updated

DEPLOYMENT.md

@@ -1,63 +0,0 @@
-# Déploiement Hugging Face Spaces
-
-## ✅ Fix ArrowInvalid Intégré
-
-Cette application inclut un fix complet pour les erreurs `ArrowInvalid` qui peuvent survenir lors du chargement de datasets depuis Hugging Face.
-
-### 🔧 Problème Résolu
-
-L'erreur suivante ne peut plus se reproduire :
-```
-ArrowInvalid("Failed to parse string: 'Coué - ' as a scalar of type double")
-```
-
-### 🛠️ Solution Implémentée
-
-Le fichier `data_loader.py` inclut :
-- **Protection Arrow multi-niveaux** avec 3 stratégies de fallback
-- **Conversion sécurisée** des types problématiques 
-- **Nettoyage automatique** des valeurs corrompues
-- **Validation robuste** des données
-
-### 📦 Requirements pour HF
-
-Utilisez `requirements.txt` (sans audioop-lts) :
-
-```txt
-gradio==4.25.0
-pandas>=2.0.0,<3.0.0
-numpy>=1.21.0,<2.0.0
-matplotlib>=3.5.0,<4.0.0
-seaborn>=0.11.0,<1.0.0
-plotly>=5.0.0,<6.0.0
-scipy>=1.7.0,<2.0.0
-scikit-learn>=1.0.0,<2.0.0
-datasets>=2.0.0,<5.0.0
-huggingface_hub>=0.16.0,<1.0.0
-pyarrow>=14.0.0,<22.0.0
-```
-
-### 🚀 Déploiement
-
-1. **Upload** tous les fichiers vers HF Spaces
-2. **Point d'entrée** : `app.py`
-3. **Python version** : 3.10+ (compatible)
-4. **Hardware** : CPU Basic suffisant
-
-### 🔐 Garanties
-
-- ✅ **Aucune erreur ArrowInvalid** possible
-- ✅ **Compatible Python 3.10** (HF Spaces)
-- ✅ **Chargement de datasets sécurisé**
-- ✅ **Interface Gradio fonctionnelle**
-
-### 🧪 Test Local
-
-```bash
-# Tester la configuration
-python -c "
-from data_loader import DataLoader
-loader = DataLoader()
-print('✅ Fix Arrow intégré et fonctionnel!')
-"
-```

GUIDE_REQUETES_HERBICIDES.md

@@ -1,177 +0,0 @@
-# 🔍 Guide des Requêtes Herbicides
-
-## Nouvelles Fonctionnalités Intégrées
-
-L'application d'analyse des adventices agricoles a été enrichie avec un système de requêtes avancées pour l'analyse des herbicides. Voici comment utiliser ces nouvelles fonctionnalités :
-
-## 📋 Accès aux Fonctionnalités
-
-Dans l'interface Gradio, vous trouverez un nouvel onglet **"🔍 Requêtes Herbicides"** qui contient 4 sous-onglets spécialisés :
-
----
-
-## 🏆 Top IFT par Année
-
-**Objectif :** Identifier les parcelles avec les Indices de Fréquence de Traitement (IFT) herbicides les plus élevés pour une année donnée.
-
-### Utilisation :
-1. Sélectionnez l'année à analyser dans la liste déroulante
-2. Choisissez le nombre de parcelles à afficher (5 à 50)
-3. Cliquez sur "🔍 Analyser les IFT"
-
-### Résultats :
-- **Graphique en barres** : Classement visuel des parcelles par IFT décroissant
-- **Tableau détaillé** : Numéro de parcelle, surface, IFT, quantité totale, nombre de produits
-
-### Cas d'usage :
-- **Surveillance prioritaire** : Identifier les parcelles nécessitant une attention particulière
-- **Benchmarking** : Comparer les pratiques entre parcelles
-- **Audit réglementaire** : Suivre les parcelles à forte intensité de traitement
-
----
-
-## 📖 Historique Parcelle
-
-**Objectif :** Tracer l'historique complet des herbicides utilisés sur une parcelle spécifique.
-
-### Utilisation :
-1. Saisissez le numéro de la parcelle (ex: 21, 22, etc.)
