from transformers import AutoTokenizer, AutoModelForCausalLM import gradio as gr import torch print("🔍 Chargement du modèle...") model_name = "microsoft/Phi-3-mini-4k-instruct" tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True) model = AutoModelForCausalLM.from_pretrained( model_name, torch_dtype=torch.float16, device_map="auto", trust_remote_code=True # ✅ FlashAttention-2 DÉSACTIVÉ → pas de dépendance manquante ) SYSTEM_PROMPT = ( "Tu es un expert en cybersécurité qui sensibilise le grand public. " "Réponds toujours en français, de manière claire, simple et pédagogique. " "Donne des conseils pratiques sur : mots de passe, phishing, mises à jour, " "authentification à deux facteurs, réseaux Wi-Fi publics, etc. " "N'invente pas d'informations. Si tu ne sais pas, dis-le poliment." ) def generate_response(user_message, history): messages = [{"role": "system", "content": SYSTEM_PROMPT}] for human, ai in history: messages.append({"role": "user", "content": human}) messages.append({"role": "assistant", "content": ai}) messages.append({"role": "user", "content": user_message}) input_ids = tokenizer.apply_chat_template( messages, return_tensors="pt", add_generation_prompt=True ).to(model.device) outputs = model.generate( input_ids, max_new_tokens=256, do_sample=True, temperature=0.7, top_p=0.95, pad_token_id=tokenizer.eos_token_id ) response = tokenizer.decode(outputs[0][input_ids.shape[1]:], skip_special_tokens=True) return response demo = gr.ChatInterface( fn=generate_response, title="🛡️ Assistant Cybersécurité", description="Posez-moi des questions sur la sécurité en ligne.", examples=[ "Comment reconnaître un e-mail de phishing ?", "Qu'est-ce qu'un mot de passe fort ?", "Pourquoi activer la double authentification ?" ], ) if __name__ == "__main__": demo.launch()