Update app.py

app.py

@@ -1,7 +1,7 @@
-# app.py
 import os
 import logging
 import json
+import tempfile
 from datetime import datetime
 from flask import Flask, jsonify, render_template, request, send_file
 from pydantic import BaseModel, Field
@@ -31,7 +31,7 @@ DISSERTATIONS_FILE = os.path.join(DATA_DIR, "dissertations_log.json")
 # Créer le dossier data s'il n'existe pas
 os.makedirs(DATA_DIR, exist_ok=True)
 
-# --- Modèles de Données Pydantic (inchangés) ---
+# --- Modèles de Données Pydantic ---
 class Argument(BaseModel):
     paragraphe_argumentatif: str = Field(description="Un unique paragraphe formant un argument complet. Il doit commencer par un connecteur logique (ex: 'Premièrement,'), suivi de son développement.")
 
@@ -65,7 +65,7 @@ SAFETY_SETTINGS = [
     {"category": "HARM_CATEGORY_DANGEROUS_CONTENT", "threshold": "BLOCK_NONE"},
 ]
 
-# --- Helpers de base de données (inchangés) ---
+# --- Helpers de base de données ---
 def create_connection():
     """Crée et retourne une connexion à la base de données PostgreSQL."""
     if not DATABASE_URL:
@@ -77,7 +77,7 @@ def create_connection():
         logging.error(f"Impossible de se connecter à la base de données : {e}")
         return None
 
-# --- Helpers pour la gestion des données (inchangés dans leur fonction, ajustés pour le logging) ---
+# --- Helpers pour la gestion des données ---
 def save_dissertation_data(input_data, output_data, success=True, error_message=None):
     """Sauvegarde les données d'entrée et de sortie dans un fichier JSON."""
     try:
@@ -87,7 +87,6 @@ def save_dissertation_data(input_data, output_data, success=True, error_message=
         else:
             data = []
         
-        # S'assurer que 'question' est bien dans input_data
         question_logged = input_data.get('question', 'N/A (Image upload)') 
 
         record = {
@@ -122,7 +121,7 @@ def load_dissertations_data():
         logging.error(f"Erreur lors du chargement des données: {e}")
         return []
 
-# --- Routes (inchangées) ---
+# --- Routes ---
 @app.route('/')
 def philosophie():
     return render_template("philosophie.html")
@@ -131,7 +130,7 @@ def philosophie():
 def gestion():
     return render_template("gestion.html")
 
-# --- API de gestion (inchangées) ---
+# --- API de gestion ---
 @app.route('/api/gestion/dissertations', methods=['GET'])
 def get_dissertations_data():
     try:
@@ -166,7 +165,7 @@ def clear_all_dissertations():
         logging.error(f"Erreur lors de la suppression générale: {e}")
         return jsonify({"success": False, "error": "Erreur lors de la suppression"}), 500
 
-# --- API pour lister les cours (inchangée) ---
+# --- API pour lister les cours ---
 @app.route('/api/philosophy/courses', methods=['GET'])
 def get_philosophy_courses():
     conn = create_connection()
@@ -184,28 +183,28 @@ def get_philosophy_courses():
         if conn:
             conn.close()
 
-# --- API pour la génération de dissertation (MISE À JOUR pour le Type 3) ---
+# --- API pour la génération de dissertation (MISE À JOUR avec File Upload API) ---
 @app.route('/api/generate_dissertation', methods=['POST'])
 def generate_dissertation_api():
     if not client:
         error_msg = "Le service IA n'est pas correctement configuré."
-        # Le logging d'erreur ici est plus complexe car on ne sait pas encore si on a du JSON ou des fichiers
         return jsonify({"error": error_msg}), 503
 
     # Détecter le type de requête et extraire les données
     is_file_upload = 'image' in request.files
-    data_for_log = {} # Structure pour le log
+    data_for_log = {}
+    uploaded_file_ref = None  # Pour stocker la référence du fichier uploadé
 
     if is_file_upload:
         dissertation_type = request.form.get('type', 'type3').strip()
-        data_for_log = {'type': dissertation_type, 'courseId': None} # Pas de courseId pour type3
+        data_for_log = {'type': dissertation_type, 'courseId': None}
         
         if dissertation_type != 'type3':
             error_msg = "Le type 3 nécessite un fichier image."
             save_dissertation_data(data_for_log, None, False, error_msg)
             return jsonify({"error": error_msg}), 400
 
-    else: # JSON (Type 1 ou Type 2)
+    else:
         data = request.json
         if not data:
             error_msg = "Requête JSON vide ou format incorrect."
@@ -237,29 +236,44 @@ def generate_dissertation_api():
             logging.error(f"Fichier de prompt non trouvé : {prompt_filename}")
             save_dissertation_data(data_for_log, None, False, error_msg)
             return jsonify({"error": error_msg}), 500
-            
         
