Create main.py

main.py

@@ -0,0 +1,54 @@
+import os
+from fastapi import FastAPI
+from fastapi.middleware.cors import CORSMiddleware
+from huggingface_hub import InferenceClient
+import json
+
+token = os.getenv("HF_TOKEN")
+# On utilise un modèle performant pour le texte : Mistral-7B
+client = InferenceClient(api_key=token)
+
+app = FastAPI()
+
+app.add_middleware(
+    CORSMiddleware,
+    allow_origins=["*"],
+    allow_methods=["*"],
+    allow_headers=["*"],
+)
+
+@app.post("/verify")
+async def verify(data: dict):
+    question_eleve = data.get("userLatex") # C'est le texte saisi par l'élève
+    sujet_cours = data.get("expectedLatex") # Le contexte (ex: la photosynthèse)
+    
+    # Prompt spécifique pour les SVT
+    prompt = f"""<s>[INST] Tu es un professeur de SVT (Sciences de la Vie et de la Terre). 
+Ton rôle est d'aider l'élève à comprendre sans donner la réponse directement s'il se trompe.
+
+Sujet du cours : {sujet_cours}
+Question ou réponse de l'élève : {question_eleve}
+
+Analyse la réponse. Si elle est correcte, félicite-le. 
+Si elle est incomplète ou fausse, donne un indice scientifique pour le mettre sur la voie.
+
+Réponds EXCLUSIVEMENT sous ce format JSON :
+{{
+  "isCorrect": true ou false,
+  "feedback": "ton message pédagogique ici"
+}} [/INST]"""
+
+    try:
+        response = client.text_generation(
+            prompt,
+            model="mistralai/Mistral-7B-Instruct-v0.3",
+            max_new_tokens=300,
+            temperature=0.7 # Un peu de créativité pour le ton pédagogique
+        )
+
+        # Nettoyage pour extraire le JSON
+        start = response.find('{')
+        end = response.rfind('}') + 1
+        return json.loads(response[start:end])
+    except Exception as e:
+        return {"isCorrect": False, "feedback": "Désolé, j'ai du mal à analyser ta réponse. Réessaie !"}