fix(frozen): data/*.txt dans bundle, feedback UI pendant chargement modèles

Plantages signalés sous Windows : causes identifiées et corrigées.

1. anonymisation_onefile.spec : les fichiers data/stopwords_manuels.txt,
   villes_blacklist.txt, dpi_labels_blacklist.txt, companion_blacklist.txt
   n'étaient PAS inclus dans le bundle PyInstaller (seuls les sous-dossiers
   data/bdpm, data/finess, data/insee l'étaient). Résultat en frozen : sets
   vides, qualité dégradée, plus de faux positifs.

2. anonymizer_core_refactored_onnx.py : chargements robustifiés.
   - Helper _load_txt_set avec try/except et logging WARNING si fichier absent
   - Fallbacks intégrés (_DPI_LABELS_FALLBACK, _COMPANION_BLACKLIST_FALLBACK)
     pour continuer à fonctionner si bundle partiel
   - try/except sur stopwords_manuels.txt, villes_blacklist.txt, BDPM

3. launcher.py : UX repensée pour le chargement des modèles.
   - SetupWindow (premier lancement) : auto-démarrage (plus de clic nécessaire),
     progress bar avec étapes visuelles (⏳/✓/✗ par modèle), bouton relance si
     échec, bouton "continuer malgré tout" pour modèles optionnels.
   - Splash screen ajouté dans launch_gui() : le chargement des gazetteers
     (INSEE 200k+ noms, FINESS 100k+ établissements) prend 15-30 s au démarrage
     normal. Sans feedback, l'utilisateur croyait l'app plantée. Le splash
     tourne pendant l'import (thread séparé, poll avec splash.after).

Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>

anonymisation_onefile.spec

@@ -11,6 +11,18 @@ datas = [
     (os.path.join(app_dir, 'detectors'), 'detectors'),
     (os.path.join(app_dir, 'scripts'), 'scripts'),
 ]
+# Fichiers directs dans data/ — IMPÉRATIF pour fonctionnement correct du core.
+# Sans eux : stop-words/villes/DPI labels/companion blacklist sont des sets vides,
+# ce qui dégrade la qualité d'anonymisation et peut masquer/laisser passer des faux-positifs.
+for data_file in [
+    'stopwords_manuels.txt',
+    'villes_blacklist.txt',
+    'dpi_labels_blacklist.txt',
+    'companion_blacklist.txt',
+]:
+    src = os.path.join(app_dir, 'data', data_file)
+    if os.path.exists(src):
+        datas.append((src, 'data'))
 for pyfile in ['anonymizer_core_refactored_onnx.py', 'eds_pseudo_manager.py',
                'gliner_manager.py', 'camembert_ner_manager.py',
                'Pseudonymisation_Gui_V5.py']:

anonymizer_core_refactored_onnx.py

@@ -251,11 +251,16 @@ _VILLE_BLACKLIST = {
 # Enrichissement depuis fichier externe (modifiable sans toucher au code)
 _villes_bl_file = Path(__file__).parent / "data" / "villes_blacklist.txt"
 if _villes_bl_file.exists():
-    for _line in _villes_bl_file.read_text(encoding="utf-8").splitlines():
+    try:
-        _w = _line.strip()
+        for _line in _villes_bl_file.read_text(encoding="utf-8").splitlines():
-        if _w and not _w.startswith("#"):
+            _w = _line.strip()
-            _VILLE_BLACKLIST.add(_w)
+            if _w and not _w.startswith("#"):
-    log.info("Villes blacklist chargées : %d entrées", len(_VILLE_BLACKLIST))
+                _VILLE_BLACKLIST.add(_w)
+        log.info("Villes blacklist chargées : %d entrées", len(_VILLE_BLACKLIST))
+    except Exception as _exc:
+        log.error("Villes blacklist : erreur de lecture %s — %s", _villes_bl_file, _exc)
+else:
+    log.warning("Villes blacklist : fichier introuvable %s — défauts intégrés utilisés", _villes_bl_file)
 
