Stop words +170 : détection automatique FP via dictionnaire français (audit_fp_detector.py)

- Nouvel outil audit_fp_detector.py : croise NOM_GLOBAL avec dictionnaire FR (346K mots),
  patterns morphologiques médicaux, mots structurels DPI, fréquence inter-documents
- +170 stop words en 2 lots : termes médicaux (abdomen, bilirubine, gastrique...),
  soins infirmiers (bijoux, ongles, maquillage, habillage...), mots courants (angle, bureau...)
- Ville basque ajoutée : anglet
- Résultat : 192/199 FP détectés couverts, 7 restants = artefacts OCR de vrais noms
- Total stop words : 5076 tokens

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

anonymizer_core_refactored_onnx.py

@@ -385,7 +385,7 @@ _MEDICAL_STOP_WORDS_SET = {
     "bcy", "po2", "po1", "po3", "bha", "atg", "ras", "cat", "ass",
     # FP audit OGC 17 CRH
     "mode", "retraitee", "retraité", "retraitée", "régression", "regression", "tel",
-    "strasbourg", "bordeaux", "toulouse", "paris", "lyon", "marseille", "bayonne",
+    "strasbourg", "bordeaux", "toulouse", "paris", "lyon", "marseille", "bayonne", "anglet",
     # Spécialités/services récurrents comme FP NOM
     "cancérologie", "cancerologie", "réanimation", "reanimation",
     "urologie", "néphrologie", "nephrologie", "hématologie", "hematologie",
@@ -399,6 +399,50 @@ _MEDICAL_STOP_WORDS_SET = {
     "transmissions", "transmission", "releve", "relevé",
     "objectif", "objectifs", "evaluation", "évaluation",
     "planification", "planifié", "planifiee",
+    # ── FP détectés automatiquement par audit_fp_detector.py ──
+    # Lot 2 : tokens basse confiance (DICT_FR seul) clairement non-noms
+    "acide", "adulte", "ambulatoire", "avenue", "bandelette", "bassin",
+    "bijoux", "bouche", "bouchon", "changes", "court", "demande", "dessert",
+    "devenir", "diffusé", "douche", "entrée", "escarre", "espace",
+    "explications", "fauteuil", "feuillet", "fixateur", "fois", "gamma",
+    "germes", "glace", "habillage", "liste", "maquillage", "matelas",
+    "mettre", "obésité", "ongles", "palais", "perlant", "pertes",
+    "pièce", "plaie", "risque", "saint", "sang", "signe", "sonde",
+    "tenue", "texte", "transaminases", "transit", "transmis", "urinal",
+    "vernis", "vessie", "vrac",
+    # Lot 2 : termes médicaux (préfixes/suffixes)
+    "anatomo-pathologique", "anemie", "anémie", "angioscanner",
+    "cétonurie", "cetonurie", "depilation", "dépilation",
+    "folique", "gastroentérologue", "gastroenterologue",
+    "microgrammes", "nalidixique", "naso-gastrique",
+    "angio-irm", "neuro", "neuro-chirurgie", "endoplasmique",
+    "cyto", "plaie-colle", "bionolyte",
+    # Lot 1 (103 tokens, confiance >= 0.5) ──
+    # Anatomie / clinique
+    "abdomen", "aortique", "bilirubine", "drain", "gastrique", "histologique",
+    "intraveineuse", "lithiasique", "macroscopie", "miction", "molles", "pelvienne",
+    "plaquette", "plaquettes", "rectale", "sanguine", "sciatique", "selle", "urinaire",
+    # Pathologies / symptômes
+    "algie", "angoisse", "antécédent", "douloureuse", "dyslipidémie",
+    "hemodialyse", "hemorragique", "hyperthermie", "hématologue",
+    # Médicaments / matériel médical
+    "ampoule", "antalgique", "antiseptique", "compresse", "flacon",
+    "oxygène", "pansement", "vitamine",
+    # Biologie / examens
+    "biochimie", "biologie", "fer",
+    # Actions / états cliniques
+    "ablation", "absence", "admission", "bloc", "changement", "cliniquement",
+    "cognitif", "couchage", "dispositif", "dynamique", "entretien", "histoire",
+    "intervention", "position", "rappel", "relation", "retour", "réalisation",
+    "résistant", "réévaluation", "situation", "temporaire", "urgence", "urgences",
+    "urgent", "validation",
+    # Mots courants / contextuels
+    "angle", "bille", "boisson", "bureau", "campagne", "cases", "circuit",
+    "clause", "concubin", "confortable", "demain", "densité", "dernière",
+    "distant", "domaine", "elle", "fils", "frère", "grand", "horizon",
+    "hui", "identifiant", "minuit", "murent", "neuf", "original", "pages",
+    "personne", "premier", "quartier", "retraite", "route", "rés",
+    "tam", "terrasses", "trouve", "verrouillé", "villa", "étage",
 }
 # Enrichissement automatique avec les ~4000 noms de médicaments d'edsnlp
 _MEDICAL_STOP_WORDS_SET.update(_load_edsnlp_drug_names())