chore(rgpd): replace CHCB/Bayonne/Saint-Denis/Réunion refs in source + configs (D-12)

Anonymise toutes les références à des entités réelles (CHCB, Bayonne, Saint-Denis,
Réunion, etc.) dans le code source, les configurations YAML, les scripts/outils,
et les tests unitaires. Conserve les tests synthétiques (cases) intentionnels.

- profile key chcb_strict → chuxx_strict
- CHCB → CHUXX, Bayonne → Chicago, Saint-Denis → Springfield,
  Réunion → Province Bêta, 64100/97400 → 12345, FINESS → 999999999,
  préfixe tél 05.59.44 → 0X.XX.XX
- renomme tools/test_chcb_leak.py → tools/test_force_term_leak.py

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

scripts/build_finess_gazetteers.py

@@ -74,7 +74,7 @@ def normalize(s: str) -> str:
 def extract_distinctive_name(full_name: str) -> str:
     """Extrait la partie distinctive d'un nom d'établissement.
 
-    Ex: 'CENTRE HOSPITALIER DE BAYONNE' → 'bayonne'
+    Ex: 'CENTRE HOSPITALIER DE CHICAGO' → 'chicago'
         'PHARMACIE DES GASCONS' → 'gascons'
         'LES GIRANDIERES' → 'les girandieres'
     """
@@ -112,7 +112,7 @@ def main():
             # Numéros FINESS : col 1 = finess_et (structure), col 2 = entjur (entité juridique).
             # Les deux sont des identifiants 9 chiffres réels du référentiel FINESS et doivent
             # être masqués. Avant ce fix, seul finess_et était extrait (~102k), et les ~48k
-            # entjur étaient manqués — provoquant des fuites (ex: 640780417 entjur CHCB).
+            # entjur étaient manqués — provoquant des fuites (ex: 999999999 entjur CHUXX).
             for col_idx in (1, 2):
                 finess = row[col_idx].strip() if col_idx < len(row) else ""
                 if re.match(r"^\d{9}$", finess):

scripts/evaluate_quality.py

@@ -34,7 +34,7 @@ from typing import Dict, List, Set, Tuple
 # === Chemins par défaut ===
 PROJECT_DIR = Path(__file__).parent.parent
 DEFAULT_DIR = Path(
-    "/home/dom/Téléchargements/II-1 Ctrl_T2A_2025_CHCB_DocJustificatifs (1)"
+    "/home/dom/Téléchargements/II-1 Ctrl_T2A_2025_CHUXX_DocJustificatifs (1)"
     "/anonymise_audit_30"
 )
 INSEE_NOMS = PROJECT_DIR / "data" / "insee" / "noms_famille_france.txt"
@@ -85,7 +85,7 @@ NAME_IGNORE = {
     "GAUCHE", "DROITE", "ANTERIEUR", "POSTERIEUR",
     "JANVIER", "FEVRIER", "MARS", "AVRIL", "JUIN", "JUILLET",
     "AOUT", "SEPTEMBRE", "OCTOBRE", "NOVEMBRE", "DECEMBRE",
-    "FRANCE", "BAYONNE", "BORDEAUX", "PARIS", "TOULOUSE",
+    "FRANCE", "CHICAGO", "BORDEAUX", "PARIS", "TOULOUSE",
     "SAINT", "SAINTE",
 }
 

scripts/export_silver_annotations.py

@@ -45,7 +45,7 @@ PLACEHOLDER_TO_BIO: Dict[str, str] = {
 
 RE_PLACEHOLDER = re.compile(r"^\[([A-Z_]+)\]$")
 
-SRC = Path("/home/dom/Téléchargements/II-1 Ctrl_T2A_2025_CHCB_DocJustificatifs (1)")
+SRC = Path("/home/dom/Téléchargements/II-1 Ctrl_T2A_2025_CHUXX_DocJustificatifs (1)")
 AUDIT_DIR = SRC / "anonymise_audit_30"
 
 # --- Gazetteer paths ---

scripts/reprocess_audit30.py

@@ -2,7 +2,7 @@
 """Reprocess corpus audit_30 avec le code actuel.
 
 Lit la liste des documents depuis evaluation/baseline_scores.json, retrouve
-chaque PDF source dans le dossier des justificatifs CHCB, et appelle
+chaque PDF source dans le dossier des justificatifs CHUXX, et appelle
 process_pdf() pour chacun.
 
 Sortie : un dossier horodaté sous /tmp/reprocess_audit30/<timestamp>/ avec
@@ -31,7 +31,7 @@ from anonymizer_core_refactored_onnx import process_pdf, NerModelManager, NerThr
 
 BASELINE_PATH = PROJECT_DIR / "evaluation" / "baseline_scores.json"
 SOURCE_ROOT = Path(
-    "/home/dom/Téléchargements/II-1 Ctrl_T2A_2025_CHCB_DocJustificatifs (1)"
+    "/home/dom/Téléchargements/II-1 Ctrl_T2A_2025_CHUXX_DocJustificatifs (1)"
 )