diff --git a/code dynamic b/code dynamic
new file mode 100644
index 0000000000000000000000000000000000000000..d4d287f86918cf62e678b66fc3380a7d95661d90
--- /dev/null
+++ b/code dynamic
@@ -0,0 +1,204 @@
+from typing import Any
+
+import gffutils
+import pandas as pd
+import matplotlib.pyplot as plt
+from collections import Counter
+from io import StringIO
+
+#STAT
+def avg_lenght(db):
+ """
+ Calcule la longueur moyenne de chaque chaque features
+ :param db: base de données
+ :return: la moyenne de chaque chaque features
+ """
+ avg = Counter()
+ for feature in db.featuretypes():
+ longueurs = [feature.end - feature.start + 1 for feature in db.features_of_type(feature)]
+ avg[feature] = sum(longueurs) / len(longueurs) if longueurs else 0
+ return avg
+
+def count(db):
+ """
+ comptage de chaque features
+ :param db: base de données
+ :return: dict avec feature : nombre de ce feature dans le fichier GFF
+ """
+ stats = Counter()
+ for feature in db.all_features(): #methode gffutils
+ stats[feature.featuretype] += 1
+ return stats
+
+def fusions_stat(count, avg):
+ """
+ Combinaisons de plusieurs dictionnaires stat dans 1 tableau
+ :param count: Un dictionnaire avec le nombre de chaque type de feature.
+ :param avg: Un dictionnaire avec la longueur moyenne de chaque type de feature.
+ :return: Un tableau
+ """
+ # Transformer les dict en tableau
+ count_df = pd.DataFrame(count.items(), columns=["Feature Type", "Count"])
+ avg_df = pd.DataFrame(avg.items(), columns=["Feature Type", "Average Length"])
+
+ # Fusion les tableaux sur la colonne "Feature Type"
+ combined_df = pd.merge(count_df, avg_df, on="Feature Type", how="left") #faut que klé des deux dict soit les memes
+
+ return combined_df
+
+
+#LIEN
+
+def liens(feature):
+ """
+ LIEN NCBI
+ :param feature: Un objet représentant une feature du fichier GFF.
+ :return: lien vers site NCBI du feature
+ """
+ return "NA"
+
+def graphe(stats, output_plot):
+ """
+ Génère un graph de la distribution des features du GFF.
+ :param stats: Dictionnaire contenant le nombre de chaque type de feature.
+ :return: image qu'on utilisera plus tard
+ """
+ fig, ax = plt.subplots()
+ ax.pie(stats.values(), labels=stats.keys(), autopct='%1.1f%%', startangle=140)
+ ax.axis('equal') # Cercle parfait
+
+ img_buffer = StringIO()
+ plt.savefig(img_buffer, format='svg')
+ plt.savefig(output_plot)
+ plt.close()
+
+def extraire_attributs(db):
+ """
+ recup tout les attributes present dans notres GFF
+ :param db: base de donnees
+ :return: set d'attribut
+ """
+ attributs = set()
+ for feature in db.all_features():
+ attributs.update(feature.attributes.keys())
+ return sorted(attributs)
+
+def gff_a_html(gff_file, output_html, output_plot="feature_distribution.png"):
+ """
+ Analyse un fichier GFF et génère un tableau HTML avec les informations des gènes extraites
+ :param gff_file: chemin de ou est enregistré le fichier GFF
+ :param output_html: chemin de ou on veux que le fichier HTML s'enregistre
+ :return: enregistre un fichier HTML avec un tableau de donnée la ou on lui a demandé
+ """
+ # base de données temporaire du fichier
+ db = gffutils.create_db(gff_file, dbfn=":memory:", force=True, keep_order=True, merge_strategy="create_unique", sort_attribute_values=True)
