diff --git a/anonymizer_core_refactored_onnx.py b/anonymizer_core_refactored_onnx.py
index 98a14a6..2214dd4 100644
--- a/anonymizer_core_refactored_onnx.py
+++ b/anonymizer_core_refactored_onnx.py
@@ -583,6 +583,14 @@ RE_EXTRACT_NOM_USUEL = re.compile(
     r"([A-ZÉÈÀÙÂÊÎÔÛÄËÏÖÜÇÑ][A-ZÉÈÀÙÂÊÎÔÛÄËÏÖÜÇÑ\-\']{3,})",
     re.MULTILINE,
 )
+# F2 — capture du nom utilisé PRÉCÉDANT le label "Nom usuel :".
+# Cas typique BACTERIO : la ligne juste avant "Nom usuel :" contient
+# l'identité patient sous forme "NAME Prenom1 Prenom2" sans label devant
+# (ex: "SIMONET Marie lise\nNom usuel :"). On capture cette ligne entière.
+RE_EXTRACT_NAME_BEFORE_NOM_USUEL = re.compile(
+    r"^([A-ZÉÈÀÙÂÊÎÔÛÄËÏÖÜÇÑ]{4,}(?:\s+[A-Za-zÀ-Ÿ\-\']+){1,3})\s*\n\s*Nom\s+usuel\s*:",
+    re.MULTILINE,
+)
 RE_EXTRACT_PRENOM = re.compile(
     r"Pr[ée]nom\s+(?:de\s+naissance|utilis[ée])\s*:\s*"
     r"([A-ZÉÈÀÙÂÊÎÔÛÄËÏÖÜÇÑ][A-ZÉÈÀÙÂÊÎÔÛÄËÏÖÜÇÑa-zéèàùâêîôûäëïöüçñ\-\' ]+?)(?:\s*$)",
@@ -2154,6 +2162,9 @@ def _extract_document_names(full_text: str, cfg: Dict[str, Any]) -> Tuple[set, s
     # F3 — "Nom usuel :" + ligne suivante (skip date intermédiaire)
     for m in RE_EXTRACT_NOM_USUEL.finditer(full_text):
         _add_tokens_force_all(m.group(1), "RE_EXTRACT_NOM_USUEL", "high")
+    # F2 — ligne "NAME Prenom Prenom" précédant directement "Nom usuel :"
+    for m in RE_EXTRACT_NAME_BEFORE_NOM_USUEL.finditer(full_text):
+        _add_tokens_force_all(m.group(1), "RE_NAME_BEFORE_NOM_USUEL", "high")
     for m in RE_EXTRACT_NOM_PRENOM.finditer(full_text):
         _add_tokens_force_all(m.group(1), "RE_EXTRACT_NOM_PRENOM", "high")
     for m in RE_EXTRACT_PRENOM.finditer(full_text):