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

tests/unit/test_benchmark.py

@@ -0,0 +1,79 @@
+#!/usr/bin/env python3
+"""
+Tests unitaires pour le benchmark.
+"""
+import pytest
+from pathlib import Path
+from evaluation.benchmark import Benchmark, BenchmarkResult
+
+
+class TestBenchmark:
+    """Tests pour Benchmark."""
+    
+    def test_get_system_info(self):
+        """Test de récupération des informations système."""
+        benchmark = Benchmark(Path("tests/ground_truth"))
+        
+        system_info = benchmark.get_system_info()
+        
+        assert "os" in system_info
+        assert "cpu" in system_info
+        assert "ram_gb" in system_info
+        assert "python_version" in system_info
+        assert system_info["ram_gb"] > 0
+    
+    def test_calculate_summary(self):
+        """Test de calcul du résumé."""
+        benchmark = Benchmark(Path("tests/ground_truth"))
+        
+        results = [
+            BenchmarkResult(
+                pdf_path="test1.pdf",
+                processing_time_s=10.0,
+                cpu_usage_percent=50.0,
+                ram_usage_mb=100.0,
+                pii_detected=10
+            ),
+            BenchmarkResult(
+                pdf_path="test2.pdf",
+                processing_time_s=20.0,
+                cpu_usage_percent=60.0,
+                ram_usage_mb=200.0,
+                pii_detected=20
+            )
+        ]
+        
+        summary = benchmark.calculate_summary(results)
+        
+        assert summary["documents_count"] == 2
+        assert summary["avg_time_per_doc"] == 15.0
+        assert summary["min_time"] == 10.0
+        assert summary["max_time"] == 20.0
+        assert summary["avg_cpu_percent"] == 55.0
+        assert summary["avg_ram_mb"] == 150.0
+        assert summary["total_pii_detected"] == 30
+        assert summary["avg_pii_per_doc"] == 15.0
+    
+    def test_benchmark_result_to_dict(self):
+        """Test de conversion en dictionnaire."""
+        result = BenchmarkResult(
+            pdf_path="test.pdf",
+            processing_time_s=12.345,
+            time_per_page_s=4.115,
+            cpu_usage_percent=67.89,
+            ram_usage_mb=123.45,
+            pii_detected=15
+        )
+        
+        data = result.to_dict()
+        
+        assert data["pdf_path"] == "test.pdf"
+        assert data["processing_time_s"] == 12.35  # Arrondi à 2 décimales
+        assert data["time_per_page_s"] == 4.12
+        assert data["cpu_usage_percent"] == 67.89
+        assert data["ram_usage_mb"] == 123.45
+        assert data["pii_detected"] == 15
+
+
+if __name__ == "__main__":
+    pytest.main([__file__, "-v"])