Spaces:
Paused
Paused
| title: Radar Avis Clients | |
| emoji: 📡 | |
| colorFrom: green | |
| colorTo: blue | |
| sdk: streamlit | |
| sdk_version: 1.62.0 | |
| app_file: app.py | |
| pinned: false | |
| license: mit | |
| hardware: cpu-basic | |
| # 📡 Radar d'avis clients — Waaw Telecom (démo) | |
| Application Streamlit qui ingère un CSV d'avis clients en français et répond | |
| en moins d'une minute à trois questions : les clients sont-ils satisfaits ? | |
| De quoi parlent-ils ? Que faut-il retenir en trois lignes ? | |
| TP13 — Module 5 (Déploiement), Master IA. | |
| ## Capture d'écran | |
| *(à ajouter après le premier lancement local — onglet Synthèse du tableau de bord)* | |
| ## Format du CSV attendu | |
| | Colonne | Obligatoire | Description | | |
| |---|---|---| | |
| | `id` | oui | identifiant unique de l'avis | | |
| | `date` | oui | date de l'avis (`AAAA-MM-JJ`) | | |
| | `avis` | oui | texte de l'avis, en français | | |
| | `note` | non | note client de 1 à 5, sert de vérité terrain pour évaluer le modèle | | |
| Un jeu de démonstration de 200 avis synthétiques est fourni dans | |
| `data/exemple_avis.csv` et se charge automatiquement si aucun fichier n'est | |
| déposé. | |
| ## Modèles utilisés | |
| | Tête | Modèle | Rôle | | |
| |---|---|---| | |
| | Sentiment | [cmarkea/distilcamembert-base-sentiment](https://huggingface.co/cmarkea/distilcamembert-base-sentiment) | classification positif / neutre / négatif + score de confiance | | |
| | Thèmes | [MoritzLaurer/mDeBERTa-v3-base-mnli-xnli](https://huggingface.co/MoritzLaurer/mDeBERTa-v3-base-mnli-xnli) | zero-shot multi-étiquettes sur les thèmes choisis | | |
| | Résumé | [plguillou/t5-base-fr-sum-cnndm](https://huggingface.co/plguillou/t5-base-fr-sum-cnndm) | synthèse des avis négatifs (activable, tête la plus lente) | | |
| ## Évaluation contre la vérité terrain | |
| Quand la colonne `note` est présente, un onglet **Évaluation** calcule | |
| l'accuracy et le F1-score du modèle de sentiment contre la note client | |
| binarisée (≤2 négatif, ≥4 positif, 3 exclu), via la bibliothèque | |
| [`evaluate`](https://huggingface.co/docs/evaluate) (`evaluate.load("accuracy")`, | |
| `evaluate.load("f1")`) plutôt qu'un calcul manuel, et affiche la matrice de | |
| confusion correspondante. | |
| ## Architecture du dépôt | |
| ``` | |
| radar-avis-clients/ | |
| ├── app.py # point d'entrée Streamlit (interface + tableau de bord) | |
| ├── moteur.py # chargement (cache_resource) et analyse par lots | |
| ├── requirements.txt # dépendances épinglées | |
| ├── README.md # ce fichier (en-tête YAML du Space) | |
| ├── .streamlit/config.toml # thème de l'application | |
| ├── data/exemple_avis.csv # jeu de démonstration (200 avis) | |
| ├── data/generer_donnees.py # script ayant généré le jeu de démonstration | |
| ├── demo_rerun.py # étape 1.1 — démo du rerun Streamlit | |
| └── demo_cache.py # étape 1.2 — mesure du coût du cache | |
| ``` | |
| ## Lancer en local | |
| ```bash | |
| python -m venv .venv && source .venv/bin/activate | |
| pip install -r requirements.txt | |
| streamlit run app.py | |
| ``` | |
| ## Coût d'exécution observé | |
| *(à compléter après déploiement — voir rapport, questions 3, 6 et 11 : temps | |
| de build, temps de premier affichage, facteur d'accélération mesuré)* | |
| ## Limites et biais | |
| À éprouver explicitement et documenter (voir rapport) : | |
| - **ironie** : « bravo pour les trois jours sans réseau, du grand art » — le | |
| modèle de sentiment n'est pas entraîné pour détecter le second degré et | |
| risque de classer ce type d'avis comme positif ou neutre. | |
| - **français mêlé de wolof** : « réseau bi dafa bon, merci beaucoup » — le | |
| modèle traite le texte comme du français bruit ; les segments en wolof sont | |
| ignorés ou mal tokenisés, ce qui peut dégrader le score de confiance. | |
| - **avis très courts** (« ok », « bof ») : peu de signal lexical, le modèle | |
| est souvent moins confiant (score proche de 0,5) sur ces cas. | |
| ## Comparaison avec le Space Gradio (TP9) | |
| Voir le rapport pour la comparaison argumentée sur les cinq axes : modèle | |
| d'exécution, gestion de l'état, mise en page, latence perçue, facilité de | |
| mise en production. | |
| ## Secrets | |
| Si un modèle privé est utilisé, ajouter un `HF_TOKEN` dans *Settings → | |
| Variables and secrets* du Space et le lire via `os.environ["HF_TOKEN"]` — | |
| jamais en dur dans le code ni dans un `.streamlit/secrets.toml` versionné. | |