main.py

import os
import json
import bcrypt
import pandas as pd
import numpy as np
import plotly.express as px
import plotly.graph_objects as go
from plotly.subplots import make_subplots
import matplotlib.pyplot as plt
from wordcloud import WordCloud
from typing import List
from pathlib import Path
from langchain_openai import ChatOpenAI
from langchain.schema.runnable.config import RunnableConfig
from langchain.schema import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate

from langchain.agents import AgentExecutor
from langchain.agents.agent_types import AgentType
from langchain_experimental.agents.agent_toolkits import create_pandas_dataframe_agent, create_csv_agent

import chainlit as cl
from chainlit.input_widget import TextInput, Select, Switch, Slider

from deep_translator import GoogleTranslator
from IPython.display import display

@cl.password_auth_callback
def auth_callback(username: str, password: str):
    auth = json.loads(os.environ['CHAINLIT_AUTH_LOGIN'])
    ident = next(d['ident'] for d in auth if d['ident'] == username)
    pwd = next(d['pwd'] for d in auth if d['ident'] == username)
    resultLogAdmin = bcrypt.checkpw(username.encode('utf-8'), bcrypt.hashpw(ident.encode('utf-8'), bcrypt.gensalt())) 
    resultPwdAdmin = bcrypt.checkpw(password.encode('utf-8'), bcrypt.hashpw(pwd.encode('utf-8'), bcrypt.gensalt())) 
    resultRole = next(d['role'] for d in auth if d['ident'] == username)
    if resultLogAdmin and resultPwdAdmin and resultRole == "admindatapcc":
        return cl.User(
            identifier=ident + " : 🧑‍💼 Admin Datapcc", metadata={"role": "admin", "provider": "credentials"}
        )
    elif resultLogAdmin and resultPwdAdmin and resultRole == "userdatapcc":
        return cl.User(
            identifier=ident + " : 🧑‍🎓 User Datapcc", metadata={"role": "user", "provider": "credentials"}
        )
        
def create_agent(filename: str):
    """
    Create an agent that can access and use a large language model (LLM).

    Args:
        filename: The path to the CSV file that contains the data.

    Returns:
        An agent that can access and use the LLM.
    """

    # Create an OpenAI object.
    os.environ['OPENAI_API_KEY'] = os.environ['OPENAI_API_KEY']
    llm = ChatOpenAI(temperature=0, model="gpt-4o-2024-05-13")

    # Read the CSV file into a Pandas DataFrame.
    df = pd.read_csv(filename)

    # Create a Pandas DataFrame agent.
    return create_csv_agent(llm, filename, verbose=False, allow_dangerous_code=True, handle_parsing_errors=True, agent_type=AgentType.OPENAI_FUNCTIONS)

def query_agent(agent, query):
    """
    Query an agent and return the response as a string.

    Args:
        agent: The agent to query.
        query: The query to ask the agent.

    Returns:
        The response from the agent as a string.
    """

    prompt = (
        """
            For the following query, if it requires drawing a table, reply as follows:
            {"table": {"columns": ["column1", "column2", ...], "data": [[value1, value2, ...], [value1, value2, ...], ...]}}

            If the query requires creating a bar chart, reply as follows:
            {"bar": {"columns": ["A", "B", "C", ...], "data": [25, 24, 10, ...]}}

            If the query requires creating a line chart, reply as follows:
            {"line": {"columns": ["A", "B", "C", ...], "data": [25, 24, 10, ...]}}

            There can only be two types of chart, "bar" and "line".

            If it is just asking a question that requires neither, reply as follows:
            {"answer": "answer"}
            Example:
            {"answer": "The title with the highest rating is 'Gilead'"}

            If you do not know the answer, reply as follows:
            {"answer": "I do not know."}

            Return all output as a string.

            All strings in "columns" list and data list, should be in double quotes,

            For example: {"columns": ["title", "ratings_count"], "data": [["Gilead", 361], ["Spider's Web", 5164]]}

            Lets think step by step.

            Below is the query.
            Query: 
            """
        + query
    )

    # Run the prompt through the agent.
    response = agent.invoke(prompt)

    # Convert the response to a string.
    return response.__str__()
    
def decode_response(response: str) -> dict:
    """This function converts the string response from the model to a dictionary object.

    Args:
        response (str): response from the model

    Returns:
        dict: dictionary with response data
    """
    return json.loads("[" + response + "]")

def write_response(response_dict: dict):
    """
    Write a response from an agent to a Streamlit app.

    Args:
        response_dict: The response from the agent.

    Returns:
        None.
    """

    # Check if the response is an answer.
    return response_dict["answer"]

@cl.action_callback("Download")
async def on_action(action):
    content = []
    content.append(action.value)
    arrayContent = np.array(content)
    df = pd.DataFrame(arrayContent)
    with open('./' + action.description + '.txt', 'wb') as csv_file:
        df.to_csv(path_or_buf=csv_file, index=False,header=False, encoding='utf-8')
    elements = [
        cl.File(
            name= action.description + ".txt",
            path="./" + action.description + ".txt",
            display="inline",
        ),
    ]
    await cl.Message(
        content="[Lien] 🔗", elements=elements
    ).send()
    await action.remove()
    
@cl.set_chat_profiles
async def chat_profile():
    return [
        cl.ChatProfile(name="Traitement des données d'enquête : «Expé CFA : questionnaire auprès des professionnels de la branche de l'agencement»",markdown_description="Vidéo exploratoire autour de l'événement",icon="/public/logo-ofipe.png",),
    ]
    
#@cl.set_starters
#async def set_starters():
#    return [
#        cl.Starter(
#            label="Répartition du nombre de CAA dans les entreprises",
#            message="Quel est le nombre de chargé.e d'affaires en agencement dans chaque type d'entreprises?",
#            icon="/public/request-theme.svg",
#            )
#    ]

@cl.on_chat_start
async def on_chat_start():
    await cl.Message(f"> SURVEYIA").send()
    elements = []
    df = pd.read_csv('./public/survey.csv')
    df_taille = df.groupby('taille_entreprise').size().reset_index(name='obs')
    fig_taille = px.pie(df_taille, names='taille_entreprise', values='obs', color='obs', title="La taille des entreprises ayant répondu", labels={'obs':'nombre'}, color_discrete_sequence=px.colors.qualitative.Safe).update_traces(textposition='inside', textinfo='percent+label').update_layout(font=dict(size=9,color="RebeccaPurple"))
    elements.append(cl.Plotly(name="chart_taille", figure=fig_taille, display="inline", size="medium"))
        
