src/modules/Check_Up_Loans.py

# -*- coding: utf-8 -*-
import streamlit as st
import pandas as pd
from datetime import datetime, date, timedelta
import time

# IMPORT DES MODULES EXISTANTS
from Analytics.AnalyseFinance import (
    analyser_capacite, 
    generer_tableau_amortissement, 
    calculer_taux_endettement, 
    clean_taux_value,
    clean_currency_value,
    clean_percentage_value  # ✅ AJOUT de la nouvelle fonction
)
from DocumentGen.AutoPDFGeneration import generer_contrat_pret, generer_reconnaissance_dette, generer_contrat_caution

# ============================================================================
# GESTION DU CACHE (réutilisé depuis loans_engine.py)
# ============================================================================

@st.cache_data(ttl=600)  # Le cache expire après 10 minutes
def get_cached_data(_client, sheet_name, worksheet_name):
    """Lit une feuille spécifique et la transforme en DataFrame avec cache."""
    try:
        sh = _client.open(sheet_name)
        ws = sh.worksheet(worksheet_name)
        return pd.DataFrame(ws.get_all_records())
    except Exception as e:
        st.error(f"Erreur lors de la lecture de {worksheet_name}: {e}")
        return pd.DataFrame()


def refresh_data():
    """Fonction pour vider le cache manuellement."""
    st.cache_data.clear()
    st.rerun()


# ============================================================================
# ✅ CORRECTION 1 : FONCTIONS UTILITAIRES AVEC GESTION VIRGULE/POINT
# ============================================================================

def clean_currency_value(val):
    """Convertit une valeur monétaire (string ou float) en float propre"""
    try:
        if isinstance(val, (int, float)):
            return float(val)
        # Nettoyage des strings: "100 000 XOF" → 100000.0
        cleaned = str(val).upper().replace("XOF", "").replace("FCFA", "").replace(" ", "")
        
        # Ne touche PAS aux virgules pour les montants (on garde juste les chiffres)
        cleaned = cleaned.replace(",", "").replace(".", "")
        
        return float(cleaned) if cleaned else 0.0
    except (ValueError, AttributeError):
        return 0.0


def clean_percentage_value_local(val):
    """
    ✅ CORRECTION PROBLÈME 1 : Convertit un pourcentage avec virgule en float
    Exemple : "54,94" → 54.94 (et non 5494.0)
    """
    try:
        if isinstance(val, (int, float)):
            return float(val)
        
        # Convertir en string et nettoyer
        cleaned = str(val).strip().replace(" ", "").replace("%", "")
        
        # ✅ CRUCIAL : Remplacer la virgule par un point (format Python)
        cleaned = cleaned.replace(",", ".")
        
        return float(cleaned) if cleaned else 0.0
    except (ValueError, AttributeError):
        return 0.0


# ============================================================================
# STYLES CSS SPÉCIFIQUES AU MODULE CHECK_UP_LOANS
# ============================================================================

def apply_checkup_loans_styles():
    st.markdown("""
    <style>
    /* ========================================
       WRAPPER D'ISOLATION DU MODULE
       ======================================== */
    #checkup-loans-module {
        padding: 1rem;
        margin: 0 auto;
        max-width: 100%;
    }
    
    /* ========================================
       CARTES D'INFORMATION PRÊT
       ======================================== */
    #checkup-loans-module .checkup-loan-card {
        background: rgba(22, 27, 34, 0.6);
        border: 1px solid rgba(48, 54, 61, 0.8);
        border-left: 4px solid #58a6ff;
        border-radius: 8px;
        padding: 20px;
        margin: 1rem 0;
        box-shadow: 0 2px 4px rgba(0, 0, 0, 0.3);
    }
    
    #checkup-loans-module .checkup-loan-card h3 {
        color: #58a6ff !important;
        margin-bottom: 1rem;
        font-size: 1.2rem;
    }
    
    /* ========================================
       TABLEAU COMPARATIF AVANT/APRÈS
       ======================================== */
    #checkup-loans-module .checkup-comparison-table {
        background: rgba(22, 27, 34, 0.4);
        border: 1px solid rgba(88, 166, 255, 0.3);
        border-radius: 8px;
        padding: 16px;
        margin: 1.5rem 0;
    }
    
    #checkup-loans-module .checkup-comparison-table table {
        width: 100%;
        border-collapse: collapse;
    }
    
    #checkup-loans-module .checkup-comparison-table th {
        background: rgba(88, 166, 255, 0.2);
        color: #58a6ff !important;
        padding: 12px;
        text-align: left;
        font-weight: 700;
        text-transform: uppercase;
        font-size: 0.85rem;
    }
    
    #checkup-loans-module .checkup-comparison-table td {
        padding: 10px 12px;
        border-bottom: 1px solid rgba(48, 54, 61, 0.4);
    }
    
    /* ========================================
       ALERTES DE BLOCAGE
       ======================================== */
    #checkup-loans-module .checkup-blocked-alert {
        background: rgba(231, 76, 60, 0.15);
        border: 2px solid rgba(231, 76, 60, 0.6);
        border-left: 6px solid #e74c3c;
        border-radius: 8px;
        padding: 20px;
        margin: 2rem 0;
    }
    
    #checkup-loans-module .checkup-blocked-alert h3 {
        color: #e74c3c !important;
        margin-bottom: 1rem;
    }
    
    /* ========================================
       WARNINGS (AVERTISSEMENTS)
       ======================================== */
    #checkup-loans-module .checkup-warning-box {
        background: rgba(243, 156, 18, 0.12);
        border: 1px solid rgba(243, 156, 18, 0.4);
        border-left: 4px solid #f39c12;
        border-radius: 6px;
        padding: 16px;
        margin: 1rem 0;
    }
    
    /* ========================================
       BOUTONS D'ACTION
       ======================================== */
    #checkup-loans-module .checkup-action-btn button {
        background: linear-gradient(135deg, rgba(88, 166, 255, 0.15) 0%, rgba(88, 166, 255, 0.08) 100%);
        border: 1px solid rgba(88, 166, 255, 0.6);
        color: #58a6ff !important;
        font-weight: 600;
        font-size: 0.9rem;
        letter-spacing: 0.5px;
        border-radius: 6px;
        padding: 12px 24px;
        transition: all 0.3s ease;
        text-transform: uppercase;
    }
    
    #checkup-loans-module .checkup-action-btn button:hover {
        background: linear-gradient(135deg, rgba(88, 166, 255, 0.25) 0%, rgba(88, 166, 255, 0.15) 100%);
        border-color: rgba(88, 166, 255, 1);
        box-shadow: 0 0 20px rgba(88, 166, 255, 0.4);
        transform: translateY(-2px);
    }
    
    /* ========================================
       BADGES DE STATUT
       ======================================== */
    #checkup-loans-module .checkup-status-badge {
        display: inline-block;
        padding: 6px 14px;
        border-radius: 20px;
        font-size: 0.8rem;
        font-weight: 600;
        letter-spacing: 0.5px;
        text-transform: uppercase;
    }
    
    #checkup-loans-module .checkup-status-actif {
        background: rgba(84, 189, 75, 0.2);
        color: #54bd4b;
        border: 1px solid rgba(84, 189, 75, 0.4);
    }
    