-2. Définissez le nombre d'années à analyser (1 à 15)
-3. Cliquez sur "🔍 Analyser l'historique"
-
-### Résultats :
-- **Graphique chronologique** : Évolution des produits et quantités par année
-- **Tableau historique** : Détail par année avec produits, quantités et dates
-
-### Cas d'usage :
-- **Planification de rotation** : Voir l'historique avant d'implanter une culture sensible
-- **Traçabilité** : Documenter les pratiques passées
-- **Analyse tendances** : Observer l'évolution des pratiques sur une parcelle
-
----
-
-## 🎯 Recherche de Produits
-
-**Objectif :** Trouver les parcelles ayant reçu (ou n'ayant PAS reçu) des produits spécifiques.
-
-### Utilisation :
-1. Saisissez les noms de produits séparés par des virgules
-   - Exemple : `Minarex, Chardex, Aligator`
-   - Supporte la recherche partielle (ex: "Chardex" trouve "Chardex 500")
-2. Définissez la période d'analyse (1 à 15 années)
-3. Choisissez votre type de recherche :
-   - **"✅ Parcelles AVEC ces produits"** : Trouve les parcelles qui ont reçu au moins un des produits
-   - **"❌ Parcelles SANS ces produits"** : Trouve les parcelles qui n'ont reçu aucun de ces produits
-
-### Résultats :
-- **Message de statut** : Nombre de parcelles trouvées
-- **Tableau des résultats** : Liste des parcelles avec détails (années, quantités, dates)
-
-### Cas d'usage :
-- **Rotation Chardex** : `Chardex` → Trouver les parcelles sans Chardex pour cultures sensibles
-- **Évitement de résidus** : Identifier les parcelles sans produits persistants
-- **Conformité réglementaire** : Tracer l'usage de produits spécifiques
-
-### Exemples de Requêtes Utiles :
-
-#### Pour cultures sensibles (pois, haricot) :
-```
-Recherche "SANS" : Chardex, Minarex
-→ Trouve les parcelles adaptées aux légumineuses
-```
-
-#### Pour audit d'un produit :
-```
-Recherche "AVEC" : Aligator
-→ Trace tous les usages d'Aligator
-```
-
-#### Pour éviter les résistances :
-```
-Recherche "AVEC" : Glyphosate, Round
-→ Identifie les parcelles à forte pression glyphosate
-```
-
----
-
-## 🗓️ Périodes d'Intervention
-
-**Objectif :** Analyser les patterns temporels d'application des herbicides par parcelle.
-
-### Utilisation :
-1. Définissez la période d'analyse (1 à 15 années)
-2. Cliquez sur "🔍 Analyser les périodes"
-
-### Résultats :
-- **Graphique scatter** : Position des interventions dans l'année vs intensité
-  - X = Mois de début d'intervention
-  - Y = Nombre d'interventions
-  - Taille = Quantité totale utilisée
-  - Couleur = Nombre de produits différents
-
-- **Heatmap** : Répartition mensuelle des interventions par année
-  - Visualise les pics d'activité saisonniers
-  - Compare l'évolution temporelle entre années
-
-- **Tableau détaillé** : Analyse par parcelle avec :
-  - Période d'activité (année début/fin)
-  - Nombre total d'interventions
-  - Mois de début/fin des traitements
-  - Liste des mois d'intervention
-  - Nombre de produits uniques
-  - Quantité totale
-
-### Cas d'usage :
-- **Optimisation temporelle** : Identifier les meilleures fenêtres d'intervention
-- **Planification cultural** : Éviter les conflits avec les périodes de traitement
-- **Analyse climatique** : Corréler les interventions avec les conditions météo
-- **Benchmarking temporel** : Comparer les strategies temporelles entre parcelles
-
----
-
-## 💡 Conseils d'Utilisation
-
-### Recherche de Produits Efficace :
-- Utilisez des **noms partiels** : "Chardex" trouve "Chardex 500", "Chardex WG", etc.