    #await cl.sleep(2)
    df_temps = df.groupby('temps_active_domaine_agencement').size().reset_index(name='obs')
    fig_temps = px.pie(df_temps, names='temps_active_domaine_agencement', values='obs', color='obs', title="L’engagement dans le domaine de l’agencement", labels={'obs':'nombre'}, color_discrete_sequence=px.colors.qualitative.Safe).update_traces(textposition='inside', textinfo='percent+label').update_layout(font=dict(size=9,color="RebeccaPurple"))
    elements.append(cl.Plotly(name="chart_temps", figure=fig_temps, display="inline", size="medium"))
        
    #await cl.sleep(2)
    df_temps_entreprise = df.groupby(['temps_active_domaine_agencement', 'taille_entreprise']).size().reset_index(name='obs')
    fig_temps_entreprise = px.bar(df_temps_entreprise, x='temps_active_domaine_agencement', y='obs', color='taille_entreprise', title="L’engagement dans le domaine de l’agencement par taille d'entreprise", labels={'obs':'nombre'}, color_discrete_sequence=px.colors.qualitative.Safe, text_auto=True).update_layout(font=dict(size=9,color="RebeccaPurple"))
    elements.append(cl.Plotly(name="chart_temps_entreprise", figure=fig_temps_entreprise, display="inline", size="medium"))
    #await cl.sleep(2)
    df_nb_charge = df.groupby('nombre_chargés_affaires').size().reset_index(name='obs')
    fig_nb_charge = px.pie(df_nb_charge, names='nombre_chargés_affaires', values='obs', color='obs', title="Le nombre de chargé.e d’affaires en agencement", labels={'obs':'nombre'}, color_discrete_sequence=px.colors.qualitative.Safe).update_traces(textposition='inside', textinfo='percent+label').update_layout(font=dict(size=9,color="RebeccaPurple"))
    elements.append(cl.Plotly(name="chart_nb_charge", figure=fig_nb_charge, display="inline", size="medium"))
    #await cl.sleep(2)
    df_nb_charge_entreprise = df.groupby(['nombre_chargés_affaires', 'taille_entreprise']).size().reset_index(name='obs')
    fig_nb_charge_entreprise = px.bar(df_nb_charge_entreprise, x='nombre_chargés_affaires', y='obs', color='taille_entreprise', title="Le nombre de chargé.e d’affaires en agencement par taille d'entreprise", labels={'obs':'nombre'}, color_discrete_sequence=px.colors.qualitative.Safe, text_auto=True).update_layout(font=dict(size=9,color="RebeccaPurple"))
    elements.append(cl.Plotly(name="chart_nb_charge_entreprise", figure=fig_nb_charge_entreprise, display="inline", size="medium"))
    #await cl.sleep(2)
    df_nb_charge_engagement = df.groupby(['nombre_chargés_affaires', 'temps_active_domaine_agencement']).size().reset_index(name='obs')
    fig_nb_charge_engagement = px.bar(df_nb_charge_engagement, x='nombre_chargés_affaires', y='obs', color='temps_active_domaine_agencement', title="Le nombre de chargé.e d’affaires en agencement par année d'engagement", labels={'obs':'nombre'}, color_discrete_sequence=px.colors.qualitative.Safe, text_auto=True).update_layout(font=dict(size=9,color="RebeccaPurple"))
    elements.append(cl.Plotly(name="chart_nb_charge_entreprise", figure=fig_nb_charge_engagement, display="inline", size="medium"))
    #await cl.sleep(2)
    df_statut = df.groupby('fonction_Statut_repondant').size().reset_index(name='obs')
    fig_statut = px.bar(df_statut, x='obs', y='fonction_Statut_repondant', orientation='h', color='obs', title="Le profil des répondants", labels={'obs':'nombre'}, color_discrete_sequence=px.colors.qualitative.Safe, text_auto=True).update_layout(font=dict(size=9,color="RebeccaPurple"))
    elements.append(cl.Plotly(name="chart_statut", figure=fig_statut, display="inline", size="medium"))
    #await cl.sleep(2)
    df1 = df
    df1['principaux_interlocuteurs'] = df1['principaux_interlocuteurs'].str.split(';')
    df1 = df1.explode('principaux_interlocuteurs')
    df_interlocuteur = df1.groupby('principaux_interlocuteurs').size().reset_index(name='obs')
    fig_interlocuteur = px.bar(df_interlocuteur, x='obs', y='principaux_interlocuteurs', orientation='h', color='obs', title="Les principaux interlocuteurs du CAA", labels={'obs':'nombre'}, color_discrete_sequence=px.colors.qualitative.Safe, text_auto=True).update_layout(font=dict(size=9,color="RebeccaPurple"))
    elements.append(cl.Plotly(name="chart_interlocuteur", figure=fig_interlocuteur, display="inline", size="medium"))
    
