app file in src folder

src/streamlit_app.py

@@ -1,40 +1,143 @@
-import altair as alt
-import numpy as np
-import pandas as pd
 import streamlit as st
+import requests
 
-"""
-# Welcome to Streamlit!
-
-Edit `/streamlit_app.py` to customize this app to your heart's desire :heart:.
-If you have any questions, checkout our [documentation](https://docs.streamlit.io) and [community
-forums](https://discuss.streamlit.io).
-
-In the meantime, below is an example of what you can do with just a few lines of code:
-"""
-
-num_points = st.slider("Number of points in spiral", 1, 10000, 1100)
-num_turns = st.slider("Number of turns in spiral", 1, 300, 31)
-
-indices = np.linspace(0, 1, num_points)
-theta = 2 * np.pi * num_turns * indices
-radius = indices
-
-x = radius * np.cos(theta)
-y = radius * np.sin(theta)
-
-df = pd.DataFrame({
-    "x": x,
-    "y": y,
-    "idx": indices,
-    "rand": np.random.randn(num_points),
-})
-
-st.altair_chart(alt.Chart(df, height=700, width=700)
-    .mark_point(filled=True)
-    .encode(
-        x=alt.X("x", axis=None),
-        y=alt.Y("y", axis=None),
-        color=alt.Color("idx", legend=None, scale=alt.Scale()),
-        size=alt.Size("rand", legend=None, scale=alt.Scale(range=[1, 150])),
-    ))
+API_URL = "https://kleb38-oc-p5.hf.space"
+
+st.set_page_config(page_title="FUTURISYS — Prédiction RH", page_icon="👥", layout="wide")
+st.title("👥 FUTURISYS — Prédiction de départ RH")
+
+tab1, tab2 = st.tabs(["📝 Prédiction manuelle", "🔍 Recherche par ID"])
+
+# ─── Fonctions communes ────────────────────────────────────────────────────────
+
+def afficher_resultat(data):
+    prediction = data["statut_employe"]
+    score = data["probability_score"]
+    facteurs = data["top_5_factors"]
+
+    # Couleur selon le risque
+    if "HIGH" in prediction:
+        st.error(f"🚨 {prediction}")
+    else:
+        st.success(f"✅ {prediction}")
+
+    st.metric("Score de probabilité", f"{score * 100:.1f}%")
+    st.markdown(f"*Seuil stratégique : {data['model_threshold']} — {data['note']}*")
+
+    st.subheader("Top 5 facteurs SHAP")
+    for rang, (facteur, details) in enumerate(facteurs.items()):
+        interpretation = details["interpretation"]
+        valeur = details["feature_value"]
+        st.markdown(f"**{rang+1}. {facteur}** — {interpretation} *(valeur : {valeur})*")
+
+# ─── Onglet 1 : Formulaire manuel ─────────────────────────────────────────────
+
+with tab1:
+    st.header("Saisir les données d'un employé")
+
+    col1, col2, col3 = st.columns(3)
+
+    with col1:
+        st.subheader("Informations personnelles")
+        genre = st.selectbox("Genre", ["M", "F"])
+        age = st.number_input("Âge", min_value=18, max_value=65, value=35)
+        statut_marital = st.selectbox("Statut marital", ["Célibataire", "Marié(e)", "Divorcé(e)"])
+        niveau_education = st.number_input("Niveau d'éducation", min_value=1, max_value=5, value=3)
+        domaine_etude = st.selectbox("Domaine d'étude", [
+            "RH", "Marketing", "Infra & Cloud", "Transformation digitale", "Entrepreneuriat"
+        ])
+        ayant_enfants = st.selectbox("Ayant des enfants", ["Oui", "Non"])
+        distance_domicile = st.number_input("Distance domicile-travail (km)", min_value=1, max_value=100, value=10)
+        frequence_deplacement = st.selectbox("Fréquence de déplacement", ["Jamais", "Occasionnel", "Fréquent"])
+
+    with col2:
+        st.subheader("Poste et expérience")
+        departement = st.selectbox("Département", ["Commercial", "Consulting", "RH"])
+        poste = st.selectbox("Poste", [
+            "Cadre Commercial", "Consultant", "Directeur RH",
+            "Responsable RH", "Représentant Commercial", "Responsable Commercial"
+        ])
+        revenu_mensuel = st.number_input("Revenu mensuel (€)", min_value=1000, max_value=20000, value=5000)
+        heure_supplementaires = st.selectbox("Heures supplémentaires", ["Oui", "Non"])
+        nb_experiences = st.number_input("Nombre d'expériences précédentes", min_value=0, max_value=10, value=2)
