feat(phase2): Intégration CamemBERT-bio ONNX comme 3e signal NER (vote triple)

- camembert_ner_manager.py : inférence ONNX CPU (~10ms), predict/predict_long/validate_eds_entities
- Vote triple NER : EDS-Pseudo (confiance) + GLiNER (zero-shot) + CamemBERT-bio (fine-tuné F1=89%)
- CamemBERT-bio peut sauver un vrai nom à basse confiance EDS (camembert_confirmed=True)
- CamemBERT-bio confirme le rejet des FP médicaux (Paracétamol, Tramadol → False)
- Intégré dans process_pdf via paramètre camembert_manager
- run_batch_30_audit.py mis à jour pour charger le modèle

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>

anonymizer_core_refactored_onnx.py

@@ -1943,20 +1943,21 @@ def _mask_with_eds_pseudo(text: str, ents: List[Dict[str, Any]], cfg: Dict[str,
             # Vérifier si c'est un médicament connu
             if w.lower() in _MEDICATION_WHITELIST:
                 continue
-        # Chantier 3+4 : Confiance NER + vote croisé GLiNER + gazetteers INSEE
+        # Chantier 3+4+5 : Confiance NER + vote croisé GLiNER + CamemBERT-bio + gazetteers INSEE
         # Sécurité d'abord : haute confiance NER → toujours masquer
-        # GLiNER peut rejeter SEULEMENT si confiance NER basse
-        gliner_vote = e.get("gliner_confirmed")  # True=PII, False=médical, None=neutre
+        # GLiNER/CamemBERT peuvent rejeter SEULEMENT si confiance NER basse
+        gliner_vote = e.get("gliner_confirmed")       # True=PII, False=médical, None=neutre
+        camembert_vote = e.get("camembert_confirmed")  # True=PII confirmé, False=non détecté, None=neutre
         if label in ("NOM", "PRENOM"):
             score = e.get("score", 1.0)
             # Gazetteer INSEE : prénom connu = renforcement confiance (ne pas filtrer)
             is_known_prenom = w.lower() in _INSEE_PRENOMS
             if isinstance(score, float) and score < 0.70 and not is_known_prenom:
-                # Basse confiance NER + pas un prénom connu : GLiNER peut trancher
-                if gliner_vote is False:
-                    continue  # NER pas sûr + GLiNER dit "médical" → skip
-                if score < 0.30:
-                    continue  # Très basse confiance → skip même sans GLiNER
+                # Basse confiance NER + pas un prénom connu
+                if gliner_vote is False and camembert_vote is not True:
+                    continue  # GLiNER dit "médical" + CamemBERT ne confirme pas → skip
+                if score < 0.30 and camembert_vote is not True:
+                    continue  # Très basse confiance + CamemBERT ne confirme pas → skip
         # Chantier 2 : Safe patterns contextuels (Philter-style)
         # Token suivi/précédé de dosages ou formes pharma → jamais un nom de personne
             pos = text.find(w)
@@ -1994,7 +1995,8 @@ def _mask_with_eds_pseudo(text: str, ents: List[Dict[str, Any]], cfg: Dict[str,
 
 
 def apply_eds_pseudo_on_narrative(text_out: str, cfg: Dict[str, Any], manager: "EdsPseudoManager",
-                                   gliner_mgr: Any = None) -> Tuple[str, List[PiiHit]]:
+                                   gliner_mgr: Any = None,
+                                   camembert_mgr: Any = None) -> Tuple[str, List[PiiHit]]:
     """Applique EDS-Pseudo sur le narratif avec validation croisée GLiNER optionnelle."""
     if manager is None or not manager.is_loaded():
         return text_out, []
@@ -2021,6 +2023,10 @@ def apply_eds_pseudo_on_narrative(text_out: str, cfg: Dict[str, Any], manager: "
         if gliner_mgr is not None and hasattr(gliner_mgr, 'validate_entities') and gliner_mgr.is_loaded():
             for i, (para, ents) in enumerate(zip(paras, ents_per_para)):
                 ents_per_para[i] = gliner_mgr.validate_entities(para, ents, threshold=0.4)
+        # Chantier 5 : Validation croisée CamemBERT-bio (vote NER fine-tuné)
+        if camembert_mgr is not None and hasattr(camembert_mgr, 'validate_eds_entities') and camembert_mgr.is_loaded():
+            for i, (para, ents) in enumerate(zip(paras, ents_per_para)):
+                ents_per_para[i] = camembert_mgr.validate_eds_entities(para, ents, threshold=0.3)
         buf = []
         for para, ents in zip(paras, ents_per_para):
             masked = _mask_with_eds_pseudo(para, ents, cfg, hits)
@@ -2465,6 +2471,7 @@ def process_pdf(
     ogc_label: Optional[str] = None,
     vlm_manager=None,
     gliner_manager=None,
+    camembert_manager=None,
 ) -> Dict[str, str]:
     out_dir.mkdir(parents=True, exist_ok=True)
     cfg = load_dictionaries(config_path)
@@ -2487,7 +2494,7 @@ def process_pdf(
     if use_hf and ner_manager is not None and ner_manager.is_loaded():
         # Détecter le type de manager et appeler la bonne fonction
         if EdsPseudoManager is not None and isinstance(ner_manager, EdsPseudoManager):
-            final_text, hf_hits = apply_eds_pseudo_on_narrative(final_text, cfg, ner_manager, gliner_mgr=gliner_manager)
+            final_text, hf_hits = apply_eds_pseudo_on_narrative(final_text, cfg, ner_manager, gliner_mgr=gliner_manager, camembert_mgr=camembert_manager)
         else:
             final_text, hf_hits = apply_hf_ner_on_narrative(final_text, cfg, ner_manager, ner_thresholds)
         anon.audit.extend(hf_hits)