 try:
     import ahocorasick as _ahocorasick
@@ -827,24 +832,34 @@ _MEDICAL_STOP_WORDS_SET.update(_load_edsnlp_drug_names())
 # Enrichissement depuis fichier externe (modifiable sans toucher au code)
 _stopwords_file = Path(__file__).parent / "data" / "stopwords_manuels.txt"
 if _stopwords_file.exists():
-    _sw_count = 0
+    try:
-    for _line in _stopwords_file.read_text(encoding="utf-8").splitlines():
+        _sw_count = 0
-        _w = _line.strip()
+        for _line in _stopwords_file.read_text(encoding="utf-8").splitlines():
-        if _w and not _w.startswith("#"):
+            _w = _line.strip()
-            _MEDICAL_STOP_WORDS_SET.add(_w)
+            if _w and not _w.startswith("#"):
-            _sw_count += 1
+                _MEDICAL_STOP_WORDS_SET.add(_w)
-    log.info("Stop-words manuels chargés : %d mots depuis %s", _sw_count, _stopwords_file.name)
+                _sw_count += 1
+        log.info("Stop-words manuels chargés : %d mots depuis %s", _sw_count, _stopwords_file.name)
+    except Exception as _exc:
+        log.error("Stop-words manuels : erreur de lecture %s — %s", _stopwords_file, _exc)
+else:
+    log.warning("Stop-words manuels : fichier introuvable %s — qualité dégradée", _stopwords_file)
 
 # Enrichissement BDPM : ~7300 noms commerciaux + DCI/substances actives
 _bdpm_path = Path(__file__).parent / "data" / "bdpm" / "medicaments_stopwords.txt"
 if _bdpm_path.exists():
-    _bdpm_count = 0
+    try:
-    for _line in _bdpm_path.read_text(encoding="utf-8").splitlines():
+        _bdpm_count = 0
-        _w = _line.strip()
+        for _line in _bdpm_path.read_text(encoding="utf-8").splitlines():
-        if _w and not _w.startswith("#"):
+            _w = _line.strip()
-            _MEDICAL_STOP_WORDS_SET.add(_w)
+            if _w and not _w.startswith("#"):
-            _bdpm_count += 1
+                _MEDICAL_STOP_WORDS_SET.add(_w)
-    log.info("BDPM stop-words chargés : %d mots", _bdpm_count)
+                _bdpm_count += 1
+        log.info("BDPM stop-words chargés : %d mots", _bdpm_count)
+    except Exception as _exc:
+        log.error("BDPM stop-words : erreur de lecture %s — %s", _bdpm_path, _exc)
+else:
+    log.warning("BDPM stop-words : fichier introuvable %s — qualité dégradée", _bdpm_path)
 
 _MEDICAL_STOP_WORDS = (
     r"(?:" + "|".join(re.escape(w) for w in _MEDICAL_STOP_WORDS_SET) + r")"
@@ -1133,30 +1148,60 @@ class NameCandidate:
 _WHITELIST_NEVER_MASK_TOKENS: set = set()
 _WHITELIST_NEVER_MASK_PHRASES: set = set()
 
