Update app.py

app.py

@@ -1,8 +1,12 @@
 import gradio as gr
-from transformers import MarianMTModel, MarianTokenizer
-from langdetect import detect
+from transformers import MarianMTModel, MarianTokenizer, AutoTokenizer, AutoModelForSequenceClassification
+import torch
 
-# Liste des langues disponibles avec leurs noms complets
+# Chargement du modèle IA de détection de langue
+lang_detect_tokenizer = AutoTokenizer.from_pretrained("papluca/xlm-roberta-base-language-detection")
+lang_detect_model = AutoModelForSequenceClassification.from_pretrained("papluca/xlm-roberta-base-language-detection")
+
+# Mapping code ISO → Nom complet
 LANG_NAMES = {
     "fr": "Français",
     "en": "Anglais",
@@ -16,19 +20,27 @@ LANG_NAMES = {
     "zh": "Chinois"
 }
 
-# Liste des modèles MarianMT pour les paires supportées
+# Liste des modèles MarianMT disponibles (dans les 2 sens)
 LANG_MODELS = {}
 for src in LANG_NAMES.keys():
     for tgt in LANG_NAMES.keys():
         if src != tgt:
-            model_name = f"Helsinki-NLP/opus-mt-{src}-{tgt}"
-            LANG_MODELS[(src, tgt)] = model_name
+            LANG_MODELS[(src, tgt)] = f"Helsinki-NLP/opus-mt-{src}-{tgt}"
 
-# Cache pour éviter de recharger les modèles
+# Cache des modèles
 model_cache = {}
 
+def detect_language_ai(text):
+    """Détecte la langue avec IA"""
+    inputs = lang_detect_tokenizer(text, return_tensors="pt", truncation=True)
+    with torch.no_grad():
+        logits = lang_detect_model(**inputs).logits
+    predicted_id = torch.argmax(logits, dim=1).item()
+    label = lang_detect_model.config.id2label[predicted_id]
+    return label
+
 def get_model(src, tgt):
-    """Charge le modèle de traduction pour une paire de langues"""
+    """Charge ou récupère le modèle MarianMT"""
     if (src, tgt) not in LANG_MODELS:
         return None, None
     model_name = LANG_MODELS[(src, tgt)]
@@ -42,15 +54,11 @@ def get_model(src, tgt):
     return model_cache.get(model_name, (None, None))
 
 def translate(text, target_lang_name):
-    """Traduit le texte vers la langue cible"""
     # Trouver code ISO de la langue cible
     target_lang = [code for code, name in LANG_NAMES.items() if name == target_lang_name][0]
 
-    # Détecter langue source
-    try:
-        source_lang = detect(text)
-    except:
-        return "Impossible de détecter la langue."
+    # Détecter langue source avec IA
+    source_lang = detect_language_ai(text)
 
     if source_lang not in LANG_NAMES:
         return f"Langue source '{source_lang}' non supportée."
@@ -58,12 +66,12 @@ def translate(text, target_lang_name):
     if source_lang == target_lang:
         return "La langue source et cible sont identiques."
 
-    # Charger le bon modèle
+    # Charger le modèle de traduction
     tokenizer, model = get_model(source_lang, target_lang)
     if tokenizer is None or model is None:
         return f"Traduction {LANG_NAMES[source_lang]} → {LANG_NAMES[target_lang]} non supportée."
 
-    # Traduction
+    # Traduire
     batch = tokenizer([text], return_tensors="pt", padding=True)
     gen = model.generate(**batch)
     translated = tokenizer.batch_decode(gen, skip_special_tokens=True)[0]
@@ -78,7 +86,7 @@ iface = gr.Interface(
     ],
     outputs="text",
     title="MyTranslator 🌍",
-    description="Traducteur multi-langues avec détection automatique et support bidirectionnel."
+    description="Traducteur multi-langues avec détection automatique IA."
 )
 
 iface.launch()