Update app.py

app.py

@@ -493,7 +493,7 @@ def quick_predict_ui(image_pil):
         return (
             '<div class="diagnostic-global"><h2>Veuillez uploader une image.</h2></div>',
             "",  # output_text vide
-            {"value": "", "visible": False},  # output_warning masqué
+            gr.update(value="", visible=False),  # output_warning masqué
             None,  # output_plot
             "❌ Erreur: Aucune image fournie."
         )
@@ -514,7 +514,7 @@ def quick_predict_ui(image_pil):
         # Description
         desc_top = description.get(top_class_name, "")
 
-        # HTML pour le diagnostic global (inchangé)
+        # HTML pour le diagnostic global
         if global_diag == "Malin":
             global_diag_html = f'''
             <div class="diagnostic-global clearfix">
@@ -541,10 +541,10 @@ def quick_predict_ui(image_pil):
             </div>
             '''
 
-        # Contenu pour output_text (explication uniquement)
+        # Contenu pour output_text
         output_text_html = f'<div class="feedback-text">{desc_top}</div>'
 
-        # Contenu pour output_warning (warning uniquement)
+        # Contenu pour output_warning
         warning_visible = False
         warning_html = ""
         if mel_prob > 5 and top_class_name != "mel":
@@ -556,7 +556,7 @@ def quick_predict_ui(image_pil):
             '''
             warning_visible = True
 
-        # Génération du graphique (inchangé)
+        # Génération du graphique
         df = pd.DataFrame.from_dict(
             {CLASS_NAMES[i]: float(ensemble_probs[i]*100) for i in range(len(CLASS_NAMES))},
             orient='index', columns=['Probabilité']
@@ -564,15 +564,15 @@ def quick_predict_ui(image_pil):
         df = df.sort_values(by='Probabilité', ascending=False)
         df['Pourcentage'] = df['Probabilité'].apply(lambda x: f"{x:.1f}%")
         fig = px.bar(df, x="Classe", y="Probabilité", color="Probabilité",
-                    color_continuous_scale=px.colors.sequential.Viridis,
-                    title="Probabilités par classe", text="Pourcentage")
+                     color_continuous_scale=px.colors.sequential.Viridis,
+                     title="Probabilités par classe", text="Pourcentage")
         fig.update_traces(textposition="outside" if df['Probabilité'].max() < 15 else "inside")
         fig.update_layout(xaxis_title="", yaxis_title="Probabilité (%)", height=350)
 
         return (
             global_diag_html,
             output_text_html,
-            gr.HTML.update(value=warning_html, visible=warning_visible),  # Retourne un objet gr.HTML.update
+            gr.update(value=warning_html, visible=warning_visible),  # Mise à jour dynamique
             fig,
             "✅ Analyse terminée."
         )
@@ -581,7 +581,7 @@ def quick_predict_ui(image_pil):
         return (
             f'<div class="diagnostic-global"><h2>Erreur: {str(e)}</h2></div>',
             "",
-            gr.HTML.update(value=f'''
+            gr.update(value=f'''
             <div class="warning-message" style="background-color:#ffebee;border:1px solid #ef9a9a;">
                 ❌ Une erreur est survenue : {str(e)}
             </div>