Update src/streamlit_app.py

src/streamlit_app.py

@@ -1,40 +1,606 @@
-import altair as alt
-import numpy as np
+import json
 import pandas as pd
 import streamlit as st
+from io import BytesIO
+import openpyxl
+from datetime import datetime
 
-"""
-# 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])),
-    ))
+# Configuration Streamlit
+st.set_page_config(
+    page_title="IFS NEO Data Extractor",
+    layout="wide",
+    initial_sidebar_state="expanded"
+)
+
+# CSS personnalisé pour améliorer l'apparence
+def apply_custom_css():
+    st.markdown("""
+        <style>
+        .main-header {
+            font-size: 2.5rem;
+            color: #1f77b4;
+            text-align: center;
+            margin-bottom: 2rem;
+        }
+        .section-header {
+            font-size: 1.5rem;
+            color: #2e8b57;
+            border-bottom: 2px solid #2e8b57;
+            padding-bottom: 0.5rem;
+            margin: 1rem 0;
+        }
+        .info-box {
+            background-color: #f0f8ff;
+            border-left: 4px solid #1f77b4;
+            padding: 1rem;
+            margin: 1rem 0;
+        }
+        .warning-box {
+            background-color: #fff3cd;
+            border-left: 4px solid #ffc107;
+            padding: 1rem;
+            margin: 1rem 0;
+        }
+        .success-box {
+            background-color: #d4edda;
+            border-left: 4px solid #28a745;
+            padding: 1rem;
+            margin: 1rem 0;
+        }
+        </style>
+    """, unsafe_allow_html=True)
+
+def flatten_json_safe(nested_json, parent_key='', sep='_'):
+    """Aplatit une structure JSON imbriquée de manière sécurisée."""
+    items = []
+    if isinstance(nested_json, dict):
+        for k, v in nested_json.items():
+            new_key = f'{parent_key}{sep}{k}' if parent_key else k
+            if isinstance(v, dict):
+                items.extend(flatten_json_safe(v, new_key, sep=sep).items())
+            elif isinstance(v, list):
+                for i, item in enumerate(v):
+                    items.extend(flatten_json_safe(item, f'{new_key}{sep}{i}', sep=sep).items())
+            else:
+                items.append((new_key, v))
+    else:
+        items.append((parent_key, nested_json))
+    return dict(items)
+
+def extract_from_flattened(flattened_data, mapping, selected_fields):
+    """Extrait les données du JSON aplati selon le mapping fourni."""
+    extracted_data = {}
+    for label, flat_path in mapping.items():
+        if label in selected_fields:
+            extracted_data[label] = flattened_data.get(flat_path, 'N/A')
+    return extracted_data
+
+def get_user_comments():
+    """Récupère tous les commentaires utilisateur depuis la session state."""
+    comments = {}
+    for key, value in st.session_state.items():
+        if key.startswith(('profile_comment_', 'checklist_comment_', 'non_conformity_comment_')):
+            comments[key] = value
+    return comments
+
+def initialize_session_state():
+    """Initialise les variables de session state nécessaires."""
