emission export fin fin

app.py

@@ -37,7 +37,6 @@ def load_svg_as_base64(file_path):
     return base64.b64encode(svg_data).decode()
 
 def main():
-    st.markdown(":point_left: Cliquez pour vous inspirer", unsafe_allow_html=True)
     
     if "emission" not in st.session_state:
         tracker = EmissionsTracker()

chat_with_pps.py

@@ -269,7 +269,7 @@ def import_conversation():
 
 def extract_format_prompts_from_response(response):
     st.markdown("---")
-    st.markdown("**En découvrir plus avec l'IA RSE Bziiit**")
+    st.markdown("**En découvrir plus avec l'IA RSE bziiit**")
     prompts = response.split("\n")
     prompts = [prompt.strip() for prompt in prompts if prompt.strip() != ""]
     prompts_container = st.container()
@@ -298,7 +298,7 @@ def display_chat():
         tracker.start()
         st.session_state["emission"] = tracker
     # app config
-    st.title("Chatbot")
+    st.title("CHATBOT")
     models_name = {
         "Mistral (FR)":1,
         "GPT-4o":0
@@ -318,7 +318,7 @@ def display_chat():
     # session state
     if "chat_history" not in st.session_state:
         st.session_state.chat_history = [
-            AIMessage(content="Salut, voici votre cartographie des parties prenantes. Que puis-je faire pour vous?"),
+            AIMessage(content="Salut, voici votre cartographie des parties prenantes. Que puis-je faire pour vous ?"),
         ]
     
     if "model" not in st.session_state:
@@ -366,12 +366,13 @@ def display_chat():
             with st.chat_message("AI"):
                 st.write(message.content)
                 if "cartographie" in message.content:
+                    st.markdown("\n")
                     display_chart()
             if message.content == st.session_state.chat_history[0].content:
                 st.markdown("---")
-                st.markdown("**En découvrir plus avec l'IA RSE Bziiit**")
-                first_prompts = ["En plus des parties prenantes déjà identifiées que tu peux consulter, quels groupes ou individus, impactés par les activités de mon organisation, devrais ajouter dans notre cartographie des parties prenantes ?",
-                                 "Quels sont les principaux acteurs internes et externes qui influencent ou sont influencés par mon organisation, et comment leurs intérêts ou préoccupations peuvent ils varier selon les différents domaines d'activité de mon organisation ?",
+                st.markdown("**En découvrir plus avec l'IA RSE bziiit**")
+                first_prompts = ["En plus des parties prenantes déjà identifiées que tu peux consulter, quels groupes ou individus, impactés par les activités de mon organisation, devrais-je ajouter dans notre cartographie des parties prenantes ?",
+                                 "Quels sont les principaux acteurs internes et externes qui influencent ou sont influencés par mon organisation, et comment leurs intérêts ou préoccupations peuvent varier selon les différents domaines d'activité ?",
                                  "En tenant compte de ma chaîne de valeur complète, quels sont les différentes parties prenantes stratégiques, incluant les partenaires commerciaux, les régulateurs, les groupes de pression, et la communauté, et comment leurs rôles et influences interagissent pour affecter les objectifs à court et long terme de mon organisation ?"]
                 display_prompts(first_prompts)
         elif isinstance(message, HumanMessage):

comparateur.py

@@ -39,11 +39,11 @@ def get_table_empreintes_detailed() -> pd.DataFrame:
     emissions_df = emissions_df.applymap(lambda x: x * 1000)
     emissions_df = emissions_df.round(2)
     emissions_df = emissions_df.rename(index={
-        "Scrapping": "Collecte de Documents et scrapping",
+        "Scrapping": "Collecte de documents et scrapping",
         "extraction_pp": "Extraction des parties prenantes (serveur et IA)",
         "cartographie": "Sauvegarde de la cartographie",
-        "chatbot": "Dialogue avec ChatBot IA",
-        "download_rapport": "Téléchargement Cartographie"
+        "chatbot": "Dialogue avec chatBot IA",
+        "download_rapport": "Téléchargement cartographie"
     })
 
     # Make Ecologits column cumulative

empreinte_carbone.py

@@ -13,25 +13,25 @@ def load_svg_as_base64(file_path):
 
 def color_scale(val):
     if val == '-':
-        color = 'white'
+        return 'background-color: {color}'
     elif val <= 1:
-        color = 'rgba(0,238,0,0.5)'  # green with opacity
+        color = '#008571' #'rgba(0,238,0,0.5)'  # green with opacity
     elif val <= 10:
-        color = 'rgba(110,238,0,0.5)'  # light green with opacity
+        color = '#83c2b8'  # light green with opacity
     elif val <= 50:
-        color = 'rgba(255,255,0,0.5)'  # light yellow with opacity
+        color = '#efcd82'  # light yellow with opacity
     elif val <= 100:
-        color = 'rgba(255,165,0,0.5)'  # light orange with opacity
+        color = '#f2aa56'  # light orange with opacity
     else:
-        color = 'rgba(255,99,71,0.5)'  # light red with opacity
-    return f'background-color: {color}'
+        color = '#e87a58'  # light red with opacity
+    return f'background-color: {color};color:white'
 
