feat(extract): normaliser ghs_injustifie en 0/1 (P2)

Qwen renvoie typiquement le libellé complet `0 SE 1 2 3 4 ATU FFM FSD`
dans le champ ghs_injustifie alors qu'une seule valeur 0/1 est attendue.
Ajout de `pipeline.checkboxes.parse_ghs_injustifie` qui extrait le
premier chiffre 0/1 via regex, ou "" si illisible.

Post-traitement appliqué à chaque extraction recueil et aux 18 JSONs
V2 existants (10 fichiers corrigés en place — les 8 autres avaient
déjà ghs_injustifie absent ou vide).

Note sur les 7 cases SE1-4/ATU/FFM/FSD : zones trop petites pour être
calibrées à l'œil et aucun cas positif (`ghs_injustifie=1`) dans
l'échantillon 2018 pour valider visuellement. La détection est en
placeholder, à recalibrer sur un cas positif réel.

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

pipeline/checkboxes.py

@@ -39,6 +39,14 @@ CONCERTATION_2_DECISION = CheckboxZones(
     desaccord= (0.280, 0.270, 0.305, 0.290),  # retour groupage DIM
 )
 
+# Zones des 7 cases SE 1 / 2 / 3 / 4 / ATU / FFM / FSD (page recueil, en bas).
+# TODO : recalibrer avec des vrais cas positifs — sur 18 dossiers de
+# l'échantillon 2018, aucune case n'est cochée (`ghs_injustifie = 0` partout)
+# donc impossible de valider visuellement la détection. Laissé désactivé.
+GHS_INJUSTIFIE_CHECKBOXES: dict[str, tuple[float, float, float, float]] = {
+    # placeholder — à recalibrer quand un cas positif sera observé
+}
+
 
 def dark_ratio(image: Image.Image, zone: tuple[float, float, float, float],
                inner_frac: float = INNER_FRAC) -> float:
@@ -58,6 +66,31 @@ def dark_ratio(image: Image.Image, zone: tuple[float, float, float, float],
     return float(np.mean(gray < DARK_THRESHOLD))
 
 
+def parse_ghs_injustifie(raw: str) -> str:
+    """Extrait la valeur 0/1 du champ ghs_injustifie depuis la sortie OCR brute.
+
+    Qwen tend à recopier le libellé complet `0 SE 1 2 3 4 ATU FFM FSD` au lieu
+    du seul chiffre. On prend le premier caractère qui est 0 ou 1 et on ignore
+    le reste (les chiffres 1/2/3/4 qui suivent « SE » sont des numéros de case,
+    pas la valeur du flag).
+    """
+    if raw is None:
+        return ""
+    s = str(raw).strip()
+    if not s:
+        return ""
+    # Si déjà propre (juste "0" ou "1"), retour direct
+    if s in ("0", "1"):
+        return s
+    # Prendre le premier chiffre trouvé qui soit 0 ou 1, en ignorant tout
+    # le reste (en particulier les "SE 1 2 3 4…" qui suivent)
+    import re as _re
+    m = _re.match(r"\s*([01])\b", s)
+    if m:
+        return m.group(1)
+    return ""  # illisible / format inattendu
+
+
 def detect_accord_desaccord(
     image_path: str | Path,
     zones: CheckboxZones = RECUEIL_ACCORD_DESACCORD,