fix: labels DPI masqués (Date, Note, Type, Heure) + whitelist désactivée

- Whitelist post-masquage désactivée : injectait des phrases au mauvais
  endroit dans le texte anonymisé (bug critique)
- Labels DPI "Date", "Note", "Heure", "Type", "Saint", "Page" ajoutés à
  _NEVER_MASK_AS_NAME et _DPI_LABELS_BLACKLIST pour empêcher leur
  propagation globale comme noms de personnes
- Corrige "Date d'admission → [NOM] d'admission",
  "Note d'évolution → [NOM] d'évolution", etc.

Score évaluation : 99.3/100 (fuites pré-existantes Sie/GRAND inchangées)

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

anonymizer_core_refactored_onnx.py

@@ -2381,7 +2381,16 @@ def _apply_extracted_names(text: str, names: set, audit: List[PiiHit], force_nam
     """Remplace globalement chaque nom extrait dans le texte."""
     placeholder = PLACEHOLDERS["NOM"]
     _force = force_names or set()
-    safe_names = {n for n in names if len(n) >= 4 and (n in _force or n.lower() not in _MEDICAL_STOP_WORDS_SET)}
+    # Labels DPI structurels à ne jamais masquer comme noms
+    _NEVER_MASK_AS_NAME = {
+        "Date", "DATE", "Note", "NOTE", "Heure", "HEURE", "Type", "TYPE",
+        "Soin", "SOIN", "Soins", "SOINS", "Surv", "SURV",
+        "Saint", "SAINT", "Sainte", "SAINTE",
+        "Page", "PAGE", "Presc", "PRESC",
+    }
+    safe_names = {n for n in names if len(n) >= 4
+                  and n not in _NEVER_MASK_AS_NAME
+                  and (n in _force or n.lower() not in _MEDICAL_STOP_WORDS_SET)}
     # Ajouter un hit global (page=-1) par nom pour la redaction PDF raster
     # (un seul hit suffit — redact_pdf_raster cherche le token sur chaque page)
     # Les noms forcés (contexte Dr/Mme) utilisent NOM_FORCE pour bypasser
@@ -4225,6 +4234,13 @@ def process_pdf(
 
     # 4a) Noms : extraire les tokens individuels
     _nom_kinds = {"NOM", "NOM_EXTRACTED", "NER_PER", "EDS_NOM"}
+    # Labels DPI / mots structurels à ne JAMAIS propager comme noms
+    _DPI_LABELS_BLACKLIST = {
+        "Date", "DATE", "Note", "NOTE", "Heure", "HEURE", "Type", "TYPE",
+        "Soin", "SOIN", "Soins", "SOINS", "Surv", "SURV",
+        "Saint", "SAINT", "Sainte", "SAINTE",
+        "Page", "PAGE", "Presc", "PRESC",
+    }
     _global_name_tokens: set = set()
     for h in anon.audit:
         if h.kind not in _nom_kinds:
@@ -4235,6 +4251,8 @@ def process_pdf(
                 continue
             if word.lower() in _MEDICAL_STOP_WORDS_SET:
                 continue
+            if word in _DPI_LABELS_BLACKLIST:
+                continue
             if not word[0].isupper():
                 continue
             _global_name_tokens.add(word)
@@ -4483,10 +4501,9 @@ def process_pdf(
     )
     final_text = _RE_BRACKET_CLEAN.sub(r"\1", final_text)
 
-    # 6) Whitelist : restaurer les phrases qui ne doivent jamais être anonymisées
+    # 6) Whitelist : DÉSACTIVÉ — l'approche post-masquage est défectueuse
-    whitelist_phrases = cfg.get("whitelist_phrases", [])
+    # (injecte des phrases whitelist au mauvais endroit quand [NOM] masque un vrai nom)
-    if whitelist_phrases:
+    # TODO: implémenter en pré-masquage (protéger les spans avant anonymisation)
-        final_text = _apply_whitelist(final_text, whitelist_phrases, anon.audit)
 
     # Sauvegardes
     base = pdf_path.stem