+# Safe-guards pour les défauts intégrés quand les fichiers data/*.txt sont absents
+# (mode frozen où le bundle aurait omis de les inclure). Contenu minimal pour
+# garantir un comportement de masquage correct même en mode dégradé.
+_DPI_LABELS_FALLBACK = {
+    "date", "note", "heure", "type", "soin", "soins", "surv",
+    "page", "presc", "saint", "sainte",
+}
+_COMPANION_BLACKLIST_FALLBACK = {
+    "CANCEROLOGIE", "ONCOLOGIE", "REANIMATION", "RADIOLOGIE",
+    "CARDIOLOGIE", "NEUROLOGIE", "PNEUMOLOGIE", "UROLOGIE",
+    "MEDECINE", "DOSSIER", "CONTENTION", "ISOLEMENT", "ELIMINATION",
+    "ZONE", "PARTI", "PLAN", "MAIN", "FORT", "FORTE",
+}
+
+
+def _load_txt_set(path: Path, transform=str.lower, label: str = "file") -> set:
+    """Charge un fichier .txt ligne par ligne. Robuste aux erreurs (frozen exe)."""
+    result: set = set()
+    if not path.exists():
+        log.warning("%s introuvable : %s — utilisation des défauts intégrés", label, path)
+        return result
+    try:
+        for _line in path.read_text(encoding="utf-8").splitlines():
+            _w = _line.strip()
+            if _w and not _w.startswith("#"):
+                result.add(transform(_w))
+        log.info("%s chargé : %d entrées depuis %s", label, len(result), path.name)
+    except Exception as exc:
+        log.error("%s : erreur de lecture %s — %s", label, path, exc)
+    return result
+
+
 # Labels DPI structurels à ne JAMAIS masquer comme noms (Date, Note, Heure...)
 # Stocké en LOWERCASE — la comparaison est case-insensitive.
 # Chargé depuis data/dpi_labels_blacklist.txt + cfg["additional_dpi_labels"].
-_DPI_LABELS_SET: set = set()
+_DPI_LABELS_SET: set = _load_txt_set(
-_dpi_file = Path(__file__).parent / "data" / "dpi_labels_blacklist.txt"
+    Path(__file__).parent / "data" / "dpi_labels_blacklist.txt",
-if _dpi_file.exists():
+    transform=str.lower,
-    for _line in _dpi_file.read_text(encoding="utf-8").splitlines():
+    label="DPI labels blacklist",
-        _w = _line.strip()
+)
-        if _w and not _w.startswith("#"):
+if not _DPI_LABELS_SET:
-            _DPI_LABELS_SET.add(_w.lower())
+    _DPI_LABELS_SET = set(_DPI_LABELS_FALLBACK)
-    log.info("DPI labels blacklist chargés : %d entrées", len(_DPI_LABELS_SET))
 
 # Companion blacklist : termes EN MAJUSCULES qui ne sont JAMAIS des noms
 # (spécialités, labos pharma, mots courants ambigus).
 # Stocké en UPPERCASE — la comparaison est faite contre des candidats déjà uppercase.
 # Chargé depuis data/companion_blacklist.txt + cfg["additional_companion_blacklist"].
-_COMPANION_BLACKLIST_SET: set = set()
+_COMPANION_BLACKLIST_SET: set = _load_txt_set(
-_comp_file = Path(__file__).parent / "data" / "companion_blacklist.txt"
+    Path(__file__).parent / "data" / "companion_blacklist.txt",
-if _comp_file.exists():
+    transform=str.upper,
-    for _line in _comp_file.read_text(encoding="utf-8").splitlines():
+    label="Companion blacklist",
-        _w = _line.strip()
+)
-        if _w and not _w.startswith("#"):
+if not _COMPANION_BLACKLIST_SET:
-            _COMPANION_BLACKLIST_SET.add(_w.upper())
+    _COMPANION_BLACKLIST_SET = set(_COMPANION_BLACKLIST_FALLBACK)
-    log.info("Companion blacklist chargée : %d entrées", len(_COMPANION_BLACKLIST_SET))
 
 
 _WHITELIST_FUNCTION_WORDS = {

launcher.py

@@ -76,112 +76,264 @@ def check_models_ready():
 
 
 def launch_gui():
-    """Launch the main GUI."""
+    """Launch the main GUI with a splash screen during the slow core import.
-    log.info("Launching GUI...")
-    try:
-        import anonymizer_core_refactored_onnx  # noqa — pre-import the core
-        log.info("Core imported OK")
-    except Exception as e:
-        log.error(f"Core import error: {e}\n{traceback.format_exc()}")
 