+        annees_experience = st.number_input("Années d'expérience totale", min_value=0, max_value=40, value=10)
+        annees_entreprise = st.number_input("Années dans l'entreprise", min_value=0, max_value=40, value=5)
+        annees_poste = st.number_input("Années dans le poste actuel", min_value=0, max_value=20, value=3)
+        annees_promotion = st.number_input("Années depuis la dernière promotion", min_value=0, max_value=15, value=1)
+        annees_manager = st.number_input("Années sous responsable actuel", min_value=0, max_value=20, value=2)
+        nb_formations = st.number_input("Nombre de formations suivies", min_value=0, max_value=6, value=2)
+        augmentation = st.selectbox("Augmentation salaire précédente", [
+            "11%", "12%", "13%", "14%", "15%", "16%", "17%", "18%",
+            "19%", "20%", "21%", "22%", "23%", "24%", "25%"
+        ])
+
+    with col3:
+        st.subheader("Satisfaction")
+        satisfaction_env = st.slider("Satisfaction environnement", 1, 4, 3)
+        satisfaction_travail = st.slider("Satisfaction nature du travail", 1, 4, 3)
+        satisfaction_equipe = st.slider("Satisfaction équipe", 1, 4, 3)
+        satisfaction_equilibre = st.slider("Satisfaction équilibre pro/perso", 1, 4, 3)
+        note_eval_prec = st.slider("Note évaluation précédente", 1, 4, 3)
+        note_eval_actuelle = st.slider("Note évaluation actuelle", 1, 4, 3)
+        niveau_hierarchique = st.number_input("Niveau hiérarchique", min_value=1, max_value=5, value=2)
+        nb_participation_pee = st.number_input("Participations PEE", min_value=0, max_value=6, value=3)
+        nb_employes_sous_resp = st.number_input("Employés sous responsabilité", min_value=0, max_value=20, value=0)
+
+    if st.button("🔮 Prédire le risque de départ", type="primary"):
+        payload = {
+            "Genre": genre,
+            "Statut Marital": statut_marital,
+            "Département": departement,
+            "Poste": poste,
+            "Domaine d'étude": domaine_etude,
+            "Fréquence de déplacement": frequence_deplacement,
+            "Heures supplémentaires": heure_supplementaires,
+            "Âge": age,
+            "Revenu mensuel": revenu_mensuel,
+            "Nombre d'expériences précédentes": nb_experiences,
+            "Années d'expérience totale": annees_experience,
+            "Années dans l'entreprise": annees_entreprise,
+            "Années dans le poste actuel": annees_poste,
+            "Nombre de formations suivies": nb_formations,
+            "Distance domicile-travail": distance_domicile,
+            "Niveau d'éducation": niveau_education,
+            "Années depuis la dernière promotion": annees_promotion,
+            "Années sous responsable actuel": annees_manager,
+            "Satisfaction environnement": satisfaction_env,
+            "Note évaluation précédente": note_eval_prec,
+            "Satisfaction nature du travail": satisfaction_travail,
+            "Satisfaction équipe": satisfaction_equipe,
+            "Satisfaction équilibre pro/perso": satisfaction_equilibre,
+            "Note évaluation actuelle": note_eval_actuelle,
+            "Augmentation salaire précédente": augmentation
+        }
+
+        with st.spinner("Prédiction en cours..."):
+            try:
+                response = requests.post(f"{API_URL}/predict", json=payload)
+                if response.status_code == 200:
+                    afficher_resultat(response.json())
+                else:
+                    st.error(f"Erreur API : {response.status_code} — {response.json()}")
+            except Exception as e:
+                st.error(f"Impossible de contacter l'API : {e}")
+
+# ─── Onglet 2 : Recherche par ID ──────────────────────────────────────────────
+
+with tab2:
+    st.header("Rechercher un employé par ID")
+
+    id_employee = st.number_input("ID Employé", min_value=1, value=1, step=1)
+
+    if st.button("🔍 Rechercher et prédire", type="primary"):