    #await cl.sleep(2)
    df_interlocuteur_entreprise = df1.groupby(['principaux_interlocuteurs', 'taille_entreprise']).size().reset_index(name='obs')
    fig_interlocuteur_entreprise = px.bar(df_interlocuteur_entreprise, x='obs', y='principaux_interlocuteurs', orientation='h', color='taille_entreprise', title="Les principaux interlocuteurs du CAA par taille d'entreprise", labels={'obs':'nombre'}, color_discrete_sequence=px.colors.qualitative.Safe, text_auto=True).update_layout(font=dict(size=9,color="RebeccaPurple"))
    elements.append(cl.Plotly(name="chart_interlocuteur_entreprise", figure=fig_interlocuteur_entreprise, display="inline", size="medium"))
    #await cl.sleep(2)
    df_interlocuteur_nb_charge = df1.groupby(['principaux_interlocuteurs', 'nombre_chargés_affaires']).size().reset_index(name='obs')
    fig_interlocuteur_nb_charge = px.bar(df_interlocuteur_nb_charge, x='obs', y='principaux_interlocuteurs', orientation='h', color='nombre_chargés_affaires', title="Les principaux interlocuteurs du CAA par nombre chargé.e d'affaires", labels={'obs':'nombre'}, color_discrete_sequence=px.colors.qualitative.Safe, text_auto=True).update_layout(font=dict(size=9,color="RebeccaPurple"))
    elements.append(cl.Plotly(name="chart_interlocuteur_nb_charge", figure=fig_interlocuteur_nb_charge, display="inline", size="medium"))
    #await cl.sleep(2)
    df2 = df
    df2['principales_compétences_attendues'] = df2['principales_compétences_attendues'].str.split(';')
    df2 = df2.explode('principales_compétences_attendues')
    df_competences = df2.groupby('principales_compétences_attendues').size().reset_index(name='obs')
    fig_competences = px.bar(df_competences, x='obs', y='principales_compétences_attendues', orientation='h', color='obs', title="Les principales compétences attendues", labels={'obs':'nombre'}, color_discrete_sequence=px.colors.qualitative.Safe, text_auto=True).update_layout(font=dict(size=9,color="RebeccaPurple"))
    elements.append(cl.Plotly(name="chart_competences", figure=fig_competences, display="inline", size="medium"))
    #await cl.sleep(2)
    df_competences_entreprise = df2.groupby(['principales_compétences_attendues', 'taille_entreprise']).size().reset_index(name='obs')
    fig_competences_entreprise = px.bar(df_competences_entreprise, x='obs', y='principales_compétences_attendues', orientation='h', color='taille_entreprise', title="Les principales compétences attendues par taille d'entreprise", labels={'obs':'nombre'}, color_discrete_sequence=px.colors.qualitative.Safe, text_auto=True).update_layout(font=dict(size=9,color="RebeccaPurple"))
    elements.append(cl.Plotly(name="chart_competences_entreprise", figure=fig_competences_entreprise, display="inline", size="medium"))
    #await cl.sleep(2)
    df_competences_nb_charge = df2.groupby(['principales_compétences_attendues', 'nombre_chargés_affaires']).size().reset_index(name='obs')
    fig_competences_nb_charge = px.bar(df_competences_nb_charge, x='obs', y='principales_compétences_attendues', orientation='h', color='nombre_chargés_affaires', title="Les principales compétences attendues par nombre chargé.e d'affaires", labels={'obs':'nombre'}, color_discrete_sequence=px.colors.qualitative.Safe, text_auto=True).update_layout(font=dict(size=9,color="RebeccaPurple"))
    elements.append(cl.Plotly(name="chart_competences_nb_charge", figure=fig_competences_nb_charge, display="inline", size="medium"))
    #await cl.sleep(2)
    df3 = df
    df3['principales_compétences_relationnelles_attendues'] = df3['principales_compétences_relationnelles_attendues'].str.split(';')
    df3 = df3.explode('principales_compétences_relationnelles_attendues')
    df_competences_relationnelles = df3.groupby('principales_compétences_relationnelles_attendues').size().reset_index(name='obs')
    fig_competences_relationnelles = px.bar(df_competences_relationnelles, x='obs', y='principales_compétences_relationnelles_attendues', orientation='h', color='obs', title="Les compétences relationnelles attendues", labels={'obs':'nombre'}, color_discrete_sequence=px.colors.qualitative.Safe, text_auto=True).update_layout(font=dict(size=9,color="RebeccaPurple"))
    elements.append(cl.Plotly(name="chart_competences_relationnelles", figure=fig_competences_relationnelles, display="inline", size="medium"))
    #await cl.sleep(2)
    df_competences_relationnelles_entreprise = df3.groupby(['principales_compétences_relationnelles_attendues', 'taille_entreprise']).size().reset_index(name='obs')
    fig_competences_relationnelles_entreprise = px.bar(df_competences_relationnelles_entreprise, x='obs', y='principales_compétences_relationnelles_attendues', orientation='h', color='taille_entreprise', title="Les compétences relationnelles attendues par taille d'entreprise", labels={'obs':'nombre'}, color_discrete_sequence=px.colors.qualitative.Safe, text_auto=True).update_layout(font=dict(size=9,color="RebeccaPurple"))
    elements.append(cl.Plotly(name="chart_competences_relationnelles_entreprise", figure=fig_competences_relationnelles_entreprise, display="inline", size="medium"))
    #await cl.sleep(2)
    df_competences_relationnelles_nb_charge = df3.groupby(['principales_compétences_relationnelles_attendues', 'nombre_chargés_affaires']).size().reset_index(name='obs')
    fig_competences_relationnelles_nb_charge = px.bar(df_competences_relationnelles_nb_charge, x='obs', y='principales_compétences_relationnelles_attendues', orientation='h', color='nombre_chargés_affaires', title="Les compétences relationnelles attendues par nombre chargé.e d'affaires", labels={'obs':'nombre'}, color_discrete_sequence=px.colors.qualitative.Safe, text_auto=True).update_layout(font=dict(size=9,color="RebeccaPurple"))
    elements.append(cl.Plotly(name="chart_competences_relationnelles_nb_charge", figure=fig_competences_relationnelles_nb_charge, display="inline", size="medium"))
    #await cl.sleep(2)
    df4 = df
    df4['principales_compétences_gestion_attendues'] = df4['principales_compétences_gestion_attendues'].str.split(';')
    df4 = df4.explode('principales_compétences_gestion_attendues')
    df_competences_gestion = df4.groupby('principales_compétences_gestion_attendues').size().reset_index(name='obs')
    fig_competences_gestion = px.bar(df_competences_gestion, x='obs', y='principales_compétences_gestion_attendues', orientation='h', color='obs', title="Les compétences en gestion attendues", labels={'obs':'nombre'}, color_discrete_sequence=px.colors.qualitative.Safe, text_auto=True).update_layout(font=dict(size=9,color="RebeccaPurple"))
    elements.append(cl.Plotly(name="chart_competences_gestion", figure=fig_competences_gestion, display="inline", size="medium"))
    #await cl.sleep(2)
    df_competences_gestion_entreprise = df4.groupby(['principales_compétences_gestion_attendues', 'taille_entreprise']).size().reset_index(name='obs')
    fig_competences_gestion_entreprise = px.bar(df_competences_gestion_entreprise, x='obs', y='principales_compétences_gestion_attendues', orientation='h', color='taille_entreprise', title="Les compétences en gestion attendues par taille d'entreprise", labels={'obs':'nombre'}, color_discrete_sequence=px.colors.qualitative.Safe, text_auto=True).update_layout(font=dict(size=9,color="RebeccaPurple"))
    elements.append(cl.Plotly(name="chart_competences_gestion_entreprise", figure=fig_competences_gestion_entreprise, display="inline", size="medium"))
    #await cl.sleep(2)
    df_competences_gestion_nb_charge = df4.groupby(['principales_compétences_gestion_attendues', 'nombre_chargés_affaires']).size().reset_index(name='obs')
    fig_competences_gestion_nb_charge = px.bar(df_competences_gestion_nb_charge, x='obs', y='principales_compétences_gestion_attendues', orientation='h', color='nombre_chargés_affaires', title="Les compétences en gestion attendues par nombre chargé.e d'affaires", labels={'obs':'nombre'}, color_discrete_sequence=px.colors.qualitative.Safe, text_auto=True).update_layout(font=dict(size=9,color="RebeccaPurple"))
    elements.append(cl.Plotly(name="chart_competences_gestion_nb_charge", figure=fig_competences_gestion_nb_charge, display="inline", size="medium"))
    