    #checkup-loans-module .checkup-status-updated {
        background: rgba(243, 156, 18, 0.2);
        color: #f39c12;
        border: 1px solid rgba(243, 156, 18, 0.4);
    }
    
    /* ========================================
       SÉPARATEURS
       ======================================== */
    #checkup-loans-module .checkup-section-divider {
        height: 2px;
        background: linear-gradient(90deg, transparent 0%, rgba(88, 166, 255, 0.4) 50%, transparent 100%);
        margin: 2.5rem 0;
    }
    
    /* ========================================
       MÉTRIQUES
       ======================================== */
    #checkup-loans-module [data-testid="stMetric"] {
        background: rgba(22, 27, 34, 0.6);
        border: 1px solid rgba(48, 54, 61, 0.8);
        border-radius: 6px;
        padding: 16px;
        box-shadow: 0 1px 3px rgba(0, 0, 0, 0.4);
    }
    
    #checkup-loans-module [data-testid="stMetric"] label {
        color: #8b949e !important;
        font-size: 0.75rem !important;
        font-weight: 500 !important;
        text-transform: uppercase;
        letter-spacing: 0.8px;
    }
    
    #checkup-loans-module [data-testid="stMetric"] [data-testid="stMetricValue"] {
        color: #58a6ff !important;
        font-size: 1.6rem !important;
        font-weight: 600 !important;
    }
    
    /* ========================================
       RESPONSIVE
       ======================================== */
    @media (max-width: 768px) {
        #checkup-loans-module .checkup-loan-card {
            padding: 15px;
        }
        
        #checkup-loans-module [data-testid="stMetric"] [data-testid="stMetricValue"] {
            font-size: 1.3rem !important;
        }
    }
    </style>
    """, unsafe_allow_html=True)


# ============================================================================
# FONCTION PRINCIPALE DU MODULE
# ============================================================================

def show_check_up_loans(client, sheet_name):
    """
    Module de mise à jour (Check-Up) des prêts existants.
    
    Workflow:
    1. Sélection du CLIENT depuis Clients_KYC
    2. Identification des prêts ACTIF du client
    3. Vérification des remboursements (blocage si existants)
    4. Formulaire de modification
    5. Mise à jour : Statut UPDATED dans Prets_Master + Création dans Prets_Update
    6. Génération des nouveaux documents
    """
    apply_checkup_loans_styles()
    st.markdown('<div id="checkup-loans-module">', unsafe_allow_html=True)
    
    st.header("MISE À JOUR DE PRÊT")
    st.markdown("*Modification des conditions d'un prêt avant tout remboursement*")
    
    st.markdown('<div class="checkup-section-divider"></div>', unsafe_allow_html=True)
    
    # ============================================================================
    # ÉTAPE 1 : CHARGEMENT DES DONNÉES
    # ============================================================================
    
    try:
        sh = client.open(sheet_name)
        
        # Chargement des feuilles nécessaires
        df_clients = get_cached_data(client, sheet_name, "Clients_KYC")
        df_prets = get_cached_data(client, sheet_name, "Prets_Master")
        df_remboursements = get_cached_data(client, sheet_name, "Remboursements")
        
        # Chargement optionnel des garants
        try:
            df_garants = get_cached_data(client, sheet_name, "Garants_KYC")
        except Exception as e:
            st.warning(f"⚠️ Feuille Garants_KYC non accessible : {e}")
            df_garants = pd.DataFrame()
            
    except Exception as e:
        st.error(f"❌ Erreur de connexion à Google Sheets : {e}")
        st.markdown('</div>', unsafe_allow_html=True)
        return
    
    # Vérification données clients
    if df_clients.empty:
        st.error("🛑 Aucun client trouvé dans la base KYC.")
        st.info(" Veuillez d'abord enregistrer des clients avant de pouvoir modifier des prêts.")
        st.markdown('</div>', unsafe_allow_html=True)
        return
    
    # Vérification données prêts
    if df_prets.empty:
        st.warning("Aucun prêt n'a encore été octroyé.")
        st.info("Utilisez le module 'Moteur Financier : Octroi de Prêt' pour créer un premier prêt.")
        st.markdown('</div>', unsafe_allow_html=True)
        return
    
    # ============================================================================
    # ÉTAPE 2 : SÉLECTION DU CLIENT
    # ============================================================================
    
    st.subheader(" Étape 1 : Sélectionner le client")
    
    # Préparation de la liste de sélection
    df_clients['search_label'] = df_clients['ID_Client'].astype(str) + " - " + df_clients['Nom_Complet'].astype(str)
    
    selected_client_label = st.selectbox(
        "Rechercher un client",
        [""] + df_clients['search_label'].tolist(),
        help="Sélectionnez le client dont vous souhaitez modifier un prêt"
    )
    
    if not selected_client_label:
        st.info("Sélectionnez un client pour commencer")
        st.markdown('</div>', unsafe_allow_html=True)
        return
    
    # Récupération des informations du client
    client_info = df_clients[df_clients['search_label'] == selected_client_label].iloc[0]
    client_id = client_info['ID_Client']
    
    st.success(f" Client sélectionné : **{client_info['Nom_Complet']}** (ID: {client_id})")
    
    st.markdown('<div class="checkup-section-divider"></div>', unsafe_allow_html=True)
    
    # ============================================================================
    # ÉTAPE 3 : IDENTIFICATION DES PRÊTS ACTIFS DU CLIENT
    # ============================================================================
    
    st.subheader("Étape 2 : Identifier le prêt à modifier")
    
    # Filtrage des prêts ACTIF du client sélectionné
    df_prets_client = df_prets[
        (df_prets['ID_Client'] == client_id) & 
        (df_prets['Statut'] == 'ACTIF')
    ]
    
    # Cas A : Aucun prêt actif
    if df_prets_client.empty:
        st.markdown('<div class="checkup-blocked-alert">', unsafe_allow_html=True)
        st.markdown("### ⚠️ Aucun prêt actif trouvé")
        st.markdown(f"""
        Le client **{client_info['Nom_Complet']}** n'a actuellement aucun prêt avec le statut **ACTIF**.
        