+    if 'json_data' not in st.session_state:
+        st.session_state.json_data = None
+    if 'profile_data' not in st.session_state:
+        st.session_state.profile_data = {}
+    if 'checklist_data' not in st.session_state:
+        st.session_state.checklist_data = []
+    if 'non_conformities' not in st.session_state:
+        st.session_state.non_conformities = []
+
+# Mapping complet des champs
+FLATTENED_FIELD_MAPPING = {
+    "Nom du site à auditer": "data_modules_food_8_questions_companyName_answer",
+    "N° COID du portail": "data_modules_food_8_questions_companyCoid_answer",
+    "Code GLN": "data_modules_food_8_questions_companyGln_answer_0_rootQuestions_companyGlnNumber_answer",
+    "Rue": "data_modules_food_8_questions_companyStreetNo_answer",
+    "Code postal": "data_modules_food_8_questions_companyZip_answer",
+    "Nom de la ville": "data_modules_food_8_questions_companyCity_answer",
+    "Pays": "data_modules_food_8_questions_companyCountry_answer",
+    "Téléphone": "data_modules_food_8_questions_companyTelephone_answer",
+    "Latitude": "data_modules_food_8_questions_companyGpsLatitude_answer",
+    "Longitude": "data_modules_food_8_questions_companyGpsLongitude_answer",
+    "Email": "data_modules_food_8_questions_companyEmail_answer",
+    "Nom du siège social": "data_modules_food_8_questions_headquartersName_answer",
+    "Rue (siège social)": "data_modules_food_8_questions_headquartersStreetNo_answer",
+    "Nom de la ville (siège social)": "data_modules_food_8_questions_headquartersCity_answer",
+    "Code postal (siège social)": "data_modules_food_8_questions_headquartersZip_answer",
+    "Pays (siège social)": "data_modules_food_8_questions_headquartersCountry_answer",
+    "Téléphone (siège social)": "data_modules_food_8_questions_headquartersTelephone_answer",
+    "Surface couverte de l'entreprise (m²)": "data_modules_food_8_questions_productionAreaSize_answer",
+    "Nombre de bâtiments": "data_modules_food_8_questions_numberOfBuildings_answer",
+    "Nombre de lignes de production": "data_modules_food_8_questions_numberOfProductionLines_answer",
+    "Nombre d'étages": "data_modules_food_8_questions_numberOfFloors_answer",
+    "Nombre maximum d'employés dans l'année, au pic de production": "data_modules_food_8_questions_numberOfEmployeesForTimeCalculation_answer",
+    "Langue parlée et écrite sur le site": "data_modules_food_8_questions_workingLanguage_answer",
+    "Périmètre de l'audit": "data_modules_food_8_questions_scopeCertificateScopeDescription_en_answer",
+    "Process et activités": "data_modules_food_8_questions_scopeProductGroupsDescription_answer",
+    "Activité saisonnière ? (O/N)": "data_modules_food_8_questions_seasonalProduction_answer",
+    "Une partie du procédé de fabrication est-elle sous traitée? (OUI/NON)": "data_modules_food_8_questions_partlyOutsourcedProcesses_answer",
+    "Si oui lister les procédés sous-traités": "data_modules_food_8_questions_partlyOutsourcedProcessesDescription_answer",
+    "Avez-vous des produits totalement sous-traités? (OUI/NON)": "data_modules_food_8_questions_fullyOutsourcedProducts_answer",
+    "Si oui, lister les produits totalement sous-traités": "data_modules_food_8_questions_fullyOutsourcedProductsDescription_answer",
+    "Avez-vous des produits de négoce? (OUI/NON)": "data_modules_food_8_questions_tradedProductsBrokerActivity_answer",
+    "Si oui, lister les produits de négoce": "data_modules_food_8_questions_tradedProductsBrokerActivityDescription_answer",
+    "Produits à exclure du champ d'audit (OUI/NON)": "data_modules_food_8_questions_exclusions_answer",
+    "Préciser les produits à exclure": "data_modules_food_8_questions_exclusionsDescription_answer"
+}
+
+def process_json_file(uploaded_file):
+    """Traite le fichier JSON uploadé et extrait les données."""
+    try:
+        json_data = json.load(uploaded_file)
+        st.session_state.json_data = json_data
+        
+        # Aplatir les données JSON
+        flattened_json_data = flatten_json_safe(json_data)
+        
+        # Extraire les données de profil
+        profile_data = extract_from_flattened(
+            flattened_json_data, 
+            FLATTENED_FIELD_MAPPING, 
+            list(FLATTENED_FIELD_MAPPING.keys())
+        )
+        st.session_state.profile_data = profile_data
+        
+        # Extraire les données de checklist
+        checklist_data = []
+        if 'data' in json_data and 'modules' in json_data['data']:
+            modules = json_data['data']['modules']
+            if 'food_8' in modules and 'checklists' in modules['food_8']:
+                checklists = modules['food_8']['checklists']
+                if 'checklistFood8' in checklists and 'resultScorings' in checklists['checklistFood8']:
+                    for uuid, scoring in checklists['checklistFood8']['resultScorings'].items():
+                        checklist_data.append({
+                            "Num": uuid,
+                            "Explanation": scoring['answers'].get('englishExplanationText', 'N/A'),
+                            "Detailed Explanation": scoring['answers'].get('explanationText', 'N/A'),
+                            "Score": scoring['score']['label'],
+                            "Response": scoring['answers'].get('fieldAnswers', 'N/A')
+                        })
+        
+        st.session_state.checklist_data = checklist_data
+        
+        # Extraire les non-conformités
+        non_conformities = [item for item in checklist_data if item['Score'] != 'A']
+        st.session_state.non_conformities = non_conformities
+        
+        return True, "Fichier traité avec succès!"
