test(review): étendre couche 2 à 10 cas et brancher gate pytest avec xfail strict
Couche 2 (revue humaine sur documents complets) : ajout de 6 cas
synthétiques pour atteindre la cible cadrage produit (10 cas).
Cas ajoutés :
- 005_bacterio_complete : layout BACTERIO N° venue rejeté avant IPP
+ RPPS prescripteur (pattern qualifié non détecté).
- 006_trackare_soignants : export Trackare avec activités HH:MM NOM,
Note IDE/médicale, Signé — médicament greedy.
- 007_lettre_sortie_complete : courrier médecin→médecin, multi-villes,
email institutionnel @chcb.fr (cassé par le force_term CHCB).
- 008_anesthesie_complete : protocole anesthésique avec molécules
BDPM, prénoms basques rares (Maddi, Pantxoa).
- 009_multi_etablissements : 3 établissements distincts (CHCB, CHU
Bordeaux, Clinique Aguilera), prénoms basques avec ñ (Beñat).
- 010_fiche_admission_minimale : fiche administrative dense, labels
variés (Nom de jeune fille :, Prénom :, Ville :, Mutuelle :).
Gate pytest (tests/unit/test_synthetic_review.py) :
- vérifie l'inventaire (10 cas) et fait passer chaque cas via run_case.
- 3 cas marqués xfail(strict=True) pour révéler 9 fuites de PII et
2 patterns partiels que le moteur ne couvre pas aujourd'hui :
* 005 — RPPS avec qualificateur (RPPS prescripteur :)
* 009 — Bordeaux résiduel après [ETAB], CHCB en fin de phrase,
Biarritz sur ligne Ville :, ñ qui casse Beñat → [NOM]ñat
* 010 — Nom de jeune fille / Prénom / Ville sans label "Patient :",
NIR au format espacé partiellement consommé en TEL,
numéro de mutuelle MGEN non couvert
- xfail strict force pytest à signaler un xpass quand un fix passe :
rappel automatique de retirer l'entrée de KNOWN_FAILURES.
Le runner tools/run_synthetic_review_corpus.py reste utilisable en
direct (sortie diff/audit/summary) pour la revue humaine. Les sorties
actual/ sont gitignorées (régénérées à chaque exécution).
Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
This commit is contained in:
@@ -0,0 +1,36 @@
|
||||
# Revue 010 — fiche d'admission administrative
|
||||
|
||||
Famille documentaire : fiche d'identification administrative pure,
|
||||
quasi sans narratif. Empilement dense de PII structurées sous des
|
||||
labels explicites. Pas de contexte sémantique pour aider le NER.
|
||||
|
||||
Patterns testés :
|
||||
- structuration en blocs (IDENTITE, COORDONNEES, PERSONNE A PREVENIR,
|
||||
MEDECIN TRAITANT, INFORMATIONS COMPLEMENTAIRES) ;
|
||||
- nom marital + nom de jeune fille empilés sur deux lignes ;
|
||||
- patient et époux portant le même nom de famille (DARRIBEHAUDE) :
|
||||
vérifier la propagation globale ;
|
||||
- 4 numéros de téléphone différents (fixe patient, portable patient,
|
||||
proche, médecin traitant) ;
|
||||
- email avec local-part contenant le nom de famille
|
||||
(`sabine.darribehaude`) — fuite indirecte si l'email n'est pas masqué
|
||||
comme un bloc atomique ;
|
||||
- numéro de mutuelle MGEN (10 chiffres) à masquer ;
|
||||
- numéro de sécurité sociale au format espacé (`2 73 04 65 100 100 88`)
|
||||
qui doit être détecté par la règle NIR.
|
||||
|
||||
Points critiques :
|
||||
- aucun token PII ne doit fuiter, malgré l'absence de contexte narratif ;
|
||||
- le label structurel doit rester (`Nom :`, `Prénom :`, `Adresse :`, etc.) ;
|
||||
- le sigle `MGEN` (organisme de mutuelle, pas un nom propre) doit rester ;
|
||||
- le numéro d'adhérent MGEN `1234567890` doit être masqué (pseudo-NDA) ;
|
||||
- `Sexe : F` et `Nationalité : française` doivent rester intacts ;
|
||||
- le numéro de chambre `chambre 412` doit rester intact (pas un
|
||||
identifiant patient).
|
||||
|
||||
Écarts attendus :
|
||||
- numéro d'adhérent MGEN : pas couvert par les règles standard, peut
|
||||
être un FN si aucune règle générique sur séquence numérique 10+ ;
|
||||
- le NIR au format espacé peut être détecté ou non selon la règle ;
|
||||
- patient et époux portant le même nom : vérifier que les deux
|
||||
occurrences sont bien masquées.
|
||||
Reference in New Issue
Block a user