        **Raisons possibles :**
        - Tous les prêts ont été remboursés (statut : SOLDE)
        - Des prêts ont déjà été modifiés (statut : UPDATED)
        - Aucun prêt n'a encore été octroyé à ce client
        
        **Solution** : Utilisez le module 'Moteur Financier' pour octroyer un nouveau prêt.
        """)
        st.markdown('</div>', unsafe_allow_html=True)
        st.markdown('</div>', unsafe_allow_html=True)
        return
    
    # Cas B : 1 seul prêt actif → Sélection automatique
    if len(df_prets_client) == 1:
        selected_loan = df_prets_client.iloc[0]
        st.info(f"**1 prêt actif détecté** - Sélection automatique : **{selected_loan['ID_Pret']}**")
    
    # Cas C : Plusieurs prêts actifs → Choix utilisateur
    else:
        st.warning(f"⚠️ **{len(df_prets_client)} prêts actifs** détectés pour ce client")
        
        # Préparation de la liste de sélection des prêts
        df_prets_client['loan_label'] = df_prets_client.apply(
            lambda row: f"{row['ID_Pret']} | {int(clean_currency_value(row['Montant_Capital'])):,} XOF | Échéance: {row['Date_Fin']}".replace(",", " "),
            axis=1
        )
        
        selected_loan_label = st.selectbox(
            "Sélectionnez le prêt à modifier",
            df_prets_client['loan_label'].tolist(),
            help="Choisissez le prêt que vous souhaitez mettre à jour"
        )
        
        # Récupération du prêt sélectionné
        selected_loan = df_prets_client[df_prets_client['loan_label'] == selected_loan_label].iloc[0]
    
    # ============================================================================
    # ÉTAPE 4 : VÉRIFICATION BLOQUANTE - REMBOURSEMENTS
    # ============================================================================
    
    loan_id = selected_loan['ID_Pret']
    
    # Check si le prêt a reçu au moins 1 remboursement
    if not df_remboursements.empty:
        has_payments = not df_remboursements[df_remboursements['ID_Pret'] == loan_id].empty
        
        if has_payments:
            # BLOCAGE TOTAL
            df_payments = df_remboursements[df_remboursements['ID_Pret'] == loan_id]
            
            st.markdown('<div class="checkup-blocked-alert">', unsafe_allow_html=True)
            st.markdown("### ⛔ MODIFICATION IMPOSSIBLE")
            st.markdown(f"""
            Le prêt **{loan_id}** a déjà fait l'objet de **{len(df_payments)} remboursement(s)**.
            
            **Remboursements détectés :**
            """)
            
            # Affichage des remboursements
            for idx, payment in df_payments.head(5).iterrows():
                montant = int(clean_currency_value(payment.get('Montant_Verse', 0)))
                date_paiement = payment.get('Date_Paiement', 'N/A')
                st.markdown(f"- **{date_paiement}** : {montant:,} XOF".replace(",", " "))
            
            if len(df_payments) > 5:
                st.markdown(f"- *... et {len(df_payments) - 5} autre(s) paiement(s)*")
            
            st.markdown("""
            ---
            **Règle de sécurité** : La modification d'un prêt n'est autorisée que **AVANT le premier remboursement**.
            
            **Solutions alternatives :**
            1. Créer un nouveau prêt avec les nouvelles conditions
            2. Négocier un rééchelonnement (module à venir)
            3. Contacter le service juridique pour un avenant contractuel
            """)
            st.markdown('</div>', unsafe_allow_html=True)
            st.markdown('</div>', unsafe_allow_html=True)
            return
    
    # Aucun remboursement → Autorisation de modifier
    st.success(f"Aucun remboursement détecté - **Modification autorisée** pour le prêt {loan_id}")
    
    st.markdown('<div class="checkup-section-divider"></div>', unsafe_allow_html=True)
    
    # ============================================================================
    # ÉTAPE 5 : AFFICHAGE DES INFORMATIONS ACTUELLES
    # ============================================================================
    
    st.subheader("Étape 3 : Informations actuelles du prêt")
    
    st.markdown('<div class="checkup-loan-card">', unsafe_allow_html=True)
    st.markdown(f"### Prêt {loan_id}")
    
    # ✅ CORRECTION PROBLÈME 1 : Utiliser clean_percentage_value_local au lieu de clean_percentage_value
    montant_capital_actuel = clean_currency_value(selected_loan['Montant_Capital'])
    taux_hebdo_actuel = clean_taux_value(selected_loan['Taux_Hebdo'])
    # ✅ CORRECTION TAUX ENDETTEMENT - Utilise clean_percentage_value corrigé
    taux_endettement_actuel = clean_percentage_value(selected_loan.get('Taux_Endettement', 0))
        
    
    duree_semaines_actuel = clean_currency_value(selected_loan['Duree_Semaines'])
    montant_total_actuel = clean_currency_value(selected_loan['Montant_Total'])
    cout_credit_actuel = clean_currency_value(selected_loan['Cout_Credit'])
    
    # Affichage en colonnes
    col1, col2, col3 = st.columns(3)
    
    with col1:
        st.metric("Montant Capital", f"{int(montant_capital_actuel):,} XOF".replace(",", " "))
        st.metric("Type de prêt", selected_loan['Type_Pret'])
        st.metric("Date déblocage", selected_loan['Date_Deblocage'])
    
    with col2:
        st.metric("Taux hebdomadaire", f"{taux_hebdo_actuel}%")
        st.metric("Taux d'endettement", f"{taux_endettement_actuel:.2f}%")  # ✅ Maintenant affiche 54.94%
        st.metric("Durée", f"{int(duree_semaines_actuel)} semaines")
        st.metric("Moyen de transfert", selected_loan.get('Moyen_Transfert', 'N/A'))
    
    with col3:
        st.metric("Montant Total", f"{int(montant_total_actuel):,} XOF".replace(",", " "))
        st.metric("Coût du crédit", f"{int(cout_credit_actuel):,} XOF".replace(",", " "))
        st.metric("Date de fin", selected_loan['Date_Fin'])
    
    # Informations supplémentaires
    st.markdown("---")
    st.markdown(f"**Client :** {selected_loan['Nom_Complet']}")
    st.markdown(f"**Motif du prêt :** {selected_loan.get('Motif', 'Non renseigné')}")
    
    # Garant si existant
    garant_id_actuel = selected_loan.get('ID_Garant', '')
    if garant_id_actuel and garant_id_actuel != '' and not df_garants.empty:
        garant_info = df_garants[df_garants['ID_Garant'] == garant_id_actuel]
        if not garant_info.empty:
            st.markdown(f"**Garant :** {garant_info.iloc[0]['Nom_Complet']} (ID: {garant_id_actuel})")
    
    st.markdown(f"<span class='checkup-status-badge checkup-status-actif'>Statut : {selected_loan['Statut']}</span>", unsafe_allow_html=True)
    
    st.markdown('</div>', unsafe_allow_html=True)
    
    st.markdown('<div class="checkup-section-divider"></div>', unsafe_allow_html=True)
    
    # ============================================================================
    # ÉTAPE 6 : FORMULAIRE DE MODIFICATION
    # ============================================================================
    
    st.subheader(" Étape 4 : Nouvelles conditions du prêt")
    
    st.info(" Modifiez les paramètres ci-dessous. Les montants seront recalculés automatiquement.")
    