-- **Combinez plusieurs produits** : "Chardex, Minarex" pour une recherche large
-- **Soyez spécifique** : "Round" vs "Roundup" selon vos besoins
-
-### Interprétation des IFT :
-- **IFT < 1** : Usage faible, parcelles intéressantes pour cultures sensibles
-- **IFT 1-3** : Usage modéré, surveillance recommandée
-- **IFT > 3** : Usage intensif, rotation conseillée avant cultures sensibles
-
-### Analyse Temporelle :
-- **Mars-Avril** : Période classique de désherbage de printemps
-- **Septembre-Octobre** : Traitements d'automne (colza, céréales)
-- **Heatmap** : Rouge = forte activité, Bleu = période calme
-
----
-
-## 🔧 Support Technique
-
-- **Données manquantes** : Les requêtes s'adaptent automatiquement aux colonnes disponibles
-- **Recherche insensible à la casse** : "chardex" = "CHARDEX"
-- **Gestion des erreurs** : Messages explicites en cas de problème
-- **Performance** : Optimisé pour des datasets de plusieurs milliers de lignes
-
----
-
-## 📞 Questions Fréquentes
-
-**Q: Que faire si aucune parcelle n'est trouvée ?**
-R: Vérifiez l'orthographe des produits et élargissez la période de recherche.
-
-**Q: Comment interpréter un IFT élevé ?**
-R: IFT élevé = forte pression herbicide. Considérez une rotation ou des techniques alternatives.
-
-**Q: Puis-je rechercher plusieurs produits à la fois ?**
-R: Oui, séparez-les par des virgules. La recherche trouve les parcelles avec AU MOINS UN des produits.
-
-**Q: Comment identifier les parcelles pour pois/haricot ?**
-R: Recherchez les parcelles "SANS" Chardex sur 10 ans, puis vérifiez leur historique.
-
----
-
-*Développé pour le Hackathon CRA Bretagne 🏆*
-*Application d'aide à la décision pour une agriculture durable*

HF_DEPLOY_GUIDE.md

@@ -1,117 +0,0 @@
-# 🚀 Guide de Déploiement Hugging Face Spaces
-
-## ✅ Problème ArrowInvalid RÉSOLU
-
-Cette application résout définitivement l'erreur :
-```
-ArrowInvalid("Failed to parse string: 'Coué - ' as a scalar of type double")
-```
-
-## 📋 Requirements.txt Optimisé
-
-Le fichier `requirements.txt` a été optimisé pour HF Spaces (Python 3.10) :
-
-```txt
-gradio>=4.44.0,<5.0.0
-pandas>=2.0.0,<3.0.0
-numpy>=1.21.0,<2.0.0
-matplotlib>=3.5.0,<4.0.0
-seaborn>=0.11.0,<1.0.0
-plotly>=5.0.0,<6.0.0
-scipy>=1.7.0,<2.0.0
-scikit-learn>=1.0.0,<2.0.0
-datasets>=2.0.0,<5.0.0
-huggingface_hub>=0.16.0,<1.0.0
-pyarrow>=14.0.0,<22.0.0
-```
-
-## 🔧 Changements Apportés
-
-### ❌ SUPPRIMÉ
-- `audioop-lts>=0.2.1` (incompatible Python 3.10)
-
-### ✅ AJOUTÉ/CORRIGÉ
-- Versions épinglées avec limites supérieures
-- Gradio mis à jour vers 4.44+
-- Fix ArrowInvalid intégré dans `data_loader.py`
-
-## 🛠️ Instructions de Déploiement
-
-### 1. Créer un Space HF
-
-```bash
-# Sur Hugging Face Spaces
-# Nom: votre-app-name
-# Type: Gradio
-# Python version: 3.10
-# Hardware: CPU Basic
-```
-
-### 2. Uploader les Fichiers
-
-Fichiers requis :
-- ✅ `app.py` (point d'entrée)
-- ✅ `data_loader.py` (fix Arrow intégré)
-- ✅ `requirements.txt` (optimisé)
-- ✅ `config.py`
-- ✅ `interface.py`
-- ✅ `analyzer.py`
-- ✅ `visualizations.py`
-- ✅ `sample_data.csv`
-
-### 3. Configuration HF
-
-**Fichier de configuration Space** (optionnel) :
-```yaml
-title: Votre App Name
-emoji: 🌱
-colorFrom: green
-colorTo: blue
-sdk: gradio
-sdk_version: 4.44.0
-app_file: app.py
-pinned: false
-license: mit
-```
-
-## 🔐 Garanties
-
-- ✅ **Aucune erreur ArrowInvalid possible**
-- ✅ **Compatible Python 3.10 HF Spaces**
-- ✅ **Pas de dépendance audioop-lts**
-- ✅ **Chargement datasets sécurisé**
-- ✅ **Interface responsive**
-
-## 🧪 Test Avant Déploiement
-
-```bash
-# Test local
-conda run python -c "
-from data_loader import DataLoader
-import gradio as gr
-print('✅ Prêt pour HF!')
