app.py

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

# Charger le modèle
model_name = "Qwen/Qwen3-4B-Thinking-2507"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name, device_map="auto", torch_dtype=torch.float16)

# Prompt maître
system_message = "Tu es un formateur de formateurs spécialisé en analyse réflexive des pratiques enseignantes."

# Exemple de conversation
messages = [
    {"role": "system", "content": system_message},
    {"role": "user", "content": "Salut, peux-tu analyser cette situation ?"}
]

# Préparer l'entrée pour le modèle
inputs = tokenizer.apply_chat_template(
    messages,
    add_generation_prompt=True,
    tokenize=True,
    return_dict=True,
    return_tensors="pt"
).to(model.device)

# Génération de réponse
outputs = model.generate(**inputs, max_new_tokens=200)
response = tokenizer.decode(outputs[0][inputs["input_ids"].shape[-1]:], skip_special_tokens=True)

print("Réponse de l'IA :", response)