Create app.py

app.py

@@ -0,0 +1,90 @@
+import streamlit as st
+import json
+from pydantic import BaseModel, Field
+from typing import List, Tuple
+from langchain import LLMChain, PromptTemplate
+from langchain.output_parsers import PydanticOutputParser
+
+# Modèles Pydantic pour la détection de fautes de style
+class StyleErrorDetection(BaseModel):
+    erroneous_expression: str = Field(..., description="L'expression ou la tournure incorrecte détectée")
+    correct_suggestion: str = Field(..., description="La correction ou suggestion correcte")
+    occurrences: int = Field(..., description="Nombre d'occurrences de l'expression erronée")
+    indices: List[Tuple[int, int]] = Field(..., description="Indices de début et de fin pour chaque occurrence")
+
+    def to_dict(self):
+        return {
+            "erroneous_expression": self.erroneous_expression,
+            "correct_suggestion": self.correct_suggestion,
+            "occurrences": self.occurrences,
+            "indices": self.indices
+        }
+
+class StyleErrorSummary(BaseModel):
+    total_style_errors_detected: int = Field(..., description="Nombre total de fautes de style détectées")
+
+    def to_dict(self):
+        return {
+            "total_style_errors_detected": self.total_style_errors_detected
+        }
+
+class StyleErrorResult(BaseModel):
+    style_errors: List[StyleErrorDetection] = Field(..., description="Liste des fautes de style détectées")
+    summary: StyleErrorSummary = Field(..., description="Résumé des fautes de style détectées")
+
+    def to_dict(self):
+        return {
+            "style_errors": [error.to_dict() for error in self.style_errors],
+            "summary": self.summary.to_dict()
+        }
+
+# Création du prompt et du modèle LLMChain pour analyser les fautes de style
+prompt_template = """
+Tu es un détecteur de texte AI très précis. Je vais te donner un texte, et ta mission est de repérer des fautes de style.
+Cela inclut les répétitions, les tournures de phrases maladroites, et les mauvais choix de mots. 
+Pour chaque erreur détectée, tu dois fournir les informations suivantes :
+- L'expression ou la tournure incorrecte détectée
+- La correction ou suggestion correcte
+- Le nombre d'occurrences de l'expression erronée
+- Les indices de début et de fin pour chaque occurrence
+
+Le texte à analyser est le suivant :
+```{text}```
+"""
+
+# Utilisation de LangChain pour la détection des erreurs
+def get_llm_chain():
+    output_parser = PydanticOutputParser(pydantic_object=StyleErrorResult)
+    prompt = PromptTemplate(input_variables=["text"], template=prompt_template)
+    # Remplacez `llm` par votre modèle de langage préféré, tel que OpenAI GPT ou autre
+    llm = None  # Remplacez ceci par votre modèle LLM
+    llm_chain = LLMChain(llm=llm, prompt=prompt, output_parser=output_parser)
+    return llm_chain
+
+# Fonction pour analyser les fautes de style
+def analyze_style_errors(text: str) -> dict:
+    llm_chain = get_llm_chain()
+    result = llm_chain.run(text=text)
+    return result.to_dict()
+
+# Interface Streamlit
+st.title("Détection des fautes de style")
+
+# Champ de saisie de texte
+input_text = st.text_area("Entrez votre texte ici :", height=200)
+
+# Bouton d'analyse
+if st.button("Lancer l'analyse"):
+    if input_text:
+        try:
+            # Analyse du texte pour détecter les fautes de style
+            result = analyze_style_errors(input_text)
+
+            # Affichage des résultats en JSON formaté
+            st.subheader("Résultats de l'analyse")
+            st.json(result)
+
+        except Exception as e:
+            st.error(f"Une erreur s'est produite lors de l'analyse : {str(e)}")
+    else:
+        st.error("Veuillez entrer du texte pour lancer l'analyse.")