Externalize dictionaries and add anonymization review corpus

config/dictionnaires.default.yml

@@ -0,0 +1,59 @@
+# Template versionné des règles d'anonymisation.
+# Ce fichier décrit les valeurs par défaut complètes de l'application.
+# La surcharge locale chargée par défaut est config/dictionnaires.yml.
+version: 1
+encoding: utf-8
+normalization: NFKC
+whitelist:
+  sections_titres:
+  - DIM
+  - GHM
+  - GHS
+  - RUM
+  - COMPTE
+  - RENDU
+  - DIAGNOSTIC
+  noms_maj_excepts:
+  - Médecin DIM
+  - Praticien conseil
+  org_gpe_keep: false
+blacklist:
+  # Sigles et libellés propres à l'établissement non couverts par les gazetteers
+  # nationaux (FINESS / INSEE / BDPM). Évitez d'ajouter ici des noms d'hôpitaux,
+  # villes, codes postaux ou numéros FINESS — ils sont déjà détectés automatiquement.
+  force_mask_terms:
+  - CHCB
+  - 'Dates du séjour :'
+  - CONCERTATION
+  - LABORATOIRE de BIOLOGIE MEDICALE
+  force_mask_regex:
+  - '13\s*,?\s*Avenue\s+de\s+l.Interne\s+J\.?\s*LOEB\s+BP\s*\d+'
+kv_labels_preserve:
+- FINESS
+- IPP
+- N° OGC
+- Etablissement
+regex_overrides:
+- name: OGC_court
+  pattern: \b(?:N°\s*)?OGC\s*[:\-]?\s*([A-Za-z0-9\-]{1,3})\b
+  placeholder: '[OGC]'
+  flags:
+  - IGNORECASE
+whitelist_phrases:
+  - "classification internationale"
+  - "prise en charge"
+  - "bas de contention"
+  - "date de naissance"
+  - "lieu de naissance"
+  - "ville de résidence"
+  - "date de sortie"
+  - "date d'admission"
+  - "code postal"
+additional_stopwords: []
+additional_villes_blacklist: []
+additional_dpi_labels: []
+additional_companion_blacklist: []
+flags:
+  case_insensitive: true
+  unicode_word_boundaries: true
+  regex_engine: python