+        
+    except json.JSONDecodeError as e:
+        return False, f"Erreur lors du décodage JSON: {str(e)}"
+    except Exception as e:
+        return False, f"Erreur lors du traitement du fichier: {str(e)}"
+
+def display_profile_section():
+    """Affiche la section du profil avec possibilité d'ajout de commentaires."""
+    st.markdown('<div class="section-header">📋 Profil de l\'entreprise</div>', unsafe_allow_html=True)
+    
+    if not st.session_state.profile_data:
+        st.warning("Aucune donnée de profil disponible. Veuillez d'abord charger un fichier IFS.")
+        return
+    
+    # Organiser les données en colonnes pour une meilleure présentation
+    col1, col2 = st.columns(2)
+    
+    profile_items = list(st.session_state.profile_data.items())
+    mid_point = len(profile_items) // 2
+    
+    with col1:
+        for field, value in profile_items[:mid_point]:
+            st.text_input(f"**{field}**", value=str(value), key=f"profile_field_{field}", disabled=True)
+            # Zone de commentaire pour chaque champ
+            st.text_area(
+                f"Commentaire - {field}",
+                key=f"profile_comment_{field}",
+                height=60,
+                placeholder="Ajoutez vos commentaires ici..."
+            )
+    
+    with col2:
+        for field, value in profile_items[mid_point:]:
+            st.text_input(f"**{field}**", value=str(value), key=f"profile_field_{field}", disabled=True)
+            # Zone de commentaire pour chaque champ
+            st.text_area(
+                f"Commentaire - {field}",
+                key=f"profile_comment_{field}",
+                height=60,
+                placeholder="Ajoutez vos commentaires ici..."
+            )
+
+def display_checklist_section():
+    """Affiche la section de la checklist complète."""
+    st.markdown('<div class="section-header">✅ Checklist complète</div>', unsafe_allow_html=True)
+    
+    if not st.session_state.checklist_data:
+        st.warning("Aucune donnée de checklist disponible. Veuillez d'abord charger un fichier IFS.")
+        return
+    
+    # Filtre par score
+    score_filter = st.selectbox(
+        "Filtrer par score:",
+        ["Tous", "A", "B", "C", "D", "Non applicable"]
+    )
+    
+    # Appliquer le filtre
+    filtered_data = st.session_state.checklist_data
+    if score_filter != "Tous":
+        filtered_data = [item for item in st.session_state.checklist_data if item['Score'] == score_filter]
+    
+    st.info(f"Affichage de {len(filtered_data)} éléments sur {len(st.session_state.checklist_data)} au total")
+    
+    # Afficher les éléments de la checklist
+    for i, item in enumerate(filtered_data):
+        with st.expander(f"Exigence {item['Num']} - Score: {item['Score']}", expanded=False):
+            col1, col2 = st.columns([3, 1])
+            
+            with col1:
+                st.write(f"**Explication:** {item['Explanation']}")
+                st.write(f"**Explication détaillée:** {item['Detailed Explanation']}")
+                st.write(f"**Réponse:** {item['Response']}")
+                
+                # Zone de commentaire pour chaque élément
+                st.text_area(
+                    "Commentaire de l'auditeur:",
+                    key=f"checklist_comment_{item['Num']}",
+                    height=100,
+                    placeholder="Ajoutez vos observations, commentaires ou actions à prendre..."
+                )
+            
+            with col2:
+                # Affichage du score avec couleur
+                score_color = {
+                    'A': '#28a745',
+                    'B': '#ffc107', 
+                    'C': '#fd7e14',
+                    'D': '#dc3545',
+                    'Non applicable': '#6c757d'
+                }.get(item['Score'], '#6c757d')
+                
+                st.markdown(f"""
+                    <div style="background-color: {score_color}; color: white; 
+                                padding: 10px; border-radius: 5px; text-align: center; 
+                                font-weight: bold; font-size: 18px;">
+                        {item['Score']}
+                    </div>
+                """, unsafe_allow_html=True)
+
+def display_non_conformities_section():
+    """Affiche la section des non-conformités."""
+    st.markdown('<div class="section-header">⚠️ Non-conformités</div>', unsafe_allow_html=True)
+    
+    if not st.session_state.non_conformities:
+        st.success("Aucune non-conformité détectée ! Toutes les exigences sont notées A.")
