APP_Fake_News.py

# app_streamlit_fakenews.py

import streamlit as st
from transformers import pipeline
import pandas as pd
import matplotlib.pyplot as plt
import time
from datetime import datetime

# --- Configuration Thème Streamlit ---
current_hour = datetime.now().hour
if 6 <= current_hour < 18:
    theme = "light"
else:
    theme = "dark"

st.set_page_config(
    page_title="Détection de Fake News",
    page_icon="",
    layout="wide",
    initial_sidebar_state="expanded"
)

# --- Chargement du modèle ---
@st.cache_resource
def load_model():
    time.sleep(1)
    return pipeline(
        "text-classification",
        model="mrm8488/bert-tiny-finetuned-fake-news-detection"
    )

with st.spinner("Chargement du modèle..."):
    classifier = load_model()

# --- Fonctions ---
def detect_fake_news(texts):
    if isinstance(texts, str):
        texts = [texts]
    results = classifier(texts)
    df = pd.DataFrame({
        "Texte": texts,
        "Prédiction": [res['label'] for res in results],
        "Score de Confiance": [res['score'] for res in results]
    })
    return df

def show_fake_news_graph(df):
    prediction_counts = df["Prédiction"].value_counts()
    fig, ax = plt.subplots(figsize=(6,4))
    prediction_counts.plot(kind="bar", ax=ax)
    ax.set_ylabel("Nombre de textes")
    ax.set_xlabel("Classe")
    ax.set_title("Répartition des prédictions")
    st.pyplot(fig)

def animate_scores(df):
    st.write("Scores de Confiance Individuels")
    for idx, row in df.iterrows():
        st.write(f"Texte {idx + 1} : {row['Texte']}")
        st.progress(row['Score de Confiance'])

# --- UI ---
if theme == "light":
    st.title("Détection de Fake News - Mode Jour")
else:
    st.title("Détection de Fake News - Mode Nuit")

st.subheader("Outil de détection automatique des fausses informations")
st.markdown("""
Bienvenue dans cet outil de détection de fake news.  
Analysez si un texte est vraisemblablement **réel** ou **faux**.
""")

# Sidebar pour options
with st.sidebar:
    st.header("Paramètres")
    mode = st.radio("Mode d'analyse", ["Texte Unique", "Batch de Textes (.txt)"])
    threshold = st.slider("Filtrer par score de confiance", 0.0, 1.0, 0.5, 0.01)
    show_graphs = st.checkbox("Afficher le graphique des résultats", value=True)
    show_animations = st.checkbox("Afficher l'animation de score", value=True)
    st.markdown("---")
    st.caption(f"Mode actuel : {theme.capitalize()}")

# Corps principal
if mode == "Texte Unique":
    st.write("Entrez votre texte à analyser")
    user_input = st.text_area("Tapez ou copiez un article, une déclaration ou une actualité :", height=150)
    analyze_button = st.button("Analyser")

    if analyze_button:
        if not user_input.strip():
            st.warning("Veuillez entrer du texte avant d'analyser.")
        else:
            with st.spinner("Analyse en cours..."):
                df_result = detect_fake_news(user_input)
                df_result = df_result[df_result["Score de Confiance"] >= threshold]
                st.success("Analyse terminée. Voici les résultats :")
                st.dataframe(df_result, use_container_width=True)

                if show_graphs and not df_result.empty:
                    st.write("Visualisation")
                    show_fake_news_graph(df_result)

                if show_animations and not df_result.empty:
                    animate_scores(df_result)

else:
    st.write("Uploadez votre fichier .txt")
    uploaded_file = st.file_uploader("Chaque ligne doit contenir une information à vérifier", type=["txt"])

    if uploaded_file is not None:
        content = uploaded_file.read().decode("utf-8")
        lines = [line.strip() for line in content.splitlines() if line.strip()]
        
        if lines:
            if st.button("Analyser le fichier"):
                with st.spinner("Analyse en batch..."):
                    df_result = detect_fake_news(lines)
                    df_result = df_result[df_result["Score de Confiance"] >= threshold]
                    st.success(f"{len(df_result)} textes analysés avec succès.")
                    st.dataframe(df_result, use_container_width=True)

                    if show_graphs and not df_result.empty:
                        st.write("Visualisation")
                        show_fake_news_graph(df_result)

                    if show_animations and not df_result.empty:
                        animate_scores(df_result)
        else:
            st.warning("Le fichier est vide ou mal formaté.")

# Footer
st.markdown("""---""")
st.caption("Projet de détection automatique de fake news réalisé avec Python et Streamlit")