+ # memory : pour pas stocker sur disque (RAM)
+ #force = true : recrée base si elle existe déja
+ #merge_strategy="create_unique" : pour que les valeurs fusionnée reste unique
+ #sort_attribute_values=True : tri valeurs
+ data = [] # Liste stock infos
+ attributs = extraire_attributs(db)
+
+ # création data
+ for feature in db.all_features():
+ entry = {"Feature Type": feature.featuretype, "ID": feature.id, "Start": feature.start, "End": feature.end,
+ "Strand": feature.strand, "External Link": liens(feature)}
+ for attr in attributs:
+ entry[attr] = ", ".join(feature.attributes.get(attr, ["N/A"]))
+ data.append(entry)
+
+ # DATA
+ df = pd.DataFrame(data)
+ df_html = df.to_html(index=False, escape=False) #html
+
+ # STAT
+ cnt = count(db)
+ avg = avg_lenght(db)
+ stats_df = fusions_stat(cnt, avg)
+ stats_html = stats_df.to_html(index=False) #html
+
+ graphe(avg, output_plot)
+
+ html_template = f"""
+ <!DOCTYPE html>
+ <html lang="en">
+ <head>
+ <meta charset="UTF-8">
+ <meta name="viewport" content="width=device-width, initial-scale=1.0">
+ <title>GFF Report</title>
+ <link rel="stylesheet" href="https://cdn.datatables.net/1.11.5/css/jquery.dataTables.min.css">
+ <script src="https://code.jquery.com/jquery-3.6.0.min.js"></script>
+ <script src="https://cdn.datatables.net/1.11.5/js/jquery.dataTables.min.js"></script>
+ <style>
+ body {{
+ font-family: Arial, sans-serif;
+ margin: 20px;
+ }}
+ table {{
+ width: 100%;
+ border-collapse: collapse;
+ margin-bottom: 20px;
+ }}
+ th, td {{
+ border: 1px solid #ddd;
+ padding: 8px;
+ text-align: left;
+ }}
+ th {{
+ background-color: #f2f2f2;
+ }}
+ img {{
+ max-width: 100%;
+ height: auto;
+ }}
+ </style>
+ <script>
+ $(document).ready(function() {{
+ $('table').DataTable({{
+ "paging": true,
+ "searching": true,
+ "ordering": true
+ }});
+ }});
+ </script>
+ </head>
+ <body>
+ <h1>Feature Data</h1>
+ {df_html}
+
+ <h1>Statistics</h1>
+ {stats_html}
+
+ <h1>Distribution celon les longueurs</h1>
+ <img src="{output_plot}" alt="Feature Distribution">
+ </body>
+ </html>
+ """
+
+ with open(output_html, "w", encoding="utf-8") as f:
+ f.write(html_template)
+
+ print(f"HTML report saved as {output_html}")
+
+# UTF8 permet les encodages spéciaux
+# viewport permet de lire le documents sur un format téléphone
+# les trucs apres c'est pour charger CSS, jQuery (librairy JS) et DataTables.js (permet tri et recherche)
+# mise en page avec police Arial, margin c'est pour mettre des espaces entre les elements
+# th, td c'est tous le tableau entete et reste
+# th c'est l'entete et j'ai mis un fond gris pour meuilleur visu
+# max-width: 100% permet d'adapter la taille de l'image a la taille de la fenetre du moteur de recherche
+# dans scrit : permet pagination quand tableau est trop long, rechercher dans les colonnes et trier
+
+
+if __name__ == "__main__":
+
+ #chemin des fichiers de Clara :
+ #gff_file = "/Users/claramoreno/PycharmProjects/PythonProjectPaster/wormbase_gff2_alt.txt"
+ gff_file = "/Users/claramoreno/PycharmProjects/PythonProjectPaster/PROKKA_REF_ONTillumina.gff"
+ output_html = "/Users/claramoreno/PycharmProjects/PythonProjectPaster/output.html"
+
+ #chemin des fichiers :
+ #gff_file =
+ #output_html =
+
+ print(gff_a_html(gff_file,output_html))
\ No newline at end of file