    df_difficulte = df.groupby('difficultés_recrutement_chargé').size().reset_index(name='obs')
    fig_difficulte = px.pie(df_difficulte, names='difficultés_recrutement_chargé', values='obs', color='obs', title="Difficulté de recruter un CAA", labels={'obs':'nombre'}, color_discrete_sequence=px.colors.qualitative.Safe).update_traces(textposition='inside', textinfo='percent+label').update_layout(font=dict(size=9,color="RebeccaPurple"))
    elements.append(cl.Plotly(name="chart_difficulte", figure=fig_difficulte, display="inline", size="medium"))

    df_formation = df.groupby('organisation_formation').size().reset_index(name='obs')
    fig_formation = px.pie(df_formation, names='organisation_formation', values='obs', color='obs', title="Formations organisées pour les CAA", labels={'obs':'nombre'}, color_discrete_sequence=px.colors.qualitative.Safe).update_traces(textposition='inside', textinfo='percent+label').update_layout(font=dict(size=9,color="RebeccaPurple"))
    elements.append(cl.Plotly(name="chart_formation", figure=fig_formation, display="inline", size="medium"))
    
    df_formation_entreprise = df.groupby(['organisation_formation', 'taille_entreprise']).size().reset_index(name='obs')
    fig_formation_entreprise = px.bar(df_formation_entreprise, x='organisation_formation', y='obs', color='taille_entreprise', title="Formations organisées pour les CAA par taille d'entreprise", labels={'obs':'nombre'}, color_discrete_sequence=px.colors.qualitative.Safe, text_auto=True).update_layout(font=dict(size=9,color="RebeccaPurple"))
    elements.append(cl.Plotly(name="chart_formation_entreprise", figure=fig_formation_entreprise, display="inline", size="medium"))

    df_formation_nb_charge = df.groupby(['organisation_formation', 'nombre_chargés_affaires']).size().reset_index(name='obs')
    fig_formation_nb_charge = px.bar(df_formation_nb_charge, x='organisation_formation', y='obs', color='nombre_chargés_affaires', title="Formations organisées pour les CAA par nombre chargé.e d'affaires", labels={'obs':'nombre'}, color_discrete_sequence=px.colors.qualitative.Safe, text_auto=True).update_layout(font=dict(size=9,color="RebeccaPurple"))
    elements.append(cl.Plotly(name="chart_formation_nb_charge", figure=fig_formation_nb_charge, display="inline", size="medium"))
    
    
    df_activites_autonomie_chiffrage = df.groupby('jeune_chargé_activités_exercées_autonomie_autonomie_partielle_ou_non_Etude_chiffrage').size().reset_index(name='obs')
    df_activites_autonomie_conception = df.groupby('jeune_chargé_activités_exercées_autonomie_autonomie_partielle_ou_non_Conception_technique').size().reset_index(name='obs')
    df_activites_autonomie_gestion = df.groupby('jeune_chargé_activités_exercées_autonomie_autonomie_partielle_ou_non_Assurer_gestion_administrative_financière').size().reset_index(name='obs')
    df_activites_autonomie_MOE = df.groupby('jeune_chargé_activités_exercées_autonomie_autonomie_partielle_ou_non_Contrôler_mise_en_oeuvre').size().reset_index(name='obs')
    df_activites_autonomie_cloturer_affaire = df.groupby('jeune_chargé_activités_exercées_autonomie_autonomie_partielle_ou_non_Développer_relation_client_suivre_clôturer_affaire').size().reset_index(name='obs')
    fig_activites_autonomie = make_subplots(rows=5, cols=1, shared_xaxes=True)
    fig_activites_autonomie.add_trace(
        go.Bar(x=df_activites_autonomie_chiffrage.obs, y=df_activites_autonomie_chiffrage.jeune_chargé_activités_exercées_autonomie_autonomie_partielle_ou_non_Etude_chiffrage, orientation='h', textposition='inside', textangle=0, textfont_color='white', name="Etude et Chiffrage"), 1, 1
    )
    fig_activites_autonomie.add_trace(
        go.Bar(x=df_activites_autonomie_conception.obs, y=df_activites_autonomie_conception.jeune_chargé_activités_exercées_autonomie_autonomie_partielle_ou_non_Conception_technique, orientation='h', textposition='inside', textangle=0, textfont_color='white', name="Conception technique"),
        2,
        1,
    )
    fig_activites_autonomie.add_trace(
        go.Bar(x=df_activites_autonomie_gestion.obs, y=df_activites_autonomie_gestion.jeune_chargé_activités_exercées_autonomie_autonomie_partielle_ou_non_Assurer_gestion_administrative_financière, orientation='h', textposition='inside', textangle=0, textfont_color='white', name="Gestion adm. et fin."),
        3,
        1,
    )
    fig_activites_autonomie.add_trace(
        go.Bar(x=df_activites_autonomie_MOE.obs, y=df_activites_autonomie_MOE.jeune_chargé_activités_exercées_autonomie_autonomie_partielle_ou_non_Contrôler_mise_en_oeuvre, orientation='h', textposition='inside', textangle=0, textfont_color='white', name="Contrôler MOE"),
        4,
        1,
    )
    fig_activites_autonomie.add_trace(
        go.Bar(x=df_activites_autonomie_cloturer_affaire.obs, y=df_activites_autonomie_cloturer_affaire.jeune_chargé_activités_exercées_autonomie_autonomie_partielle_ou_non_Développer_relation_client_suivre_clôturer_affaire, orientation='h', textposition='inside', textangle=0, textfont_color='white', name="Clôturer affaire"),
        5,
        1,
    )
    fig_activites_autonomie.update_layout(title='Activités d\'un CAA junior', xaxis_tickfont_size=10, yaxis_tickfont_size=10, autosize=False, width=600, height=600)
    elements.append(cl.Plotly(name="chart_activites_autonomie", figure=fig_activites_autonomie, display="inline", size="medium"))

