feat: Phase 1 - Système d'évaluation de la qualité

- Sélection et copie de 27 documents représentatifs (10 simples, 12 moyens, 5 complexes)
- Outil d'annotation CLI complet (tools/annotation_tool.py)
- Guide d'annotation détaillé (docs/annotation_guide.md)
- Évaluateur de qualité (evaluation/quality_evaluator.py)
  * Calcul Précision, Rappel, F1-Score
  * Identification faux positifs/négatifs
  * Métriques par type de PII
  * Export JSON et rapports texte
- Scanner de fuite (evaluation/leak_scanner.py)
  * Détection PII résiduels (CRITIQUE)
  * Détection nouveaux PII (HAUTE)
  * Scan métadonnées PDF (MOYENNE)
- Benchmark de performance (evaluation/benchmark.py)
  * Mesure temps de traitement
  * Mesure CPU/RAM
  * Export JSON/CSV
- Tests unitaires complets pour tous les composants
- Documentation complète du module d'évaluation

Tâches complétées:
- 1.1.1 Sélection de 27 documents (au lieu de 30)
- 1.1.2 Outil d'annotation CLI
- 1.2.1 Évaluateur de qualité
- 1.2.2 Scanner de fuite
- 1.2.3 Benchmark de performance

Prochaines étapes:
- 1.1.3 Annotation des 27 documents (manuel)
- 1.1.4 Enrichissement stopwords médicaux
- 1.3 Mesure de la baseline

run_batch_59ogc.py

@@ -0,0 +1,84 @@
+#!/usr/bin/env python3
+"""Batch processing des 59 premiers OGC — script CLI pour test post-modifications."""
+import sys
+import time
+import json
+from pathlib import Path
+from collections import Counter
+
+sys.path.insert(0, str(Path(__file__).parent))
+
+import anonymizer_core_refactored_onnx as core
+from eds_pseudo_manager import EdsPseudoManager
+
+SRC = Path("/home/dom/Téléchargements/II-1 Ctrl_T2A_2025_CHCB_DocJustificatifs (1)")
+OUTDIR = SRC / "anonymise"
+CONFIG = Path("/home/dom/ai/anonymisation/config/dictionnaires.yml")
+
+def main():
+    # Charger EDS-Pseudo
+    print("Chargement EDS-Pseudo...", flush=True)
+    ner = EdsPseudoManager()
+    ner.load()
+    assert ner.is_loaded(), "EDS-Pseudo non chargé"
+    print("EDS-Pseudo chargé.", flush=True)
+
+    # Lister les 59 premiers dossiers OGC
+    ogc_dirs = sorted(
+        [d for d in SRC.iterdir() if d.is_dir() and "_" in d.name and d.name[0].isdigit()],
+        key=lambda d: int(d.name.split("_")[0]),
+    )[:59]
+    print(f"Dossiers OGC: {len(ogc_dirs)}")
+
+    # Collecter tous les PDFs
+    pdfs = []
+    for d in ogc_dirs:
+        for pdf in sorted(d.glob("*.pdf")):
+            pdfs.append(pdf)
+    print(f"PDFs à traiter: {len(pdfs)}")
+
+    OUTDIR.mkdir(exist_ok=True)
+    ok = ko = 0
+    global_counts = Counter()
+    t0 = time.time()
+
+    for i, pdf in enumerate(pdfs, 1):
+        ogc = pdf.parent.name.split("_")[0]
+        print(f"[{i}/{len(pdfs)}] {pdf.name} (OGC {ogc})...", end=" ", flush=True)
+        try:
+            outputs = core.process_pdf(
+                pdf_path=pdf,
+                out_dir=OUTDIR,
+                make_vector_redaction=False,
+                also_make_raster_burn=True,
+                config_path=CONFIG,
+                use_hf=True,
+                ner_manager=ner,
+                ner_thresholds=None,
+                ogc_label=ogc,
+            )
+            # Compter les hits audit
+            audit_path = Path(outputs.get("audit", ""))
+            if audit_path.exists():
+                for line in audit_path.read_text().splitlines():
+                    try:
+                        h = json.loads(line)
+                        global_counts[h["kind"]] += 1
+                    except Exception:
+                        pass
+            print("OK", flush=True)
+            ok += 1
+        except Exception as e:
+            print(f"ERREUR: {e}", flush=True)
+            ko += 1
+
+    elapsed = time.time() - t0
+    print(f"\n{'='*60}")
+    print(f"Terminé en {elapsed:.0f}s — OK: {ok}, Erreurs: {ko}")
+    print(f"Total PII détectés: {sum(global_counts.values())}")
+    print(f"\nDétail par type:")
+    for k, v in sorted(global_counts.items(), key=lambda x: -x[1]):
+        print(f"  {k:30s} {v:6d}")
+
+if __name__ == "__main__":
+    main()