Merge pull request #7 from Tbruand/deploy/hf-sync

feat: ajout du déploiement automatique vers Hugging Face via GitHub Actions

.github/workflows/cd.yml

@@ -0,0 +1,26 @@
+name: CD - Déploiement Hugging Face Space
+
+on:
+  push:
+    branches:
+      - main  # 🛑 Le CD ne se déclenche que sur la branche main
+  workflow_dispatch:  # 🔘 Option pour lancer manuellement le CD
+
+jobs:
+  deploy:
+    needs: ci  # ➕ Attend que le job CI passe avant de lancer le CD
+    runs-on: ubuntu-latest
+
+    steps:
+      - name: Checkout repository
+        uses: actions/checkout@v3
+        with:
+          fetch-depth: 0
+          lfs: true  
+
+      - name: Push to Hugging Face Space
+        env:
+          HF_TOKEN: ${{ secrets.HF_TOKEN }}
+        run: |
+          git remote add space https://Tbruand:$HF_TOKEN@huggingface.co/spaces/Tbruand/toxicheck || true
+          git push space main --force

README.md

@@ -0,0 +1,45 @@
+---
+title: ToxiCheck
+emoji: 🧪
+colorFrom: indigo
+colorTo: pink
+sdk: gradio
+sdk_version: 4.25.0
+app_file: main.py
+pinned: false
+---
+
+# 🧪 ToxiCheck — Détection de commentaires toxiques en français
+
+ToxiCheck est une interface Gradio qui permet de détecter automatiquement la toxicité d’un texte en français à l’aide d’un modèle **CamemBERT** fine-tuné.
+
+Ce projet intègre :
+- Une interface utilisateur interactive (via Gradio),
+- Deux onglets : `Documentation` & `Inférence`,
+- Un pipeline NLP complet : tokenizer, prédiction, interprétation.
+
+---
+
+## 🔗 Modèle utilisé
+
+Modèle hébergé sur Hugging Face :  
+👉 [ymokay/toxicheck-camembert](https://huggingface.co/ymokay/toxicheck-camembert)
+
+---
+
+## ⚙️ Technologies
+
+- 🧠 Transformers (CamemBERT)
+- 🖼️ Gradio
+- 🧪 PyTorch
+- 🐍 Python 3.10
+
+---
+
+## 🛠️ Lancement local
+
+```bash
+git clone https://github.com/Tbruand/toxicheck.git
+cd toxicheck
+pip install -r requirements.txt
+python main.py

app/handler.py

@@ -1,17 +1,19 @@
 from models.zero_shot import ZeroShotModel
 from models.few_shot import FewShotModel
-from models.fine_tuned import FineTunedModel
 
 zero_shot_model = ZeroShotModel()
 few_shot_model = FewShotModel()
-fine_tuned_model = FineTunedModel()
+
+def get_fine_tuned_model():
+    from models.fine_tuned import FineTunedModel
+    return FineTunedModel()
 
 def predict(text: str, model_type: str = "zero-shot") -> str:
     if model_type == "few-shot":
         results = few_shot_model.predict(text)
         title = "Few-Shot"
     elif model_type == "fine-tuned":
-        results = fine_tuned_model.predict(text)
+        results = get_fine_tuned_model().predict(text)
         title = "Fine-Tuned"
     else:
         results = zero_shot_model.predict(text)
@@ -19,5 +21,5 @@ def predict(text: str, model_type: str = "zero-shot") -> str:
 
     output = f"### Résultat de la classification ({title}) :\n\n"
     for label, score in results:
-        output += f"- **{label}** : {score*100:.1f}%\n"
+        output += f"- **{label}** : {score * 100:.1f}%\n"
     return output

tests/test_handler.py

@@ -24,4 +24,13 @@ def test_few_shot_prediction_output():
     print("Résultat few-shot :", output)
 
     assert "### Résultat de la classification" in output
-    assert "toxique" in output or "non-toxique" in output
+    assert "toxique" in output or "non-toxique" in output
+
+def test_fine_tuned_prediction_output():
+    text = "Tu es stupide"
+    output = predict(text, model_type="fine-tuned")
+
+    print("Résultat fine-tuned :", output)
+
+    assert "### Résultat de la classification" in output
+    assert "toxique" in output or "non-toxique" in output

tox.ini

@@ -2,5 +2,4 @@
 testpaths = tests
 python_files = test_*.py
 filterwarnings =
-    ignore::DeprecationWarning
-addopts = --cov=app
+    ignore::DeprecationWarning