    df_activites_autonomie_chiffrage_entreprise = df.groupby(['jeune_chargé_activités_exercées_autonomie_autonomie_partielle_ou_non_Etude_chiffrage', 'taille_entreprise']).size().reset_index(name='obs')
    df_activites_autonomie_conception_entreprise = df.groupby(['jeune_chargé_activités_exercées_autonomie_autonomie_partielle_ou_non_Conception_technique', 'taille_entreprise']).size().reset_index(name='obs')
    df_activites_autonomie_gestion_entreprise = df.groupby(['jeune_chargé_activités_exercées_autonomie_autonomie_partielle_ou_non_Assurer_gestion_administrative_financière', 'taille_entreprise']).size().reset_index(name='obs')
    df_activites_autonomie_MOE_entreprise = df.groupby(['jeune_chargé_activités_exercées_autonomie_autonomie_partielle_ou_non_Contrôler_mise_en_oeuvre', 'taille_entreprise']).size().reset_index(name='obs')
    df_activites_autonomie_cloturer_affaire_entreprise = df.groupby(['jeune_chargé_activités_exercées_autonomie_autonomie_partielle_ou_non_Développer_relation_client_suivre_clôturer_affaire', 'taille_entreprise']).size().reset_index(name='obs')
    df_categorized_chiffrage_entreprise = df_activites_autonomie_chiffrage_entreprise.groupby("taille_entreprise", observed=True).agg("sum").reset_index()
    
    fig_activites_autonomie_entreprise = make_subplots(rows=5, cols=1, shared_xaxes=True)
    fig_activites_autonomie_entreprise.add_trace(
        go.Bar(x=df_activites_autonomie_chiffrage_entreprise.obs, y=df_activites_autonomie_chiffrage_entreprise.jeune_chargé_activités_exercées_autonomie_autonomie_partielle_ou_non_Etude_chiffrage, hovertemplate='<b>%{text}</b><br>X : %{x}<br>', text=df_activites_autonomie_chiffrage_entreprise.taille_entreprise, orientation='h', textposition='inside', textangle=0, textfont_color='white', name="Etude et chiffrage"),
        1,
        1,
    )
    fig_activites_autonomie_entreprise.add_trace(
        go.Bar(x=df_activites_autonomie_conception_entreprise.obs, y=df_activites_autonomie_conception_entreprise.jeune_chargé_activités_exercées_autonomie_autonomie_partielle_ou_non_Conception_technique, hovertemplate = '<b>%{text}</b><br>X : %{x}<br>', text = df_activites_autonomie_chiffrage_entreprise.taille_entreprise, orientation='h', textposition='inside', textangle=0, textfont_color='white', name="Conception technique"),
        2,
        1,
    )
    fig_activites_autonomie_entreprise.add_trace(
        go.Bar(x=df_activites_autonomie_gestion_entreprise.obs, y=df_activites_autonomie_gestion_entreprise.jeune_chargé_activités_exercées_autonomie_autonomie_partielle_ou_non_Assurer_gestion_administrative_financière, hovertemplate = '<b>%{text}</b><br>X : %{x}<br>', text = df_activites_autonomie_gestion_entreprise.taille_entreprise, orientation='h', textposition='inside', textangle=0, textfont_color='white', name="Gestion adm. et fin."),
        3,
        1,
    )
    fig_activites_autonomie_entreprise.add_trace(
        go.Bar(x=df_activites_autonomie_MOE_entreprise.obs, y=df_activites_autonomie_MOE_entreprise.jeune_chargé_activités_exercées_autonomie_autonomie_partielle_ou_non_Contrôler_mise_en_oeuvre, hovertemplate = '<b>%{text}</b><br>X : %{x}<br>', text = df_activites_autonomie_MOE_entreprise.taille_entreprise, orientation='h', textposition='inside', textangle=0, textfont_color='white', name="Contrôler MOE"),
        4,
        1,
    )
    fig_activites_autonomie_entreprise.add_trace(
        go.Bar(x=df_activites_autonomie_cloturer_affaire_entreprise.obs, y=df_activites_autonomie_cloturer_affaire_entreprise.jeune_chargé_activités_exercées_autonomie_autonomie_partielle_ou_non_Développer_relation_client_suivre_clôturer_affaire, hovertemplate = '<b>%{text}</b><br>X : %{x}<br>', text = df_activites_autonomie_cloturer_affaire_entreprise.taille_entreprise, orientation='h', textposition='inside', textangle=0, textfont_color='white', name="Clôturer affaire"),
        5,
        1,
    )
    fig_activites_autonomie_entreprise.update_yaxes(categoryorder='category ascending')
    fig_activites_autonomie_entreprise.update_layout(title='Activités d\'un CAA junior par taille entreprise', xaxis_tickfont_size=10, yaxis_tickfont_size=10, autosize=False, width=600, height=600, barmode='stack')
    elements.append(cl.Plotly(name="chart_activites_autonomie_entreprise", figure=fig_activites_autonomie_entreprise, display="inline", size="medium"))

