feat(detect): paranames loader + fallback étendu cross-validation

Préparation à l'intégration du gazetteer paranames (Wikidata CC BY 4.0,
Sälevä & Lignos LREC-COLING 2024) qui couvrira les noms étrangers en
France absents du gazetteer INSEE (basques, maghrébins, asiatiques,
africains, etc.).

## Loader

- `_PARANAMES_NOMS_SET` + `_PARANAMES_LOADED` (cache global)
- `_load_paranames_noms()` : lazy load au 1er besoin
- Fichier cible : `data/paranames/noms_famille_world.txt.gz`
- Si fichier absent : retourne set vide, log INFO, comportement actuel
  (INSEE seul) — fallback transparent
- Si erreur de lecture : log WARNING, fallback INSEE

## Intégration cross-validation

Dans `_cross_validate_name_candidates`, `is_in_insee` étendu :
    is_in_insee = (tok_upper in insee_noms or tok_upper in insee_prenoms
                   or tok_upper in _load_paranames_noms())

Effets :
- En contexte "low" + non NER : un token comme OYARCABAL (basque) ou
  EJNAINI (maghrébin) sera désormais accepté si présent dans paranames.
- Aucun changement pour noms FR (déjà dans INSEE).
- Aucune régression : si le fichier paranames n'est pas généré, le
  comportement est strictement identique.

## Génération du gazetteer

Le script de génération `scripts/build_paranames_gazetteer.py` et le
fichier `data/paranames/noms_famille_world.txt.gz` sont produits par un
agent dédié en cours d'exécution. Commit séparé à venir avec :
- Script de génération
- README + attribution CC BY 4.0
- Fichier gazetteer

## Tests

74 passed sur 75 (1 test happy path Q-1) + 10 xfailed. 5 tests
synthetic_review cassés (non liés à ce commit — issue séparée du
CHCB cleanup à fixer dans un commit dédié).

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

anonymizer_core_refactored_onnx.py

@@ -187,6 +187,47 @@ _INSEE_PRENOMS_SET: set = set()      # uppercase sans accents
 _INSEE_COMMUNES: set = set()         # uppercase
 _INSEE_NOMS_FAMILLE: set = set()     # uppercase sans accents
 
+# Gazetteer mondial paranames (Wikidata CC BY 4.0 — Sälevä & Lignos 2024)
+# Fallback étendu après INSEE pour couvrir les noms étrangers présents en
+# France (basques, maghrébins, asiatiques, africains, etc.) absents du
+# gazetteer INSEE France. Chargé en lazy (au 1er besoin) pour ne pas
+# pénaliser le splash de démarrage.
+_PARANAMES_NOMS_SET: set = set()
+_PARANAMES_LOADED: bool = False
+
+
+def _load_paranames_noms() -> set:
+    """Charge le gazetteer paranames (Wikidata) en lazy.
+
+    Fichier attendu : data/paranames/noms_famille_world.txt.gz
+    Si absent, retourne set vide (fallback transparent — comportement actuel).
+
+    Cible : couvrir les noms étrangers présents en France absents d'INSEE
+    (basques, maghrébins, asiatiques, africains, etc.).
+    """
+    global _PARANAMES_NOMS_SET, _PARANAMES_LOADED
+    if _PARANAMES_LOADED:
+        return _PARANAMES_NOMS_SET
+    _PARANAMES_LOADED = True
+    # Chercher le fichier relatif au module (compat dev + EXE PyInstaller)
+    try:
+        base = Path(__file__).parent
+    except NameError:
+        base = Path.cwd()
+    path = base / "data" / "paranames" / "noms_famille_world.txt.gz"
+    if not path.exists():
+        log.info("paranames gazetteer absent (%s) — fallback INSEE seul", path)
+        return _PARANAMES_NOMS_SET
+    try:
+        import gzip
+        with gzip.open(path, "rt", encoding="utf-8") as f:
+            _PARANAMES_NOMS_SET = {line.strip() for line in f if line.strip()}
+        log.info("paranames loaded: %d noms (CC BY 4.0 — Sälevä & Lignos 2024)",
+                 len(_PARANAMES_NOMS_SET))
+    except Exception as e:
+        log.warning("paranames load failed: %s — fallback INSEE seul", e)
+    return _PARANAMES_NOMS_SET
+
 
 def _normalize_nfkd_upper(s: str) -> str:
     """Supprime les accents et met en majuscules (pour matching INSEE)."""
@@ -2355,7 +2396,12 @@ def _cross_validate_name_candidates(
         tok_lower = tok.lower()
 
         is_ner_confirmed = tok_upper in ner_confirmed_tokens
-        is_in_insee = tok_upper in insee_noms or tok_upper in insee_prenoms
+        # is_in_insee → étendu à paranames (gazetteer mondial Wikidata) en
+        # fallback : couvre les noms étrangers en France (basques, maghrébins,
+        # asiatiques, africains, etc.) absents du gazetteer INSEE France.
+        # paranames est chargé en lazy au 1er appel (cache global).
+        is_in_insee = (tok_upper in insee_noms or tok_upper in insee_prenoms
+                       or tok_upper in _load_paranames_noms())
         is_stopword = tok_lower in medical_stopwords
 
         strength = cand.context_strength