Update app.py

app.py

@@ -1,4 +1,3 @@
-
 import gradio as gr
 from transformers import AutoTokenizer, AutoModelForCausalLM, AutoModelForSequenceClassification
 import torch
@@ -88,29 +87,60 @@ def predict(text):
     with torch.no_grad():
         outputs = model_c(**inputs)
     logits = outputs.logits
-    return "recherche" if torch.argmax(logits, dim=-1).item() == 1 else "GPT"
+    return "recherche" if torch.argmax(logits, dim=-1).item() == 1 else "gpt"
 
+# === Fonction principale ===
 def classify_and_respond(text):
+    steps = []
     original_lang = detect_language(text)
     text_en = translate(text, "en")
 
+    # Étape 1 : prédiction catégorie
     category = predict(text_en)
+    steps.append("Catégorie détectée : " + category)
+
     if category == "recherche":
         response = search_duckduckgo(text_en)
-        return "\n".join([translate(r, original_lang) for r in response])
-
+        final_response = "\n".join([translate(r, original_lang) for r in response])
+        steps.append("Résultats DuckDuckGo récupérés")
+        return {
+            "response": final_response,
+            "response_type": "recherche",
+            "emotions": None,
+            "steps": steps
+        }
+
+    # Étape 2 : analyse émotion
     compound, is_unacceptable, emotion = classify_emotion(text_en)
-    if is_unacceptable and abs(compound) > 50:
-        return translate("Je ressens beaucoup de tension dans votre message.", original_lang)
+    steps.append(f"Émotion détectée : {emotion} (score={compound:.2f})")
 
+    if is_unacceptable and abs(compound) > 50:
+        final_response = translate("Je ressens beaucoup de tension dans votre message.", original_lang)
+        steps.append("Réponse émotion inacceptable envoyée")
+        return {
+            "response": final_response,
+            "response_type": "non acceptable",
+            "emotions": emotion,
+            "steps": steps
+        }
+
+    # Étape 3 : génération GPT
     gpt_response = generate_response(text_en)
-    return translate(gpt_response, original_lang)
+    final_response = translate(gpt_response, original_lang)
+    steps.append("Réponse GPT générée et traduite")
+
+    return {
+        "response": final_response,
+        "response_type": "gpt",
+        "emotions": emotion,
+        "steps": steps
+    }
 
 # === Interface Gradio ===
 iface = gr.Interface(
     fn=classify_and_respond,
     inputs=gr.Textbox(lines=2, placeholder="Écris ton message..."),
-    outputs="text",
+    outputs="json",
     title="PsyBot",
     description="Chatbot psychologue multilingue basé sur GPT + BERT + MiniBERT"
 )
@@ -120,4 +150,4 @@ iface.launch(
     server_port=7860,        # port par défaut HF Spaces
     share=False,             # pas besoin de lien ngrok
     show_api=True            # expose /run/predict
-)
+)