    df_activites_autonomie_chiffrage_statut = df.groupby(['jeune_chargé_activités_exercées_autonomie_autonomie_partielle_ou_non_Etude_chiffrage', 'fonction_Statut_repondant']).size().reset_index(name='obs')
    df_activites_autonomie_conception_statut = df.groupby(['jeune_chargé_activités_exercées_autonomie_autonomie_partielle_ou_non_Conception_technique', 'fonction_Statut_repondant']).size().reset_index(name='obs')
    df_activites_autonomie_gestion_statut = df.groupby(['jeune_chargé_activités_exercées_autonomie_autonomie_partielle_ou_non_Assurer_gestion_administrative_financière', 'fonction_Statut_repondant']).size().reset_index(name='obs')
    df_activites_autonomie_MOE_statut = df.groupby(['jeune_chargé_activités_exercées_autonomie_autonomie_partielle_ou_non_Contrôler_mise_en_oeuvre', 'fonction_Statut_repondant']).size().reset_index(name='obs')
    df_activites_autonomie_cloturer_affaire_statut = df.groupby(['jeune_chargé_activités_exercées_autonomie_autonomie_partielle_ou_non_Développer_relation_client_suivre_clôturer_affaire', 'fonction_Statut_repondant']).size().reset_index(name='obs')
    fig_activites_autonomie_statut = make_subplots(rows=5, cols=1, shared_xaxes=True)
    fig_activites_autonomie_statut.add_trace(
        go.Bar(x=df_activites_autonomie_chiffrage_statut.obs, y=df_activites_autonomie_chiffrage_statut.jeune_chargé_activités_exercées_autonomie_autonomie_partielle_ou_non_Etude_chiffrage, hovertemplate='<b>%{text}</b><br>X : %{x}<br>', text=df_activites_autonomie_chiffrage_statut.fonction_Statut_repondant, orientation='h', textposition='inside', textangle=0, textfont_color='white', name="Etude et chiffrage"),
        1,
        1,
    )
    fig_activites_autonomie_statut.add_trace(
        go.Bar(x=df_activites_autonomie_conception_statut.obs, y=df_activites_autonomie_conception_statut.jeune_chargé_activités_exercées_autonomie_autonomie_partielle_ou_non_Conception_technique, hovertemplate = '<b>%{text}</b><br>X : %{x}<br>', text = df_activites_autonomie_chiffrage_statut.fonction_Statut_repondant, orientation='h', textposition='inside', textangle=0, textfont_color='white', name="Conception technique"),
        2,
        1,
    )
    fig_activites_autonomie_statut.add_trace(
        go.Bar(x=df_activites_autonomie_gestion_statut.obs, y=df_activites_autonomie_gestion_statut.jeune_chargé_activités_exercées_autonomie_autonomie_partielle_ou_non_Assurer_gestion_administrative_financière, hovertemplate = '<b>%{text}</b><br>X : %{x}<br>', text = df_activites_autonomie_gestion_statut.fonction_Statut_repondant, orientation='h', textposition='inside', textangle=0, textfont_color='white', name="Gestion adm. et fin."),
        3,
        1,
    )
    fig_activites_autonomie_statut.add_trace(
        go.Bar(x=df_activites_autonomie_MOE_statut.obs, y=df_activites_autonomie_MOE_statut.jeune_chargé_activités_exercées_autonomie_autonomie_partielle_ou_non_Contrôler_mise_en_oeuvre, hovertemplate = '<b>%{text}</b><br>X : %{x}<br>', text = df_activites_autonomie_MOE_statut.fonction_Statut_repondant, orientation='h', textposition='inside', textangle=0, textfont_color='white', name="Contrôler MOE"),
        4,
        1,
    )
    fig_activites_autonomie_statut.add_trace(
        go.Bar(x=df_activites_autonomie_cloturer_affaire_statut.obs, y=df_activites_autonomie_cloturer_affaire_statut.jeune_chargé_activités_exercées_autonomie_autonomie_partielle_ou_non_Développer_relation_client_suivre_clôturer_affaire, hovertemplate = '<b>%{text}</b><br>X : %{x}<br>', text = df_activites_autonomie_cloturer_affaire_statut.fonction_Statut_repondant, orientation='h', textposition='inside', textangle=0, textfont_color='white', name="Clôturer affaire"),
        5,
        1,
    )
    fig_activites_autonomie_statut.update_yaxes(categoryorder='category ascending')
    fig_activites_autonomie_statut.update_layout(title='Activités d\'un CAA junior par profil des répondants', xaxis_tickfont_size=10, yaxis_tickfont_size=10, autosize=False, width=600, height=600, barmode='stack')
    elements.append(cl.Plotly(name="chart_activites_autonomie_statut", figure=fig_activites_autonomie_statut, display="inline", size="medium"))