    # Initialisation des variables de session pour éviter les pertes de données
    if 'dates_perso_update' not in st.session_state:
        # Récupération des dates existantes si type PERSONNALISE
        dates_str = selected_loan.get('Dates_Versements', '')
        if dates_str and dates_str != '':
            try:
                dates_list = [datetime.strptime(d.strip(), "%d/%m/%Y").date() for d in dates_str.split(';')]
                st.session_state.dates_perso_update = dates_list
            except:
                st.session_state.dates_perso_update = [date.today() + timedelta(weeks=2)]
        else:
            st.session_state.dates_perso_update = [date.today() + timedelta(weeks=2)]
    
    # Configuration en colonnes
    col_motif, col_type, col_moyen = st.columns(3)
    
    with col_motif:
        nouveau_motif = st.selectbox(
            "Motif du prêt",
            [
                "Commerce / Achat de stock",
                "Investissement",
                "Trésorerie professionnelle",
                "Lancement d'activité",
                "Développement d'activité",
                "Agriculture / Élevage",
                "Transport / Logistique",
                "Urgence médicale",
                "Scolarité / Formation",
                "Logement / Habitat",
                "Réparations",
                "Événements familiaux",
                "Voyage / Déplacement",
                "Consommation",
                "Achat d'équipement personnel",
                "Projet personnel",
                "Autre"
            ],
            index=0 if selected_loan.get('Motif', '') not in [
                "Commerce / Achat de stock", "Investissement", "Trésorerie professionnelle",
                "Lancement d'activité", "Développement d'activité", "Agriculture / Élevage",
                "Transport / Logistique", "Urgence médicale", "Scolarité / Formation",
                "Logement / Habitat", "Réparations", "Événements familiaux",
                "Voyage / Déplacement", "Consommation", "Achat d'équipement personnel",
                "Projet personnel", "Autre"
            ] else [
                "Commerce / Achat de stock", "Investissement", "Trésorerie professionnelle",
                "Lancement d'activité", "Développement d'activité", "Agriculture / Élevage",
                "Transport / Logistique", "Urgence médicale", "Scolarité / Formation",
                "Logement / Habitat", "Réparations", "Événements familiaux",
                "Voyage / Déplacement", "Consommation", "Achat d'équipement personnel",
                "Projet personnel", "Autre"
            ].index(selected_loan.get('Motif', 'Autre'))
        )
    
    with col_type:
        type_options = ["In Fine", "Mensuel - Intérêts", "Mensuel - Constant", "Hebdomadaire", "Personnalisé"]
        type_code_map = {
            "In Fine": "IN_FINE",
            "Mensuel - Intérêts": "MENSUEL_INTERETS",
            "Mensuel - Constant": "MENSUEL_CONSTANT",
            "Hebdomadaire": "HEBDOMADAIRE",
            "Personnalisé": "PERSONNALISE"
        }
        type_reverse_map = {v: k for k, v in type_code_map.items()}
        
        current_type_display = type_reverse_map.get(selected_loan['Type_Pret'], "In Fine")
        
        nouveau_type = st.selectbox(
            "Type de remboursement",
            type_options,
            index=type_options.index(current_type_display)
        )
        nouveau_type_code = type_code_map[nouveau_type]
    
    with col_moyen:
        moyen_actuel = selected_loan.get('Moyen_Transfert', 'Wave')
        nouveau_moyen = st.selectbox(
            "Moyen de transfert",
            ["Wave", "Orange Money", "Virement"],
            index=["Wave", "Orange Money", "Virement"].index(moyen_actuel) if moyen_actuel in ["Wave", "Orange Money", "Virement"] else 0
        )
    
    # Paramètres financiers
    col1, col2, col3 = st.columns(3)
    
    nouveau_montant = col1.number_input(
        "Montant Capital (XOF)",
        min_value=10000,
        value=int(montant_capital_actuel),
        step=10000,
        help="⚠️ Modification autorisée du montant capital"
    )
    
    nouveau_taux = col2.number_input(
        "Taux Hebdo (%)",
        min_value=0.1,
        value=float(taux_hebdo_actuel),
        step=0.1
    )
    
    # La durée sera définie spécifiquement selon le type de prêt
    # (voir bloc de calcul ci-dessous)
    
    # ============================================================================
    # CALCULS AUTOMATIQUES SELON LE TYPE DE PRÊT
    # ============================================================================
    
    # Initialisation des variables
    nouveau_montant_versement = 0
    nouveau_montant_total = 0
    nouveau_cout_credit = 0
    nouveau_nb_versements = 0
    nouvelle_duree_semaines = 0
    nouvelles_dates_versements = []
    
    # ✅ CORRECTION : Utiliser Date_Deblocage au lieu de date.today()
    try:
        nouvelle_date_debut = datetime.strptime(selected_loan['Date_Deblocage'], "%d/%m/%Y").date()
    except:
        # Fallback si le format est différent
        nouvelle_date_debut = date.today()
    
    nouvelle_date_fin = nouvelle_date_debut
    
    # -----------------------------------------------------------
    # 1. LOGIQUE IN FINE (1 seul versement à la fin)
    # -----------------------------------------------------------
    if nouveau_type_code == "IN_FINE":
        nouvelle_duree_semaines = col3.number_input(
            "Durée (en semaines)", 
            min_value=1, 
            max_value=104, 
            value=int(duree_semaines_actuel) if selected_loan['Type_Pret'] == 'IN_FINE' else 8
        )
        nouvelle_date_fin = nouvelle_date_debut + timedelta(weeks=int(nouvelle_duree_semaines))
        
        # Calculs
        nouveau_montant_total = nouveau_montant * (1 + (nouveau_taux / 100) * nouvelle_duree_semaines)
        nouveau_cout_credit = nouveau_montant_total - nouveau_montant
        nouveau_montant_versement = nouveau_montant_total
        nouveau_nb_versements = 1
        
        # Affichage résultat simulation
        st.markdown("### Simulation des nouveaux montants")
        res1, res2, res3 = st.columns(3)
        res1.metric("Versement unique", f"{int(nouveau_montant_versement):,} XOF".replace(",", " "))
        res2.metric("Coût du crédit", f"{int(nouveau_cout_credit):,} XOF".replace(",", " "))
        res3.metric("Montant Total", f"{int(nouveau_montant_total):,} XOF".replace(",", " "), 
                    delta=f"+{int(nouveau_cout_credit):,}")

    # -----------------------------------------------------------
    # 2. LOGIQUE MENSUEL - INTÉRÊTS (Remboursement capital à la fin)
    # -----------------------------------------------------------
    elif nouveau_type_code == "MENSUEL_INTERETS":
        nouvelle_duree_mois = col3.number_input(
            "Durée (en mois)", 
            min_value=1, 
            max_value=60, 
            value=int(duree_semaines_actuel / 4.33) if selected_loan['Type_Pret'] == 'MENSUEL_INTERETS' else 12
        )
        nouvelle_date_fin = nouvelle_date_debut + timedelta(days=int(nouvelle_duree_mois * 30))
        
        # Conversion et Calculs
        nouvelle_duree_semaines = nouvelle_duree_mois * 4.33
        taux_mensuel = (nouveau_taux / 100) * 4.33
        interet_mensuel = nouveau_montant * taux_mensuel
        
        nouveau_montant_versement = interet_mensuel
        montant_final_mois = nouveau_montant + interet_mensuel
        nouveau_montant_total = (interet_mensuel * nouvelle_duree_mois) + nouveau_montant
        nouveau_cout_credit = nouveau_montant_total - nouveau_montant
        nouveau_nb_versements = int(nouvelle_duree_mois)

        # Affichage résultat simulation
        st.markdown("### Simulation des nouveaux montants")
        res1, res2 = st.columns(2)
        res1.metric("Intérêts mensuels", f"{int(interet_mensuel):,} XOF".replace(",", " "))
        res2.metric("Dernier versement", f"{int(montant_final_mois):,} XOF".replace(",", " "))
        
        res3, res4 = st.columns(2)
        res3.metric("Coût du crédit", f"{int(nouveau_cout_credit):,} XOF".replace(",", " "))
        res4.metric("Montant Total", f"{int(nouveau_montant_total):,} XOF".replace(",", " "), 
                    delta=f"+{int(nouveau_cout_credit):,}")

