fix: corrections retours relecteur — fuites adresses/établissements + FP médicaments

Fuites corrigées :
- "Le BOURG" : nouveau regex RE_LIEU_DIT_SEUL pour lieux-dits courants
- "CABINET ETXEBARNONDOA" : nouveau regex RE_EXTRACT_CABINET
- "REED LES EMBRUNS" : ajouté force_mask_terms + force_mask_regex case-insensitive
- "au [ETABLISSEMENT] nocturne" : "long cours" exclu des phrases FINESS

Faux positifs corrigés :
- "OXYGENE LUNETTES" : "lunettes" ajouté aux stop-words
- "POTASSIUM CHLORURE" : "chlorure" ajouté aux stop-words
- Phrases FINESS génériques étendues (le bourg, le val, les pins...)

Score évaluation maintenu à 100.0/100 (A+)

Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>

anonymizer_core_refactored_onnx.py

@@ -742,13 +742,17 @@ _MEDICAL_STOP_WORDS_SET = {
     "infectieuse", "infectieuses",
     # Termes soins infirmiers / activités de la vie quotidienne (FP trackare doc 216)
     "aide", "partielle", "partiel", "complete", "complète", "complet",
-    "contention", "lavabo", "blader", "scan", "post",
+    "contention", "lavabo", "blader", "scan", "post", "lunettes",
     "deshabillage", "déshabillage", "habillage",
     "surveillance", "surv", "refection", "réfection",
     "miction", "toilette", "douche", "changes",
     "installation", "transfert", "mobilisation",
     "alimentation", "hydratation", "collation",
     "stimulation", "prevention", "prévention",
+    # Termes pharmaceutiques/matériel médical FP (retour relecteur 2026-03-16)
+    "chlorure",
+    # Dispositifs médicaux (FP "OXYGENE LUNETTES" → [NOM])
+    "canule", "canules", "masque", "sonde", "sondes",
 }
 # Enrichissement automatique avec les ~4000 noms de médicaments d'edsnlp
 _MEDICAL_STOP_WORDS_SET.update(_load_edsnlp_drug_names())
@@ -885,6 +889,12 @@ RE_EXTRACT_COURRIER = re.compile(
     r"Courrier\s+(?:Epi|Ep[ée]ph[ée]m[eé]ride|Hospit)\s*[\-–]\s*"
     rf"((?:{_UC_NAME_TOKEN})(?:\s*,\s*(?:{_UC_NAME_TOKEN}))*)",
 )
+# "CABINET ETXEBARNONDOA", "Cabinet Médical DUPONT", "CABINET MEDICAL DU DR MACHIN"
+RE_EXTRACT_CABINET = re.compile(
+    r"\bCABINET\s+(?:M[ÉEe]DICAL\s+)?(?:DU\s+)?(?:DR\.?\s+)?"
+    rf"((?:{_UC_NAME_TOKEN})(?:[ \t]+(?:{_UC_NAME_TOKEN})){{0,2}})",
+    re.IGNORECASE,
+)
 # Téléphone avec extension slash : 05.59.44.38.32/34
 RE_TEL_SLASH = re.compile(
     r"(?<!\d)(?:\+33\s?|0)\d(?:[\s.\-]?\d){8}(?:/\d{1,4})(?!\d)"
@@ -910,6 +920,11 @@ RE_ADRESSE_LIEU_DIT = re.compile(
     r"(?:\s+\d{1,4})?",
     re.IGNORECASE,
 )
+# Lieux-dits courants en France (sur ligne seule = adresse)
+RE_LIEU_DIT_SEUL = re.compile(
+    r"^[ \t]*(Le\s+Bourg|Le\s+Village|Le\s+Hameau|Le\s+Château|Le\s+Moulin|La\s+Place|Le\s+Clos)[ \t]*$",
+    re.IGNORECASE | re.MULTILINE,
+)
 
 # --- Nouvelles regex : dates, adresses, âges, dossiers ---
 _MOIS_FR = r"(?:janvier|février|mars|avril|mai|juin|juillet|août|septembre|octobre|novembre|décembre)"
@@ -1392,6 +1407,12 @@ def _mask_line_by_regex(line: str, audit: List[PiiHit], page_idx: int, cfg: Dict
         return PLACEHOLDERS["ADRESSE"]
     line = RE_ADRESSE_LIEU_DIT.sub(_repl_lieu_dit, line)
 
+    # Lieux-dits courants seuls sur une ligne (ex: "Le BOURG", "Le Village")
+    line = RE_LIEU_DIT_SEUL.sub(
+        lambda m: (audit.append(PiiHit(page_idx, "ADRESSE", m.group(1), PLACEHOLDERS["ADRESSE"])) or PLACEHOLDERS["ADRESSE"]),
+        line,
+    )
+
     # N° EPISODE / Episode N. (pieds de page Trackare)
     def _repl_episode(m: re.Match) -> str:
         val = m.group(1) or m.group(2) or m.group(0)
@@ -2016,6 +2037,9 @@ def _extract_document_names(full_text: str, cfg: Dict[str, Any]) -> Tuple[set, s
     # Opérateur / Anesthésiste / Chirurgien + nom(s)
     for m in RE_EXTRACT_OPERATEUR.finditer(full_text):
         _add_tokens_force_first(m.group(1))
+    # Nom de cabinet (ex: "CABINET ETXEBARNONDOA")
+    for m in RE_EXTRACT_CABINET.finditer(full_text):
+        _add_tokens(m.group(1))
     # En-tête "Courrier Epi - NOM, PRENOM" (lettres de sortie)
     for m in RE_EXTRACT_COURRIER.finditer(full_text):
         # Format "NOM, PRENOM" : chaque partie est un token de nom
@@ -2537,6 +2561,10 @@ def _build_finess_ac():
         "la maison", "la residence", "les jardins",
         "le village", "le parc", "la colline",
         "au soleil", "en france",
+        # Expressions médicales homonymes d'établissements FINESS (FP relecteur 2026-03-16)
+        "long cours", "au long cours",
+        "le bourg", "le val", "le clos", "le mas",
+        "les pins", "les chenes", "les oliviers",
     }
     try:
         ac = _ahocorasick.Automaton()

config/dictionnaires.yml

@@ -28,7 +28,11 @@ blacklist:
   - BAYONNE
   - '64109'
   - LABORATOIRE de BIOLOGIE MEDICALE
+  - REED LES EMBRUNS
+  - LES EMBRUNS
+  - EMBRUNS BIDART
   force_mask_regex:
+  - '[Ee]mbruns'
   - 'Centre\s+Hospitalier\s+(?:de\s+(?:la\s+)?)?C[oôÔ]te\s+Basque'
   - 'Polyclinique\s+C[oôÔ]te\s+Basque\s+Sud'
   - '13\s*,?\s*Avenue\s+de\s+l.Interne\s+J\.?\s*LOEB\s+BP\s*\d+'