Update README.md

README.md

@@ -140,4 +140,71 @@ Ce projet est une preuve de concept. Nous encourageons les développeurs à éte
 1.  **Actions Supplémentaires :** Ajouter des actions comme "Manger" ou "Dormir" pour que l'agent puisse activement réduire ses états de `Faim` et `Sommeil`.
 2.  **Simulation 2D/3D :** Intégrer un rendu visuel (avec Pygame ou Unity) à la méthode `render()` pour visualiser le chiot se déplaçant dans un espace physique.
 
-N'hésitez pas à forker le dépôt sur Hugging Face pour proposer des améliorations \!
+N'hésitez pas à forker le dépôt sur Hugging Face pour proposer des améliorations \!
+
+code exemple d'utilisation 
+
+```
+import gymnasium as gym
+from stable_baselines3 import PPO
+from gymnasium import register
+from huggingface_hub import hf_hub_download
+import os
+import sys # Import sys
+
+# --- PARAMÈTRES DU DÉPÔT ---
+REPO_ID = "Clemylia/MiRobot"
+MODEL_FILE = "mirobot_final_model.zip"
+ENV_SCRIPT_FILE = "MiRobotEnv.py"
+ENV_ID = 'MiRobot-v0'
+
+# 1. Téléchargement des Fichiers
+env_path = hf_hub_download(repo_id=REPO_ID, filename=ENV_SCRIPT_FILE)
+model_path = hf_hub_download(repo_id=REPO_ID, filename=MODEL_FILE)
+
+# 2. Chargement de la Classe d'Environnement (MiRobotEnv)
+# Extract the directory of the downloaded environment script
+env_dir = os.path.dirname(env_path)
+# Add this directory to sys.path so Python can find it as a module
+if env_dir not in sys.path:
+    sys.path.insert(0, env_dir) # Add to the beginning of sys.path
+
+try:
+    # No need for exec(f.read()) anymore, as gymnasium.make will handle the import
+    pass
+except Exception as e:
+    print(f"Erreur lors du chargement de l'environnement: {e}")
+    exit()
+
+# 3. Enregistrement de l'Environnement Custom
+try:
+    register(
+        id=ENV_ID,
+        entry_point='MiRobotEnv:MiRobotEnv', # This will now try to import MiRobotEnv module
+    )
+except gym.error.UnregisteredEnv:
+    pass # Déjà enregistré
+
+# 4. Chargement du Modèle Entraîné (PPO)
+model = PPO.load(model_path)
+print("✅ Modèle MiRobot chargé et prêt pour l'inférence.")
+
+# 5. Simulation (Inférence)
+env = gym.make(ENV_ID)
+obs, info = env.reset()
+action_map = {0: "S'Arrêter", 1: "Avancer", 2: "Tourner G", 3: "Tourner D"}
+
+print("\n--- Démarrage de la Simulation MiRobot ---")
+for i in range(20):
+    action, _states = model.predict(obs, deterministic=True)
+    obs, reward, terminated, truncated, info = env.step(action)
+
+    print(f"[Pas {i+1}] Action Choisie: {action_map[action.item()]}") # Fixed: Use .item() to get scalar from numpy array
+    env.render() # Affiche l'état interne de MiRobot
+
+    if terminated or truncated:
+        obs, info = env.reset()
+
+env.close()
+print("\nSimulation terminée.")
+```