-    try:
+    Le chargement des gazetteers (INSEE 200k+ noms, FINESS 100k+ établissements,
-        import Pseudonymisation_Gui_V5  # noqa
+    BDPM 7k+ médicaments) prend 10–30 s. Sans feedback visuel, l'utilisateur
-        log.info("GUI imported OK, starting mainloop...")
+    croit que l'application est plantée. Le splash permet d'indiquer l'avancée.
-        root = tk.Tk()
+    """
-        Pseudonymisation_Gui_V5.App(root)
+    log.info("Launching GUI...")
-        root.mainloop()
+
-    except Exception as e:
+    splash = tk.Tk()
-        log.error(f"GUI error: {e}\n{traceback.format_exc()}")
+    splash.title("Anonymisation")
+    splash.geometry("440x200")
+    splash.resizable(False, False)
+
+    frame = ttk.Frame(splash, padding=20)
+    frame.pack(fill="both", expand=True)
+    ttk.Label(frame, text="Anonymisation", font=("", 14, "bold")).pack(pady=(0, 4))
+    ttk.Label(frame, text="Pseudonymisation de documents médicaux",
+              foreground="#666666").pack(pady=(0, 12))
+
+    status_var = tk.StringVar(value="Chargement des dictionnaires médicaux…")
+    ttk.Label(frame, textvariable=status_var, foreground="#1a568e").pack(pady=(0, 8))
+
+    pb = ttk.Progressbar(frame, mode="indeterminate", length=380)
+    pb.pack(pady=4)
+    pb.start(10)
+
+    ttk.Label(frame, text="Première phase : ~15–30 s",
+              foreground="#999999", font=("", 8)).pack(pady=(6, 0))
+
+    result = {"done": False, "error": None}
+
+    def _do_import():
         try:
-            messagebox.showerror("Erreur", f"Erreur au lancement de l'interface:\n\n{e}\n\nVoir {LOG_FILE}")
+            import anonymizer_core_refactored_onnx  # noqa
-        except:
+            log.info("Core imported OK")
-            pass
+            result["step"] = "gui"
+            import Pseudonymisation_Gui_V5  # noqa
+            log.info("GUI module imported OK")
+        except Exception as e:
+            result["error"] = f"{e}\n{traceback.format_exc()}"
+            log.error(f"Import error: {result['error']}")
+        finally:
+            result["done"] = True
+
+    threading.Thread(target=_do_import, daemon=True).start()
+
+    def _poll():
+        # Met à jour le message selon l'étape atteinte par le thread d'import
+        if result.get("step") == "gui" and not result["done"]:
+            status_var.set("Chargement de l'interface…")
+        if result["done"]:
+            pb.stop()
+            try:
+                splash.destroy()
+            except Exception:
+                pass
+            if result["error"]:
+                try:
+                    messagebox.showerror(
+                        "Erreur",
+                        f"Erreur au lancement :\n\n{result['error'].splitlines()[0]}\n\n"
+                        f"Voir {LOG_FILE} pour les détails.",
+                    )
+                except Exception:
+                    pass
+                return
+            # Lancement de la GUI principale
+            try:
+                import Pseudonymisation_Gui_V5
+                log.info("Starting mainloop…")
+                root = tk.Tk()
+                Pseudonymisation_Gui_V5.App(root)
+                root.mainloop()
+            except Exception as e:
+                log.error(f"GUI error: {e}\n{traceback.format_exc()}")
+                try:
+                    messagebox.showerror(
+                        "Erreur",
+                        f"Erreur de l'interface :\n\n{e}\n\nVoir {LOG_FILE}",
+                    )
+                except Exception:
+                    pass
+        else:
+            splash.after(200, _poll)
+
+    splash.after(200, _poll)
+    splash.mainloop()
 
 
 class SetupWindow:
-    """Setup window for first launch (model download)."""
+    """Setup window for first launch — auto-démarre le téléchargement des modèles.
+
+    Affiche un suivi détaillé par modèle (EDS-Pseudo, GLiNER, CamemBERT-bio) avec
+    indicateurs visuels (⏳ en cours, ✓ succès, ✗ échec). Permet de relancer en
+    cas d'erreur. Lancement auto de la GUI une fois tous les modèles prêts.
+    """
+
+    # Liste ordonnée des étapes de chargement. Chaque entrée :
+    # (clé interne, libellé, taille approx, fonction de chargement)
+    STEPS = [
+        ("eds_pseudo", "EDS-Pseudo (CamemBERT clinique)", "~450 Mo"),
+        ("gliner", "GLiNER (détection PII zero-shot)", "~300 Mo"),
+        ("camembert_onnx", "CamemBERT-bio ONNX (embarqué)", "local"),
+    ]
 
     def __init__(self):
         self.root = tk.Tk()
-        self.root.title("Anonymisation — Premier lancement")
+        self.root.title("Anonymisation — Configuration initiale")
-        self.root.geometry("520x320")
+        self.root.geometry("620x450")
         self.root.resizable(False, False)
 
         frame = ttk.Frame(self.root, padding=20)
         frame.pack(fill="both", expand=True)
 
