Backend en Python
L’application est développée en Python avec Flask, ce qui m’a permis de travailler sur la logique serveur, les routes et le traitement des données envoyées par un formulaire.
← Retour aux projets
Projet personnel • Python • NLP
Projet Analyseur de sentiment
Réalisation d’une application web en Python avec Flask permettant d’analyser automatiquement le sentiment d’un texte et de déterminer s’il est positif, négatif ou neutre grâce à la bibliothèque TextBlob.
Contexte
Pourquoi j’ai réalisé ce projet
J’ai réalisé ce projet dans le cadre de mon apprentissage du langage Python et du développement d’applications web avec Flask.
Je voulais créer un projet personnel différent d’un site vitrine classique, afin de travailler à la fois le backend, l’interface web et une première approche du traitement automatique du langage naturel.
L’objectif était de développer une application simple à utiliser : l’utilisateur saisit un texte dans un formulaire, puis l’application analyse automatiquement son ton général.
Ce projet m’a permis de découvrir comment intégrer une bibliothèque Python spécialisée dans l’analyse de texte dans une application web.
Objectif
Ce que je voulais mettre en place
- créer une application web en Python avec Flask,
- mettre en place un formulaire de saisie de texte,
- analyser automatiquement le sentiment du texte saisi,
- afficher un résultat clair : positif, négatif ou neutre,
- afficher également un score de polarité,
- structurer le projet de façon propre avec templates et fichiers statiques.
Technologies utilisées
Stack du projet
Ce projet repose sur Python pour la logique applicative, Flask pour la partie web, TextBlob pour l’analyse de sentiment, et HTML/CSS pour l’interface utilisateur.
Python
Flask
TextBlob
HTML
CSS
NLP
Ce que montre le projet
Éléments travaillés
Application web avec Flask
Le projet utilise Flask pour relier le backend Python à une interface web simple, avec rendu HTML dynamique à partir des données analysées.
Analyse de sentiment
Le texte saisi par l’utilisateur est analysé avec TextBlob, qui retourne un score de polarité permettant de déterminer si le sentiment est positif, négatif ou neutre.
Formulaire utilisateur
L’utilisateur peut écrire un texte dans une zone de saisie, puis envoyer sa demande grâce à un formulaire HTML traité côté serveur.
Interface personnalisée
J’ai mis en place un habillage visuel simple et moderne avec HTML et CSS afin de rendre l’application plus agréable à utiliser et plus présentable dans un portfolio.
Organisation du projet
Le projet est structuré de manière claire avec un fichier principal app.py, un dossier templates, un dossier static et un fichier requirements.txt.
Démo du projet
Tester l’application
Il est possible de tester directement l’analyseur de sentiment en ligne. Pour le moment, l’analyse fonctionne principalement avec des textes rédigés en anglais, car la bibliothèque TextBlob est entraînée sur des corpus anglophones.
Accès rapide
Essayer l’analyseur de sentiment
Pour obtenir un résultat pertinent, il est recommandé d’écrire une phrase en anglais, par exemple : "I love this project" ou "This is terrible".
Une amélioration pour mieux prendre en charge les textes en français est prévue dans l’évolution du projet.
Compétences mobilisées
Ce que ce projet met en avant
- développement d’une application web en Python avec Flask,
- création d’un formulaire HTML relié à un backend,
- utilisation d’une bibliothèque Python externe,
- analyse et traitement de texte,
- affichage dynamique des résultats dans une vue HTML,
- structuration d’un projet Python avec templates et fichiers statiques,
- gestion des dépendances avec requirements.txt.
Bilan
Un projet personnel enrichissant
Ce projet m’a permis de progresser concrètement en Python tout en découvrant le framework Flask.
J’ai pu comprendre comment construire une petite application web complète, récupérer des données saisies par un utilisateur, les traiter côté serveur puis afficher le résultat dans l’interface.
Il m’a également permis de découvrir une première approche du traitement automatique du langage naturel à travers TextBlob.
Actuellement, l’analyse fonctionne surtout en anglais, ce qui m’a permis d’identifier une piste d’amélioration : développer une version plus adaptée aux textes en français.
Conclusion
Un projet concret entre Python, web et analyse de texte
Ce projet me permet de montrer une première réalisation personnelle en Python appliquée à une interface web.
Il met en avant ma capacité à apprendre de nouveaux outils, à structurer un projet complet et à relier développement web et traitement de données textuelles.