         # --- Préparation du contenu pour Gemini ---
         contents = []
+        
         if dissertation_type == 'type3':
             image_file = request.files['image']
-            image_bytes = image_file.read()
-            mime_type = image_file.mimetype or mimetypes.guess_type(image_file.filename)[0]
             
             # Mise à jour du log pour le commentaire de texte
             data_for_log['question'] = f"Image: {image_file.filename}"
             
-            # Contenu multimodal: le prompt + l'image
-            contents = [
-                prompt_template, 
-                types.Part.from_bytes(data=image_bytes, mime_type=mime_type)
-            ]
-            # Utiliser le modèle multimodal 1.5
+            # UPLOAD DU FICHIER VIA L'API FILE UPLOAD DE GEMINI
+            # Sauvegarder temporairement le fichier
+            with tempfile.NamedTemporaryFile(delete=False, suffix=os.path.splitext(image_file.filename)[1]) as temp_file:
+                image_file.save(temp_file.name)
+                temp_file_path = temp_file.name
+            
+            try:
+                # Upload du fichier vers Gemini File API
+                logging.info(f"Upload du fichier {image_file.filename} vers Gemini File API...")
+                uploaded_file_ref = client.files.upload(file=temp_file_path)
+                logging.info(f"Fichier uploadé avec succès. URI: {uploaded_file_ref.uri}")
+                
+                # Contenu: le prompt + la référence du fichier uploadé
+                contents = [prompt_template, uploaded_file_ref]
+                
+            finally:
+                # Supprimer le fichier temporaire
+                try:
+                    os.unlink(temp_file_path)
+                except Exception as e:
+                    logging.warning(f"Impossible de supprimer le fichier temporaire {temp_file_path}: {e}")
+            
+            # Utiliser le modèle multimodal
             model_name = "models/gemini-2.5-flash"
 
-        else: # Type 1 et 2 (texte uniquement)
+        else:  # Type 1 et 2 (texte uniquement)
             context_str = ""
-            # Récupération du contexte du cours (uniquement pour type 1 et 2)
+            # Récupération du contexte du cours
             if data_for_log.get('courseId'):
                 conn = create_connection()
                 if conn:
@@ -276,8 +290,7 @@ def generate_dissertation_api():
 
             final_prompt = prompt_template.format(phi_prompt=data_for_log['question'], context=context_str)
             contents = [final_prompt]
-            model_name = "models/gemini-2.5-flash" # Modèle texte optimisé
-
+            model_name = "models/gemini-2.5-flash"
         
         # --- Appel à l'IA ---
         config = types.GenerateContentConfig(
@@ -294,11 +307,8 @@ def generate_dissertation_api():
         # --- Traitement de la réponse ---
         if response.text:
             try:
-                # response.text contient la chaîne JSON
                 result = json.loads(response.text)
-                # Validation Pydantic optionnelle ici, mais on se fie au modèle pour être rigide
                 
-                # S'assurer que le sujet est bien rempli pour le log
                 if dissertation_type == 'type3' and 'sujet' in result:
                      data_for_log['question'] = result['sujet']
 
@@ -319,8 +329,17 @@ def generate_dissertation_api():
         logging.error(f"Erreur de génération Gemini : {e}")
         save_dissertation_data(data_for_log, None, False, error_msg)
         return jsonify({"error": error_msg}), 500
+    
+    finally:
+        # Nettoyer le fichier uploadé sur Gemini (optionnel mais recommandé)
+        if uploaded_file_ref:
+            try:
+                client.files.delete(name=uploaded_file_ref.name)
+                logging.info(f"Fichier {uploaded_file_ref.name} supprimé de Gemini File API")
+            except Exception as e:
+                logging.warning(f"Impossible de supprimer le fichier {uploaded_file_ref.name}: {e}")
 
-# --- ROUTE API POUR LA GÉNÉRATION DE PDF (inchangée) ---
+# --- ROUTE API POUR LA GÉNÉRATION DE PDF ---
 @app.route('/api/generate_pdf', methods=['POST'])
 def generate_pdf_api():
     """Génère un PDF à partir des données JSON de la dissertation."""
@@ -329,14 +348,10 @@ def generate_pdf_api():
         return jsonify({"error": "Aucune donnée de dissertation fournie."}), 400
 
     try:
-        # 1. Rendre le template HTML avec les données de la dissertation
         html_string = render_template('dissertation_pdf.html', dissertation=dissertation_data)
-
-        # 2. Utiliser WeasyPrint pour convertir le HTML en PDF
         html = HTML(string=html_string)
         pdf_bytes = html.write_pdf()
 
-        # 3. Envoyer le PDF en tant que fichier à télécharger
         return send_file(
             io.BytesIO(pdf_bytes),
             mimetype='application/pdf',