 def display_cf_comparison(stm: st):
     svg_file_path = "feuille.svg"
     svg_base64 = load_svg_as_base64(svg_file_path)
     stm.markdown(
     f"""
-    **Votre consommation Carbone**
+    **Votre consommation carbone**
         <img src='data:image/svg+xml;base64,{svg_base64}' alt='svg' width='15' height='15' style='margin-left: 10px;'>
     """,
     unsafe_allow_html=True
@@ -47,10 +47,10 @@ def display_cf_comparison(stm: st):
     
     
 
-    stm.markdown(f"<div style='text-align: center; margin-bottom: 10px;'><b>{total_emission*1000:.3f}</b> g eq. CO2</div>", unsafe_allow_html=True)
+    stm.markdown(f"<div style='text-align: center; margin-bottom: 10px;'><b>{total_emission*1000:.2f}</b> g eq. CO2</div>", unsafe_allow_html=True)
     stm.markdown("Dont :")
-    stm.markdown(f"- Empreinte serveur (via CodeCarbon) : **{serveur_emission*1000:.3f}** g eq. CO2 ({pourcentage_serveur:.2%})")
-    stm.write(f"- Empreinte IA (via EcoLogits) : **{emission_api*1000:.3f}** g eq. CO2 ({pourcentage_api:.2%})")
+    stm.markdown(f"- Empreinte serveur (via CodeCarbon) : **{serveur_emission*1000:.2f}** g eq. CO2 ({pourcentage_serveur:.2%})")
+    stm.write(f"- Empreinte IA (via EcoLogits) : **{emission_api*1000:.2f}** g eq. CO2 ({pourcentage_api:.2%})")
     # stm.markdown("(avec l'outil CodeCarbon)")
     c1,c2,c3 = stm.columns([1,1,1])
 
@@ -71,16 +71,17 @@ def display_cf_comparison(stm: st):
     )
 
 def display_carbon_footprint():
-
-    st.title("EMPREINTE ENERGETIQUE DE L'APPLICATION IA CARTO RSE")
+    st.title("EMPREINTE ÉNERGÉTIQUE DE L'APPLICATION IA CARTO RSE")
     display_cf_comparison(st)
     table = get_table_empreintes_detailed()
+    # table[['Consommation Totale']] = table[['Consommation Totale']].map('${:,.2f}'.format)
+   
     table.replace({0.00: '-'}, inplace=True)
-    styled_df = table[['Consommation Totale']].rename(columns={'Consommation Totale': 'Consommation Cumulée (g eqCo2)'})
+    #just 2 digits after the comma
+    styled_df = table[['Consommation Totale']].rename(columns={'Consommation Totale': 'Consommation totale (g eqCo2)'})
     styled_df = styled_df.round(2)
-    styled_df = styled_df.style.applymap(color_scale, subset=['Consommation Cumulée (g eqCo2)'])
-    styled_df = styled_df.set_properties(subset=['Consommation Cumulée (g eqCo2)'], **{'text-align': 'center'})
     
+    styled_df = styled_df.style.applymap(color_scale, subset=['Consommation totale (g eqCo2)'])
     st.markdown("---")
     st.markdown("### DÉTAIL PAR TÂCHE")
     st.table(styled_df)
@@ -97,10 +98,12 @@ def display_carbon_footprint():
     pourcentage_api = emission_api / total_emission
     pourcentage_serveur = serveur_emission / total_emission
 
-    df = pd.DataFrame({"Catégorie": ["Identification + dessin","Dialogue avec IA (extraction pp + dialogue)"], "valeur": [pourcentage_serveur, pourcentage_api]})
+    df = pd.DataFrame({"Catégorie": ["Identification + dessin","IA (extraction pp + dialogue)"], "valeur": [pourcentage_serveur, pourcentage_api]})
+    color_scale_alt = alt.Scale(domain=['Identification + dessin', 'IA (extraction pp + dialogue)'], range=['#011166', '#63abdf'])
+
     base=alt.Chart(df).encode(
     theta=alt.Theta(field="valeur", type="quantitative", stack=True),
-    color=alt.Color(field="Catégorie", type="nominal")
+    color=alt.Color(field="Catégorie", type="nominal", scale=color_scale_alt),
 )
 