    # -----------------------------------------------------------
    # 3. LOGIQUE MENSUEL - CONSTANT (Amortissement classique)
    # -----------------------------------------------------------
    elif nouveau_type_code == "MENSUEL_CONSTANT":
        nouvelle_duree_mois = col3.number_input(
            "Durée (en mois)", 
            min_value=1, 
            max_value=60, 
            value=int(duree_semaines_actuel / 4.33) if selected_loan['Type_Pret'] == 'MENSUEL_CONSTANT' else 12
        )
        nouvelle_date_fin = nouvelle_date_debut + timedelta(days=int(nouvelle_duree_mois * 30))
        
        # Conversion et Calculs
        nouvelle_duree_semaines = nouvelle_duree_mois * 4.33
        taux_mensuel = (nouveau_taux / 100) * 4.33
        
        if taux_mensuel > 0:
            mensualite = (nouveau_montant * taux_mensuel) / (1 - (1 + taux_mensuel)**(-nouvelle_duree_mois))
        else:
            mensualite = nouveau_montant / nouvelle_duree_mois
        
        nouveau_montant_versement = mensualite
        nouveau_montant_total = mensualite * nouvelle_duree_mois
        nouveau_cout_credit = nouveau_montant_total - nouveau_montant
        nouveau_nb_versements = int(nouvelle_duree_mois)

        # Affichage résultat simulation
        st.markdown("### Simulation des nouveaux montants")
        res1, res2, res3 = st.columns(3)
        res1.metric("Mensualité constante", f"{int(mensualite):,} XOF".replace(",", " "))
        res2.metric("Coût du crédit", f"{int(nouveau_cout_credit):,} XOF".replace(",", " "))
        res3.metric("Montant Total", f"{int(nouveau_montant_total):,} XOF".replace(",", " "), 
                    delta=f"+{int(nouveau_cout_credit):,}")

    # -----------------------------------------------------------
    # 4. LOGIQUE HEBDOMADAIRE
    # -----------------------------------------------------------
    elif nouveau_type_code == "HEBDOMADAIRE":
        nouvelle_duree_semaines = col3.number_input(
            "Durée (en semaines)", 
            min_value=1, 
            max_value=104, 
            value=int(duree_semaines_actuel) if selected_loan['Type_Pret'] == 'HEBDOMADAIRE' else 12
        )
        nouvelle_date_fin = nouvelle_date_debut + timedelta(weeks=int(nouvelle_duree_semaines))
        
        # Calculs
        taux_hebdo_decimal = nouveau_taux / 100
        if taux_hebdo_decimal > 0:
            hebdomadalite = (nouveau_montant * taux_hebdo_decimal) / (1 - (1 + taux_hebdo_decimal)**(-nouvelle_duree_semaines))
        else:
            hebdomadalite = nouveau_montant / nouvelle_duree_semaines
        
        nouveau_montant_versement = hebdomadalite
        nouveau_montant_total = hebdomadalite * nouvelle_duree_semaines
        nouveau_cout_credit = nouveau_montant_total - nouveau_montant
        nouveau_nb_versements = int(nouvelle_duree_semaines)

        # Affichage résultat simulation
        st.markdown("### Simulation des nouveaux montants")
        res1, res2, res3 = st.columns(3)
        res1.metric("Versement Hebdo", f"{int(hebdomadalite):,} XOF".replace(",", " "))
        res2.metric("Coût du crédit", f"{int(nouveau_cout_credit):,} XOF".replace(",", " "))
        res3.metric("Montant Total", f"{int(nouveau_montant_total):,} XOF".replace(",", " "), 
                    delta=f"+{int(nouveau_cout_credit):,}")

    # -----------------------------------------------------------
    # 5. LOGIQUE PERSONNALISÉE (Dates manuelles)
    # -----------------------------------------------------------
    else:  # PERSONNALISE
        st.info(" Configurez les dates de versement ci-dessous")
        
        # Interface d'ajout de dates
        st.markdown("**Dates de versement :**")
        col_add, col_reset = st.columns([1, 4])
        if col_add.button("Ajouter", key="add_date_update"):
            last_date = st.session_state.dates_perso_update[-1]
            st.session_state.dates_perso_update.append(last_date + timedelta(weeks=1))
            st.rerun()
        
        # ✅ CORRECTION PROBLÈME 2 : Ajuster les dates passées
        nouvelles_dates_versements = []
        for idx, dt in enumerate(st.session_state.dates_perso_update):
            col_d, col_x = st.columns([4, 1])
            
            # ✅ CORRECTION : S'assurer que la date par défaut n'est jamais avant aujourd'hui
            today = date.today()
            safe_default_date = max(dt, today)  # Prend la plus récente entre la date stockée et aujourd'hui
            
            # Afficher un warning si la date a été ajustée
            if dt < today and idx == 0:
                st.warning(f"⚠️ La date originale ({dt.strftime('%d/%m/%Y')}) est passée. Ajustée à aujourd'hui ({today.strftime('%d/%m/%Y')}).")
            
            new_date = col_d.date_input(
                f"Echéance {idx+1}", 
                value=safe_default_date,  # ✅ CORRECTION : Utiliser safe_default_date
                key=f"d_update_{idx}", 
                min_value=today  # min_value = aujourd'hui
            )
            nouvelles_dates_versements.append(new_date)
            if col_x.button("♦️", key=f"del_update_{idx}") and len(st.session_state.dates_perso_update) > 1:
                st.session_state.dates_perso_update.pop(idx)
                st.rerun()
        
        st.session_state.dates_perso_update = nouvelles_dates_versements
        
        # Calculs basés sur les dates
        if nouvelles_dates_versements:
            nouvelles_dates_versements.sort()
            nouvelle_date_fin = nouvelles_dates_versements[-1]
            delta_days = (nouvelle_date_fin - nouvelle_date_debut).days
            nouvelle_duree_semaines = max(1, delta_days / 7)
            
            nouveau_montant_total = nouveau_montant * (1 + (nouveau_taux / 100) * nouvelle_duree_semaines)
            nouveau_cout_credit = nouveau_montant_total - nouveau_montant
            nouveau_nb_versements = len(nouvelles_dates_versements)
            nouveau_montant_versement = nouveau_montant_total / nouveau_nb_versements
    
            # Affichage résultat simulation
            st.markdown("### Simulation des nouveaux montants")
            res1, res2 = st.columns(2)
            res1.metric("Moyenne/Versement", f"{int(nouveau_montant_versement):,} XOF".replace(",", " "))
            res2.metric("Durée estimée", f"{int(nouvelle_duree_semaines)} sem")
            
            res3, res4 = st.columns(2)
            res3.metric("Coût du crédit", f"{int(nouveau_cout_credit):,} XOF".replace(",", " "))
            res4.metric("Montant Total", f"{int(nouveau_montant_total):,} XOF".replace(",", " "), 
                        delta=f"+{int(nouveau_cout_credit):,}")



