Update app.py

app.py

@@ -1,11 +1,14 @@
 import gradio as gr
 from transformers import pipeline
 
+# --- Configuration ---
 APP_NAME = "MoodMapper"
-MODEL_ID = "j-hartmann/emotion-english-distilroberta-base"  # garde celui-ci pour l’instant
+MODEL_ID = "j-hartmann/emotion-english-distilroberta-base"
 
+# --- Initialisation du modèle ---
 _clf = None
 def get_clf():
+    """Charge le modèle de classification d’émotions une seule fois."""
     global _clf
     if _clf is None:
         _clf = pipeline(
@@ -16,18 +19,21 @@ def get_clf():
         )
     return _clf
 
+# --- Exemples à afficher ---
 EXAMPLES = [
-    "I just got the internship — I'm so happy!",
-    "Je suis déçue et un peu en colère par ce mail.",
-    "This is fine, nothing special today.",
-    "I'm worried about the deadline...",
-    "Quelle surprise ! Je ne m’y attendais pas."
+    ["I just got the internship — I'm so happy!"],
+    ["Je suis déçue et un peu en colère par ce mail."],
+    ["This is fine, nothing special today."],
+    ["I'm worried about the deadline..."],
+    ["Quelle surprise ! Je ne m’y attendais pas."]
 ]
 
+# --- Fonction principale ---
 def predict_emotion(text):
+    if not text or not text.strip():
+        return {"": 0.0}, "Veuillez entrer un texte."
+
     try:
-        if not text or not text.strip():
-            return {"": 0.0}, "Veuillez entrer un texte."
         scores = get_clf()(text)[0]  # [{'label': 'joy', 'score': 0.97}, ...]
         score_dict = {s["label"]: float(s["score"]) for s in scores}
         top = max(scores, key=lambda d: d["score"])
@@ -39,18 +45,29 @@ def predict_emotion(text):
         )
         return score_dict, notes
     except Exception as e:
-        # Renvoie un message clair dans l’UI plutôt qu’un crash
         return {"error": 1.0}, f"Erreur interne : {e}"
 
+# --- Interface Gradio ---
 with gr.Blocks(title=APP_NAME) as demo:
-    gr.Markdown(f"# {APP_NAME} — Détecteur d'émotions (texte)")
-    txt = gr.Textbox(label="Votre texte", placeholder="Ex: Je suis déçue et un peu en colère par ce mail.", lines=3)
-    btn = gr.Button("Analyser")
-    out_scores = gr.Label(label="Scores (confiances)")
+    gr.Markdown(f"# 🧠 {APP_NAME} — Détecteur d'émotions dans le texte")
+    gr.Markdown(
+        "Entrez un texte en anglais ou en français simple pour découvrir l’émotion principale qu’il exprime."
+    )
+
+    txt = gr.Textbox(
+        label="Votre texte",
+        placeholder="Ex : Je suis déçue et un peu en colère par ce mail.",
+        lines=3
+    )
+    btn = gr.Button("Analyser le texte")
+    out_scores = gr.Label(label="Scores (confiance du modèle)")
     out_notes = gr.Markdown()
+
     gr.Examples(inputs=txt, examples=EXAMPLES, label="Exemples à tester")
-    btn.click(predict_emotion, txt, [out_scores, out_notes])
-    txt.submit(predict_emotion, txt, [out_scores, out_notes])
 
-# IMPORTANT sur Hugging Face Spaces: ne pas appeler demo.launch()
+    btn.click(fn=predict_emotion, inputs=txt, outputs=[out_scores, out_notes])
+    txt.submit(fn=predict_emotion, inputs=txt, outputs=[out_scores, out_notes])
+
+# --- IMPORTANT ---
+# Hugging Face Spaces détecte automatiquement "app" comme interface principale
 app = demo