app.py

import gradio as gr
from transformers import pipeline

# Charger un modèle de langage simple pour la génération de texte
# Vous pouvez changer ce modèle par un autre plus spécifique si vous le souhaitez
generator = pipeline('text-generation', model='gpt2')

def chatbot_response(user_input):
    # Ici, nous allons simuler une réponse de chatbot simple
    # Pour un usage pédagogique, vous pourrez rendre ça plus sophistiqué
    if "bonjour" in user_input.lower():
        return "Bonjour ! Comment puis-je vous aider aujourd'hui à apprendre le français ?"
    elif "culture française" in user_input.lower():
        return "La culture française est très riche ! Voulez-vous en savoir plus sur l'art, la gastronomie ou l'histoire ?"
    elif "verbes" in user_input.lower():
        return "Les verbes français peuvent être complexes, mais nous allons les maîtriser ensemble ! Quel temps souhaitez-vous réviser ?"
    else:
        # Utilisez le modèle pour générer une réponse plus générale
        response = generator(f"L'utilisateur demande : '{user_input}'. Réponse du chatbot :", max_new_tokens=50, num_return_sequences=1)
        return response[0]['generated_text'].replace(f"L'utilisateur demande : '{user_input}'. Réponse du chatbot :", "").strip()

# Créer l'interface Gradio
iface = gr.Interface(
    fn=chatbot_response,
    inputs=gr.Textbox(lines=2,
 placeholder="Tapez votre message ici..."),
    outputs="text",
    title="Mon Chatbot FLE de Culture Générale",
    description="Posez-moi des questions sur la France ou l'apprentissage du FLE !"
)

iface.launch()