test: couvrir les modules purs du pipeline (96 nouveaux tests)

Suite de tests unitaires pour tous les modules pipeline qui ne dépendent
pas du VLM — utiles pour garantir la non-régression après refactor et
servir de spec vivante de chaque fonction.

Fichiers :
- tests/test_json_utils.py   (20 tests) : parse_json_output + toutes les
  stratégies de récupération (fences, virgules manquantes, boucles vides,
  fermeture JSON, fallback _raw/_parse_error)
- tests/test_deskew.py       (11 tests) : détection Hough + correction,
  image synthétique + fixtures cache réel
- tests/test_checkboxes.py   (17 tests) : parse_ghs_injustifie,
  dark_ratio, inner_frac, et ground truth visuel sur 17 dossiers
  (mapping hash→OGC résolu au runtime pour éviter les constantes fragiles)
- tests/test_validation.py   (18 tests) : _check_cim10/ccam/ghm/ghs,
  cross-checks GHM↔GHS, annotate sur JSON vide et complet,
  preservation de l'input (copie défensive)
- tests/test_schema.py       (8 tests)  : clean_dossier retire les champs
  debug, préserve les champs métier, compacte la validation, ne modifie
  pas l'input
- tests/test_zones_config.py (8 tests)  : load/save round-trip, merge
  avec defaults, résilience JSON corrompu, get_zone

Total : 107 tests, 5.1 s d'exécution, tous passent. Aucune dépendance
GPU, s'exécutent en CI.

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

tests/test_schema.py

@@ -0,0 +1,118 @@
+"""Tests unitaires pour pipeline.schema (nettoyage JSON)."""
+from __future__ import annotations
+
+from pipeline.schema import (
+    CLEAN_FIELDS_RECUEIL,
+    DEBUG_FIELDS,
+    SCHEMA_VERSION,
+    clean_dossier,
+)
+
+
+def _sample_raw():
+    """Un JSON pipeline type, riche en champs debug."""
+    return {
+        "fichier": "OGC 7",
+        "pdf_hash": "abc123",
+        "pages": [{"page": 1, "type": "recueil"}],
+        "extraction": {
+            "recueil": {
+                "etablissement": "CLINIQUE X",
+                "finess": "330780206",
+                "ghm_etab": "11M122",
+                "ghs_etab": "4323",
+                "codage_etab": {"dp": "K650"},
+                "accord_desaccord": "accord",
+                "_checkbox_debug": {"ratio_accord": 0.38, "ratio_desaccord": 0.19},
+                "_parse_error": "whatever",
+                "_truncated_loop": True,
+                "_crop_recodage": {"dp": "K650", "_source": "crop"},
+                "_validation": {
+                    "summary": {"valid": 3, "invalid": 0, "empty": 2, "total_codes": 3},
+                    "cross_checks": {
+                        "etab": {"checked": True, "coherent": True},
+                        "reco": {"checked": False, "reason": "ghm manquant"},
+                    },
+                    "codage_etab": {
+                        "dp": {"code": "K650", "valid": True, "libelle_ref": "Péritonite"},
+                        "dr": {"code": "", "valid": None},
+                        "das": [],
+                    },
+                    "codage_reco": {"dp": {}, "dr": {}, "das": []},
+                    "ghm_etab": {"code": "11M122", "valid": True,
+                                 "ghs_possibles": ["4323"]},
+                    "ghs_etab": {"code": "4323", "valid": True},
+                    "ghm_reco": {"code": "", "valid": None},
+                    "ghs_reco": {"code": "", "valid": None},
+                },
+            },
+            "concertation_2": {
+                "ghs_initial": "4323",
+                "ghs_final": "4323",
+                "decision": "retour_groupage_dim",
+                "date_concertation": "13/03/2018",
+            },
+        },
+        "_meta": {"pipeline_version": "v2", "ocr_model": "Qwen/Qwen2.5-VL-3B-Instruct"},
+    }
+
+
+class TestCleanDossier:
+    def test_retourne_schema_version(self):
+        out = clean_dossier(_sample_raw())
+        assert out["schema_version"] == SCHEMA_VERSION
+
+    def test_retire_tous_les_champs_debug(self):
+        """Aucun champ de DEBUG_FIELDS ne doit rester dans la sortie clean."""
+        out = clean_dossier(_sample_raw())
+        rec = out["extraction"]["recueil"]
+        for debug_field in DEBUG_FIELDS:
+            assert debug_field not in rec, \
+                f"{debug_field} devrait être retiré"
+
+    def test_garde_les_champs_metier(self):
+        out = clean_dossier(_sample_raw())
+        rec = out["extraction"]["recueil"]
+        for f in ["etablissement", "finess", "ghm_etab", "ghs_etab",
+                  "codage_etab", "accord_desaccord"]:
+            assert f in rec, f"{f} doit être présent dans clean"
+
+    def test_validation_compactee(self):
+        """La validation est conservée mais en format compact."""
+        out = clean_dossier(_sample_raw())
+        v = out["extraction"]["recueil"]["_validation"]
+        # summary garde tel quel
+        assert v["summary"]["valid"] == 3
+        # cross_checks compactés : juste le coherent booléen (ou None)
+        assert v["cross_checks"] == {
+            "etab_ghm_ghs_coherent": True,
+            "reco_ghm_ghs_coherent": None,
+        }
+        # Les codes validés gardent libelle_ref quand dispo
+        assert v["codage_etab"]["dp"]["valid"] is True
+        assert v["codage_etab"]["dp"].get("libelle_ref") == "Péritonite"
+
+    def test_concertation_2_conservee(self):
+        out = clean_dossier(_sample_raw())
+        c2 = out["extraction"]["concertation_2"]
+        assert c2["ghs_initial"] == "4323"
+        assert c2["decision"] == "retour_groupage_dim"
+
+    def test_champs_inconnus_ignorés(self):
+        """Un champ qui n'est pas dans CLEAN_FIELDS_RECUEIL est retiré."""
+        raw = _sample_raw()
+        raw["extraction"]["recueil"]["champ_inventé"] = "poubelle"
+        out = clean_dossier(raw)
+        assert "champ_inventé" not in out["extraction"]["recueil"]
+
+    def test_meta_preservee(self):
+        out = clean_dossier(_sample_raw())
+        assert out["_meta"]["pipeline_version"] == "v2"
+        assert "Qwen" in out["_meta"]["ocr_model"]
+
+    def test_pas_de_modification_input(self):
+        """La fonction ne doit pas modifier l'input."""
+        raw = _sample_raw()
+        before = raw["extraction"]["recueil"].copy()
+        _ = clean_dossier(raw)
+        assert raw["extraction"]["recueil"] == before