-        ttk.Label(frame, text="Configuration initiale", font=("", 14, "bold")).pack(pady=(0, 10))
+        ttk.Label(frame, text="Préparation des modèles d'intelligence artificielle",
+                  font=("", 13, "bold")).pack(pady=(0, 4))
         ttk.Label(
             frame,
-            text="Les modeles NER vont etre telecharges depuis HuggingFace.\nCela peut prendre quelques minutes selon la connexion.",
+            text=("Au premier lancement, les modèles de détection doivent être téléchargés\n"
-            justify="center",
+                  "depuis HuggingFace. Cette opération est unique — durée 3 à 10 minutes\n"
-        ).pack(pady=(0, 15))
+                  "selon votre connexion internet. Merci de patienter."),
+            justify="center", foreground="#555555",
+        ).pack(pady=(0, 12))
 
-        self.progress = ttk.Progressbar(frame, mode="indeterminate", length=420)
+        # Barre de progression globale
-        self.progress.pack(pady=10)
+        self.progress = ttk.Progressbar(frame, mode="determinate",
+                                         length=560, maximum=len(self.STEPS))
+        self.progress.pack(pady=(0, 4))
 
-        self.status_var = tk.StringVar(value="En attente...")
+        self.status_var = tk.StringVar(value="Démarrage…")
-        ttk.Label(frame, textvariable=self.status_var).pack(pady=5)
+        ttk.Label(frame, textvariable=self.status_var, foreground="#1a568e").pack(pady=(0, 12))
 
-        self.btn = ttk.Button(frame, text="Demarrer le telechargement", command=self.start_download)
+        # Zone détail par modèle
-        self.btn.pack(pady=15)
+        detail_frame = ttk.LabelFrame(frame, text=" Modèles ", padding=10)
+        detail_frame.pack(fill="x", pady=(0, 12))
+
+        self.step_labels = {}
+        for key, title, size in self.STEPS:
+            row = ttk.Frame(detail_frame)
+            row.pack(fill="x", pady=3)
+            icon = ttk.Label(row, text="○", width=3, font=("", 12))
+            icon.pack(side="left")
+            ttk.Label(row, text=title).pack(side="left")
+            ttk.Label(row, text=f"  ({size})", foreground="#999999",
+                      font=("", 8)).pack(side="left")
+            self.step_labels[key] = icon
+
+        # Bouton relance (caché au début)
+        self.btn = ttk.Button(frame, text="Relancer", command=self.start_download)
+        self.btn.pack(pady=6)
+        self.btn.pack_forget()
+
+        # Bouton ignorer/continuer (affiché si échec partiel)
+        self.btn_skip = ttk.Button(
+            frame, text="Continuer malgré tout",
+            command=self._finish,
+        )
+        self.btn_skip.pack(pady=(0, 4))
+        self.btn_skip.pack_forget()
+
+        # Auto-démarrage du téléchargement (pas besoin de cliquer)
+        self.root.after(500, self.start_download)
 
     def start_download(self):
-        self.btn.configure(state="disabled")
+        self.btn.pack_forget()
-        self.progress.start(10)
+        self.btn_skip.pack_forget()
+        self.progress["value"] = 0
+        self.status_var.set("Démarrage du téléchargement…")
+        for icon in self.step_labels.values():
+            icon.configure(text="○", foreground="#999999")
         threading.Thread(target=self._download_thread, daemon=True).start()
 
