import streamlit as st from PyPDF2 import PdfReader import pandas as pd from groq import Groq # Assurez-vous que la bibliothèque `groq` est installée correctement from referentials import REFERENTIALS # Importation des référentiels # Configurer la page en mode large avec un titre et une icône st.set_page_config(layout="wide", page_title="Analyse de CV - GFSI (Version 25.11)", page_icon="📄") # Fonction pour configurer le client Groq def get_groq_client(api_key): """ Initialise et renvoie un client Groq avec la clé API. Vérifie que la clé API est valide avant de renvoyer le client. """ try: return Groq(api_key=api_key) except Exception as e: st.error(f"Erreur lors de la configuration du client Groq : {str(e)}") return None # Extraction de texte depuis un PDF def extract_text_from_pdf(file): """ Extrait le texte d'un fichier PDF. Renvoie le contenu texte extrait ou signale une erreur. """ try: reader = PdfReader(file) text = " ".join(page.extract_text() for page in reader.pages if page.extract_text()) return text except Exception as e: st.error(f"Erreur lors de l'extraction du texte : {str(e)}") return None # Analyse du CV avec l'API Groq et référentiel def analyze_cv_with_groq(cv_text, referential, groq_client, model="llama-3.3-70b-versatile"): """ Analyse le texte d'un CV par rapport aux exigences d'un référentiel GFSI. Utilise l'API Groq pour générer une analyse détaillée. """ referential_data = REFERENTIALS.get(referential, {}) general_requirements = referential_data.get("General_Requirements", {}) qualifications = referential_data.get("Qualifications", {}) audit_experience = referential_data.get("Audit_Experience", {}) advanced_requirements = referential_data.get("Advanced_Requirements", {}) prompt = f""" Vous êtes un expert en évaluation des compétences selon les référentiels GFSI ({referential}). Analysez ce CV demanière approfondie, sans citer le nom du candidat (toujours faire référence en le nommant : le candidat), pour vérifier sa conformité avec les exigences suivantes : Général : {general_requirements} Qualifications : {qualifications} Expérience en audit : {audit_experience} Exigences avancées : {advanced_requirements} Contenu du CV : {cv_text} Pour chacun des points précédents veiller à bien étudier les expériences et formation réalisées par le candidat car il se peut que les mentions de formations ne soient pas rédigées de manière exacte comme écrites dans ({referential}), évaluer chaque formation du candidat 2 fois. Fournissez une analyse détaillée rédigée en langue française, de manière professionnelle et complète, en identifiant : 1. Les exigences remplies. 2. Les lacunes ou non-conformités. 3. Des recommandations pour combler les lacunes par rapport aux exigences strictes du référentiel. """ try: messages = [ {"role": "system", "content": "Vous êtes un assistant spécialisé dans l'analyse de conformité selon des référentiels GFSI."}, {"role": "user", "content": prompt} ] response = groq_client.chat.completions.create( messages=messages, model=model, max_tokens=1000, temperature=0.2 ) return response.choices[0].message.content except Exception as e: st.error(f"Erreur lors de l'analyse du CV : {str(e)}") return None # Génération d'une conclusion def generate_conclusion(analysis): """ Génère une conclusion basée sur l'analyse du CV. Vérifie la présence de "non-conformité" dans le texte pour déterminer si des lacunes existent. """ if "non-conformité" in analysis.lower(): return "Le candidat répond partiellement aux exigences du référentiel sélectionné. Des améliorations spécifiques sont recommandées." else: return "Le candidat satisfait pleinement aux exigences du référentiel sélectionné." # Interface utilisateur principale def main(): """ Interface principale Streamlit pour l'analyse des CV selon les référentiels GFSI. Permet à l'utilisateur de fournir une clé API, de télécharger un CV, et de sélectionner un référentiel. """ st.title("Analyse de CV selon les Référentiels GFSI (Version 25.11)") st.markdown("""

Bienvenue sur l'outil d'analyse de CV GFSI

Utilisez cet outil pour évaluer un CV selon les référentiels tels que BRCGS, FSSC 22000, et IFS.

""", unsafe_allow_html=True) # Saisie de la clé API par l'utilisateur api_key = st.text_input("Entrez votre clé API Groq :", type="password") if not api_key: st.warning("Veuillez entrer votre clé API pour continuer.") return groq_client = get_groq_client(api_key) if not groq_client: return # Chargement du fichier PDF uploaded_file = st.file_uploader("Téléchargez un fichier PDF (CV)", type="pdf") if not uploaded_file: st.info("Veuillez télécharger un fichier PDF pour continuer.") return # Sélection du référentiel referential = st.selectbox("Sélectionnez un référentiel", list(REFERENTIALS.keys())) if not referential: st.warning("Veuillez sélectionner un référentiel pour continuer.") return # Extraction et analyse du texte du CV cv_text = extract_text_from_pdf(uploaded_file) if cv_text: st.markdown("### Résultat de l'Analyse") analysis = analyze_cv_with_groq(cv_text, referential, groq_client) if analysis: # Affichage des résultats avec une police plus grande st.markdown( f"""
{analysis}
""", unsafe_allow_html=True ) # Affichage de la conclusion avec une police encore plus grande conclusion = generate_conclusion(analysis) st.markdown( f"""
Conclusion : {conclusion}
""", unsafe_allow_html=True ) else: st.error("Une erreur est survenue lors de l'analyse du CV. Veuillez réessayer.") else: st.error("Impossible d'extraire le texte du CV. Vérifiez que le fichier PDF est lisible.") if __name__ == "__main__": main()