    content_all = "Tableaux des données de La \"taille des entreprises ayant répondu\"\n" + df_taille.to_string() + "\n\nTableaux des données de \"L’engagement dans le domaine de l’agencement\"\n" + df_temps.to_string() + "\n\nTableaux des données de \"L’engagement dans le domaine de l’agencement\" par taille d'entreprise\n" + df_temps_entreprise.to_string() + "\n\nTableaux des données de \"Le nombre de chargé.e d’affaires en agencement\"\n" + df_nb_charge.to_string() + "\n\nTableaux des données de \"Le nombre de chargé.e d’affaires en agencement par taille d'entreprise\"\n" + df_nb_charge_entreprise.to_string() + "\n\nTableaux des données de \"Le nombre de chargé.e d’affaires en agencement par année d'engagement\"\n" + df_nb_charge_engagement.to_string() + "\n\nTableaux des données de \"Le profil des répondants\"\n" + df_statut.to_string() + "\n\nTableaux des données de \"Les principaux interlocuteurs du CAA\"\n" + df_interlocuteur.to_string() + "\n\nTableaux des données de \"Les principaux interlocuteurs du CAA\" par taille d'entreprise\n" + df_interlocuteur_entreprise.to_string() + "\n\nTableaux des données de \"Les principaux interlocuteurs du CAA\" par nombre chargé.e d'affaires\n" + df_interlocuteur_nb_charge.to_string() + "\n\nTableaux des données de \"Les principales compétences attendues\"\n" + df_competences.to_string() + "\n\nTableaux des données de \"Les principales compétences attendues\" par taille d'entreprise\n" + df_competences_entreprise.to_string() + "\n\nTableaux des données de \"Les principales compétences attendues\" par nombre chargé.e d'affaires\n" + df_competences_nb_charge.to_string() + "\n\nTableaux des données de \"Les compétences relationnelles attendues\"\n" + df_competences_relationnelles.to_string() + "\n\nTableaux des données de \"Les compétences relationnelles attendues par taille entreprise\"\n" + df_competences_relationnelles_entreprise.to_string() + "\n\nTableaux des données de \"Les compétences relationnelles attendues par nombre chargé.e d'affaires\"\n" + df_competences_relationnelles_nb_charge.to_string() + "\n\nTableaux des données de \"Les compétences en gestion attendues\"\n" + df_competences_gestion.to_string() + "\n\nTableaux des données de \"Les compétences en gestion attendues par taille entreprise\"\n" + df_competences_gestion_entreprise.to_string() + "\n\nTableaux des données de \"Les compétences en gestion attendues par nombre chargé.e d'affaires\"\n" + df_competences_gestion_nb_charge.to_string() + "\n\nTableaux des données de \"Difficulté de recruter un CAA\"\n" + df_difficulte.to_string() + "\n\nTableaux des données de \"Formations organisées pour les CAA\"\n" + df_formation.to_string() + "\n\nTableaux des données de \"Formations organisées pour les CAA par taille entreprise\"\n" + df_formation_entreprise.to_string() + "\n\nTableaux des données de \"Formations organisées pour les CAA par nombre chargé.e d'affaires\"\n" + df_formation_nb_charge.to_string() + "\n\nTableaux des données de \"Activités d’un CAA junior : Etude et Chiffrage\"\n" + df_activites_autonomie_chiffrage.to_string() + "\n\nTableaux des données de \"Activités d’un CAA junior : Conception Technique\"\n" + df_activites_autonomie_conception.to_string() + "\n\nTableaux des données de \"Activités d’un CAA junior : Gestion Administrative et Financière\"\n" + df_activites_autonomie_gestion.to_string() + "\n\nTableaux des données de \"Activités d’un CAA junior : Mise en Oeuvre\"\n" + df_activites_autonomie_MOE.to_string() + "\n\nTableaux des données de \"Activités d’un CAA junior : Relation Client et Cloturer Affaire\"\n" + df_activites_autonomie_cloturer_affaire.to_string() + "\n\nTableaux des données de \"Activités d’un CAA junior : Etude et Chiffrage par taille entreprise\"\n" + df_categorized_chiffrage_entreprise.to_string()
    content_all_html = "Tableaux des données de La \"taille des entreprises ayant répondu\"\n" + df_taille.to_html() + "\n\nTableaux des données de \"L’engagement dans le domaine de l’agencement\"\n" + df_temps.to_html() + "\n\nTableaux des données de \"L’engagement dans le domaine de l’agencement\" par taille d'entreprise\n" + df_temps_entreprise.to_html() + "\n\nTableaux des données de \"Le nombre de chargé.e d’affaires en agencement\"\n" + df_nb_charge.to_html() + "\n\nTableaux des données de \"Le nombre de chargé.e d’affaires en agencement par taille d'entreprise\"\n" + df_nb_charge_entreprise.to_html() + "\n\nTableaux des données de \"Le nombre de chargé.e d’affaires en agencement par année d'engagement\"\n" + df_nb_charge_engagement.to_html() + "\n\nTableaux des données de \"Le profil des répondants\"\n" + df_statut.to_html() + "\n\nTableaux des données de \"Les principaux interlocuteurs du CAA\"\n" + df_interlocuteur.to_html() + "\n\nTableaux des données de \"Les principaux interlocuteurs du CAA\" par taille d'entreprise\n" + df_interlocuteur_entreprise.to_html() + "\n\nTableaux des données de \"Les principaux interlocuteurs du CAA\" par nombre chargé.e d'affaires\n" + df_interlocuteur_nb_charge.to_html() + "\n\nTableaux des données de \"Les principales compétences attendues\"\n" + df_competences.to_html() + "\n\nTableaux des données de \"Les principales compétences attendues\" par taille d'entreprise\n" + df_competences_entreprise.to_html() + "\n\nTableaux des données de \"Les principales compétences attendues\" par nombre chargé.e d'affaires\n" + df_competences_nb_charge.to_html() + "\n\nTableaux des données de \"Les compétences relationnelles attendues\"\n" + df_competences_relationnelles.to_html() + "\n\nTableaux des données de \"Les compétences relationnelles attendues par taille entreprise\"\n" + df_competences_relationnelles_entreprise.to_html() + "\n\nTableaux des données de \"Les compétences relationnelles attendues par nombre chargé.e d'affaires\"\n" + df_competences_relationnelles_nb_charge.to_html() + "\n\nTableaux des données de \"Les compétences en gestion attendues\"\n" + df_competences_gestion.to_html() + "\n\nTableaux des données de \"Les compétences en gestion attendues par taille entreprise\"\n" + df_competences_gestion_entreprise.to_html() + "\n\nTableaux des données de \"Les compétences en gestion attendues par nombre chargé.e d'affaires\"\n" + df_competences_gestion_nb_charge.to_html() + "\n\nTableaux des données de \"Difficulté de recruter un CAA\"\n" + df_difficulte.to_html() + "\n\nTableaux des données de \"Formations organisées pour les CAA\"\n" + df_formation.to_html() + "\n\nTableaux des données de \"Formations organisées pour les CAA par taille entreprise\"\n" + df_formation_entreprise.to_html() + "\n\nTableaux des données de \"Formations organisées pour les CAA par nombre chargé.e d'affaires\"\n" + df_formation_nb_charge.to_html() + "\n\nTableaux des données de \"Activités d’un CAA junior : Etude et Chiffrage\"\n" + df_activites_autonomie_chiffrage.to_html() + "\n\nTableaux des données de \"Activités d’un CAA junior : Conception Technique\"\n" + df_activites_autonomie_conception.to_html() + "\n\nTableaux des données de \"Activités d’un CAA junior : Gestion Administrative et Financière\"\n" + df_activites_autonomie_gestion.to_html() + "\n\nTableaux des données de \"Activités d’un CAA junior : Mise en Oeuvre\"\n" + df_activites_autonomie_MOE.to_html() + "\n\nTableaux des données de \"Activités d’un CAA junior : Relation Client et Cloturer Affaire\"\n" + df_activites_autonomie_cloturer_affaire.to_html() + "\n\nTableaux des données de \"Activités d’un CAA junior : Etude et Chiffrage par taille entreprise\"\n" + df_activites_autonomie_chiffrage_entreprise.to_html() + df_categorized_chiffrage_entreprise.to_html()
    tableau_all = [cl.Text(name="Tableaux", content=content_all_html, display="side")]
    await cl.Message(content="📚 Tableaux de toutes les données", elements=tableau_all,).send()
    actions = [cl.Action(name="Download", value=content_all, description="download_tableau")]
    await cl.Message(content="📥 Télécharger l'ensemble des tableaux de données ayant servi à la datavisualisation", actions=actions).send()

    await cl.Message(content="Datavisualisation de l'enquête des recruteurs des chargé.e.s d'affaires en agencement", elements=elements).send()

    wd_principaux_interlocuteurs = " ".join(i for i in df1.principaux_interlocuteurs)
    exclure_mots = ['d', 'du', 'de', 'la', 'des', 'le', 'et', 'est', 'elle', 'une', 'en', 'que', 'aux', 'qui', 'ces', 'les', 'dans', 'sur', 'l', 'un', 'pour', 'par', 'il', 'ou', 'à', 'ce', 'a', 'sont', 'cas', 'plus', 'leur', 'se', 's', 'vous', 'au', 'c', 'aussi', 'toutes', 'autre', 'comme']
    elements_wordcloud_principaux_interlocuteurs = []
    wordcloud_principaux_interlocuteurs = WordCloud(background_color='white',
                      stopwords=exclure_mots, max_words=80).generate(wd_principaux_interlocuteurs)
    fig_wordcloud_principaux_interlocuteurs = plt.figure(1,figsize=(12,15))
    plt.imshow(wordcloud_principaux_interlocuteurs,interpolation="none")
    plt.axis('off')
    plt.title("Nuage de mots des principaux interlocuteurs")
    elements_wordcloud_principaux_interlocuteurs.append(cl.Pyplot(name="plot_wordcloud_principaux_interlocuteurs", figure=fig_wordcloud_principaux_interlocuteurs, size="large", display="inline"))
    