+        with st.spinner("Recherche en cours..."):
+            try:
+                response = requests.get(f"{API_URL}/predict/{id_employee}")
+                if response.status_code == 200:
+                    afficher_resultat(response.json())
+                elif response.status_code == 404:
+                    st.warning(f"⚠️ {response.json()['detail']}")
+                else:
+                    st.error(f"Erreur API : {response.status_code}")
+            except Exception as e:
+                st.error(f"Impossible de contacter l'API : {e}")

streamlit_app.py

@@ -1,143 +0,0 @@
-import streamlit as st
-import requests
-
-API_URL = "https://kleb38-oc-p5.hf.space"
-
-st.set_page_config(page_title="FUTURISYS — Prédiction RH", page_icon="👥", layout="wide")
-st.title("👥 FUTURISYS — Prédiction de départ RH")
-
-tab1, tab2 = st.tabs(["📝 Prédiction manuelle", "🔍 Recherche par ID"])
-
-# ─── Fonctions communes ────────────────────────────────────────────────────────
-
-def afficher_resultat(data):
-    prediction = data["statut_employe"]
-    score = data["probability_score"]
-    facteurs = data["top_5_factors"]
-
-    # Couleur selon le risque
-    if "HIGH" in prediction:
-        st.error(f"🚨 {prediction}")
-    else:
-        st.success(f"✅ {prediction}")
-
-    st.metric("Score de probabilité", f"{score * 100:.1f}%")
-    st.markdown(f"*Seuil stratégique : {data['model_threshold']} — {data['note']}*")
-
-    st.subheader("Top 5 facteurs SHAP")
-    for rang, (facteur, details) in enumerate(facteurs.items()):
-        interpretation = details["interpretation"]
-        valeur = details["feature_value"]
-        st.markdown(f"**{rang+1}. {facteur}** — {interpretation} *(valeur : {valeur})*")
-
-# ─── Onglet 1 : Formulaire manuel ─────────────────────────────────────────────
-
-with tab1:
-    st.header("Saisir les données d'un employé")
-
-    col1, col2, col3 = st.columns(3)
-
-    with col1:
-        st.subheader("Informations personnelles")
-        genre = st.selectbox("Genre", ["M", "F"])
-        age = st.number_input("Âge", min_value=18, max_value=65, value=35)
-        statut_marital = st.selectbox("Statut marital", ["Célibataire", "Marié(e)", "Divorcé(e)"])
-        niveau_education = st.number_input("Niveau d'éducation", min_value=1, max_value=5, value=3)
-        domaine_etude = st.selectbox("Domaine d'étude", [
-            "RH", "Marketing", "Infra & Cloud", "Transformation digitale", "Entrepreneuriat"
-        ])
-        ayant_enfants = st.selectbox("Ayant des enfants", ["Oui", "Non"])
-        distance_domicile = st.number_input("Distance domicile-travail (km)", min_value=1, max_value=100, value=10)
-        frequence_deplacement = st.selectbox("Fréquence de déplacement", ["Jamais", "Occasionnel", "Fréquent"])
-
-    with col2:
-        st.subheader("Poste et expérience")
-        departement = st.selectbox("Département", ["Commercial", "Consulting", "RH"])
-        poste = st.selectbox("Poste", [
-            "Cadre Commercial", "Consultant", "Directeur RH",
-            "Responsable RH", "Représentant Commercial", "Responsable Commercial"
-        ])
-        revenu_mensuel = st.number_input("Revenu mensuel (€)", min_value=1000, max_value=20000, value=5000)
-        heure_supplementaires = st.selectbox("Heures supplémentaires", ["Oui", "Non"])
-        nb_experiences = st.number_input("Nombre d'expériences précédentes", min_value=0, max_value=10, value=2)
-        annees_experience = st.number_input("Années d'expérience totale", min_value=0, max_value=40, value=10)
-        annees_entreprise = st.number_input("Années dans l'entreprise", min_value=0, max_value=40, value=5)
-        annees_poste = st.number_input("Années dans le poste actuel", min_value=0, max_value=20, value=3)
-        annees_promotion = st.number_input("Années depuis la dernière promotion", min_value=0, max_value=15, value=1)
-        annees_manager = st.number_input("Années sous responsable actuel", min_value=0, max_value=20, value=2)