-"
-```
-
-## 📞 Support
-
-En cas de problème ArrowInvalid :
-1. Vérifiez que `data_loader.py` contient le fix
-2. Confirmez l'absence d'`audioop-lts` 
-3. Utilisez le fichier `requirements.txt` fourni
-
-## 🎯 Architecture du Fix
-
-```python
-# data_loader.py - Protection multi-niveaux
-def _safe_load_from_hf():
-    # Stratégie 1: HF direct + protection Arrow
-    # Stratégie 2: Fichiers repo + types string
-    # Stratégie 3: Fichier local + nettoyage
-
-def _clean_data_types():
-    # Nettoie "Coué - " → None
-    # Convertit types sécurisés
-```
-
-**L'application est maintenant 100% compatible avec Hugging Face Spaces !** 🚀

NOUVELLE_FONCTIONNALITE_PARCELLES.md

@@ -1,156 +0,0 @@
-# 🏠 Nouvelle Fonctionnalité : Filtrage par Parcelle
-
-## 📋 Fonctionnalité Ajoutée
-
-Dans l'onglet **"📅 Analyse par Année"**, une nouvelle liste déroulante a été ajoutée pour permettre la sélection par parcelle spécifique, en complément du filtrage par année existant.
-
-## 🎯 Objectif
-
-Permettre une analyse granulaire des données agricoles en combinant :
-- **Filtrage temporel** : Par année
-- **Filtrage spatial** : Par parcelle spécifique
-
-## 🔧 Fonctionnement
-
-### Interface Utilisateur
-
-L'interface comprend maintenant **deux contrôles de filtrage** côte à côte :
-
-1. **🗓️ Sélectionner une année**
-   - Liste déroulante des années disponibles
-   - Année la plus récente sélectionnée par défaut
-
-2. **🏠 Sélectionner une parcelle** *(NOUVEAU)*
-   - Liste déroulante de toutes les parcelles disponibles
-   - Format d'affichage : `Numéro - Nom de la parcelle`
-   - Option "Toutes les parcelles" par défaut
-   - 84 parcelles disponibles dans les données actuelles
-
-### Synchronisation des Contrôles
-
-- **Mise à jour automatique** : Changer l'année OU la parcelle rafraîchit tous les graphiques
-- **Réactivité** : Les modifications sont appliquées immédiatement
-- **Cohérence** : Tous les graphiques et statistiques reflètent la sélection combinée
-
-## 📊 Impacts sur les Visualisations
-
-### 1. Statistiques Résumé
-- **Titre dynamique** : Indique l'année et la parcelle sélectionnées
-- **Métriques adaptées** : 
-  - Nombre de parcelles (1 si parcelle spécifique, N si toutes)
-  - Surface totale/moyenne de la sélection
-  - Interventions herbicides pour la sélection
-
-**Exemple :**
-```
-## 📊 Statistiques pour l'année 2014 - Parcelle 2 (Kersuzan Bas)
-- Nombre de parcelles: 1
-- Nombre d'interventions: 27
-- Surface totale: 49.68 hectares
-- Interventions herbicides: 6 (22.2%)
-```
-
-### 2. Graphique des Cultures
-- **Scope adapté** : Répartition des cultures pour la parcelle sélectionnée
-- **Titre dynamique** : Inclut l'année et la parcelle
-- **Données filtrées** : Seules les cultures de la parcelle sélectionnée
-
-### 3. Timeline des Interventions
-- **Activité focalisée** : Répartition mensuelle pour la parcelle spécifique
-- **Pattern individuel** : Comprendre les habitudes d'une parcelle particulière
-- **Comparaison temporelle** : Évolution des pratiques sur une parcelle
-
-### 4. Analyse des Herbicides
-- **Usage spécifique** : Top des herbicides utilisés sur la parcelle
-- **Pratiques individuelles** : Stratégies herbicides parcelle par parcelle
-- **Traçabilité** : Historique précis des traitements
-
-## 💡 Cas d'Usage
-
-### 🔍 Analyse Parcellaire Détaillée
-```
-Sélection : 2014 + Parcelle 2 (Kersuzan Bas)
-Résultat : Vue complète des pratiques sur cette parcelle en 2014
-Usage : Audit détaillé, préparation de rotation, analyse de conformité
-```
-
-### 📈 Comparaison Entre Parcelles
-```
-Étape 1 : Analyser Parcelle A en 2014
-Étape 2 : Analyser Parcelle B en 2014
-Résultat : Comparaison des pratiques entre parcelles similaires
-```
-
-### 🎯 Suivi Longitudinal
-```
-Sélection : Parcelle 2 en 2014, puis 2015, puis 2016...
