good now for the formatting

pattern_est_une_etape.py

@@ -7,54 +7,44 @@ from langchain.chat_models import ChatOpenAI
 from langchain.output_parsers import PydanticOutputParser
 
 
-class AlternativeSuggestion(BaseModel):
-    suggestion_1: str = Field(..., description="Première suggestion de reformulation.")
-    suggestion_2: str = Field(..., description="Deuxième suggestion de reformulation.")
+from pydantic import BaseModel, Field
+from typing import List, Tuple
 
+class Expression(BaseModel):
+    expression: str = Field(..., description="Expression détectée (ex: 'est une étape importante')")
+    indice_debut: int = Field(..., description="Indice de début de l'expression")
+    indice_fin: int = Field(..., description="Indice de fin de l'expression")
 
-class PatternDetail(BaseModel):
-    pattern: str = Field(..., description="Mot ou expression détectée.")
-    adjectif: str = Field(..., description="Adjectif associé à l'expression détectée.")
-    indices: List[Tuple[int, int]] = Field(..., description="Indices de début et de fin pour chaque occurrence dans le texte.")
-    sentence: str = Field(..., description="Phrase complète où l'expression apparaît.")
-    alternative_suggestions: AlternativeSuggestion = Field(..., description="Deux suggestions de reformulation.")
+class Phrase(BaseModel):
+    texte: str = Field(..., description="Phrase complète contenant l'expression ou les expressions détectées")
+    indice_debut: int = Field(..., description="Indice de début de la phrase")
+    indice_fin: int = Field(..., description="Indice de fin de la phrase")
 
-    def to_dict(self):
-        return {
-            "pattern": self.pattern,
-            "adjectif": self.adjectif,
-            "indices": self.indices,
-            "sentence": self.sentence,
-            "alternative_suggestions": {
-                "suggestion_1": self.alternative_suggestions.suggestion_1,
-                "suggestion_2": self.alternative_suggestions.suggestion_2,
-            }
-        }
+class Reformulation(BaseModel):
+    texte: str = Field(..., description="Texte de la reformulation")
 
+class PhraseDetectee(BaseModel):
+    phrase: Phrase = Field(..., description="Détails de la phrase")
+    erreurs: List[Expression] = Field(..., description="Liste des expressions détectées dans la phrase")
+    reformulations: List[Reformulation] = Field(..., description="Liste des reformulations proposées")
+    justification: str = Field(..., description="Justification des reformulations proposées")
 
 class Summary(BaseModel):
-    total_patterns_detected: int = Field(..., description="Nombre total de patterns détectés.")
-    alternative_suggestions_provided: int = Field(..., description="Nombre total de suggestions fournies.")
-    occurrences: int = Field(..., description="Nombre total d'occurrences trouvées dans le texte.")
-
-    def to_dict(self):
-        return {
-            "total_patterns_detected": self.total_patterns_detected,
-            "alternative_suggestions_provided": self.alternative_suggestions_provided,
-            "occurrences": self.occurrences
-        }
-
+    total_erreurs: int = Field(..., description="Nombre total d'expressions détectées")
+    total_phrases: int = Field(..., description="Nombre total de phrases contenant des expressions")
+    total_reformulations: int = Field(..., description="Nombre total de reformulations proposées")
 
 class DetectionResult(BaseModel):
-    patterns: List[PatternDetail] = Field(..., description="Liste des patterns détectés avec détails.")
-    summary: Summary = Field(..., description="Résumé de la détection.")
+    phrases_detectees: List[PhraseDetectee] = Field(..., description="Liste des phrases détectées avec détails")
+    summary: Summary = Field(..., description="Résumé de la détection")
 
     def to_dict(self):
         return {
-            "patterns": [pattern.to_dict() for pattern in self.patterns],
-            "summary": self.summary.to_dict()
+            "phrases_detectees": [phrase.model_dump() for phrase in self.phrases_detectees],
+            "summary": self.summary.model_dump()
         }
 
+
 def est_une_etape_prompt_template() :
     return """
     En tant que rédacteur web expert, votre mission est d'analyser le texte suivant et d'identifier toutes les phrases où une expression similaire à "est une étape" est utilisée, y compris ses variantes , "constitue une étape", "représente une étape", "marque une étape","signifie une étape", "symbolise une étape", etc, particulièrement lorsqu'elles sont associées à des adjectifs exprimant l'importance.