update app.py

app.py

@@ -111,6 +111,17 @@ effect_avg_rating_le = joblib.load(
 )
 
 
+# Liste des colonnes utilisées pour les modèles (même ordre que pendant le training)
+music_model_features = joblib.load(
+    hf_hub_download(
+        repo_id="NIIHAAD/freesound-models",
+        repo_type="model",
+        filename="model_features_list.joblib",
+        cache_dir="models_cache"
+    )
+)
+
+
 
 # EffectSound
 scaler_samplerate_effect = joblib.load("effectSound/scaler_effectSamplerate.joblib")
@@ -356,11 +367,15 @@ def predict_with_metadata(url):
 
     # 3️ Prétraitement seulement si durée ok
     df_processed = preprocess_sound(df_raw)
-    
-    # Supprimer les colonnes qui ne faisaient pas partie du training
+
+    # Supprimer les colonnes inutiles
     cols_to_remove = ["avg_rating", "num_downloads_class"]
     df_for_model = df_processed.drop(columns=[c for c in cols_to_remove if c in df_processed.columns])
 
+    # Réordonner les colonnes selon la liste sauvegardée pour le training
+    df_for_model = df_for_model[music_model_features]
+
+
     # Num downloads
     pred_num_downloads = model_nd.predict(df_for_model)[0]