-Résultat : Évolution des pratiques sur une parcelle spécifique
-Usage : Analyse de l'impact des changements de pratiques
-```
-
-### 🌾 Préparation de Culture
-```
-Contexte : Vouloir planter du pois sur Parcelle 2
-Action : Analyser l'historique herbicide de cette parcelle
-Décision : Évaluer la compatibilité avec la culture sensible
-```
-
-## ⚙️ Aspects Techniques
-
-### Gestion des Types de Données
-- **Conversion automatique** : String ↔ Integer pour les numéros de parcelles
-- **Robustesse** : Gestion des erreurs de conversion
-- **Compatibilité** : Fonctionne avec différents formats de données
-
-### Performance
-- **Filtrage optimisé** : Pandas operations pour des performances élevées
-- **Mémoire efficace** : Pas de duplication inutile des données
-- **Réactivité** : Mise à jour instantanée des visualisations
-
-### Architecture
-```python
-# Nouvelle méthode de filtrage combiné
-def filter_data_by_year_and_parcel(self, year, parcel_id):
-    # Filtrage temporel ET spatial
-    # Gestion des types de données
-    # Validation des entrées
-
-# Méthodes de visualisation mises à jour
-def create_year_culture_analysis(self, year, parcel_id=None):
-def create_year_interventions_timeline(self, year, parcel_id=None):
-def create_year_herbicide_analysis(self, year, parcel_id=None):
-def get_year_summary_stats(self, year, parcel_id=None):
-```
-
-## 🎉 Avantages
-
-### Pour l'Utilisateur
-- **Granularité** : Analyse au niveau parcelle le plus fin
-- **Flexibilité** : Vue globale OU spécifique selon les besoins
-- **Intuitivité** : Interface simple avec deux listes déroulantes
-- **Rapidité** : Exploration interactive des données
-
-### Pour l'Analyse
-- **Précision** : Données exactes pour une parcelle donnée
-- **Comparabilité** : Benchmarking facile entre parcelles
-- **Traçabilité** : Suivi détaillé des pratiques
-- **Conformité** : Audit parcelle par parcelle
-
-### Pour la Décision
-- **Ciblage** : Recommandations spécifiques à une parcelle
-- **Planning** : Préparation des rotations avec historique précis
-- **Optimisation** : Ajustement des pratiques parcelle par parcelle
-- **Réglementation** : Respect des contraintes par parcelle
-
-## 🔮 Évolutions Futures Possibles
-
-1. **Filtrage multiple** : Sélection de plusieurs parcelles simultanément
-2. **Comparaison visuelle** : Graphiques côte-à-côte pour plusieurs parcelles
-3. **Alertes personnalisées** : Notifications pour parcelles à surveiller
-4. **Export parcellaire** : Rapports PDF par parcelle
-5. **Cartographie** : Visualisation géospatiale des parcelles
-
----
-
-*Développé pour le Hackathon CRA Bretagne 🏆*
-*Amélioration continue de l'aide à la décision agricole*

app.py

@@ -736,6 +736,83 @@ class AgricultureAnalyzer:
             fig.add_annotation(text="Colonne 'produit' manquante", 
                              xref="paper", yref="paper", x=0.5, y=0.5, showarrow=False)
             return fig
+    
+    def get_data_table_by_year_and_parcel(self, year, parcel_id=None, max_rows=1000):
+        """Retourne un tableau des données pour une année et optionnellement une parcelle"""
+        try:
+            filtered_data = self.filter_data_by_year_and_parcel(year, parcel_id)
+            
+            if filtered_data is None or len(filtered_data) == 0:
+                if parcel_id and parcel_id != "ALL":
