README.md

metadata

title: Classifieur
emoji: 👁
colorFrom: red
colorTo: blue
sdk: gradio
sdk_version: 5.23.3
app_file: app.py
pinned: false
short_description: 'Une application de classification de texte utilisant OpenAI '

BrainBox4 - Système de Classification de Texte

Cette application gradio est un système de classification de texte basé sur l'IA, optimisé pour le traitement rapide de grands volumes de données.

🚀 Installation

1. Cloner le dépôt :

git clone https://github.com/simon-dharcourt/classifieur.git
cd classifieur

2. Installer les dépendances :

pip install -r requirements.txt

3. Configurer la clé API OpenAI (optionnel) :
   • Créer un fichier .env à la racine du projet
   • Ajouter votre clé API : OPENAI_API_KEY=votre_clé_api

💻 Utilisation

1. Lancer l'application :

python app.py

2. Accéder à l'interface web :

   • Ouvrir votre navigateur à l'URL indiquée dans la console.

3. Étapes d'utilisation :

   • Charger votre fichier Excel ou CSV
   • Sélectionner les colonnes à classifier
   • Définir les catégories
   • Lancer la classification

🏗 Architecture

brainbox4/
├── app.py              # Interface utilisateur
├── classifier.py       # Classification asynchrone
├── prompts.py         # Templates LLM
├── utils.py           # Utilitaires
└── requirements.txt   # Dépendances

🔧 Optimisations de Performance

• parallélisation des requêtes API par lot de 10 maximum pour accélérer la classification.
• suggestion automatique du modèle.

🎨 Optimisations de l'Interface Utilisateur

• Suggestion automatiques de catégories et de colonnes basées sur un échantillon de textes.
• Rapport d'évaluation détaillé après classification : analyse des catégories, détection des incohérences, suggestions d'amélioration.
• Suggestion de reclassification des textes selon les recommandations du rapport.

✨ Fonctionnalités Principales

1. Classification Rapide

   • Traitement parallèle des textes
   • Support des fichiers Excel/CSV
   • Scores de confiance et justification

2. Interface Simple

   • Upload de fichiers
   • Sélection des colonnes
   • Visualisation des résultats

🚀 Pistes d'Amélioration

1. Déploiement Local

   • Utilisation de modèles locaux via LiteLLM
   • Optimisation des appels aux LLMs pour accélérer la classification

2. Interface Avancée

   • Application web dédiée (React/Vue)
   • Système de comptes utilisateurs
   • Historique des classifications