Fix 2 fuites PII : prénom REGINA + nom composé NOCENT-EJNAINI cross-line

- Retirer "regina" de _MEDICAL_STOP_WORDS_SET (bloquait la détection du prénom)
- Ajouter regex "Prénom de naissance" / "Prénom utilisé" dans _extract_document_names
- Substitution tolérante aux sauts de ligne pour noms composés (tiret + \s*)
- Conserver les parties longues (>=5 chars) des noms composés dans _global_name_tokens
  au lieu de les supprimer (le texte PDF peut les scinder sur des lignes séparées)

Vérifié : REGINA 33→0, NOCENT 90→0, EJNAINI 90→0 occurrences en clair

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

anonymizer_core_refactored_onnx.py

@@ -322,7 +322,7 @@ _MEDICAL_STOP_WORDS_SET = {
     "depakote", "versatis", "humalog", "forxiga", "durogesic",
     "montelukast", "rosuvastatine",
     # Abréviations pharma courtes
-    "cpr", "sol", "bic", "agt", "poche", "inhal", "regina",
+    "cpr", "sol", "bic", "agt", "poche", "inhal",
     # Faux positifs EDS supplémentaires
     "psy", "inhales", "inhalés", "kwikpen", "lansoprazole", "tiorfan", "smecta",
     "axa", "ttt", "anionique", "abdomino", "cod", "omi", "urg", "med",
@@ -891,6 +891,10 @@ def _extract_trackare_identity(full_text: str) -> Tuple[set, List[PiiHit]]:
     for m in re.finditer(r"Nom\s+et\s+Pr[ée]nom\s*:\s*(.+?)(?:\s+Date\s+de\s+naissance|\s*$)", full_text, re.MULTILINE):
         _add_name(m.group(1).strip())
 
+    # Prénom de naissance / Prénom utilisé : REGINA
+    for m in re.finditer(r"Pr[ée]nom\s+(?:de\s+naissance|utilis[ée])\s*:\s*([A-ZÉÈÀÙÂÊÎÔÛÄËÏÖÜÇ][A-ZÉÈÀÙÂÊÎÔÛÄËÏÖÜÇa-zéèàùâêîôûäëïöüç\s\-']+?)(?:\s*$)", full_text, re.MULTILINE):
+        _add_name(m.group(1).strip())
+
     # Lieu de naissance: BAYONNE → masquer comme VILLE
     for m in re.finditer(r"Lieu\s+de\s+naissance\s*:\s*([A-ZÉÈÀÙÂÊÎÔÛ][A-ZÉÈÀÙÂÊÎÔÛa-zéèàùâêîôû\s\-']+?)(?:\s*$)", full_text, re.MULTILINE):
         val = m.group(1).strip()
@@ -1698,13 +1702,14 @@ def process_pdf(
                 _companion_tokens.add(candidate)
     _global_name_tokens.update(_companion_tokens)
 
-    # Retirer les sous-parties de noms composés (JEAN, PIERRE si JEAN-PIERRE existe)
+    # Retirer les sous-parties COURTES de noms composés (JEAN si JEAN-PIERRE existe)
+    # Garder les parties longues (>=5 chars) car le texte peut les scinder sur des lignes séparées
     _compound = {t for t in _global_name_tokens if "-" in t}
     _parts_to_drop = set()
     for comp in _compound:
         for part in comp.split("-"):
             part = part.strip()
-            if len(part) >= 2 and part in _global_name_tokens:
+            if len(part) >= 2 and len(part) < 5 and part in _global_name_tokens:
                 _parts_to_drop.add(part)
     _global_name_tokens -= _parts_to_drop
 
@@ -1755,7 +1760,11 @@ def process_pdf(
         if anon.is_trackare and h.kind == "NOM_GLOBAL" and len(token) <= 3:
             continue
         try:
-            final_text = re.sub(rf"\b{re.escape(token)}\b", h.placeholder, final_text)
+            pat = re.escape(token)
+            # Noms composés : tolérer les sauts de ligne/espaces autour du tiret
+            if "-" in token:
+                pat = pat.replace(r"\-", r"\-\s*")
+            final_text = re.sub(rf"\b{pat}\b", h.placeholder, final_text)
         except re.error:
             final_text = final_text.replace(token, h.placeholder)