Amélioration modules updater et sélection des IA suivant disponibilités

modules/ai_huggingface.py

@@ -1,16 +1,34 @@
 import os
+import json
 import requests
 from modules.logger import log_event
 
-def interroger_huggingface(prompt: str, modele_cible="mistralai/Mistral-7B-Instruct-v0.3"):
+CATALOGUE_FILE = "/DATA/AppData/MULTI-IA-AETHAS38/catalogue_dynamique.json"
+
+def interroger_huggingface(prompt: str, modele_cible=None):
     """
-    Connecteur pour l'API Serverless gratuite de Hugging Face.
+    Connecteur pour l'API Serverless de Hugging Face.
-    S'intègre nativement dans la boucle de repli de ai_engine.py.
+    Sélectionne dynamiquement le modèle le plus populaire scanné par l'Updater.
     """
     api_key = os.getenv("HUGGINGFACE_API_KEY")
     if not api_key:
         raise Exception("Clé API HuggingFace manquante dans le .env")
         
+    # Extraction dynamique du meilleur modèle Hugging Face gratuit disponible
+    if not modele_cible:
+        try:
+            if os.path.exists(CATALOGUE_FILE):
+                with open(CATALOGUE_FILE, "r", encoding="utf-8") as f:
+                    data = json.load(f)
+                hf_models = [m.replace("huggingface/", "") for m in data.get("free_models", []) if m.startswith("huggingface/")]
+                if hf_models:
+                    modele_cible = hf_models[0] # Modèle le plus téléchargé selon l'Updater
+        except Exception:
+            pass
+            
+    if not modele_cible:
+        modele_cible = "mistralai/Mistral-7B-Instruct-v0.3"
+        
     url = f"https://router.huggingface.co/hf-inference/models/{modele_cible}"
     headers = {
         "Authorization": f"Bearer {api_key}",
@@ -33,10 +51,9 @@ def interroger_huggingface(prompt: str, modele_cible="mistralai/Mistral-7B-Instr
             data = resp.json()
             if isinstance(data, list) and len(data) > 0 and "generated_text" in data[0]:
                 texte = data[0]["generated_text"].strip()
-                # Renvoie la signature exacte attendue par ai_engine (texte, couleur, fournisseur, modele)
                 return texte, "#ffb000", "HuggingFace", modele_cible
                 
         raise Exception(f"Erreur {resp.status_code} : {resp.text}")
     except Exception as e:
-        log_event("WARNING", "HUGGINGFACE", f"Échec de la requête : {e}")
+        log_event("WARNING", "HUGGINGFACE", f"Échec de la requête pour {modele_cible} : {e}")
         raise e

modules/ai_openrouter.py

@@ -18,34 +18,88 @@ def verifier_cle_api():
     return cle
 
 def obtenir_modele_dynamique(premium: bool, prompt: str = ""):
-    """Charge le catalogue dynamiquement et adapte le modèle si la règle Éducation est détectée."""
+    """Charge le catalogue dynamiquement pour un seul modèle optimal."""
     est_education = "RÈGLE ÉDUCATION NATIONALE" in prompt
     
     try:
         if os.path.exists(CATALOGUE_FILE):
             with open(CATALOGUE_FILE, "r", encoding="utf-8") as f:
                 data = json.load(f)
-                if premium:
-                    paid_models = data.get("paid_models", [])
-                    claude = [m for m in paid_models if "claude-3.5-sonnet" in m.lower()]
-                    return claude[0] if claude else (paid_models[0] if paid_models else "anthropic/claude-3.5-sonnet")
-                else:
-                    # En mode gratuit + Education, Mistral est le plus pointu en syntaxe française
-                    if est_education:
-                        return "mistralai/mistral-small-24b-instruct-2501:free"
                 
-                    free_models = data.get("free_models", [])
+            if premium:
-                    priorites = [m for m in free_models if "gemma" in m.lower() or "nemotron" in m.lower()]
+                paid_models = data.get("paid_models", [])
-                    return priorites[0] if priorites else (free_models[0] if free_models else "google/gemma-2-9b-it:free")
+                if not paid_models: return "anthropic/claude-3.5-sonnet"
+                claude = [m for m in paid_models if "claude-3.5-sonnet" in m.lower()]
+                return claude[0] if claude else paid_models[0]
+            else:
+                free_models = [m for m in data.get("free_models", []) if not m.startswith("huggingface/")]
+                if not free_models: return "google/gemma-2-9b-it:free"
+                
+                if est_education:
+                    mistral = [m for m in free_models if "mistral" in m.lower()]
+                    return mistral[0] if mistral else free_models[0]
+                    
+                priorites = [m for m in free_models if "gemma" in m.lower() or "nemotron" in m.lower()]
+                return priorites[0] if priorites else free_models[0]
     except Exception:
         pass
         
