SAIN'
 
-# --- 3. PRÉPARATION DES DONNÉES (La version robuste) ---
-
+# --- 3. PRÉPARATION DES DONNÉES ---
 def prepare_input(data):
-    # On utilise la liste issue du Secret (qui doit être propre désormais !)
+    # Création du DF avec les colonnes du Secret
     df = pd.DataFrame(0.0, index=[0], columns=FEATURES)
-
-    # Remplissage par nom de colonne (Pandas gère l'index automatiquement)
-    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))
     
+    # Remplissage des variables
+    # On utilise .loc[0, col] pour être sûr de ne pas créer de nouvelles colonnes
+    if 'age_au_diagnostic' in df.columns:
+        df.loc[0, 'age_au_diagnostic'] = float(data.get('age_estime', 0))
+    
+    if 'Tranche_effectif_num' in df.columns:
+        df.loc[0, 'Tranche_effectif_num'] = float(data.get('Tranche_effectif_num', 0))
+    
+    if 'is_ess' in df.columns:
+        df.loc[0, 'is_ess'] = int(data.get('is_ess', 0))
+    
+    # Risque départemental
     code_dep = str(data.get('code_departement', '')).strip().upper()
-    df['risque_departemental'] = float(DEP_RISK_MAP.get(code_dep, 0.05))
+    if 'risque_departemental' in df.columns:
+        df.loc[0, 'risque_departemental'] = float(DEP_RISK_MAP.get(code_dep, 0.05))
     
+    # 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:
-            df[col_ape] = 1.0
+            df.loc[0, col_ape] = 1.0
+        elif 'APE_Autres_Secteurs' in df.columns:
+            df.loc[0, 'APE_Autres_Secteurs'] = 1.0
             
+    # 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
+        df.loc[0, col_cj] = 1.0
 
-    # L'ordre doit être strictement celui du Secret
-    return xgb.DMatrix(df[FEATURES])
+    # LOG DE DEBUG (Visible dans les logs HF)
+    print(f"DEBUG: Age envoyé={data.get('age_estime')} | Valeur dans DF={df['age_au_diagnostic'].iloc[0]}")
+    
+    return xgb.DMatrix(df)