+        return
+    
+    st.warning(f"Nombre de non-conformités détectées: {len(st.session_state.non_conformities)}")
+    
+    # Statistiques des non-conformités
+    scores_count = {}
+    for item in st.session_state.non_conformities:
+        score = item['Score']
+        scores_count[score] = scores_count.get(score, 0) + 1
+    
+    col1, col2, col3, col4 = st.columns(4)
+    for i, (score, count) in enumerate(scores_count.items()):
+        with [col1, col2, col3, col4][i % 4]:
+            st.metric(f"Score {score}", count)
+    
+    # Afficher chaque non-conformité
+    for item in st.session_state.non_conformities:
+        with st.container():
+            st.markdown(f"""
+                <div style="border-left: 4px solid #dc3545; padding: 15px; margin: 10px 0; 
+                           background-color: #f8f9fa;">
+                    <h4>🔍 Exigence {item['Num']} - Score: {item['Score']}</h4>
+                </div>
+            """, unsafe_allow_html=True)
+            
+            col1, col2 = st.columns([3, 1])
+            
+            with col1:
+                st.write(f"**Explication:** {item['Explanation']}")
+                st.write(f"**Explication détaillée:** {item['Detailed Explanation']}")
+                st.write(f"**Réponse:** {item['Response']}")
+                
+                # Plan d'action
+                st.text_area(
+                    "Plan d'action corrective:",
+                    key=f"non_conformity_action_{item['Num']}",
+                    height=100,
+                    placeholder="Décrivez les actions correctives à mettre en place..."
+                )
+                
+                # Commentaire de l'auditeur
+                st.text_area(
+                    "Commentaire de l'auditeur:",
+                    key=f"non_conformity_comment_{item['Num']}",
+                    height=80,
+                    placeholder="Observations de l'auditeur..."
+                )
+            
+            with col2:
+                # Sélection de la priorité
+                priority = st.selectbox(
+                    "Priorité:",
+                    ["Haute", "Moyenne", "Basse"],
+                    key=f"priority_{item['Num']}"
+                )
+                
+                # Date limite
+                deadline = st.date_input(
+                    "Date limite:",
+                    key=f"deadline_{item['Num']}"
+                )
+                
+                # Responsable
+                responsible = st.text_input(
+                    "Responsable:",
+                    key=f"responsible_{item['Num']}",
+                    placeholder="Nom du responsable"
+                )
+
+def create_enhanced_excel_export():
+    """Crée un fichier Excel enrichi avec toutes les données et commentaires."""
+    if not st.session_state.profile_data:
+        st.error("Aucune donnée à exporter. Veuillez d'abord charger un fichier IFS.")
+        return None
+    
+    # Récupérer tous les commentaires
+    comments = get_user_comments()
+    
+    # Créer le fichier Excel en mémoire
+    output = BytesIO()
+    
+    with pd.ExcelWriter(output, engine='openpyxl') as writer:
+        # Onglet Profil
+        profile_rows = []
+        for field, value in st.session_state.profile_data.items():
+            comment_key = f"profile_comment_{field}"
+            comment = comments.get(comment_key, "")
+            profile_rows.append({
+                "Champ": field,
+                "Valeur": value,
+                "Commentaire": comment,
+                "Réponse auditeur": ""
+            })
+        
+        df_profile = pd.DataFrame(profile_rows)
+        df_profile.to_excel(writer, index=False, sheet_name="Profil")
+        
+        # Onglet Checklist complète
+        checklist_rows = []
+        for item in st.session_state.checklist_data:
+            comment_key = f"checklist_comment_{item['Num']}"
+            comment = comments.get(comment_key, "")
+            checklist_rows.append({
+                "Numéro": item['Num'],
+                "Explication": item['Explanation'],
+                "Explication détaillée": item['Detailed Explanation'],
+                "Score": item['Score'],
+                "Réponse": item['Response'],
+                "Commentaire auditeur": comment,
+                "Action requise": ""
+            })
+        
+        df_checklist = pd.DataFrame(checklist_rows)
+        df_checklist.to_excel(writer, index=False, sheet_name="Checklist")
+        
+        # Onglet Non-conformités avec plan d'action
+        nc_rows = []
+        for item in st.session_state.non_conformities:
+            comment_key = f"non_conformity_comment_{item['Num']}"
