Create app.py

app.py

@@ -0,0 +1,72 @@
+import gradio as gr
+from transformers import pipeline
+import os
+
+# --- CONFIGURATION DU MODÈLE ---
+# Utilisation d'un modèle léger pour garantir la fluidité sur le CPU gratuit de Hugging Face
+MODEL_ID = "distilbert-base-uncased-finetuned-sst-2-english"
+
+print(f"Loading model: {MODEL_ID}...")
+# On initialise le pipeline d'analyse de sentiment
+# Note: Le téléchargement se fait automatiquement au premier lancement dans le Space
+classifier = pipeline("sentiment-analysis", model=MODEL_ID)
+
+def predict_sentiment(text):
+    """
+    Fonction de traitement pour l'inférence.
+    Elle sera exposée via l'endpoint API.
+    """
+    if not text or text.strip() == "":
+        return "Veuillez entrer un texte valide."
+    
+    try:
+        results = classifier(text)
+        label = results[0]['label']
+        score = round(results[0]['score'], 4)
+        return f"Sentiment: {label} (Confiance: {score})"
+    except Exception as e:
+        return f"Erreur lors de l'analyse: {str(e)}"
+
+# --- CONSTRUCTION DE L'INTERFACE GRADIO ---
+# Utilisation de gr.Blocks pour un design plus "Pro" (OmniGroup Style)
+with gr.Blocks(theme=gr.themes.Soft()) as demo:
+    gr.Markdown(
+        """
+        # 🌐 OmniGroup AI - Sentiment Analysis API
+        ### Déploiement souverain pour l'écosystème Pangea.
+        Ce Space expose un endpoint gratuit pour analyser les sentiments textuels.
+        """
+    )
+    
+    with gr.Row():
+        with gr.Column():
+            input_text = gr.Textbox(
+                label="Texte à analyser", 
+                placeholder="Entrez votre phrase ici...",
+                lines=3
+            )
+            submit_btn = gr.Button("Analyser", variant="primary")
+        
+        with gr.Column():
+            output_text = gr.Textbox(label="Résultat de l'API")
+
+    # Liaison du bouton et de la touche 'Entrée' à la fonction de prédiction
+    submit_btn.click(fn=predict_sentiment, inputs=input_text, outputs=output_text, api_name="predict")
+    input_text.submit(fn=predict_sentiment, inputs=input_text, outputs=output_text)
+
+    gr.Markdown(
+        """
+        ---
+        **Note technique :** Pour utiliser cet endpoint via Python, utilisez le `gradio_client` :
+        ```python
+        from gradio_client import Client
+        client = Client("votre-username/nom-du-space")
+        result = client.predict("Texte", api_name="/predict")
+        ```
+        """
+    )
+
+# --- LANCEMENT ---
+if __name__ == "__main__":
+    # Hugging Face Spaces nécessite que le serveur écoute sur 0.0.0.0:7860 (par défaut via launch)
+    demo.launch(server_name="0.0.0.0", server_port=7860)