Sentiment Analyzer (Français)

Application web complète permettant d'analyser le sentiment de textes français à partir d'un fichier CSV ou Excel. Elle se compose d'un backend FastAPI chargé du prétraitement et de l'inférence, et d'un frontend React (Vite + TailwindCSS) pour l'expérience utilisateur.

Structure du projet

sentiment-analyzer/
├── backend/                # API FastAPI (upload, analyse, export CSV)
├── frontend/               # Interface React + TailwindCSS
└── sample_data.csv         # Exemple de fichier pour tests rapides

Prérequis

• Python 3.10+
• Node.js 18+

Remarque : Le modèle cardiffnlp/twitter-xlm-roberta-base-sentiment s'appuie sur PyTorch. Préparez un environnement capable d'installer les dépendances torch et transformers.

Installation & lancement

Backend (FastAPI)

cd sentiment-analyzer/backend
python -m venv .venv
source .venv/bin/activate  # ou .venv\Scripts\activate sous Windows
pip install -r requirements.txt
uvicorn app:app --host 0.0.0.0 --port 8000 --reload

Endpoints principaux :

• POST /upload : téléversement du fichier, détection automatique de colonne texte
• POST /analyze : analyse du sentiment pour la colonne sélectionnée
• GET /results/{upload_id}/csv : export CSV des résultats
• GET /health : vérification de l'état du service

Frontend (React + TailwindCSS)

cd sentiment-analyzer/frontend
npm install
npm run dev -- --host

Par défaut, le frontend attend le backend sur http://localhost:8000. Pour modifier la cible, définir VITE_API_BASE_URL dans un fichier .env placé à la racine de frontend/.

echo "VITE_API_BASE_URL=http://localhost:8000" > .env

Utilisation

1. Téléversez un fichier .csv ou .xlsx contenant au moins une colonne de texte.
2. Choisissez (ou confirmez) la colonne à analyser.
3. Lancez l'analyse : tableau détaillé, statistiques globales, graphique en secteurs et nuage de mots seront générés.
4. Filtrez les résultats par sentiment, recherchez un texte précis, et téléchargez le rapport CSV.

Pour validation rapide, utilisez l'échantillon sample_data.csv fourni à la racine du projet.

Tests & validation

• Vérifiez la santé du backend via curl http://localhost:8000/health.
• Lancez npm run dev et importez sample_data.csv pour observer les scores attendus.
• Les résultats téléchargés sont sauvegardés sous la forme resultats_<nom-du-fichier>.csv.

Points d'amélioration

• Gestion persistante des uploads (stockage en base / cache distribué).
• Authentification des utilisateurs et historisation des analyses.
• Déploiement conteneurisé (Docker) pour faciliter la mise en production.