+            action_key = f"non_conformity_action_{item['Num']}"
+            priority_key = f"priority_{item['Num']}"
+            deadline_key = f"deadline_{item['Num']}"
+            responsible_key = f"responsible_{item['Num']}"
+            
+            comment = comments.get(comment_key, "")
+            action = st.session_state.get(action_key, "")
+            priority = st.session_state.get(priority_key, "")
+            deadline = st.session_state.get(deadline_key, "")
+            responsible = st.session_state.get(responsible_key, "")
+            
+            nc_rows.append({
+                "Numéro": item['Num'],
+                "Score": item['Score'],
+                "Explication": item['Explanation'],
+                "Explication détaillée": item['Detailed Explanation'],
+                "Réponse": item['Response'],
+                "Commentaire auditeur": comment,
+                "Plan d'action": action,
+                "Priorité": priority,
+                "Date limite": deadline,
+                "Responsable": responsible,
+                "Statut": "En attente"
+            })
+        
+        df_nc = pd.DataFrame(nc_rows)
+        df_nc.to_excel(writer, index=False, sheet_name="Non-conformités")
+        
+        # Onglet Résumé
+        summary_data = {
+            "Indicateur": [
+                "Nombre total d'exigences",
+                "Exigences conformes (A)",
+                "Non-conformités mineures (B)",
+                "Non-conformités majeures (C)",
+                "Non-conformités critiques (D)",
+                "Taux de conformité (%)"
+            ],
+            "Valeur": [
+                len(st.session_state.checklist_data),
+                len([x for x in st.session_state.checklist_data if x['Score'] == 'A']),
+                len([x for x in st.session_state.checklist_data if x['Score'] == 'B']),
+                len([x for x in st.session_state.checklist_data if x['Score'] == 'C']),
+                len([x for x in st.session_state.checklist_data if x['Score'] == 'D']),
+                round((len([x for x in st.session_state.checklist_data if x['Score'] == 'A']) / 
+                      len(st.session_state.checklist_data)) * 100, 2) if st.session_state.checklist_data else 0
+            ]
+        }
+        
+        df_summary = pd.DataFrame(summary_data)
+        df_summary.to_excel(writer, index=False, sheet_name="Résumé")
+        
+        # Ajuster la largeur des colonnes
+        for sheet_name in writer.sheets:
+            worksheet = writer.sheets[sheet_name]
+            for column in worksheet.columns:
+                max_length = 0
+                column_letter = column[0].column_letter
+                for cell in column:
+                    try:
+                        if len(str(cell.value)) > max_length:
+                            max_length = len(str(cell.value))
+                    except:
+                        pass
+                adjusted_width = min(max_length + 2, 50)
+                worksheet.column_dimensions[column_letter].width = adjusted_width
+    
+    output.seek(0)
+    return output
+
+def main():
+    """Fonction principale de l'application."""
+    # Initialiser la session state
+    initialize_session_state()
+    
+    # Appliquer le CSS personnalisé
+    apply_custom_css()
+    
+    # En-tête principal
+    st.markdown('<div class="main-header">🔍 IFS NEO Data Extractor</div>', unsafe_allow_html=True)
+    st.markdown('<div class="info-box">Application d\'extraction et d\'analyse des données d\'audit IFS</div>', unsafe_allow_html=True)
+    
+    # Navigation dans la sidebar
+    st.sidebar.title("📋 Navigation")
+    
+    # Upload du fichier IFS
+    st.sidebar.markdown("### 📁 Chargement des fichiers")
+    uploaded_json_file = st.sidebar.file_uploader(
+        "Charger le fichier IFS (.ifs)",
+        type="ifs",
+        help="Sélectionnez le fichier d'audit IFS exporté depuis NEO"
+    )
+    
+    # Traitement du fichier JSON
+    if uploaded_json_file and st.session_state.json_data is None:
+        with st.spinner("Traitement du fichier IFS en cours..."):
+            success, message = process_json_file(uploaded_json_file)
+            if success:
+                st.sidebar.success(message)
+            else:
+                st.sidebar.error(message)
+                return
+    
+    # Menu de navigation principal
+    if st.session_state.json_data:
+        st.sidebar.markdown("### 🎯 Sections disponibles")
+        page = st.sidebar.radio(
+            "Choisissez une section:",
+            ["📋 Profil de l'entreprise", "✅ Checklist complète", "⚠️ Non-conformités", "📊 Tableau de bord", "📄 Export Excel"]
+        )
+        
