app.py

import streamlit as st
from transformers import pipeline
from transformers import AutoModelForCausalLM, AutoTokenizer

# Titre de l'application
st.set_page_config(page_title="Expert nutrition volaille", page_icon="🤖")
st.title("Chatbot AI avec l'expert nutrition")

st.sidebar.image("C:/Users/ROMO-ADM1/Documents/9. Avril/SIA Hackathon/poultry_nutritionist/img/avril_logo_rvb.jpg")

st.sidebar.header("")
#Choix production
choix_prod = st.sidebar.pills(
    "Sur quelle espèce voulez-vous avoir des renseignements ?",
    ("Pondeuse", "Chair"),
)

#Niveau vulgarisation
choix_vulgarisation = st.sidebar.pills(
    "Quel niveau de vulgarisation souhaitez-vous ?   (1- Très vulgarisé  2-Intermédiaire  3-Technique)",
    ("1", "2", "3"),
)

#Années de publication
choix_annee = st.sidebar.slider("Années de publication",
                                min_value=2015,
                                max_value=2025,
                                value=(2020,2025))


# Chargement du modèle
@st.cache_data
def load_model():
    return pipeline("text-generation", model="gpt2")

model = load_model()

# Interface utilisateur
st.sidebar.header("")
user_input = st.text_input("Vous : ", "")

if st.button("Envoyer"):
    if user_input:
        with st.spinner("Réflexion de l'IA..."):
            # Génération de la réponse
            response = model(user_input, max_length=100, num_return_sequences=1)
            bot_response = response[0]['generated_text']
            
            st.markdown("**Bot :** " + bot_response)
    else:
        st.warning("Veuillez entrer un message!")

# Styles CSS pour améliorer l'apparence
st.markdown("""
    <style>
        .st-bx {
            background-color: #f1f1f1;
            border-radius: 10px;
            padding: 10px;
            margin: 10px 0;
        }
        .st-bx h2 {
            color: #4CAF50;
        }
        .st-bx p {
            color: #555;
        }
    </style>
""", unsafe_allow_html=True)