+                    return None, f"❌ Aucune donnée pour l'année {year} et la parcelle {parcel_id}"
+                else:
+                    return None, f"❌ Aucune donnée pour l'année {year}"
+            
+            # Sélectionner les colonnes les plus importantes pour l'affichage
+            display_cols = []
+            important_cols = [
+                'millesime', 'numparcell', 'nomparc', 'surfparc', 
+                'libelleusag', 'datedebut', 'datefin', 'libevenem', 
+                'familleprod', 'produit', 'quantitetot', 'unite'
+            ]
+            
+            for col in important_cols:
+                if col in filtered_data.columns:
+                    display_cols.append(col)
+            
+            if not display_cols:
+                return None, "❌ Aucune colonne importante trouvée"
+            
+            # Préparer les données pour l'affichage
+            display_df = filtered_data[display_cols].copy()
+            
+            # Formater les colonnes pour un meilleur affichage
+            if 'surfparc' in display_df.columns:
+                display_df['surfparc'] = display_df['surfparc'].round(2)
+            if 'quantitetot' in display_df.columns:
+                display_df['quantitetot'] = pd.to_numeric(display_df['quantitetot'], errors='coerce').round(3)
+            
+            # Trier par date si disponible, sinon par parcelle
+            if 'datedebut' in display_df.columns:
+                # Convertir les dates pour le tri
+                display_df['date_sort'] = pd.to_datetime(display_df['datedebut'], format='%d/%m/%y', errors='coerce')
+                display_df = display_df.sort_values(['numparcell', 'date_sort'])
+                display_df = display_df.drop('date_sort', axis=1)
+            else:
+                display_df = display_df.sort_values('numparcell')
+            
+            # Limiter le nombre de lignes pour l'affichage
+            if len(display_df) > max_rows:
+                display_df = display_df.head(max_rows)
+                info_msg = f"📊 Affichage de {max_rows} premières lignes sur {len(filtered_data)} total"
+            else:
+                info_msg = f"📊 {len(display_df)} enregistrements au total"
+            
+            # Renommer les colonnes pour un affichage plus clair
+            column_names = {
+                'millesime': 'Année',
+                'numparcell': 'N° Parcelle',
+                'nomparc': 'Nom Parcelle',
+                'surfparc': 'Surface (ha)',
+                'libelleusag': 'Culture',
+                'datedebut': 'Date Début',
+                'datefin': 'Date Fin',
+                'libevenem': 'Type Intervention',
+                'familleprod': 'Famille Produit',
+                'produit': 'Produit',
+                'quantitetot': 'Quantité',
+                'unite': 'Unité'
+            }
+            
+            # Renommer seulement les colonnes qui existent
+            rename_dict = {k: v for k, v in column_names.items() if k in display_df.columns}
+            display_df = display_df.rename(columns=rename_dict)
+            
+            return display_df, info_msg
+            
+        except Exception as e:
+            print(f"❌ Erreur dans get_data_table_by_year_and_parcel: {e}")
+            return None, f"❌ Erreur lors de la génération du tableau: {str(e)[:100]}..."
