Update app.py

app.py

@@ -1,23 +1,19 @@
 # -*- coding: utf-8 -*-
-"""ArchivChat PRO v4 - Version Stable API (Flan-T5)"""
+"""ArchivChat PRO v4 - Version Locale Stable (sans token HF)"""
 import gradio as gr
 import PyPDF2
 from pdf2image import convert_from_path
 import pytesseract
 import os
 import re
-from huggingface_hub import InferenceClient
+from transformers import pipeline
 from typing import List, Tuple
 
 # ==============================
-# CONFIG & API CLIENT
+# CONFIG MODELE LOCAL
 # ==============================
-MODEL_ID = "google/flan-t5-large"  # modèle garanti compatible text-generation
-HF_TOKEN = os.environ.get("HF_TOKEN")
-
-if not HF_TOKEN:
-    print("⚠️ HF_TOKEN manquant ! Ajoutez votre token Hugging Face dans les variables d'environnement.")
-client = InferenceClient(model=MODEL_ID, token=HF_TOKEN)
+# Modèle léger Flan-T5 pour text2text-generation (fonctionne sans token)
+generator = pipeline("text2text-generation", model="google/flan-t5-small")
 
 IS_HF_SPACES = os.environ.get("SPACE_ID") is not None
 if IS_HF_SPACES:
@@ -61,7 +57,7 @@ def extract_text_hybrid(pdf_file) -> Tuple[str, str]:
     return re.sub(r'\s+', ' ', text).strip(), method
 
 # ==============================
-# LOGIQUE DE CHAT (API)
+# LOGIQUE DE CHAT (LOCAL)
 # ==============================
 class DocumentChat:
     def __init__(self):
@@ -82,19 +78,13 @@ class DocumentChat:
             return "❌ Veuillez charger un PDF d'abord."
         
         prompt = f"Répond uniquement sur le document fourni.\nContexte: {self.context[:3000]}\nQuestion: {question}"
-        
         try:
-            response = client.text_generation(
-                prompt,
-                max_new_tokens=250
-            )
-            answer = response.strip()
+            response = generator(prompt, max_new_tokens=200)
+            answer = response[0]['generated_text']
             self.history.append({"q": question, "a": answer})
             return answer
         except Exception as e:
-            if "503" in str(e) or "overloading" in str(e):
-                return "⚠️ Le modèle se réveille... réessayez dans 10 secondes."
-            return f"⚠️ Erreur API : {str(e)}"
+            return f"⚠️ Erreur locale : {str(e)}"
 
 chat_engine = DocumentChat()
 
@@ -102,8 +92,8 @@ chat_engine = DocumentChat()
 # INTERFACE GRADIO
 # ==============================
 with gr.Blocks(theme=gr.themes.Soft()) as demo:
-    gr.Markdown("# 📂 ArchivChat PRO v4 (Stable API)")
-
+    gr.Markdown("# 📂 ArchivChat PRO v4 (Local Stable)")
+    
     with gr.Row():
         with gr.Column(scale=1):
             file_input = gr.File(label="Fichier PDF", file_types=[".pdf"])