chore(rgpd): replace remaining CHCB/Bayonne refs after re-verification (D-12)

Re-applique les remplacements dans anonymizer_core_refactored_onnx.py (commentaires reverted par un linter entre les commits) et corrige docs/coordination/inbox/for-dom/2026-06-02_qwen_owncloud-livraison-procedure.md. Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
2026-06-02 14:42:40 +02:00
parent 0067ab71a0
commit 45f5f9f88f
2 changed files with 201 additions and 14 deletions
--- a/anonymizer_core_refactored_onnx.py
+++ b/anonymizer_core_refactored_onnx.py
@@ -456,7 +456,7 @@ RE_LABEL_PRENOM = re.compile(
 )

 # Label "Ville :" avec suffixe optionnel ("de résidence", "de naissance").
-# Capture jusqu'à fin de ligne pour gérer "Ville : Bayonne (64100)".
+# Capture jusqu'à fin de ligne pour gérer "Ville : Chicago (12345)".
 RE_LABEL_VILLE = re.compile(
    r"(Ville(?:\s+de\s+(?:r[ée]sidence|naissance))?\s*[:\-]\s*)"
    r"([^\n\r]+?)(?=\s*$)",
@@ -662,7 +662,7 @@ RE_EXTRACT_CABINET = re.compile(
    rf"((?:{_UC_NAME_TOKEN})(?:[ \t]+(?:{_UC_NAME_TOKEN})){{0,2}})",
    re.IGNORECASE,
 )
-# Téléphone avec extension slash : 05.59.44.38.32/34
+# Téléphone avec extension slash : 0X.XX.XX.38.32/34
 RE_TEL_SLASH = re.compile(
    r"(?<!\d)(?:\+33\s?|0)\d(?:[\s.\-]?\d){8}(?:/\d{1,4})(?!\d)"
 )
@@ -1323,7 +1323,7 @@ def _mask_admin_label(line: str, audit: List[PiiHit], page_idx: int) -> str:


 def _mask_line_by_regex(line: str, audit: List[PiiHit], page_idx: int, cfg: Dict[str, Any]) -> str:
-    # EMAIL avant les overrides : les force_terms (ex: CHCB) casseraient sinon l'adresse
+    # EMAIL avant les overrides : les force_terms (ex: CHUXX) casseraient sinon l'adresse
    def _repl_email(m: re.Match) -> str:
        audit.append(PiiHit(page_idx, "EMAIL", m.group(0), PLACEHOLDERS["EMAIL"]))
        return PLACEHOLDERS["EMAIL"]
@@ -1452,7 +1452,7 @@ def _mask_line_by_regex(line: str, audit: List[PiiHit], page_idx: int, cfg: Dict
        return full[:full.find(val)] + PLACEHOLDERS["ADHERENT"]
    line = RE_NUM_ADHERENT.sub(_repl_adherent, line)

-    # Établissements de santé (EHPAD Bayonne, SSR La Concha, Hôpital de Bayonne, etc.)
+    # Établissements de santé (EHPAD Chicago, SSR Anonyme, Hôpital de Chicago, etc.)
    def _repl_etab(m: re.Match) -> str:
        audit.append(PiiHit(page_idx, "ETAB", m.group(0), PLACEHOLDERS["ETAB"]))
        return PLACEHOLDERS["ETAB"]
@@ -1529,7 +1529,7 @@ 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
+    # Ville en en-tête de courrier : "Chicago, 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(
@@ -1623,7 +1623,7 @@ def _mask_line_by_regex(line: str, audit: List[PiiHit], page_idx: int, cfg: Dict