    # ============================================================================
    # CALCUL DU TAUX D'ENDETTEMENT POUR LE NOUVEAU PRÊT
    # ============================================================================
    
    from Analytics.AnalyseFinance import calculer_taux_endettement
    
    # Calcul du nouveau taux
    nouveau_taux_endettement = calculer_taux_endettement(
        nouveau_type_code, 
        nouveau_montant_versement, 
        nouveau_nb_versements, 
        nouvelle_duree_semaines, 
        client_info['Revenus_Mensuels']
    )
    
    # Affichage pour information
    if nouveau_taux_endettement > 0:
        st.info(f" **Nouveau taux d'endettement calculé** : {nouveau_taux_endettement:.2f}%")
        
        # Warning si le taux dépasse 33%
        if nouveau_taux_endettement > 33:
            st.warning(f"⚠️ Le taux d'endettement ({nouveau_taux_endettement:.2f}%) dépasse le seuil recommandé de 33%")

        
    
    # ============================================================================
    # COMPARAISON AVANT / APRÈS
    # ============================================================================
    
    st.markdown('<div class="checkup-section-divider"></div>', unsafe_allow_html=True)
    st.subheader(" Comparaison Avant / Après")
    
    st.markdown('<div class="checkup-comparison-table">', unsafe_allow_html=True)
    
    # Calcul des différences
    diff_montant_total = nouveau_montant_total - montant_total_actuel
    diff_cout_credit = nouveau_cout_credit - cout_credit_actuel
    diff_duree = nouvelle_duree_semaines - duree_semaines_actuel
    
    # Tableau comparatif
    comparison_data = {
        "Paramètre": [
            "Type de prêt",
            "Montant Capital",
            "Taux hebdomadaire",
            "Taux endettement",
            "Durée",
            "Montant Total",
            "Coût du crédit",
            "Date de fin"
        ],
        "AVANT": [
            selected_loan['Type_Pret'],
            f"{int(montant_capital_actuel):,} XOF".replace(",", " "),
            f"{taux_hebdo_actuel}%",
            f"{taux_endettement_actuel:.2f}%" if taux_endettement_actuel > 0 else "N/A",  # ✅ Maintenant correct
            f"{int(duree_semaines_actuel)} semaines",
            f"{int(montant_total_actuel):,} XOF".replace(",", " "),
            f"{int(cout_credit_actuel):,} XOF".replace(",", " "),
            selected_loan['Date_Fin']
        ],
        "APRÈS": [
            nouveau_type_code,
            f"{int(nouveau_montant):,} XOF".replace(",", " "),
            f"{nouveau_taux}%",
            f"{nouveau_taux_endettement:.2f}%",
            f"{int(nouvelle_duree_semaines)} semaines",
            f"{int(nouveau_montant_total):,} XOF".replace(",", " "),
            f"{int(nouveau_cout_credit):,} XOF".replace(",", " "),
            nouvelle_date_fin.strftime("%d/%m/%Y")
        ],
        "DIFFÉRENCE": [
            "Modifié" if nouveau_type_code != selected_loan['Type_Pret'] else "=",
            f"{int(nouveau_montant - montant_capital_actuel):+,} XOF".replace(",", " ") if nouveau_montant != montant_capital_actuel else "=",
            f"{nouveau_taux - taux_hebdo_actuel:+.1f}%" if nouveau_taux != taux_hebdo_actuel else "=",
            f"{nouveau_taux_endettement - taux_endettement_actuel:+.1f}%" if taux_endettement_actuel > 0 else f"{nouveau_taux_endettement:.1f}%",  # ✅ Maintenant correct
            f"{int(diff_duree):+} sem" if diff_duree != 0 else "=",
            f"{int(diff_montant_total):+,} XOF".replace(",", " ") if diff_montant_total != 0 else "=",
            f"{int(diff_cout_credit):+,} XOF".replace(",", " ") if diff_cout_credit != 0 else "=",
            f"{int((nouvelle_date_fin - datetime.strptime(selected_loan['Date_Fin'], '%d/%m/%Y').date()).days):+} jours" if nouvelle_date_fin != datetime.strptime(selected_loan['Date_Fin'], '%d/%m/%Y').date() else "="
        ]
    }
    
    df_comparison = pd.DataFrame(comparison_data)
    st.dataframe(df_comparison, hide_index=True, use_container_width=True)
    
    st.markdown('</div>', unsafe_allow_html=True)
    
    # ============================================================================
    # WARNINGS / ALERTES
    # ============================================================================
    
    warnings = []
    
    # Warning 1 : Augmentation significative du coût
    if diff_cout_credit > (cout_credit_actuel * 0.15):
        warnings.append(f"⚠️ Le coût du crédit augmente de **{int(diff_cout_credit):,} XOF** (+{(diff_cout_credit/cout_credit_actuel*100):.1f}%)".replace(",", " "))
    
    # Warning 2 : Prolongation importante
    if diff_duree > 8:
        warnings.append(f"⚠️ La durée du prêt est prolongée de **{int(diff_duree)} semaines**")
    
    # Warning 3 : Date de fin très éloignée
    if (nouvelle_date_fin - nouvelle_date_debut).days > 180:
        warnings.append(f"⚠️ La nouvelle date de fin ({nouvelle_date_fin.strftime('%d/%m/%Y')}) dépasse **6 mois**")
    
    # Warning 4 : Augmentation du montant capital
    if nouveau_montant > montant_capital_actuel:
        warnings.append(f" Le montant capital augmente de **{int(nouveau_montant - montant_capital_actuel):,} XOF**".replace(",", " "))
    
    if warnings:
        st.markdown('<div class="checkup-warning-box">', unsafe_allow_html=True)
        st.markdown("### ⚠️ Points d'attention")
        for warning in warnings:
            st.markdown(f"- {warning}")
        st.markdown('</div>', unsafe_allow_html=True)
    
    # ============================================================================
    # ANALYSE DE SOLVABILITÉ (NOUVEAU PRÊT)
    # ============================================================================
    
    st.markdown('<div class="checkup-section-divider"></div>', unsafe_allow_html=True)
    st.subheader(" Nouvelle analyse de solvabilité")
    
    # Appel du cerveau analytique
    analyse = analyser_capacite(
        nouveau_type_code, nouveau_montant, nouveau_taux, nouvelle_duree_semaines, 
        nouveau_montant_versement, nouveau_nb_versements,
        client_info['Revenus_Mensuels'], client_info.get('Charges_Estimees', 0), 
        nouveau_montant_total
    )
    
    st.markdown(f"### Statut : <span style='color:{analyse['couleur']}'>{analyse['statut']}</span>", 
                unsafe_allow_html=True)
    st.info(analyse['message'])
    
    with st.expander(" Détails financiers"):
        st.markdown(analyse['details'])
    
    # ============================================================================
    # GÉNÉRATION DU NOUVEAU TABLEAU D'AMORTISSEMENT
    # ============================================================================
    
    st.markdown('<div class="checkup-section-divider"></div>', unsafe_allow_html=True)
    st.subheader(" Nouveau tableau d'échéances")
    
