fix(phase2): Corrections audit 30 fichiers — FP stop words, villes, établissements, noms composés

- Ajout 10 stop words FP (bouffee, discontinue, respimat, lyoc, probnp, bpco, colle, gsc, masse, selle)
- Ajout 8 villes stop words (saint-palais, tarnos, hendaye, dax, orthez, oloron, pau, cambo)
- Protection "Examen Clinique" contre masquage [ETABLISSEMENT] (lookbehind négatif)
- Ajout Pharmacie et Centre Médical dans RE_HOPITAL_VILLE
- Masquage "Ville, le [date]" dans en-têtes courrier (Bayonne, le 12/03/2024)
- Noms composés avec espace (DI LULLO, LE MOIGNE) via _add_compound
- Contacts Trackare lowercase + capture 3e token (vandestock/michele)

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>

anonymizer_core_refactored_onnx.py

@@ -538,6 +538,7 @@ _MEDICAL_STOP_WORDS_SET = {
     # FP audit OGC 17 CRH
     "mode", "retraitee", "retraité", "retraitée", "régression", "regression", "tel",
     "strasbourg", "bordeaux", "toulouse", "paris", "lyon", "marseille", "bayonne", "anglet",
+    "saint-palais", "tarnos", "hendaye", "dax", "orthez", "oloron", "pau", "cambo",
     # Spécialités/services récurrents comme FP NOM
     "cancérologie", "cancerologie", "réanimation", "reanimation",
     "urologie", "néphrologie", "nephrologie", "hématologie", "hematologie",
@@ -630,6 +631,11 @@ _MEDICAL_STOP_WORDS_SET = {
     "bronchite", "accueil", "cadre", "transfert", "relecture", "examens",
     "traitements", "traitement", "infectiologie", "cancérologie", "cancerologie",
     "maternité", "orale", "sachet", "absence",
+    # FP audit 30 fichiers Phase 2 (mars 2026)
+    "bouffee", "bouffée", "discontinue", "respimat", "lyoc",
+    "probnp", "pro-bnp", "nt-probnp",
+    "bpco", "colle", "gsc", "masse",
+    "selle", "selles",
 }
 # Enrichissement automatique avec les ~4000 noms de médicaments d'edsnlp
 _MEDICAL_STOP_WORDS_SET.update(_load_edsnlp_drug_names())
@@ -790,9 +796,10 @@ RE_ETABLISSEMENT = re.compile(
     r")",
 )
 RE_HOPITAL_VILLE = re.compile(
+    r"(?<![Ee]xamen )"
     r"\b((?:[Hh]ôpital|[Cc]linique|[Pp]olyclinique|[Cc]entre\s+[Hh]ospitalier"
-    r"|[Cc]entre\s+[Dd]e\s+[Ss]oins|[Mm]aison\s+[Dd]e\s+[Ss]anté"
+    r"|[Cc]entre\s+[Mm][ée]dical|[Cc]entre\s+[Dd]e\s+[Ss]oins|[Mm]aison\s+[Dd]e\s+[Ss]anté"
-    r"|[Mm]aison\s+[Dd]e\s+[Rr]etraite|[Rr]ésidence|[Ff]oyer)"
+    r"|[Mm]aison\s+[Dd]e\s+[Rr]etraite|[Rr]ésidence|[Ff]oyer|[Pp]harmacie)"
     r"\s+(?:de\s+|d['']\s*|du\s+|des\s+)?(?:la\s+|le\s+|l['']\s*|les\s+)?"
     r"(?:[A-ZÉÈÀÙÂÊÎÔÛÄËÏÖÜÇ][A-ZÉÈÀÙÂÊÎÔÛÄËÏÖÜÇa-zéèàùâêîôûäëïöüç\-']+)"
     r"(?:\s+(?:de\s+|d['']\s*|du\s+|des\s+)?(?:la\s+|le\s+|l['']\s*|les\s+)?"
@@ -1230,6 +1237,23 @@ def _mask_line_by_regex(line: str, audit: List[PiiHit], page_idx: int, cfg: Dict
         return PLACEHOLDERS["MASK"]
     line = RE_SERVICE.sub(_repl_service, line)
 
+    # Ville en en-tête de courrier : "Bayonne, le 12/03/2024" → masquer la ville
+    # Le contexte "Mot, le [date]" est fiable (virgule obligatoire)
+    # Autorise les mots de liaison minuscules (de, du, la, sur, en, lès)
+    _re_ville_date = re.compile(
+        r"^(\s*)"
+        r"([A-ZÉÈÀÙÂÊÎÔÛÄËÏÖÜÇ][a-zéèàùâêîôûäëïöüç\-]+"
+        r"(?:\s+(?:de|du|la|sur|en|lès|les|l['']\s*)?"
+        r"[A-ZÉÈÀÙÂÊÎÔÛÄËÏÖÜÇa-zéèàùâêîôûäëïöüç\-]+)*)"
+        r"(\s*,\s+le\s+\d{1,2})",
+        re.MULTILINE,
+    )
+    def _repl_ville_date(m: re.Match) -> str:
+        ville = m.group(2).strip()
+        audit.append(PiiHit(page_idx, "VILLE", ville, PLACEHOLDERS["VILLE"]))
+        return m.group(1) + PLACEHOLDERS["VILLE"] + m.group(3)
+    line = _re_ville_date.sub(_repl_ville_date, line)
+
     # Champs structurés : Lieu de naissance, Ville de résidence (masquage direct, sans filtre stop words)
     _re_lieu = re.compile(r"(Lieu\s+de\s+naissance\s*:\s*)(\S.+)")
     def _repl_lieu(m: re.Match) -> str:
@@ -1341,10 +1365,17 @@ def _extract_trackare_identity(full_text: str) -> Tuple[set, List[PiiHit]]:
     force_names: set = set()  # noms issus de contextes structurés (DR., Signé, etc.) → bypass stop words
 