    options_entreprise1 = ['10 à 50 employés'] 
    df1_entreprise1 = df1.loc[df1['taille_entreprise'].isin(options_entreprise1)] 
    wd_principaux_interlocuteurs_entreprise1 = " ".join(i for i in df1_entreprise1.principaux_interlocuteurs)
    wordcloud_principaux_interlocuteurs_entreprise1 = WordCloud(background_color='white',
                      stopwords=exclure_mots, max_words=80).generate(wd_principaux_interlocuteurs_entreprise1)
    fig_wordcloud_principaux_interlocuteurs_entreprise1 = plt.figure(1,figsize=(12,15))
    plt.imshow(wordcloud_principaux_interlocuteurs_entreprise1,interpolation="none")
    plt.axis('off')
    plt.title("Nuage de mots des principaux interlocuteurs entreprise 10 à 50 employés")
    elements_wordcloud_principaux_interlocuteurs.append(cl.Pyplot(name="plot_wordcloud_principaux_interlocuteurs_entreprise_10_50", figure=fig_wordcloud_principaux_interlocuteurs_entreprise1, size="large", display="inline"))

    options_entreprise2 = ['51 à 100 employés'] 
    df1_entreprise2 = df1.loc[df1['taille_entreprise'].isin(options_entreprise2)] 
    wd_principaux_interlocuteurs_entreprise2 = " ".join(i for i in df1_entreprise2.principaux_interlocuteurs)
    wordcloud_principaux_interlocuteurs_entreprise2 = WordCloud(background_color='white',
                      stopwords=exclure_mots, max_words=80).generate(wd_principaux_interlocuteurs_entreprise2)
    fig_wordcloud_principaux_interlocuteurs_entreprise2 = plt.figure(1,figsize=(12,15))
    plt.imshow(wordcloud_principaux_interlocuteurs_entreprise2,interpolation="none")
    plt.axis('off')
    plt.title("Nuage de mots des principaux interlocuteurs entreprise 51 à 100 employés")
    elements_wordcloud_principaux_interlocuteurs.append(cl.Pyplot(name="plot_wordcloud_principaux_interlocuteurs_entreprise_51_100", figure=fig_wordcloud_principaux_interlocuteurs_entreprise2, size="large", display="inline"))

    options_entreprise3 = ['Moins de 10 employés'] 
    df1_entreprise3 = df1.loc[df1['taille_entreprise'].isin(options_entreprise3)] 
    wd_principaux_interlocuteurs_entreprise3 = " ".join(i for i in df1_entreprise3.principaux_interlocuteurs)
    wordcloud_principaux_interlocuteurs_entreprise3 = WordCloud(background_color='white',
                      stopwords=exclure_mots, max_words=80).generate(wd_principaux_interlocuteurs_entreprise3)
    fig_wordcloud_principaux_interlocuteurs_entreprise3 = plt.figure(1,figsize=(12,15))
    plt.imshow(wordcloud_principaux_interlocuteurs_entreprise3,interpolation="none")
    plt.axis('off')
    plt.title("Nuage de mots des principaux interlocuteurs entreprise Moins de 10 employés")
    elements_wordcloud_principaux_interlocuteurs.append(cl.Pyplot(name="plot_wordcloud_principaux_interlocuteurs_entreprise_moins_10", figure=fig_wordcloud_principaux_interlocuteurs_entreprise3, size="large", display="inline"))

    options_entreprise4 = ['Plus de 100 employés'] 
    df1_entreprise4 = df1.loc[df1['taille_entreprise'].isin(options_entreprise4)] 
    wd_principaux_interlocuteurs_entreprise4 = " ".join(i for i in df1_entreprise4.principaux_interlocuteurs)
    wordcloud_principaux_interlocuteurs_entreprise4 = WordCloud(background_color='white',
                      stopwords=exclure_mots, max_words=80).generate(wd_principaux_interlocuteurs_entreprise4)
    fig_wordcloud_principaux_interlocuteurs_entreprise4 = plt.figure(1,figsize=(12,15))
    plt.imshow(wordcloud_principaux_interlocuteurs_entreprise4,interpolation="none")
    plt.axis('off')
    plt.title("Nuage de mots des principaux interlocuteurs entreprise Plus de 100 employés")
    elements_wordcloud_principaux_interlocuteurs.append(cl.Pyplot(name="plot_wordcloud_principaux_interlocuteurs_entreprise_plus_100", figure=fig_wordcloud_principaux_interlocuteurs_entreprise4, size="large", display="inline"))
    
    await cl.Message( content="Nuage de mots des principaux interlocuteurs et croisement avec la taille des entreprises",elements=elements_wordcloud_principaux_interlocuteurs,).send()
    
@cl.on_message
async def on_message(message: cl.Message):
    await cl.Message(f"> SURVEYIA").send()
    agent = create_agent("./public/surveyia.csv")
    cb = cl.AsyncLangchainCallbackHandler()
    try:
        res = await agent.acall("Réponds en langue française à la question suivante : " + message.content, callbacks=[cb])
        await cl.Message(author="COPILOT",content=GoogleTranslator(source='auto', target='fr').translate(res['output'])).send()
    except ValueError as e:
        res = str(e)
        resArray = res.split(":")
        ans = ''
        if str(res).find('parsing') != -1:
            for i in range(2,len(resArray)):
                ans += resArray[i]
            await cl.Message(author="COPILOT",content=ans.replace("`","")).send()
        else:
            await cl.Message(author="COPILOT",content="Reformulez votre requête, s'il vous plait 😃").send()
    # Query the agent.
    #response = query_agent(agent=agent, query=message.content)
    # Decode the response.
    #decoded_response = decode_response(response)

    # Write the response to the Streamlit app.
    #result = write_response(decoded_response)   
    #await cl.Message(author="COPILOT",content=GoogleTranslator(source='auto', target='fr').translate(result)).send()