app.py

from transformers import AutoTokenizer, AutoModelForSeq2SeqLM
import torch

# Charger le modèle et le tokenizer BARThez
model_name = "moussaKam/barthez"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSeq2SeqLM.from_pretrained(model_name)

# Mettre le modèle en mode évaluation
model.eval()

# Utiliser GPU si disponible
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model.to(device)

def resumer_texte(texte, max_length=150, min_length=40, num_beams=4):
    """
    Résume un texte en français avec BARThez
    
    Args:
        texte: Le texte à résumer
        max_length: Longueur maximale du résumé
        min_length: Longueur minimale du résumé
        num_beams: Nombre de beams pour la recherche (plus élevé = meilleure qualité)
    
    Returns:
        Le texte résumé
    """
    # Tokeniser le texte d'entrée
    inputs = tokenizer(
        texte,
        max_length=1024,
        truncation=True,
        return_tensors="pt"
    ).to(device)
    
    # Générer le résumé
    with torch.no_grad():
        summary_ids = model.generate(
            inputs["input_ids"],
            max_length=max_length,
            min_length=min_length,
            num_beams=num_beams,
            length_penalty=2.0,
            early_stopping=True
        )
    
    # Décoder le résumé
    resume = tokenizer.decode(summary_ids[0], skip_special_tokens=True)
    return resume

# Exemple d'utilisation
if __name__ == "__main__":
    texte_exemple = """
    L'intelligence artificielle transforme rapidement notre monde. 
    Les avancées en apprentissage automatique permettent désormais aux machines 
    de comprendre le langage naturel, de reconnaître des images et même de générer 
    du contenu créatif. Ces technologies sont utilisées dans divers domaines, 
    de la médecine à la finance, en passant par l'éducation. Cependant, ces progrès 
    soulèvent également des questions éthiques importantes concernant la vie privée, 
    l'emploi et la responsabilité. Il est crucial que nous développions ces 
    technologies de manière responsable pour maximiser leurs bénéfices tout en 
    minimisant les risques potentiels.
    """
    
    print("Texte original:")
    print(texte_exemple)
    print("\n" + "="*50 + "\n")
    
    resume = resumer_texte(texte_exemple)
    print("Résumé:")
    print(resume)