 def _mask_critical_in_key(key: str, audit: List[PiiHit], page_idx: int) -> str:
    """Masque les TEL, EMAIL, ADRESSE, CODE_POSTAL même dans la partie 'clé' d'une ligne clé:valeur.
-    Nécessaire car des lignes comme '13 avenue ... BAYONNE - Tel : 0559' sont splitées sur ':'."""
+    Nécessaire car des lignes comme '13 avenue ... CHICAGO - Tel : 0XXX' sont splitées sur ':'."""
    def _repl_tel(m: re.Match) -> str:
        audit.append(PiiHit(page_idx, "TEL", m.group(0), PLACEHOLDERS["TEL"]))
        return PLACEHOLDERS["TEL"]
@@ -1714,7 +1714,7 @@ def _kv_value_only_mask(line: str, audit: List[PiiHit], page_idx: int, cfg: Dict
    parts = SPLITTER.split(line, maxsplit=1)
    # Une ligne narrative qui se termine par ` ;` ou ` :` produit un split
    # avec une "value" vide. La "key" contient alors tout le narratif —
-    # incluant d'éventuels force_term (`CHCB`, `CONCERTATION`…) qui doivent
+    # incluant d'éventuels force_term (`CHUXX`, `CONCERTATION`…) qui doivent
    # être masqués. Idem si la "key" fait plus de 5 mots : c'est très
    # probablement du narratif, pas un libellé `Label : valeur`.
    if len(parts) == 2 and parts[1].strip() and len(parts[0].split()) <= 5:
@@ -1811,7 +1811,7 @@ def _extract_trackare_identity(full_text: str) -> Tuple[set, List[PiiHit], set,
    for m in re.finditer(r"Pr[ée]nom\s+(?:de\s+naissance|utilis[ée])\s*:\s*([A-ZÉÈÀÙÂÊÎÔÛÄËÏÖÜÇÑ][A-ZÉÈÀÙÂÊÎÔÛÄËÏÖÜÇÑa-zéèàùâêîôûäëïöüçñ\s\-']+?)(?:\s*$)", full_text, re.MULTILINE):
        _add_name(m.group(1).strip(), "trackare_prenom", "high")

-    # Lieu de naissance: BAYONNE, biarritz, 64102, 99999 → masquer comme VILLE
+    # Lieu de naissance: CHICAGO, springfield, 12345, 99999 → masquer comme VILLE
    for m in re.finditer(r"Lieu\s+de\s+naissance\s*:\s*(\S[^\n]*?)(?:\s*$)", full_text, re.MULTILINE):
        val = m.group(1).strip()
        if val:
@@ -2495,7 +2495,7 @@ def _apply_trackare_hits_to_text(text: str, audit: List[PiiHit], cfg: Dict[str,
        escaped = re.escape(original)
        # Word boundary pour ne pas casser les mots (ex: ONDANSETRON)
        text = re.sub(rf"\b{escaped}\b", placeholder, text)
-        # Aussi gérer les formats avec astérisques (*640000162*)
+        # Aussi gérer les formats avec astérisques (*999999999*)
        text = re.sub(rf"\*{escaped}\*", placeholder, text)
    # Artefacts fréquents dans les DPI scannés : noms de fichiers internes de type
    # EXT2-[IPP]-2300249096.TIF. Le suffixe numérique doit être masqué aussi.
@@ -3499,7 +3499,7 @@ def _mask_ville_gazetteers(text: str) -> tuple:
        # Après titre médical + nom masqué + tiret/virgule : "Dr [NOM] - VILLE"
        r"(?:Dr\.?|Pr\.?|Docteur|Professeur)\s+\[NOM\]\s*[\-–,]\s*|"
        r"\[NOM\]\s*[\-–,(]\s*|"
-        # Après spécialité médicale : "cardiologue Anglet", "neurologue, DAX"
+        # Après spécialité médicale : "cardiologue Riverside", "neurologue, DAX"
        r"(?:cardiologue|neurologue|radiologue|chirurgien|pneumologue|"
        r"gastro-?ent[ée]rologue|oncologue|n[ée]phrologue|urologue|"
        r"g[ée]riatre|dermatologue|rhumatologue|ophtalmologue|psychiatre|"
@@ -3512,7 +3512,7 @@ def _mask_ville_gazetteers(text: str) -> tuple:
    # Collecter les matches Aho-Corasick
    # Construire aussi un index des matches par position de début pour la passe
    # "énumération" (passe 2) : une ville dont l'énumération précède un match confirmé
-    # doit être elle aussi masquée ("Bordeaux et Bayonne" → Bayonne via Bordeaux).
+    # doit être elle aussi masquée ("Bordeaux et Chicago" → Chicago via Bordeaux).
    all_ac_hits: list = []  # [(start, end, orig_span), ...] — tous matches AC avant filtrage
    confirmed_hits: set = set()  # indices dans all_ac_hits qui ont passé le filtre contextuel

@@ -3539,7 +3539,7 @@ def _mask_ville_gazetteers(text: str) -> tuple:
        # Récupérer le texte original à cette position
        original_span = text[start_idx:end_idx + 1]
        # Extension suffixe CEDEX : si la ville est suivie de " CEDEX" ou " CEDEX N",
-        # capturer l'ensemble (ex: "BAYONNE CEDEX" → match complet).
+        # capturer l'ensemble (ex: "CHICAGO CEDEX" → match complet).
        _cedex_match = re.match(r"\s+CEDEX(?:\s+\d+)?\b", text[end_idx + 1:end_idx + 20])
        if _cedex_match:
            ext_len = _cedex_match.end()
@@ -3566,8 +3566,8 @@ def _mask_ville_gazetteers(text: str) -> tuple:

    # Passe 2 — énumérations : si deux hits AC sont liés par " et " ou ", ",
    # se confirment mutuellement. Cas réels couverts :
-    #   "travaille à Bordeaux et Bayonne" (ancre déjà confirmée propage)
-    #   "Régions : Bordeaux, Bayonne, Biarritz" (aucune ancre, mais chaîne ≥2 villes
+    #   "travaille à Bordeaux et Chicago" (ancre déjà confirmée propage)
+    #   "Régions : Bordeaux, Chicago, Springfield" (aucune ancre, mais chaîne ≥2 villes
    #    gazetteer en énumération = forte présomption géographique)
    # Itération à point fixe pour propager sur des chaînes longues.
    def _enum_link(i: int, j: int) -> bool:
--- a/docs/coordination/inbox/for-dom/2026-06-02_qwen_owncloud-livraison-procedure.md
+++ b/docs/coordination/inbox/for-dom/2026-06-02_qwen_owncloud-livraison-procedure.md
@@ -0,0 +1,187 @@
+---
+from: qwen
+to: dom
+date: 2026-06-02T11:30:00+02:00
+topic: owncloud-livraison-procedure
+status: open
+priority: high
+references:
+  - file: inbox/for-qwen/2026-05-29_13-55_claude_ack-T6-tache-T7.md
+  - file: inbox/for-dom/2026-05-29_qwen_release-notes-v11-draft.md
+  - file: inbox/for-dom/2026-05-29_qwen_smoke-test-T6.md
+---
+
+# Procédure de livraison OwnCloud — Pseudonymisation v11.0 Bêta
+
+## Section 1 — Préparation du paquet (côté Dom)
+
+### 1.1 Contenu du ZIP
+
+Créer un dossier `Pseudonymisation_v11.0_MVP/` contenant :
+
+```
+Pseudonymisation_v11.0_MVP/
+├── Pseudonymisation.exe          ← exécutable Windows (build v11)
+├── dictionnaires.yml             ← dictionnaires externes (modifiables)
+├── profiles.yml                  ← profils de configuration (modifiables)
+├── smartscreen-procedure.md      ← procédure premier lancement
+├── release-notes.md              ← nouveautés v11
+├── smoke-test-T6.md              ← test de validation rapide
+└── smoke-test-data/              ← PDF synthétique pour le test
+    └── synthetique_CRH_v11.pdf
+```
+
+### 1.2 Compression ZIP
+
+```powershell
+# PowerShell (Windows)
+Compress-Archive -Path "Pseudonymisation_v11.0_MVP" -DestinationPath "Pseudonymisation_v11.0_MVP.zip" -CompressionLevel Optimal
+
+# Linux (si buildé depuis Linux)
+zip -r -9 Pseudonymisation_v11.0_MVP.zip Pseudonymisation_v11.0_MVP/
+```
+
+### 1.3 Calcul SHA-256
+
+```powershell
+# PowerShell
+Get-FileHash -Algorithm SHA256 Pseudonymisation_v11.0_MVP.zip
+
+# Linux
+sha256sum Pseudonymisation_v11.0_MVP.zip
+```
+
+**Noter l'empreinte dans le tableau ci-dessous :**
+
+| Version | SHA-256 | Date |
+|---|---|---|
+| v11.0 MVP | *(à compléter après build)* | 2026-06-02 |
+
+### 1.4 Upload OwnCloud
+
+1. Se connecter à `https://[host_owncloud]`
+2. Upload `Pseudonymisation_v11.0_MVP.zip`
+3. Créer un lien de partage avec :
+   - **Mot de passe** : 12 caractères aléatoires (ex. `xK9#mP2$vLqR`)
+   - **Expiration** : 2026-07-02 (J+30)
+   - **Permissions** : lecture seule (pas d'upload, pas de modification)
+   - **Téléchargement direct** : activé
+
+### 1.5 Génération mot de passe
+
+```powershell
+# PowerShell — génère un mot de passe 12 chars
+-join ((65..90) + (97..122) + (48..57) + (33,35,36,37,38,42,64) | Get-Random -Count 12 | ForEach-Object {[char]$_})
+
+# Linux
+openssl rand -base64 12
+```
+
+---
+
+## Section 2 — Vérifications avant envoi
+
+- [ ] **ZIP testé en local** : extraire dans un dossier temporaire, vérifier que `Pseudonymisation.exe` est présent et que les fichiers config sont lisibles
+- [ ] **SHA-256 noté** dans le tableau §1.3