+        # Affichage des sections selon la navigation
+        if page == "📋 Profil de l'entreprise":
+            display_profile_section()
+            
+        elif page == "✅ Checklist complète":
+            display_checklist_section()
+            
+        elif page == "⚠️ Non-conformités":
+            display_non_conformities_section()
+            
+        elif page == "📊 Tableau de bord":
+            st.markdown('<div class="section-header">📊 Tableau de bord de l\'audit</div>', unsafe_allow_html=True)
+            
+            # Métriques principales
+            col1, col2, col3, col4 = st.columns(4)
+            
+            total_items = len(st.session_state.checklist_data)
+            conformes = len([x for x in st.session_state.checklist_data if x['Score'] == 'A'])
+            non_conformites = len(st.session_state.non_conformities)
+            taux_conformite = (conformes / total_items * 100) if total_items > 0 else 0
+            
+            with col1:
+                st.metric("Total exigences", total_items)
+            with col2:
+                st.metric("Conformes (A)", conformes)
+            with col3:
+                st.metric("Non-conformités", non_conformites)
+            with col4:
+                st.metric("Taux conformité", f"{taux_conformite:.1f}%")
+            
+            # Répartition des scores
+            if st.session_state.checklist_data:
+                scores_count = {}
+                for item in st.session_state.checklist_data:
+                    score = item['Score']
+                    scores_count[score] = scores_count.get(score, 0) + 1
+                
+                # Graphique de répartition
+                st.subheader("Répartition des scores")
+                chart_data = pd.DataFrame(list(scores_count.items()), columns=['Score', 'Nombre'])
+                st.bar_chart(chart_data.set_index('Score'))
+            
+        elif page == "📄 Export Excel":
+            st.markdown('<div class="section-header">📄 Export des données</div>', unsafe_allow_html=True)
+            
+            st.info("Exportez toutes les données collectées avec vos commentaires dans un fichier Excel structuré.")
+            
+            if st.button("🔄 Générer le fichier Excel", type="primary"):
+                with st.spinner("Génération du fichier Excel..."):
+                    excel_file = create_enhanced_excel_export()
+                    
+                    if excel_file:
+                        # Nom du fichier avec COID et date
+                        coid = st.session_state.profile_data.get("N° COID du portail", "inconnu")
+                        date_str = datetime.now().strftime("%Y%m%d_%H%M")
+                        filename = f"audit_IFS_{coid}_{date_str}.xlsx"
+                        
+                        st.download_button(
+                            label="📥 Télécharger le rapport Excel",
+                            data=excel_file,
+                            file_name=filename,
+                            mime="application/vnd.openxmlformats-officedocument.spreadsheetml.sheet"
+                        )
+                        
+                        st.success("Fichier Excel généré avec succès!")
+                        
+                        # Informations sur le contenu du fichier
+                        st.markdown("### 📋 Contenu du fichier Excel:")
+                        st.markdown("""
+                        - **Profil**: Informations sur l'entreprise avec commentaires
+                        - **Checklist**: Liste complète des exigences avec scores et commentaires
+                        - **Non-conformités**: Plan d'action détaillé pour chaque non-conformité
+                        - **Résumé**: Statistiques et indicateurs de performance
+                        """)
+    
+    else:
+        # Page d'accueil si aucun fichier n'est chargé
+        st.markdown("""
+        ### 🚀 Bienvenue dans l'extracteur de données IFS NEO
+        
+        Cette application vous permet de:
+        - 📊 Extraire et analyser les données d'audit IFS
+        - 💬 Ajouter vos commentaires et observations
+        - 📋 Créer des plans d'action pour les non-conformités
+        - 📄 Exporter tout dans un rapport Excel structuré
+        
+        **Pour commencer:**
+        1. Chargez votre fichier d'audit IFS (.ifs) dans la barre latérale
+        2. Naviguez entre les différentes sections
+        3. Ajoutez vos commentaires et plans d'action
+        4. Exportez le rapport final
+        """)
+        
+        st.markdown('<div class="warning-box">⚠️ Veuillez charger un fichier IFS pour commencer l\'analyse.</div>', unsafe_allow_html=True)
+
+if __name__ == "__main__":
+    main()