Update app.py

app.py

@@ -9,31 +9,27 @@ import gspread
 from oauth2client.service_account import ServiceAccountCredentials
 import json
 
-# Charger les informations d'identification du compte de service Google à partir des secrets Hugging Face
+# Load Google service account credentials from Hugging Face secrets
 GOOGLE_SERVICE_ACCOUNT_JSON = st.secrets["GOOGLE_SERVICE_ACCOUNT_JSON"]
 
-# Configuration de Google Sheets
+# Google Sheets setup
 scope = ["https://www.googleapis.com/auth/spreadsheets", "https://www.googleapis.com/auth/drive"]
 service_account_info = json.loads(GOOGLE_SERVICE_ACCOUNT_JSON)
 creds = ServiceAccountCredentials.from_json_keyfile_dict(service_account_info, scope)
 client = gspread.authorize(creds)
-spreadsheet_id = '1Jf1k7Q71ihsxBf-XQYyucamMy14q7IjhUDlU8ZzR_Nc'  # Remplacez par votre ID de feuille Google
-sheet = client.open_by_key(spreadsheet_id).sheet1
+sheet_id = "1Jf1k7Q71ihsxBf-XQYyucamMy14q7IjhUDlU8ZzR_Nc"  # Replace with your Sheet ID
+sheet = client.open_by_key(sheet_id).sheet1  # Use the sheet ID to open the sheet
 
-# Fonction pour enregistrer les retours utilisateur dans Google Sheets
+# Function to save feedback to Google Sheets
 def save_feedback(user_input, bot_response, rating, comment):
-    try:
-        feedback = [user_input, bot_response, rating, comment]
-        sheet.append_row(feedback)
-        st.success("Merci pour votre retour!")
-    except Exception as e:
-        st.error(f"Erreur lors de l'enregistrement des retours : {e}")
-
-# Connexion API Hugging Face
+    feedback = [user_input, bot_response, rating, comment]
+    sheet.append_row(feedback)
+
+# Connect to Hugging Face API
 from huggingface_hub import login
 login(token=st.secrets["HF_TOKEN"])
 
-# Initialiser les composants LangChain
+# Initialize LangChain components
 db = FAISS.load_local("faiss_index", HuggingFaceEmbeddings(model_name='sentence-transformers/all-MiniLM-L12-v2'), allow_dangerous_deserialization=True)
 retriever = db.as_retriever(search_type="mmr", search_kwargs={'k': 1})
 
@@ -58,16 +54,16 @@ mistral_llm = HuggingFaceEndpoint(
     repo_id=repo_id, max_length=2048, temperature=0.05, huggingfacehub_api_token=st.secrets["HF_TOKEN"]
 )
 
-# Créer le prompt à partir du modèle de prompt
+# Create prompt from prompt template
 prompt = PromptTemplate(
     input_variables=["question"],
     template=prompt_template,
 )
 
-# Créer la chaîne LLM
+# Create LLM chain
 llm_chain = LLMChain(llm=mistral_llm, prompt=prompt)
 
-# Créer la chaîne RetrievalQA
+# Create RetrievalQA chain
 qa = RetrievalQA.from_chain_type(
     llm=mistral_llm,
     chain_type="stuff",
@@ -75,24 +71,24 @@ qa = RetrievalQA.from_chain_type(
     chain_type_kwargs={"prompt": prompt},
 )
 
-# Interface Streamlit avec une esthétique améliorée
+# Streamlit interface setup
 st.set_page_config(page_title="Alter-IA Chat", page_icon="🤖")
 
-# Définir la fonction pour gérer l'entrée utilisateur et afficher la réponse du chatbot
+# Function to handle user input and display chatbot response
 def chatbot_response(user_input):
     response = qa.run(user_input)
     return response
 
-# Créer des colonnes pour les logos
+# Create columns for logos
 col1, col2, col3 = st.columns([2, 3, 2])
 
 with col1:
-    st.image("Design 3_22.png", width=150, use_column_width=True)  # Ajustez le chemin et la taille de l'image selon vos besoins
+    st.image("Design 3_22.png", width=150, use_column_width=True)  # Adjust image path and size as needed
 
 with col3:
-    st.image("Altereo logo 2023 original - eau et territoires durables.png", width=150, use_column_width=True)  # Ajustez le chemin et la taille de l'image selon vos besoins
+    st.image("Altereo logo 2023 original - eau et territoires durables.png", width=150, use_column_width=True)  # Adjust image path and size as needed
 
-# Composants Streamlit
+# Streamlit components
 st.markdown("""
     <style>
     .centered-text {
@@ -105,11 +101,10 @@ st.markdown("""
     </style>
     """, unsafe_allow_html=True)
 
-# Utiliser les classes CSS pour styliser le texte
 st.markdown('<h3 class="centered-text">🤖 AlteriaChat 🤖</h3>', unsafe_allow_html=True)
 st.markdown('<p class="centered-orange-text">"Votre Réponse à Chaque Défi Méthodologique"</p>', unsafe_allow_html=True)
 
-# Interface utilisateur avec formulaire
+# Streamlit form for user interaction
 with st.form(key='feedback_form'):
     user_input = st.text_input("You:")
     submit_button = st.form_submit_button("Ask 📨")
@@ -120,20 +115,19 @@ with st.form(key='feedback_form'):
             st.markdown("### Bot:")
             st.text_area("", value=bot_response, height=600)
 
-            # Formulaire de retour d'information
+            # Form for feedback
             st.markdown("### Rate the response:")
             rating = st.slider("Select a rating:", min_value=1, max_value=5, value=1)
 
             st.markdown("### Leave a comment:")
             comment = st.text_area("")
 
-            # Soumettre les retours d'information
-            if st.form_submit_button("Submit Feedback"):
+            # Submit feedback
+            feedback_submit_button = st.form_submit_button("Submit Feedback")
+
+            if feedback_submit_button:
                 if comment.strip() and rating:
                     save_feedback(user_input, bot_response, rating, comment)
+                    st.success("Thank you for your feedback!")
                 else:
                     st.warning("⚠️ Please provide a comment and a rating.")
-
-# Citation motivante en bas de page
-st.markdown("---")
-st.markdown("La collaboration est la clé du succès. Chaque question trouve sa réponse, chaque défi devient une opportunité.")