     def _add_name(s: str):
-        for tok in s.split():
+        s = s.strip()
+        parts = s.split()
+        for tok in parts:
             tok = tok.strip(" .-'(),")
             if len(tok) >= 2 and tok[0].isupper():
                 names.add(tok)
+        # Garder aussi le nom composé complet (DI LULLO, LE MOIGNE, etc.)
+        if len(parts) >= 2:
+            compound = " ".join(t.strip(" .-'(),") for t in parts if len(t.strip(" .-'(),")) >= 2)
+            if len(compound) >= 5:
+                names.add(compound)
 
     # Termes non-noms fréquents dans les contextes Signé/DR./Note d'évolution
     _FORCE_EXCLUDE = _MEDICATION_WHITELIST | {
@@ -1429,15 +1460,29 @@ def _extract_trackare_identity(full_text: str) -> Tuple[set, List[PiiHit]]:
 
     # --- Contacts structurés ---
     # Pattern: Relation NOM PRENOM [ADRESSE] [TEL]
+    # Accepte les minuscules (Trackare écrit parfois "Conjoint vandestock michele")
+    # Capture jusqu'à 3 tokens pour les noms composés (le moigne christophe)
     for m in re.finditer(
         r"(?:Conjoint|Concubin|Epoux|Epouse|Parent|Père|Mère|Fils|Fille|Frère|Soeur|Tuteur)\s+"
         r"([A-ZÉÈÀÙÂÊÎÔÛa-zéèàùâêîôû][A-ZÉÈÀÙÂÊÎÔÛa-zéèàùâêîôûä\-']+)"
+        r"(?:\s+([A-ZÉÈÀÙÂÊÎÔÛa-zéèàùâêîôû][A-ZÉÈÀÙÂÊÎÔÛa-zéèàùâêîôûä\-']+))?"
         r"(?:\s+([A-ZÉÈÀÙÂÊÎÔÛa-zéèàùâêîôû][A-ZÉÈÀÙÂÊÎÔÛa-zéèàùâêîôûä\-']+))?",
         full_text,
     ):
-        _add_name(m.group(1))
+        contact_parts = [g.strip(" .-'(),") for g in (m.group(1), m.group(2), m.group(3)) if g]
-        if m.group(2):
+        # Ajouter chaque token >= 3 chars (pas les articles courts comme "le", "di")
-            _add_name(m.group(2))
+        for tok in contact_parts:
+            if len(tok) >= 3 and tok.lower() not in _MEDICAL_STOP_WORDS_SET:
+                names.add(tok)
+                if tok[0].islower():
+                    names.add(tok.capitalize())
+        # Ajouter aussi le composé complet (pour "le moigne", "di lullo")
+        if len(contact_parts) >= 2:
+            compound = " ".join(contact_parts)
+            if len(compound) >= 5:
+                names.add(compound)
+                # Version capitalisée pour propagation
+                names.add(" ".join(t.capitalize() for t in compound.split()))
 
     # --- Prescripteurs / Exécutants (trackare) ---
     for m in re.finditer(
@@ -1592,7 +1637,16 @@ def _extract_document_names(full_text: str, cfg: Dict[str, Any]) -> Tuple[set, s
     names: set = set()
     force_names: set = set()
 
+    def _add_compound(match_str: str):
+        """Ajoute le nom composé complet en plus des tokens individuels (DI LULLO, LE MOIGNE)."""
+        parts = [t.strip(" .-'") for t in match_str.split() if len(t.strip(" .-'")) >= 2]
+        if len(parts) >= 2:
+            compound = " ".join(parts)
+            if len(compound) >= 5:
+                names.add(compound)
+
     def _add_tokens(match_str: str):
+        _add_compound(match_str)
         for token in match_str.split():
             token = token.strip(" .-'")
             if len(token) < 3:
@@ -1605,6 +1659,7 @@ def _extract_document_names(full_text: str, cfg: Dict[str, Any]) -> Tuple[set, s
 
     def _add_tokens_force_all(match_str: str):
         """Bypass stop words pour TOUS les tokens (contexte Patient: très fiable)."""
+        _add_compound(match_str)
         for token in match_str.split():
             token = token.strip(" .-'")
             if len(token) < 2:
@@ -1616,6 +1671,7 @@ def _extract_document_names(full_text: str, cfg: Dict[str, Any]) -> Tuple[set, s
 
     def _add_tokens_force_first(match_str):
         """Comme _add_tokens mais force le 1er token (contexte Dr/Mme fort)."""
+        _add_compound(match_str)
         tokens = match_str.split()
         for i, token in enumerate(tokens):
             token = token.strip(" .-'")