-    if premium: return "anthropic/claude-3.5-sonnet"
+    return "anthropic/claude-3.5-sonnet" if premium else "google/gemma-2-9b-it:free"
-    return "mistralai/mistral-small-24b-instruct-2501:free" if est_education else "google/gemma-2-9b-it:free"
+
+def obtenir_modeles_multi_dynamiques(premium: bool, prompt: str) -> list:
+    """Détermine dynamiquement les modèles et leur nombre selon le sujet de la requête."""
+    try:
+        with open(CATALOGUE_FILE, "r", encoding="utf-8") as f:
+            data = json.load(f)
+    except Exception:
+        data = {"free_models": [], "paid_models": []}
+        
+    modeles_dispos = data.get("paid_models", []) if premium else data.get("free_models", [])
+    modeles_or = [m for m in modeles_dispos if not m.startswith("huggingface/")]
+    
+    if not modeles_or:
+        return ["anthropic/claude-3.5-sonnet"] if premium else ["google/gemma-2-9b-it:free"]
+
+    # Analyse sémantique du sujet pour définir le nombre d'IA et la priorité
+    prompt_lower = prompt.lower()
+    nb_ia = 3 # Par défaut
+    
+    if any(mot in prompt_lower for mot in ["code", "script", "python", "javascript", "html", "css", "erreur", "bug", "kubejs", "serveur"]):
+        nb_ia = 5
+        mots_cles = ["coder", "claude", "llama", "qwen", "deepseek"]
+    elif any(mot in prompt_lower for mot in ["loi", "juridique", "droit", "contrat", "urssaf", "légal"]):
+        nb_ia = 4
+        mots_cles = ["mistral", "claude", "llama", "mixtral"]
+    elif any(mot in prompt_lower for mot in ["traduis", "rédaction", "écris", "lettre", "mail", "éducation"]):
+        nb_ia = 2
+        mots_cles = ["mistral", "claude", "llama", "gemini", "gemma"]
+    else:
+        mots_cles = ["gemini", "llama", "mistral", "qwen", "gemma"]
+
+    modeles_selectionnes = []
+    
+    # Étape 1 : Sélectionner les modèles qui matchent les mots-clés
+    for mc in mots_cles:
+        for m in modeles_or:
+            if mc in m.lower() and m not in modeles_selectionnes:
+                modeles_selectionnes.append(m)
+                if len(modeles_selectionnes) == nb_ia:
+                    break
+        if len(modeles_selectionnes) == nb_ia:
+            break
+            
+    # Étape 2 : Compléter avec les autres modèles du catalogue si le nombre n'est pas atteint
+    for m in modeles_or:
+        if len(modeles_selectionnes) >= nb_ia:
+            break
+        if m not in modeles_selectionnes:
+            modeles_selectionnes.append(m)
+            
+    return modeles_selectionnes
 
 def interroger_openrouter(prompt: str, type_modele: str = "openrouter_chat", premium: bool = False, max_retries: int = 2, chat_id: str = None):
     verifier_cle_api()
-    nom_modele_api = obtenir_modele_dynamique(premium, prompt) # On passe le prompt pour détecter le marqueur
+    nom_modele_api = obtenir_modele_dynamique(premium, prompt)
     nom_affichage = f"OpenRouter ({nom_modele_api.split('/')[-1]})"
     couleur = "#d97757" if premium else "#4a90e2"
     
@@ -83,23 +137,9 @@ def interroger_openrouter_multi(prompt: str, type_modele: str = "openrouter_code
     verifier_cle_api()
     extra_body_data = {"session_id": chat_id} if chat_id else {}
     
-    # --- LA LISTE BLANCHE DES 5 MEILLEURS MODÈLES ---
+    # La liste s'adapte dynamiquement au nombre d'IA requis par le sujet et aux disponibilités
-    if premium:
+    modeles = obtenir_modeles_multi_dynamiques(premium, prompt)
-        modeles = [
+    log_event("INFO", "OPENROUTER_MULTI", f"Lancement Multi-IA avec {len(modeles)} modèles adaptatifs.")
-            "anthropic/claude-3.5-sonnet",     # Le meilleur en code/logique
-            "openai/gpt-4o",                   # Ultra polyvalent
-            "google/gemini-1.5-pro",           # Excellent contexte
-            "mistralai/mistral-large-2407",    # Top pour le français
-            "meta-llama/llama-3.1-405b-instruct" # Le titan OpenSource
-        ]
-    else:
-        modeles = [
-            "google/gemma-2-9b-it:free",
-            "meta-llama/llama-3.1-8b-instruct:free",
-            "microsoft/phi-3-mini-128k-instruct:free",
-            "mistralai/mistral-nemo:free",
-            "qwen/qwen-2-7b-instruct:free"
-        ]
 
     reponses = []
     for modele in modeles:
@@ -115,7 +155,7 @@ def interroger_openrouter_multi(prompt: str, type_modele: str = "openrouter_code
             if contenu:
                 reponses.append({"modele": modele, "texte": contenu})
         except Exception as e:
-            log_event("WARNING", "OPENROUTER_MULTI", f"Échec rapide pour {modele} : {e}")
+            log_event("WARNING", "OPENROUTER_MULTI", f"Échec pour {modele} : {e}")
             continue
 
     return reponses