 
 # Initialisation de l'analyseur
 analyzer = AgricultureAnalyzer()
@@ -907,6 +984,115 @@ def create_interface():
                 💡 **Utilisation**: Combinez les filtres pour explorer les données en détail
                 """)
             
+            with gr.TabItem("📋 Données par Année"):
+                gr.Markdown("## Exploration des données tabulaires par année et parcelle")
+                
+                # Contrôles de filtrage identiques à l'onglet précédent
+                with gr.Row():
+                    with gr.Column():
+                        # Liste déroulante pour sélectionner l'année
+                        data_year_dropdown = gr.Dropdown(
+                            choices=available_years,
+                            value=available_years[-1] if available_years else None,
+                            label="🗓️ Sélectionner une année",
+                            info="Choisissez l'année à analyser"
+                        )
+                    
+                    with gr.Column():
+                        # Liste déroulante pour sélectionner la parcelle
+                        data_parcel_dropdown = gr.Dropdown(
+                            choices=list(zip(parcel_choices, parcel_values)),
+                            value="ALL" if available_parcels else None,
+                            label="🏠 Sélectionner une parcelle",
+                            info="Choisissez une parcelle spécifique ou 'Toutes les parcelles'"
+                        )
+                
+                # Contrôles supplémentaires
+                with gr.Row():
+                    with gr.Column():
+                        max_rows_slider = gr.Slider(
+                            minimum=100,
+                            maximum=5000,
+                            value=1000,
+                            step=100,
+                            label="📊 Nombre maximum de lignes à afficher"
+                        )
+                    
+                    with gr.Column():
+                        update_data_btn = gr.Button("🔄 Actualiser les données", variant="primary")
+                        export_info = gr.Markdown("💡 **Astuce**: Vous pouvez copier les données du tableau ci-dessous")
+                
+                # Message d'information
+                data_info_msg = gr.Markdown("")
+                
+                # Tableau des données
+                data_table = gr.Dataframe(
+                    label="📋 Données détaillées",
+                    interactive=False,
+                    wrap=True,
+                    height=500
+                )
+                
+                # Fonction de mise à jour des données
+                def update_data_table(selected_year, selected_parcel, max_rows):
+                    if selected_year is None:
+                        return "❌ Veuillez sélectionner une année", None
+                    
+                    try:
+                        data_df, info_msg = analyzer.get_data_table_by_year_and_parcel(
+                            selected_year, selected_parcel, max_rows
+                        )
+                        
+                        if data_df is None:
+                            return info_msg, None
+                        
+                        return info_msg, data_df
+                        
+                    except Exception as e:
+                        return f"❌ Erreur: {str(e)}", None
+                
+                # Connecter les contrôles aux mises à jour
+                update_data_btn.click(
+                    update_data_table,
+                    inputs=[data_year_dropdown, data_parcel_dropdown, max_rows_slider],
+                    outputs=[data_info_msg, data_table]
+                )
+                
+                data_year_dropdown.change(
+                    update_data_table,
+                    inputs=[data_year_dropdown, data_parcel_dropdown, max_rows_slider],
+                    outputs=[data_info_msg, data_table]
+                )
+                
+                data_parcel_dropdown.change(
+                    update_data_table,
+                    inputs=[data_year_dropdown, data_parcel_dropdown, max_rows_slider],
+                    outputs=[data_info_msg, data_table]
+                )
+                
+                # Initialiser avec les valeurs par défaut
+                if available_years:
+                    default_data_parcel = "ALL"
+                    initial_info, initial_data = update_data_table(default_year, default_data_parcel, 1000)
+                    data_info_msg.value = initial_info
+                    if initial_data is not None:
+                        data_table.value = initial_data
+                
+                gr.Markdown("""
+                **Informations sur cet onglet:**
+                - 📋 **Vue tabulaire**: Exploration détaillée des données ligne par ligne
+                - 🔍 **Filtrage avancé**: Combinez année et parcelle pour cibler vos recherches
+                - 📊 **Contrôle du volume**: Ajustez le nombre de lignes affichées
+                - 📋 **Colonnes optimisées**: Affichage des informations les plus pertinentes
+                - 🗓️ **Tri intelligent**: Données triées par parcelle et date
+                
+                💡 **Cas d'usage**:
+                - Vérification détaillée des interventions
+                - Export de données pour analyse externe
+                - Traçabilité parcelle par parcelle
+                - Audit des pratiques agricoles
+                """)
+            
             with gr.TabItem("🔍 Requêtes Herbicides"):
                 gr.Markdown("## Requêtes avancées pour l'analyse des herbicides")