Fix 62 fuites résiduelles : DATE_NAISSANCE global, CHCB, Centre Hospitalier de la Côte Basque

- RE_HOPITAL_VILLE : ajout articles (la/le/l'/les) après prépositions
- DATE_NAISSANCE + force_term + force_regex : propagation globale cross-pages
- Config : org_gpe_keep=false, CHCB + variantes Centre Hospitalier en force_mask
- Audit 130 fichiers : 0 résidu (était 36 DATE_NAISS + 26 ETAB)

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

anonymizer_core_refactored_onnx.py

@@ -528,9 +528,9 @@ RE_HOPITAL_VILLE = re.compile(
     r"\b((?:[Hh]ôpital|[Cc]linique|[Pp]olyclinique|[Cc]entre\s+[Hh]ospitalier"
     r"|[Cc]entre\s+[Dd]e\s+[Ss]oins|[Mm]aison\s+[Dd]e\s+[Ss]anté"
     r"|[Mm]aison\s+[Dd]e\s+[Rr]etraite|[Rr]ésidence|[Ff]oyer)"
-    r"\s+(?:de\s+|d['']\s*|du\s+|des\s+)?"
+    r"\s+(?:de\s+|d['']\s*|du\s+|des\s+)?(?:la\s+|le\s+|l['']\s*|les\s+)?"
     r"(?:[A-ZÉÈÀÙÂÊÎÔÛÄËÏÖÜÇ][A-ZÉÈÀÙÂÊÎÔÛÄËÏÖÜÇa-zéèàùâêîôûäëïöüç\-']+)"
-    r"(?:\s+(?:de\s+|d['']\s*|du\s+|des\s+)?"
+    r"(?:\s+(?:de\s+|d['']\s*|du\s+|des\s+)?(?:la\s+|le\s+|l['']\s*|les\s+)?"
     r"[A-ZÉÈÀÙÂÊÎÔÛÄËÏÖÜÇ][A-ZÉÈÀÙÂÊÎÔÛÄËÏÖÜÇa-zéèàùâêîôûäëïöüç\-']+)*)",
 )
 RE_SERVICE = re.compile(
@@ -1950,7 +1950,8 @@ def process_pdf(
     _global_pii: Dict[str, set] = {}
     for h in anon.audit:
         if h.kind in {"TEL", "EMAIL", "ADRESSE", "CODE_POSTAL", "EPISODE", "RPPS", "VILLE", "ETAB",
-                      "VLM_SERVICE", "VLM_ETAB"}:
+                      "VLM_SERVICE", "VLM_ETAB", "DATE_NAISSANCE",
+                      "force_term", "force_regex"}:
             _global_pii.setdefault(h.kind, set()).add(h.original.strip())
     for kind, values in _global_pii.items():
         placeholder = PLACEHOLDERS.get(kind, PLACEHOLDERS["MASK"])
@@ -1958,7 +1959,7 @@ def process_pdf(
             anon.audit.append(PiiHit(page=-1, kind=f"{kind}_GLOBAL", original=val, placeholder=placeholder))
 
     # 4e) Appliquer les tokens globaux sur le texte pseudonymisé
-    _GLOBAL_SKIP_KINDS = {"EDS_DATE_GLOBAL", "DATE_NAISSANCE_GLOBAL"}
+    _GLOBAL_SKIP_KINDS = {"EDS_DATE_GLOBAL"}
     for h in anon.audit:
         if h.page != -1:
             continue

config/dictionnaires.yml

@@ -13,13 +13,16 @@ whitelist:
   noms_maj_excepts:
   - Médecin DIM
   - Praticien conseil
-  org_gpe_keep: true
+  org_gpe_keep: false
 blacklist:
   force_mask_terms:
   - CENTRE HOSPITALIER COTE BASQUE
+  - CENTRE HOSPITALIER DE LA COTE BASQUE
+  - CHCB
   - 'Dates du séjour :'
   - CONCERTATION
-  force_mask_regex: []
+  force_mask_regex:
+  - 'Centre\s+Hospitalier\s+(?:de\s+(?:la\s+)?)?C[oôÔ]te\s+Basque'
 kv_labels_preserve:
 - FINESS
 - IPP