    # Génération du tableau
    if nouveau_type_code == "PERSONNALISE":
        df_amort_nouveau = generer_tableau_amortissement(
            nouveau_type_code, nouveau_montant, nouveau_taux, nouvelle_duree_semaines,
            nouveau_montant_versement, nouveau_nb_versements, nouvelle_date_debut,
            dates_versements=nouvelles_dates_versements
        )
    else:
        df_amort_nouveau = generer_tableau_amortissement(
            nouveau_type_code, nouveau_montant, nouveau_taux, nouvelle_duree_semaines,
            nouveau_montant_versement, nouveau_nb_versements, nouvelle_date_debut
        )
    
    # Ajout de la colonne Type
    if not df_amort_nouveau.empty:
        df_amort_nouveau.insert(0, "Type", nouveau_type)
    
    st.dataframe(df_amort_nouveau, hide_index=True, use_container_width=True)
    
    # ============================================================================
    # VALIDATION ET ENREGISTREMENT
    # ============================================================================
    
    st.markdown('<div class="checkup-section-divider"></div>', unsafe_allow_html=True)
    st.subheader(" Validation de la mise à jour")
    
    st.info("🔒 **Attention** : Cette action va créer un nouveau prêt et archiver l'ancien avec le statut UPDATED.")
    
    # Formulaire de validation
    with st.form("form_update_loan"):
        st.markdown("### Confirmation")
        
        col_confirm1, col_confirm2 = st.columns(2)
        
        with col_confirm1:
            st.markdown(f"**Prêt à mettre à jour :** {loan_id}")
            st.markdown(f"**Client :** {client_info['Nom_Complet']}")
            st.markdown(f"**Nouveau montant total :** {int(nouveau_montant_total):,} XOF".replace(",", " "))
        
        with col_confirm2:
            st.markdown(f"**Nouveau type :** {nouveau_type_code}")
            st.markdown(f"**Nouvelle durée :** {int(nouvelle_duree_semaines)} semaines")
            st.markdown(f"**Nouvelle échéance :** {nouvelle_date_fin.strftime('%d/%m/%Y')}")
        
        # Champ optionnel : Commentaire de modification
        commentaire_modification = st.text_area(
            "Commentaire de modification (optionnel)",
            placeholder="Ex: Report de 3 semaines à la demande du client, Augmentation du capital pour extension d'activité...",
            help="Ce commentaire sera enregistré dans la feuille Prets_Update pour traçabilité"
        )
        
        submit_update = st.form_submit_button(" VALIDER LA MISE À JOUR", use_container_width=True)
        

    if submit_update:
        try:
            # ========================================================================
            # ÉTAPE A : MISE À JOUR DU STATUT DANS Prets_Master
            # ========================================================================
            
            with st.spinner(" Mise à jour du prêt en cours..."):
                ws_prets_master = sh.worksheet("Prets_Master")
                
                # Recherche de la ligne du prêt à modifier
                all_values = ws_prets_master.get_all_values()
                header = all_values[0]
                
                # Trouver l'index de la colonne Statut et ID_Pret
                try:
                    col_statut_idx = header.index('Statut') + 1  # +1 car gspread est en base 1
                    col_id_pret_idx = header.index('ID_Pret') + 1
                    col_date_update_idx = header.index('Date_Update') + 1 if 'Date_Update' in header else None
                except ValueError as e:
                    st.error(f"❌ Colonne manquante dans Prets_Master : {e}")
                    st.stop()
                
                # Trouver la ligne du prêt
                row_index = None
                for idx, row in enumerate(all_values[1:], start=2):  # Start=2 car ligne 1 = header
                    if row[col_id_pret_idx - 1] == loan_id:
                        row_index = idx
                        break
                
                if row_index is None:
                    st.error(f"❌ Prêt {loan_id} introuvable dans Prets_Master")
                    st.stop()
                
                # Mise à jour du statut
                ws_prets_master.update_cell(row_index, col_statut_idx, "UPDATED")
                
                # Mise à jour de Date_Update si la colonne existe
                if col_date_update_idx:
                    ws_prets_master.update_cell(
                        row_index, 
                        col_date_update_idx, 
                        datetime.now().strftime("%d-%m-%Y %H:%M:%S")
                    )
                
                time.sleep(1)  # Anti rate-limit
                
                st.success(f" Prêt {loan_id} → Statut changé en **UPDATED**")
            
            # ========================================================================
            # ÉTAPE B : CRÉATION DU NOUVEAU PRÊT DANS Prets_Update
            # ========================================================================
            
            with st.spinner(" Création du nouveau prêt dans Prets_Update..."):
                # Vérification/Création de la feuille Prets_Update
                try:
                    ws_prets_update = sh.worksheet("Prets_Update")
                except:
                    st.warning("⚠️ Feuille Prets_Update inexistante. Création en cours...")
                    
                    # Création de la feuille avec les bonnes colonnes
                    ws_prets_update = sh.add_worksheet(
                        title="Prets_Update",
                        rows=1000,
                        cols=25
                    )
                    
                    # ✅ CORRECTION - En-têtes avec Taux_Endettement
                    headers = [
                        "ID_Pret", "ID_Pret_Source", "Version", "Date_Modification",
                        "ID_Client", "Nom_Complet", "Type_Pret", "Motif",
                        "Montant_Capital", "Taux_Hebdo", "Taux_Endettement", "Duree_Semaines",  # ✅ Taux_Endettement ajouté
                        "Montant_Versement", "Montant_Total", "Cout_Credit",
                        "Nb_Versements", "Dates_Versements", "Date_Deblocage",
                        "Date_Fin", "Moyen_Transfert", "Statut", "ID_Garant",
                        "Date_Creation", "Commentaire_Modification"
                    ]
                    ws_prets_update.append_row(headers)
                    time.sleep(1)
                
                # Calcul de la version
                all_updates = ws_prets_update.get_all_values()
                version_count = sum(1 for row in all_updates[1:] if row[1] == loan_id)  # Colonne ID_Pret_Source
                nouvelle_version = version_count + 2  # +2 car V1 = original
                
                # Génération du nouvel ID
                nouveau_id = f"{loan_id}-V{nouvelle_version}"
                
                # Préparation des dates de versement
                dates_versements_str = ";".join([
                    d.strftime("%d/%m/%Y") for d in nouvelles_dates_versements
                ]) if nouvelles_dates_versements else ""
                
                # ✅ CORRECTION - Construction de la ligne de données (avec Taux_Endettement)
                row_data_update = [
                    nouveau_id,                                      # ID_Pret
                    loan_id,                                         # ID_Pret_Source
                    nouvelle_version,                                # Version
                    datetime.now().strftime("%d-%m-%Y %H:%M:%S"),   # Date_Modification
                    client_id,                                       # ID_Client
                    client_info['Nom_Complet'],                      # Nom_Complet
                    nouveau_type_code,                               # Type_Pret
                    nouveau_motif,                                   # Motif
                    nouveau_montant,                                 # Montant_Capital
                    nouveau_taux,                                    # Taux_Hebdo
                    round(nouveau_taux_endettement, 2),              # ✅ Taux_Endettement (maintenant aligné avec headers)
                    nouvelle_duree_semaines,                         # Duree_Semaines
                    round(nouveau_montant_versement),                # Montant_Versement
                    round(nouveau_montant_total),                    # Montant_Total
                    round(nouveau_cout_credit),                      # Cout_Credit
                    nouveau_nb_versements,                           # Nb_Versements
                    dates_versements_str,                            # Dates_Versements
                    selected_loan['Date_Deblocage'],                 # Date_Deblocage
                    nouvelle_date_fin.strftime("%d/%m/%Y"),          # Date_Fin
                    nouveau_moyen,                                   # Moyen_Transfert
                    "ACTIF",                                         # Statut
                    garant_id_actuel,                                # ID_Garant
                    datetime.now().strftime("%d-%m-%Y %H:%M:%S"),   # Date_Creation
                    commentaire_modification                         # Commentaire_Modification
                ]
                