+    def _set_step(self, key, state):
+        """state : 'pending' | 'running' | 'ok' | 'fail'"""
+        mapping = {
+            "pending": ("○", "#999999"),
+            "running": ("⏳", "#f57c00"),
+            "ok":      ("✓", "#2e7d32"),
+            "fail":    ("✗", "#c62828"),
+        }
+        char, color = mapping.get(state, ("○", "#999999"))
+        icon = self.step_labels.get(key)
+        if icon is not None:
+            self.root.after(0, lambda: icon.configure(text=char, foreground=color))
+
     def _download_thread(self):
+        failures = []
         try:
             # 1. EDS-Pseudo
-            self._update("Chargement EDS-Pseudo (telechargement HuggingFace)...")
+            self._update("Téléchargement d'EDS-Pseudo… (modèle CamemBERT clinique)")
+            self._set_step("eds_pseudo", "running")
             log.info("Downloading EDS-Pseudo...")
             try:
                 from eds_pseudo_manager import EdsPseudoManager
                 mgr = EdsPseudoManager()
                 mgr.load()
-                self._update("EDS-Pseudo OK")
+                self._set_step("eds_pseudo", "ok")
                 log.info("EDS-Pseudo OK")
             except Exception as e:
-                self._update(f"EDS-Pseudo: {e}")
+                self._set_step("eds_pseudo", "fail")
+                failures.append(("EDS-Pseudo", str(e)))
                 log.warning(f"EDS-Pseudo failed: {e}")
+            self._advance()
 
             # 2. GLiNER
-            self._update("Chargement GLiNER (telechargement HuggingFace)...")
+            self._update("Téléchargement de GLiNER… (détection zero-shot)")
+            self._set_step("gliner", "running")
             log.info("Downloading GLiNER...")
             try:
                 from gliner_manager import GlinerManager
                 mgr = GlinerManager()
                 mgr.load()
-                self._update("GLiNER OK")
+                self._set_step("gliner", "ok")
                 log.info("GLiNER OK")
             except Exception as e:
-                self._update(f"GLiNER: {e}")
+                self._set_step("gliner", "fail")
+                failures.append(("GLiNER", str(e)))
                 log.warning(f"GLiNER failed: {e}")
+            self._advance()
 
             # 3. CamemBERT-bio ONNX
-            self._update("Verification CamemBERT-bio ONNX...")
+            self._update("Vérification CamemBERT-bio ONNX (modèle embarqué)…")
+            self._set_step("camembert_onnx", "running")
             if check_models_ready():
-                self._update("CamemBERT-bio ONNX OK")
+                self._set_step("camembert_onnx", "ok")
             else:
-                self._update("CamemBERT-bio ONNX manquant")
+                self._set_step("camembert_onnx", "fail")
+                failures.append(("CamemBERT-bio ONNX", "fichier ONNX introuvable dans le bundle"))
                 log.error("CamemBERT-bio ONNX not found")
+            self._advance()
 
-            self._update("Configuration terminee ! Lancement de l'interface...")
+            if failures:
-            log.info("Setup complete, launching GUI in 2s")
+                lines = "\n".join(f"  • {name} : {err[:60]}" for name, err in failures)
-            self.root.after(2000, self._finish)
+                self._update(f"Certains modèles ont échoué ({len(failures)}/{len(self.STEPS)}).")
+                log.warning(f"Setup partial failure: {len(failures)} model(s) failed\n{lines}")
+                self.root.after(0, lambda: self.btn.pack(pady=6))
+                self.root.after(0, lambda: self.btn_skip.pack(pady=(0, 4)))
+            else:
+                self._update("Tous les modèles sont prêts. Lancement de l'interface…")
+                log.info("Setup complete, launching GUI in 1.5s")
+                self.root.after(1500, self._finish)
 
         except Exception as e:
             log.error(f"Setup error: {e}\n{traceback.format_exc()}")
-            self._update(f"Erreur: {e}")
+            self._update(f"Erreur inattendue : {e}")
-            self.root.after(0, lambda: self.btn.configure(state="normal"))
+            self.root.after(0, lambda: self.btn.pack(pady=6))
+
+    def _advance(self):
+        self.root.after(0, lambda: self.progress.step(1))
 
     def _update(self, msg):
         self.root.after(0, lambda: self.status_var.set(msg))
 
     def _finish(self):
-        self.progress.stop()
+        try:
-        self.root.destroy()
+            self.root.destroy()
+        except Exception:
+            pass
         launch_gui()
 
     def run(self):