 

empreinte_export.py

@@ -32,7 +32,7 @@ def display_cf_comparison():
     
     html_content = f"""
     <div style='display: flex; align-items: center;'>
-        <h2 style='margin: 0;'>Votre consommation Carbone</h2>
+        <h4 style='margin: 0;'>Votre consommation Carbone</h4>
         <img src='data:image/svg+xml;base64,{svg_base64}' alt='svg' width='15' height='15' style='margin-left: 10px;'>
     </div>
     <br>
@@ -51,7 +51,7 @@ def display_cf_comparison():
     html_content += f"<p>- Empreinte serveur (via CodeCarbon) : <b>{serveur_emission*1000:.3f}</b> g eq. CO2 ({pourcentage_serveur:.2%})</p>"
     html_content += f"<p>- Empreinte IA (via EcoLogits) : <b>{emission_api*1000:.3f}</b> g eq. CO2 ({pourcentage_api:.2%})</p>"
 
-    html_content += "<h2>Votre équivalence</h2>"
+    html_content += "<h4>Votre équivalence</h4>"
     html_content += """
     <div style='display: flex; justify-content: space-around;'>
     """
@@ -105,14 +105,38 @@ def get_carbon_footprint_html():
     
     table = get_table_empreintes_detailed()
     table.replace({0.00: '-'}, inplace=True)
-    styled_df = table[['Consommation Totale']].rename(columns={'Consommation Totale': 'Consommation Cumulée (g eqCo2)'})
-    styled_df = styled_df.style.applymap(color_scale, subset=['Consommation Cumulée (g eqCo2)'])
+    styled_df = table[['Consommation Totale']].rename(columns={'Consommation Totale': 'Consommation totale (g eqCo2)'})
+    styled_df = styled_df.style.applymap(color_scale, subset=['Consommation totale (g eqCo2)'])
     
+    html_content += """
+        <style>
+            .centered-table {
+                margin-left: auto;
+                margin-right: auto;
+                border-collapse: collapse;
+                width: 80%;
+            }
+            .centered-table th, .centered-table td {
+                border: 1px solid #ddd;
+                padding: 8px;
+                text-align: left;
+            }
+            .centered-table th {
+                background-color: #f2f2f2;
+            }
+        </style>
+    """
+
+    html_content += """
+        <h2>DÉTAIL PAR TÂCHE</h2>
+        <div style="overflow-x:auto;">
+    """
+
+    html_content += styled_df.set_table_attributes('class="centered-table"').to_html()
 
     html_content += """
-    <h2>DÉTAIL PAR TÂCHE</h2>
+        </div>
     """
-    html_content += styled_df.to_html()
 
     serveur_emission = st.session_state['emission'].stop()
     emission_api = sum([value["el"] for value in st.session_state["partial_emissions"].values()])
@@ -123,17 +147,18 @@ def get_carbon_footprint_html():
     pourcentage_serveur = serveur_emission / total_emission
 
     df = pd.DataFrame({"Catégorie": ["Identification + dessin", "IA (extraction pp + dialogue)"], "valeur": [pourcentage_serveur, pourcentage_api]})
+    color_scale_alt = alt.Scale(domain=['Identification + dessin', 'IA (extraction pp + dialogue)'], range=['#011166', '#63abdf'])
+
     base = alt.Chart(df).encode(
         theta=alt.Theta(field="valeur", type="quantitative", stack=True),
-        color=alt.Color(field="Catégorie", type="nominal")
+        color=alt.Color(field="Catégorie", type="nominal",scale=color_scale_alt)
     )
 
     pie = base.mark_arc(outerRadius=100)
-    text = base.mark_text(radius=115, fill="black").encode(alt.Text(field="valeur", type="quantitative", format=".2%"))
+    text = base.mark_text(radius=150, fill="black",align='center', baseline='middle',fontSize=14).encode(alt.Text(field="valeur", type="quantitative", format=".2%"))
 
     chart = alt.layer(pie, text, data=df).resolve_scale(theta="independent")
 
-    
     html_content += """
     <h2>SYNTHESE (Dialogue IA et non IA)</h2>
     """
@@ -141,7 +166,7 @@ def get_carbon_footprint_html():
     with open("chart.png", "rb") as image_file:
         encoded_image = base64.b64encode(image_file.read()).decode()
 
-    html_content += f'<img src="data:image/png;base64,{encoded_image}" alt="Pie chart">'
+    html_content += f'<div style="text-align:center;"><img src="data:image/png;base64,{encoded_image}" alt="Pie chart"></div>'
     
     return html_content
 

partie_prenante_carte.py

@@ -337,7 +337,7 @@ def display_pp():
         st.session_state["not_pp"] = ""
     
 
-    st.header("Identifier et animer vos parties prenantes")
+    st.title("IDENTIFIER ET ANIMER VOS PARTIES PRENANTES")
     #set brand name and description
     brand_name = st.text_input("Nom de la marque", st.session_state["Nom de la marque"])
     st.session_state["Nom de la marque"] = brand_name