                # Enregistrement
                ws_prets_update.append_row(row_data_update)
                time.sleep(1)
                
                st.success(f"✅ Nouveau prêt créé : **{nouveau_id}** dans Prets_Update")
            
            # ========================================================================
            # ÉTAPE C : SAUVEGARDE DANS SESSION STATE
            # ========================================================================
            
            st.session_state.loan_updated = True
            st.session_state.new_loan_id = nouveau_id
            st.session_state.new_loan_data = {
                "ID_Pret": nouveau_id,
                "ID_Pret_Source": loan_id,
                "Version": nouvelle_version,
                "Montant_Capital": nouveau_montant,
                "Montant_Total": nouveau_montant_total,
                "Taux_Hebdo": nouveau_taux,
                "Duree_Semaines": nouvelle_duree_semaines,
                "Montant_Versement": nouveau_montant_versement,  # ✅ AJOUT
                "Cout_Credit": nouveau_cout_credit,              # ✅ AJOUT
                "Nb_Versements": nouveau_nb_versements,          # ✅ AJOUT
                "Motif": nouveau_motif,
                "Date_Deblocage": selected_loan['Date_Deblocage'],
                "Date_Fin": nouvelle_date_fin.strftime("%d/%m/%Y"),
                "Type_Pret": nouveau_type_code
            }
            st.session_state.new_client_data = client_info.to_dict()
            
            # Récupération du garant si existant
            if garant_id_actuel and garant_id_actuel != '' and not df_garants.empty:
                garant_info = df_garants[df_garants['ID_Garant'] == garant_id_actuel]
                if not garant_info.empty:
                    st.session_state.new_garant_data = garant_info.iloc[0].to_dict()
                else:
                    st.session_state.new_garant_data = None
            else:
                st.session_state.new_garant_data = None
            
            st.session_state.new_df_amort = df_amort_nouveau.copy()
            
            # Nettoyage du cache pour forcer le rechargement
            st.cache_data.clear()
            
            st.success("Mise a jour effectuee avec succes !")
            
            
        except Exception as e:
            st.error(f"❌ Erreur lors de la mise à jour : {e}")
            st.exception(e)
            return  # ✅ AJOUT : Arrêter l'exécution ici en cas d'erreur
    
    # ============================================================================
    # GÉNÉRATION DES DOCUMENTS PDF (SI VALIDATION EFFECTUÉE)
    # ============================================================================
    
    if st.session_state.get('loan_updated', False):
        st.markdown('<div class="checkup-section-divider"></div>', unsafe_allow_html=True)
        st.markdown(f"###  Documents du prêt **{st.session_state.new_loan_id}**")
        
        st.success(f" Prêt mis à jour : **{st.session_state.get('new_loan_data', {}).get('ID_Pret_Source')}** → **{st.session_state.new_loan_id}**")
        
        # Préparation des données pour les PDFs
        loan_data_pdf = st.session_state.new_loan_data
        client_data_pdf = st.session_state.new_client_data
        garant_data_pdf = st.session_state.new_garant_data
        df_amort_pdf = st.session_state.new_df_amort
        
        # Ajout d'une mention spéciale pour les documents
        loan_data_pdf['Mention_Update'] = f"Mise à jour du contrat n° {loan_data_pdf['ID_Pret_Source']} (Version {loan_data_pdf['Version']})"
        
        # Affichage des boutons de téléchargement
        col_pdf1, col_pdf2, col_pdf3, col_reset = st.columns(4)
        
        # PDF 1 : CONTRAT DE PRÊT
        with col_pdf1:
            pdf_contrat = generer_contrat_pret(loan_data_pdf, client_data_pdf, df_amort_pdf)
            st.download_button(
                " Contrat de Prêt",
                pdf_contrat,
                f"Contrat_{st.session_state.new_loan_id}.pdf",
                "application/pdf",
                use_container_width=True
            )
        
        # PDF 2 : RECONNAISSANCE DE DETTE
        with col_pdf2:
            pdf_dette = generer_reconnaissance_dette(loan_data_pdf, client_data_pdf)
            st.download_button(
                " Reconnaissance Dette",
                pdf_dette,
                f"Dette_{st.session_state.new_loan_id}.pdf",
                "application/pdf",
                use_container_width=True
            )
        
        # PDF 3 : CONTRAT DE CAUTION (SI GARANT)
        with col_pdf3:
            if garant_data_pdf is not None:
                pdf_caution = generer_contrat_caution(loan_data_pdf, garant_data_pdf)
                st.download_button(
                    " Contrat Caution",
                    pdf_caution,
                    f"Caution_{st.session_state.new_loan_id}.pdf",
                    "application/pdf",
                    use_container_width=True
                )
            else:
                st.info("Pas de garant")
        
        # BOUTON RESET : Nouvelle mise à jour
        with col_reset:
            if st.button(" Nouvelle Mise à Jour", use_container_width=True, type="primary"):
                # Nettoyage du session state
                st.session_state.loan_updated = False
                st.session_state.pop('new_loan_id', None)
                st.session_state.pop('new_loan_data', None)
                st.session_state.pop('new_client_data', None)
                st.session_state.pop('new_garant_data', None)
                st.session_state.pop('new_df_amort', None)
                st.session_state.pop('dates_perso_update', None)
                st.cache_data.clear()
                st.rerun()
        
        # Affichage d'un récapitulatif
        st.markdown("---")
        with st.expander(" Récapitulatif de la mise à jour"):
            col_recap1, col_recap2 = st.columns(2)
            
            with col_recap1:
                st.markdown("### Ancien prêt")
                st.markdown(f"**ID :** {loan_data_pdf['ID_Pret_Source']}")
                st.markdown(f"**Statut :** UPDATED (archivé)")
                st.markdown(f"**Montant :** {int(montant_total_actuel):,} XOF".replace(",", " "))
            
            with col_recap2:
                st.markdown("### Nouveau prêt")
                st.markdown(f"**ID :** {st.session_state.new_loan_id}")
                st.markdown(f"**Statut :** ACTIF")
                st.markdown(f"**Montant :** {int(loan_data_pdf['Montant_Total']):,} XOF".replace(",", " "))
            
            st.markdown(f"**Différence :** {int(loan_data_pdf['Montant_Total'] - montant_total_actuel):+,} XOF".replace(",", " "))
    
    # ✅ AJOUT CRITIQUE : Arrêter l'exécution du module ici
    st.markdown('</div>', unsafe_allow_html=True)  # Fermer le wrapper
    return  # ✅ STOP - Ne pas continuer le reste du module