-        nb_formations = st.number_input("Nombre de formations suivies", min_value=0, max_value=6, value=2)
-        augmentation = st.selectbox("Augmentation salaire précédente", [
-            "11%", "12%", "13%", "14%", "15%", "16%", "17%", "18%",
-            "19%", "20%", "21%", "22%", "23%", "24%", "25%"
-        ])
-
-    with col3:
-        st.subheader("Satisfaction")
-        satisfaction_env = st.slider("Satisfaction environnement", 1, 4, 3)
-        satisfaction_travail = st.slider("Satisfaction nature du travail", 1, 4, 3)
-        satisfaction_equipe = st.slider("Satisfaction équipe", 1, 4, 3)
-        satisfaction_equilibre = st.slider("Satisfaction équilibre pro/perso", 1, 4, 3)
-        note_eval_prec = st.slider("Note évaluation précédente", 1, 4, 3)
-        note_eval_actuelle = st.slider("Note évaluation actuelle", 1, 4, 3)
-        niveau_hierarchique = st.number_input("Niveau hiérarchique", min_value=1, max_value=5, value=2)
-        nb_participation_pee = st.number_input("Participations PEE", min_value=0, max_value=6, value=3)
-        nb_employes_sous_resp = st.number_input("Employés sous responsabilité", min_value=0, max_value=20, value=0)
-
-    if st.button("🔮 Prédire le risque de départ", type="primary"):
-        payload = {
-            "Genre": genre,
-            "Statut Marital": statut_marital,
-            "Département": departement,
-            "Poste": poste,
-            "Domaine d'étude": domaine_etude,
-            "Fréquence de déplacement": frequence_deplacement,
-            "Heures supplémentaires": heure_supplementaires,
-            "Âge": age,
-            "Revenu mensuel": revenu_mensuel,
-            "Nombre d'expériences précédentes": nb_experiences,
-            "Années d'expérience totale": annees_experience,
-            "Années dans l'entreprise": annees_entreprise,
-            "Années dans le poste actuel": annees_poste,
-            "Nombre de formations suivies": nb_formations,
-            "Distance domicile-travail": distance_domicile,
-            "Niveau d'éducation": niveau_education,
-            "Années depuis la dernière promotion": annees_promotion,
-            "Années sous responsable actuel": annees_manager,
-            "Satisfaction environnement": satisfaction_env,
-            "Note évaluation précédente": note_eval_prec,
-            "Satisfaction nature du travail": satisfaction_travail,
-            "Satisfaction équipe": satisfaction_equipe,
-            "Satisfaction équilibre pro/perso": satisfaction_equilibre,
-            "Note évaluation actuelle": note_eval_actuelle,
-            "Augmentation salaire précédente": augmentation
-        }
-
-        with st.spinner("Prédiction en cours..."):
-            try:
-                response = requests.post(f"{API_URL}/predict", json=payload)
-                if response.status_code == 200:
-                    afficher_resultat(response.json())
-                else:
-                    st.error(f"Erreur API : {response.status_code} — {response.json()}")
-            except Exception as e:
-                st.error(f"Impossible de contacter l'API : {e}")
-
-# ─── Onglet 2 : Recherche par ID ──────────────────────────────────────────────
-
-with tab2:
-    st.header("Rechercher un employé par ID")
-
-    id_employee = st.number_input("ID Employé", min_value=1, value=1, step=1)
-
-    if st.button("🔍 Rechercher et prédire", type="primary"):
-        with st.spinner("Recherche en cours..."):
-            try:
-                response = requests.get(f"{API_URL}/predict/{id_employee}")
-                if response.status_code == 200:
-                    afficher_resultat(response.json())
-                elif response.status_code == 404:
-                    st.warning(f"⚠️ {response.json()['detail']}")
-                else:
-                    st.error(f"Erreur API : {response.status_code}")
-            except Exception as e:
-                st.error(f"Impossible de contacter l'API : {e}")