Update app.py

app.py

@@ -3,89 +3,63 @@ import json
 import gradio as gr
 from difflib import SequenceMatcher
 
-# Charger les réponses depuis le fichier JSON
-def load_responses():
-    if os.path.exists('response.json'):
-        with open('response.json', 'r', encoding='utf-8') as file:
-            return json.load(file)
-    else:
-        return {}
-
-# Sauvegarder les réponses dans le fichier JSON
-def save_responses(responses):
-    with open('response.json', 'w', encoding='utf-8') as file:
-        json.dump(responses, file, ensure_ascii=False, indent=4)
-
-# Fonction pour obtenir la meilleure réponse possible basée sur l'entrée de l'utilisateur
-def get_response(user_input, responses):
-    user_input = user_input.lower()  # Mettre l'entrée en minuscule pour la recherche
-    best_match = None
-    highest_ratio = 0
-
-    # Recherche de la meilleure correspondance parmi les réponses existantes
-    for question, response in responses.items():
-        ratio = SequenceMatcher(None, user_input, question).ratio()
-        if ratio > highest_ratio:
-            highest_ratio = ratio
-            best_match = response
-
-    return best_match, highest_ratio
-
-# Fonction principale pour la conversation
-def chatbot_conversation(user_input):
-    responses = load_responses()
-
-    # Recherche d'une réponse existante dans le fichier JSON
-    response, ratio = get_response(user_input, responses)
-
-    if response and ratio > 0.5:  # Si une correspondance est trouvée avec une confiance de 50% ou plus
-        return response, None  # Pas besoin d'une nouvelle réponse, retourner None pour 'user_answer'
-    else:
-        # Si aucune bonne réponse n'est trouvée, demander à l'utilisateur de fournir une réponse
-        return f"Désolé, je ne connais pas la réponse à '{user_input}'. Pouvez-vous me dire la bonne réponse?", True
-
-# Fonction pour enregistrer une nouvelle réponse dans le fichier JSON
-def save_new_answer(user_input, new_answer):
-    responses = load_responses()
-
-    # Ajouter la nouvelle question et la réponse fournie
-    responses[user_input] = new_answer
-
-    # Sauvegarder les modifications dans le fichier JSON
-    save_responses(responses)
-
-    return f"La réponse à '{user_input}' a été ajoutée.", None
-
-# Interface Gradio
-def interface():
-    with gr.Blocks() as demo:
-        gr.Markdown("## Chatbot avec ajout de réponses personnalisées")
-        
-        with gr.Row():
-            user_input = gr.Textbox(label="Votre question", placeholder="Posez une question...")
-            chatbot_output = gr.Textbox(label="Réponse du chatbot", interactive=False)
-        
-        user_answer = gr.Textbox(label="Entrez la bonne réponse", placeholder="Votre réponse ici", visible=False)
-
-        def respond_and_save(user_input):
-            response, show_user_answer = chatbot_conversation(user_input)
-
-            if show_user_answer:
-                user_answer.visible = True  # Afficher la zone de texte pour la nouvelle réponse
-            else:
-                user_answer.visible = False  # Cacher la zone de texte si aucune réponse n'est nécessaire
-
-            return response, user_answer
-
-        def save_answer(user_input, user_answer):
-            return save_new_answer(user_input, user_answer)
-
-        user_input.submit(respond_and_save, [user_input], [chatbot_output, user_answer])
-        user_answer.submit(save_answer, [user_input, user_answer], [chatbot_output])
-
-    return demo
-
-# Lancer l'interface
-if __name__ == "__main__":
-    demo = interface()
-    demo.launch()
+# Désactiver l'utilisation du GPU pour TensorFlow (si nécessaire)
+os.environ["CUDA_VISIBLE_DEVICES"] = "-1"  # Désactive le GPU
+os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'  # Réduit les logs de TensorFlow
+
+class HuggingFaceChatbot:
+    def __init__(self, responses_file="responses.json"):
+        """Initialisation du chatbot, chargement des réponses."""
+        self.responses = self.load_responses(responses_file)
+
+    def load_responses(self, file_path):
+        """Charge les réponses depuis un fichier JSON."""
+        try:
+            with open(file_path, "r") as f:
+                return json.load(f)
+        except FileNotFoundError:
+            print("Aucun fichier de réponses trouvé. Utilisation des réponses par défaut.")
+            return {
+                "bonjour": "Bonjour! Comment puis-je vous aider?",
+                "comment ça va?": "Je suis une IA, je vais toujours bien! Et vous?",
+            }
+
+    def find_best_response(self, user_input):
+        """Trouve la meilleure correspondance basée sur la similarité."""
+        max_similarity = 0
+        best_match = None
+        for key in self.responses.keys():
+            similarity = SequenceMatcher(None, user_input.lower(), key).ratio()
+            if similarity > max_similarity:
+                max_similarity = similarity
+                best_match = key
+
+        # Retourne la réponse si une correspondance suffisante est trouvée
+        if max_similarity > 0.4:  # Seuil ajustable
+            return self.responses[best_match]
+        return "Je ne suis pas sûr de comprendre. Pouvez-vous reformuler?"
+
+    def __call__(self, user_input):
+        """Permet d'utiliser l'instance comme une fonction pour répondre."""
+        return self.find_best_response(user_input)
+
+# Charger le chatbot
+chatbot = HuggingFaceChatbot()
+
+# Fonction pour l'interface Gradio
+def chatbot_interface(user_input):
+    """Fonction pour interagir avec Gradio."""
+    return chatbot(user_input)
+
+# Créer l'interface Gradio
+iface = gr.Interface(
+    fn=chatbot_interface,
+    inputs=gr.Textbox(label="Entrez votre message", placeholder="Tapez ici...", lines=2), 
+    outputs="text",
+    title="Chatbot Interactif",
+    description="Un chatbot simple qui répond à des questions courantes.",
+    allow_flagging="never"  # Option pour désactiver le flagging si tu ne veux pas que les utilisateurs signalent des réponses.
+)
+
+# Démarrer l'interface Gradio
+iface.launch()