Fix faux positifs PDF (EDS_TEL, EDS_VILLE) + détection noms Notes IDE

- Skip EDS_TEL dans PDF (valeurs Pouls détectées comme N° de téléphone)
- Ajout EDS_VILLE au whole-word matching (évite "GEL" dans "GELULE")
- Filtre stop words étendu à EDS_HOPITAL et EDS_VILLE dans la détection NER
- Détection noms soignants dans "Note IDE\nPrenom NOM" (BARGAIN, LACOTE, etc.)
- Stop words : semaine, jour, matin, soir, nuit, midi

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

anonymizer_core_refactored_onnx.py

@@ -301,6 +301,8 @@ _MEDICAL_STOP_WORDS_SET = {
     "axa", "ttt", "anionique", "abdomino", "cod", "omi", "urg", "med",
     "10mg", "20mg", "40mg", "100mg", "300ui", "500ml", "innohep", "coaprovel",
     "actiskenan", "simvastatine", "forlax",
+    # Mots temporels / contextuels détectés comme EDS_HOPITAL
+    "semaine", "jour", "matin", "soir", "nuit", "midi",
     # Mots clés de contexte document
     "compétences", "maladies", "inflammatoires", "systémiques", "rares",
     "fret", "fax", "contexte", "résultat", "resultat", "résultats", "resultats",
@@ -888,11 +890,19 @@ def _extract_trackare_identity(full_text: str) -> Tuple[set, List[PiiHit]]:
         if m.group(2):
             _add_name(m.group(2))
 
-    # --- Noms soignants dans les Notes d'évolution ---
+    # --- Noms soignants dans les Notes d'évolution / Notes IDE / Notes médicales ---
-    # Pattern: "Note d'évolution PRENOM NOM" ou "NOM HH:MM texte..."
+    # Pattern: "Note IDE\nPrenom NOM" ou "Note d'évolution\nPrenom NOM"
-    for m in re.finditer(r"Note\s+d'[ée]volution\s+([A-ZÉÈÀÙÂÊÎÔÛ][a-zéèàùâêîôû]+)\s+([A-ZÉÈÀÙÂÊÎÔÛ]{2,})", full_text):
+    for m in re.finditer(
-        _add_name(m.group(1))
+        r"Note\s+(?:IDE|AS|d'[ée]volution|m[ée]dicale|kin[ée])\s*\n\s*"
-        _add_name(m.group(2))
+        r"([A-ZÉÈÀÙÂÊÎÔÛa-zéèàùâêîôû][a-zéèàùâêîôûäëïöüç]+)\s+"
+        r"([A-ZÉÈÀÙÂÊÎÔÛ][A-ZÉÈÀÙÂÊÎÔÛa-zéèàùâêîôûäëïöüç\-]+)",
+        full_text
+    ):
+        prenom, nom = m.group(1), m.group(2)
+        if prenom.lower() not in _MEDICAL_STOP_WORDS_SET:
+            _add_name(prenom)
+        if nom.lower() not in _MEDICAL_STOP_WORDS_SET:
+            _add_name(nom)
 
     # --- Noms soignants multi-lignes : "Prénom\nNOM" dans les tableaux de prescriptions/soins ---
     for m in re.finditer(
@@ -1174,7 +1184,7 @@ def _mask_with_eds_pseudo(text: str, ents: List[Dict[str, Any]], cfg: Dict[str,
             continue
         # Filtrer les faux positifs NOM/PRENOM (médicaments, acronymes médicaux)
         label = e.get("entity_group", "EDS")
-        if label in ("NOM", "PRENOM"):
+        if label in ("NOM", "PRENOM", "HOPITAL", "VILLE"):
             if w.lower() in _MEDICAL_STOP_WORDS_SET:
                 continue
             # Filtrer aussi les tokens multi-mots dont un composant est un stop word
@@ -1309,10 +1319,10 @@ def redact_pdf_vector(original_pdf: Path, audit: List[PiiHit], out_pdf: Path) ->
         by_page.setdefault(h.page, []).append(h)
     # Kinds à ne pas chercher dans le PDF (dates masquées uniquement dans le texte,
     # pas dans le PDF où elles rendent les tableaux illisibles)
-    _VECTOR_SKIP_KINDS = {"EDS_DATE", "EDS_DATE_NAISSANCE", "EDS_SECU"}
+    _VECTOR_SKIP_KINDS = {"EDS_DATE", "EDS_DATE_NAISSANCE", "EDS_SECU", "EDS_TEL"}
     # Kinds dont les tokens courts (< 5) risquent le substring matching via page.search_for()
     _VECTOR_SHORT_TOKEN_KINDS = {"NOM_GLOBAL", "NOM_EXTRACTED", "EDS_NOM", "EDS_PRENOM",
-                                  "EDS_HOPITAL", "ETAB", "ETAB_GLOBAL"}
+                                  "EDS_HOPITAL", "EDS_VILLE", "ETAB", "ETAB_GLOBAL"}
     for pno in range(len(doc)):
         page = doc[pno]
         hits = by_page.get(pno, []) + by_page.get(-1, [])
@@ -1365,9 +1375,9 @@ def redact_pdf_raster(original_pdf: Path, audit: List[PiiHit], out_pdf: Path, dp
     for pno in range(len(doc)):
         page = doc[pno]
         rects = []
-        _RASTER_SKIP_KINDS = {"EDS_DATE", "EDS_DATE_NAISSANCE", "EDS_SECU"}
+        _RASTER_SKIP_KINDS = {"EDS_DATE", "EDS_DATE_NAISSANCE", "EDS_SECU", "EDS_TEL"}
         _RASTER_SHORT_TOKEN_KINDS = {"NOM_GLOBAL", "NOM_EXTRACTED", "EDS_NOM", "EDS_PRENOM",
-                                      "EDS_HOPITAL", "ETAB", "ETAB_GLOBAL"}
+                                      "EDS_HOPITAL", "EDS_VILLE", "ETAB", "ETAB_GLOBAL"}
         hits = [x for x in audit if x.page in {pno, -1}]
         for h in hits:
             token = h.original.strip()