+- [ ] **Lien OwnCloud testé en navigation privée** (Ctrl+Shift+N) : le téléchargement doit fonctionner sans authentification OwnCloud
+- [ ] **Mot de passe envoyé séparément** (SMS ou téléphone, PAS dans le même email)
+- [ ] **Email de fourniture du contact support** : `dbazin52@gmail.com`
+- [ ] **smartscreen-procedure.md** est bien dans le ZIP — le bêta DOIT la lire avant le premier lancement
+
+---
+
+## Section 3 — Template email pour le bêta-testeur
+
+```
+Objet : Pseudonymisation médicale v11.0 — version bêta à tester
+
+Bonjour [Prénom],
+
+Voici la version bêta de l'outil de pseudonymisation médicale dont nous avons parlé.
+
+📥 Téléchargement
+Lien : <url_owncloud>
+Mot de passe : (envoyé séparément par SMS)
+Expiration : 2026-07-02
+Taille : ~720 Mo
+
+🔐 Vérification d'intégrité
+Après téléchargement, vérifiez l'empreinte du fichier ZIP :
+- Empreinte SHA-256 : <hash_complet>
+- Commande PowerShell : Get-FileHash -Algorithm SHA256 Pseudonymisation_v11.0_MVP.zip
+
+📦 Contenu du ZIP
+- Pseudonymisation.exe (exécutable Windows, ~650 Mo)
+- dictionnaires.yml + profiles.yml (configurations modifiables)
+- smartscreen-procedure.md (procédure premier lancement — LIRE EN PREMIER)
+- release-notes.md (nouveautés v11.0)
+- smoke-test-T6.md (test de validation rapide, ~10 min)
+
+🚀 Première utilisation
+1. Lire smartscreen-procedure.md en premier
+2. Suivre les étapes 1 à 4 du document
+3. Lancer Pseudonymisation.exe
+4. Exécuter le smoke-test-T6.md pour valider le bon fonctionnement
+
+🧪 Smoke test rapide
+Le fichier smoke-test-T6.md contient une procédure de test avec un PDF
+synthétique pour valider que l'anonymisation fonctionne correctement.
+Durée estimée : 10 minutes.
+
+🆘 En cas de problème
+- Logs : zipper le dossier de sortie et le sous-dossier quarantaine/
+- Email : dbazin52@gmail.com
+- Réponse sous 24h (fuseau horaire Province Bêta UTC+4, je m'adapte)
+
+Merci pour le test et n'hésitez pas pour toute question.
+
+Cordialement,
+Dom
+```
+
+---
+
+## Section 4 — Suivi post-livraison
+
+### 4.1 Tableau de suivi des retours
+
+| # | Date | Description | Sévérité | Statut | Version |
+|---|---|---|---|---|---|
+|   |      |           |          |        | v11.0   |
+
+Sévérités :
+- **Bloquant** : EXE ne lance pas, crash au premier document, perte de données
+- **Majeur** : PII non masquée (fuite), fonctionnalité critique non fonctionnelle
+- **Mineur** : bug UI, message d'erreur confus, performance lente
+- **Cosmétique** : typo, alignement, couleur
+
+### 4.2 Template rapport de bug
+
+```
+Version EXE : v11.0
+Contexte    : Windows 10/11, 8 Go RAM, PDF natif ou scan ?
+Description : (ce que je faisais, ce qui s'est passé)
+Logs        : (joindre le dossier <sortie>/ + quarantaine/)
+Sévérité    : Bloquant / Majeur / Mineur / Cosmétique
+```
+
+### 4.3 Plan de patch v11.X
+
+| Cadence | Condition |
+|---|---|
+| Patch hebdomadaire | Si ≥ 1 bug Bloquant ou Majeur |
+| Attendre v11.5 | Si uniquement Mineurs et Cosmétiques |
+| Hotfix immédiat | Si fuite PII confirmée |
+
+### 4.4 Critères de validation bêta
+
+La version bêta est considérée **validée** quand :
+- [ ] Smoke test passé sans erreur (10/10)
+- [ ] ≥ 5 documents réels traités avec succès
+- [ ] Aucune PII résiduelle détectée sur les documents testés
+- [ ] Quarantaine fonctionnelle (au moins 1 cas testé)
+- [ ] Retour écrit du bêta-testeur
+
+---
+
+*Document généré automatiquement — procédure T7 du sprint v11.0 MVP*