Upload processing.py

processing.py

@@ -63,22 +63,28 @@ def map_statut_expert(p2):
 # --- 3. PRÉPARATION DES DONNÉES (La version robuste) ---
 
 def prepare_input(data):
-    # On crée le DataFrame avec les colonnes exactes du modèle
+    # 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)
-
-    if 'age_au_diagnostic' in FEATURES:
-        df['age_au_diagnostic'] = float(data.get('age_estime', 0))
+    
+    # 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:
-        df['age_estime'] = float(data.get('age_estime', 0))
+        # Si par hasard ton secret FEATURES contient 'age_estime'
+        df['age_estime'] = valeur_age
     
     df['Tranche_effectif_num'] = float(data.get('Tranche_effectif_num', 0))
     df['is_ess'] = int(data.get('is_ess', 0))
     
-    # 2. GESTION DU DÉPARTEMENT (Sauvetage de la Corse)
+    # 3. GESTION DU DÉPARTEMENT
     code_dep = str(data.get('code_departement', '')).strip().upper()
     df['risque_departemental'] = float(DEP_RISK_MAP.get(code_dep, 0.05))
     
-    # 3. Mapping APE (Via S3)
+    # 4. Mapping APE
     code_ape = str(data.get('code_ape', '')).zfill(2)
     section_name = APE_SECTION_MAP.get(code_ape)
     
@@ -89,7 +95,7 @@ def prepare_input(data):
         elif 'APE_Autres_Secteurs' in df.columns:
             df['APE_Autres_Secteurs'] = 1.0
     
-    # 4. Mapping Catégorie Juridique
+    # 5. Mapping Catégorie Juridique
     cj_prefix = str(data.get('categorie_juridique', ''))[:4]
     col_cj = f"CJ_{cj_prefix}"
     if col_cj in df.columns: