fix(core): renforcer detection PII et FINESS Corse

Couvre les corrections PII batch A/A-2, le NIR multi-ligne en flux reel, le gazetteer FINESS Corse derive depuis la base locale, et les tests de regression associes. Aucun build ni diffusion.

tests/unit/test_p0_layout_detectors.py

@@ -91,6 +91,20 @@ class TestAdresseContextuelle:
         assert PLACEHOLDERS["ADRESSE"] in out, f"non masqué: {adresse!r} -> {out!r}"
         assert reste_visible not in out, f"fuite résiduelle: {adresse!r} -> {out!r}"
 
+    @pytest.mark.parametrize("adresse", [
+        "15 à 35 rue Claude Boucher Bordeaux Cedex",
+        "15 a 35 rue Claude Boucher Bordeaux Cedex",
+        "15-35 rue Claude Boucher Bordeaux Cedex",
+    ])
+    def test_adresse_plage_numero_etablissement(self, adresse):
+        """Cas Dom 2026-06-16 : les adresses d'établissement FINESS avec plage
+        de numéros doivent être masquées sans laisser le préfixe de plage."""
+        out, _ = _mask_line(adresse)
+        assert out.strip() == PLACEHOLDERS["ADRESSE"], f"masquage partiel: {adresse!r} -> {out!r}"
+        assert "Claude" not in out
+        assert "Boucher" not in out
+        assert "15" not in out
+
     @pytest.mark.parametrize("ligne_clinique", [
         "3 mg/L de CRP",
         "TA 12/8 mmHg",
@@ -150,6 +164,7 @@ class TestContexteDate:
 
     def test_date_naissance_variantes_contexte(self):
         for line in ("Date de naissance : 01/02/1944",
+                     "Date naissance : 19/09/1972",
                      "DDN 1/2/1944",
                      "Née le 2 mars 1944"):
             out, _ = _mask_line(line)
@@ -162,6 +177,13 @@ class TestContexteDate:
         assert PLACEHOLDERS["DATE_NAISSANCE"] not in out
         assert "14/03/2025" in out
 
+    def test_date_ancienne_sans_contexte_naissance_preservee(self):
+        """L'année ancienne seule ne suffit pas : une date clinique historique
+        hors contexte naissance doit rester visible."""
+        out, _ = _mask_line("Intervention réalisée le 19/09/1972")
+        assert PLACEHOLDERS["DATE_NAISSANCE"] not in out
+        assert "19/09/1972" in out
+
     def test_date_tableau_clinique_preservee(self):
         out, _ = _mask_line("08:00 | 120/80 | 37.1 | 12/03/2024")
         assert PLACEHOLDERS["DATE_NAISSANCE"] not in out

tests/unit/test_pii_fort_a2.py

@@ -0,0 +1,220 @@
+#!/usr/bin/env python3
+"""Corrections PII FORT — batch A-2 (rectificatif Qwen 2026-06-17 11:15).
+
+Nouvelles lacunes : X-L1 ADELI, X-L2 rescan ADHERENT/OGC/FAX/ADELI, #9 FAX,
+#11/#12 NIR label/no-key/multiline, X-L3 RIB/BIC, X-L5 DDN variantes.
+
+Valeurs FICTIVES. Cas positif + anti-FP pour chaque, dont #12 NIR multiline
+dans le flux documentaire réel.
+"""
+from __future__ import annotations
+
+import pytest
+
+from anonymizer_core_refactored_onnx import (
+    PLACEHOLDERS,
+    RE_BARE_9DIGITS,
+    RE_BIC,
+    anonymise_document_regex,
+    _FINESS_NUMBERS,
+    _mask_admin_label,
+    _mask_line_by_regex,
+    load_dictionaries,
+    selective_rescan,
+)
+
+CFG = load_dictionaries(None)
+
+
+def _mask(line: str):
+    audit: list = []
+    out = _mask_line_by_regex(line, audit, 0, CFG)
+    return out, audit
+
+
+# --- X-L1 ADELI ---------------------------------------------------------------
+
+def test_adeli_alphanum():
+    out, _ = _mask("ADELI : 9ABCDE12")
+    assert PLACEHOLDERS["ADELI"] in out
+    assert "9ABCDE12" not in out
+
+
+def test_adeli_num_label():
+    out, _ = _mask("N° ADELI : 123456")
+    assert PLACEHOLDERS["ADELI"] in out
+
+
+def test_adeli_anti_fp_no_value():
+    line = "Le référentiel ADELI est ancien"
+    out, _ = _mask(line)
+    assert PLACEHOLDERS["ADELI"] not in out
+
+
+# --- #9 FAX -------------------------------------------------------------------
+
+def test_fax_label_masks_as_fax():
+    out, _ = _mask("Fax : 05 56 00 00 00")
+    assert PLACEHOLDERS["FAX"] in out
+    assert "05 56 00 00 00" not in out
+
+
+def test_telecopie_label_masks_as_fax():
+    out, _ = _mask("Télécopie : 05 56 00 00 00")
+    assert PLACEHOLDERS["FAX"] in out
+
+
+def test_phone_without_fax_label_stays_tel():
+    out, _ = _mask("Tél : 05 56 00 00 00")
+    assert PLACEHOLDERS["TEL"] in out
+    assert PLACEHOLDERS["FAX"] not in out
+
+
+def test_fax_anti_fp_initial_no_number():
+    # "F." initiale sans numéro ne doit pas produire [FAX]
+    out, _ = _mask("Compte rendu rédigé")
+    assert PLACEHOLDERS["FAX"] not in out
+
+
+# --- #11 NIR 13 chiffres avec label ------------------------------------------
+
+def test_nir_no_key_with_label():
+    out, _ = _mask("NIR : 2840556123456")
+    assert PLACEHOLDERS["NIR"] in out
+    assert "2840556123456" not in out
+
+
+def test_nir_no_key_label_secu():
+    out, _ = _mask("N° sécurité sociale : 2840556123456")
+    assert PLACEHOLDERS["NIR"] in out
+
+
+def test_nir_anti_fp_bare_13_digits():
+    line = "Référence dossier 2840556123456 archivée"
+    out, _ = _mask(line)
+    assert "2840556123456" in out  # pas de label NIR → pas de masque
+
+
+# --- X-L3 RIB / BIC → [IBAN] -------------------------------------------------
+
+def test_bic_label():
+    out, _ = _mask("BIC : BNPAFRPP")
+    assert PLACEHOLDERS["IBAN"] in out
+
+
+def test_swift_label():
+    out, _ = _mask("SWIFT : BNPAFRPPXXX")
+    assert PLACEHOLDERS["IBAN"] in out
+
+
+def test_rib_label():
+    out, _ = _mask("RIB : 12345 67890 12345678901 12")
+    assert PLACEHOLDERS["IBAN"] in out
+
+
+def test_bic_anti_fp_no_label():
+    # code type BIC sans label « BIC/SWIFT » ne doit pas matcher (anti-FP acronymes).
+    # Vérifié au niveau regex pour isoler de tout autre masquage du pipeline.
+    assert RE_BIC.search("Le service BNPAFRPP n'existe pas") is None
+
+
+# --- X-L5 DDN variantes (Né en / Né(e) : / Née la) ---------------------------
+
+def test_ddn_ne_en_annee():
+    out, _ = _mask("Né en 1972")
+    assert PLACEHOLDERS["DATE_NAISSANCE"] in out
+    assert "1972" not in out
+
+
+def test_ddn_nee_colon_sans_le():
+    out, _ = _mask("Né(e) : 19/09/1972")
+    assert PLACEHOLDERS["DATE_NAISSANCE"] in out
+
+
+def test_ddn_nee_la():
+    out, _ = _mask("Née la 19/09/1972")
+    assert PLACEHOLDERS["DATE_NAISSANCE"] in out
+
+
+def test_ddn_anti_fp_ne_a_lieu():
+    # "Né à Bordeaux" : pas de date → pas de masque DDN
+    out, _ = _mask("Né à Bordeaux")
+    assert PLACEHOLDERS["DATE_NAISSANCE"] not in out
+
+
+def test_ddn_anti_fp_vu_en_annee():
+    # "vu en 2020" : pas de contexte naissance → année non masquée DDN
+    out, _ = _mask("Patient vu en 2020")
+    assert PLACEHOLDERS["DATE_NAISSANCE"] not in out
+
+
+# --- X-L2 rescan : ADHERENT / OGC / FAX / ADELI propagés ---------------------
+
+def test_rescan_masks_adherent():
+    out = selective_rescan("Mutuelle : 123456", CFG)
+    assert "123456" not in out
+
+
+def test_rescan_masks_adeli():
+    out = selective_rescan("ADELI : 9ABCDE12", CFG)
+    assert "9ABCDE12" not in out
+
+
+def test_rescan_masks_fax():
+    out = selective_rescan("Fax : 05 56 00 00 00", CFG)
+    assert "05 56 00 00 00" not in out
+
+
+# --- #12 NIR multiline en flux réel ------------------------------------------
+
+def test_nir_multiline_real_document_flow():
+    # Le pipeline masque ligne par ligne ; le cas multi-ligne doit donc passer
+    # par la phase globale, pas seulement par _mask_line_by_regex.
+    anon = anonymise_document_regex(["NIR :\n2840556123456"], [[]], CFG)
+    assert "2840556123456" not in anon.text_out
+    assert PLACEHOLDERS["NIR"] in anon.text_out
+
+
+def test_nir_multiline_anti_fp_without_label():
+    anon = anonymise_document_regex(["Référence locale :\n2840556123456"], [[]], CFG)
+    assert "2840556123456" in anon.text_out
+    assert PLACEHOLDERS["NIR"] not in anon.text_out
+
+
+# --- X-L4 FINESS Corse : base source OK, gazetteer dérivé nécessaire ----------
+
+def test_finess_bare_regex_accepts_corse_identifier():
+    assert RE_BARE_9DIGITS.search("2A0000030") is not None
+    assert RE_BARE_9DIGITS.search("2B0006415") is not None
+
+
+def test_finess_bare_corse_masks_only_when_known(monkeypatch):
+    monkeypatch.setattr("anonymizer_core_refactored_onnx._FINESS_NUMBERS", {"2A0000030"})
+    audit: list = []
+    out = _mask_admin_label("Code établissement 2A0000030", audit, 0, CFG)
+    assert PLACEHOLDERS["FINESS"] in out
+    assert "2A0000030" not in out
+    assert audit and audit[0].kind == "FINESS"
+
+
+def test_finess_bare_corse_anti_fp_when_unknown(monkeypatch):
+    monkeypatch.setattr("anonymizer_core_refactored_onnx._FINESS_NUMBERS", set())
+    audit: list = []
+    out = _mask_admin_label("Référence locale 2A9999999", audit, 0, CFG)
+    assert "2A9999999" in out
+    assert PLACEHOLDERS["FINESS"] not in out
+    assert not audit
+
+
+def test_finess_corse_source_csv_is_loaded_in_gazetteer():
+    # Ces identifiants existent dans data/finess/finess_etablissements.csv.
+    assert "2A0000030" in _FINESS_NUMBERS
+    assert "2B0006415" in _FINESS_NUMBERS
+
+
+def test_finess_builder_accepts_corse_identifiers():
+    from scripts.build_finess_gazetteers import RE_FINESS_IDENTIFIER
+
+    assert RE_FINESS_IDENTIFIER.match("2A0000030")
+    assert RE_FINESS_IDENTIFIER.match("2B0006415")
+    assert RE_FINESS_IDENTIFIER.match("330056123")

tests/unit/test_pii_fort_corrections.py

@@ -0,0 +1,196 @@
+#!/usr/bin/env python3
+"""Corrections PII FORT (audit Qwon 2026-06-17, 13 lacunes FORT validées Dom).
+
+Batch A — extensions additives de regex déjà câblées dans le pipeline
+``_mask_line_by_regex`` (+ ``RE_FINESS``). Fichier de test DÉDIÉ pour ne pas
+entrer en collision avec la WIP hotfix sur les tests P0.
+
+Toutes les valeurs sont FICTIVES. Chaque correction a un cas positif ET un
+contrôle anti-faux-positif (ne pas sur-masquer du texte clinique générique).
+
+#9 (FAX) et #11/#12 (NIR avec label / multiline) nécessitent un nouveau
+placeholder / hook de masquage : marqués xfail (RED documenté) en attendant
+le batch A-2.
+"""
+from __future__ import annotations
+
+from anonymizer_core_refactored_onnx import (
+    PLACEHOLDERS,
+    RE_FINESS,
+    _mask_line_by_regex,
+    load_dictionaries,
+)
+
+CFG = load_dictionaries(None)
+
+
+def _mask(line: str):
+    audit: list = []
+    out = _mask_line_by_regex(line, audit, 0, CFG)
+    return out, audit
+
+
+# --- #1 NOMS : Mlle / Mademoiselle dans le contexte personne -----------------
+
+def test_mlle_masks_following_name():
+    out, _ = _mask("Mlle DUPONT convoquée")
+    assert "DUPONT" not in out
+
+
+def test_mademoiselle_masks_following_name():
+    out, _ = _mask("Mademoiselle Lefevre présente")
+    assert "Lefevre" not in out
+
+
+def test_mlle_anti_fp_generic_sentence():
+    line = "La consultation est programmée demain"
+    out, _ = _mask(line)
+    assert out == line  # aucun titre → aucun masque
+
+
+# --- #2 NOMS : "Fait par" comme contexte personne ----------------------------
+
+def test_fait_par_masks_name():
+    out, _ = _mask("Fait par MARTIN")
+    assert "MARTIN" not in out
+
+
+def test_fait_par_colon_masks_name():
+    out, _ = _mask("Fait par : DURAND")
+    assert "DURAND" not in out
+
+
+# --- #3 DDN : mois abrégés ----------------------------------------------------
+
+def test_ddn_abbreviated_month_sept():
+    out, _ = _mask("Né le 19 sept. 1972")
+    assert PLACEHOLDERS["DATE_NAISSANCE"] in out
+    assert "1972" not in out
+
+
+def test_ddn_abbreviated_month_janv():
+    out, _ = _mask("Née le 3 janv. 1980")
+    assert PLACEHOLDERS["DATE_NAISSANCE"] in out
+
+
+def test_ddn_full_month_still_works():
+    out, _ = _mask("Né le 19 septembre 1972")
+    assert PLACEHOLDERS["DATE_NAISSANCE"] in out
+
+
+# --- #4 DDN : labels enrichis (Naissance / DN / Nées le) ---------------------
+
+def test_ddn_label_naissance_standalone():
+    out, _ = _mask("Naissance : 19/09/1972")
+    assert PLACEHOLDERS["DATE_NAISSANCE"] in out
+
+
+def test_ddn_label_dn():
+    out, _ = _mask("DN : 19/09/1972")
+    assert PLACEHOLDERS["DATE_NAISSANCE"] in out
+
+
+def test_ddn_label_nees_le():
+    out, _ = _mask("Nées le 19/09/1972")
+    assert PLACEHOLDERS["DATE_NAISSANCE"] in out
+
+
+def test_ddn_label_date_de_naissance_still_works():
+    out, _ = _mask("Date de naissance : 19/09/1972")
+    assert PLACEHOLDERS["DATE_NAISSANCE"] in out
+
+
+def test_ddn_anti_fp_clinical_date_preserved():
+    # date clinique hors contexte naissance : NE DOIT PAS être masquée DDN
+    out, _ = _mask("Intervention réalisée le 19/09/1972")
+    assert PLACEHOLDERS["DATE_NAISSANCE"] not in out
+    assert "19/09/1972" in out
+
+
+def test_ddn_anti_fp_lieu_de_naissance_textuel():
+    # "Lieu de naissance : Bordeaux" — pas une date → pas de masque DATE_NAISSANCE
+    out, _ = _mask("Lieu de naissance : Bordeaux")
+    assert PLACEHOLDERS["DATE_NAISSANCE"] not in out
+
+
+# --- #5 FINESS Corse 2A/2B ----------------------------------------------------
+
+def test_finess_corse_2a():
+    assert RE_FINESS.search("FINESS : 2A0000001") is not None
+
+
+def test_finess_corse_2b():
+    assert RE_FINESS.search("N° FINESS 2B0123456") is not None
+
+
+def test_finess_standard_still_matches():
+    assert RE_FINESS.search("FINESS : 330056123") is not None
+
+
+def test_finess_anti_fp_unlabelled_number():
+    # 9 chiffres sans label FINESS ne doivent pas matcher
+    assert RE_FINESS.search("Total facture 123456789 euros") is None
+
+
+# --- #7 ADRESSES : types de voie supplémentaires -----------------------------
+
+def test_adresse_villa():
+    out, _ = _mask("15 villa des Nympheas")
+    assert PLACEHOLDERS["ADRESSE"] in out
+
+
+def test_adresse_faubourg():
+    out, _ = _mask("12 faubourg Saint-Honore")
+    assert PLACEHOLDERS["ADRESSE"] in out
+
+
+def test_adresse_existing_rue_still_works():
+    out, _ = _mask("35 rue Claude Boucher")
+    assert PLACEHOLDERS["ADRESSE"] in out
+
+
+# --- #10 + #13 MUTUELLE / AMC / CSS → [ADHERENT] -----------------------------
+
+def test_adherent_mutuelle_number():
+    out, _ = _mask("Mutuelle : 123456")
+    assert "123456" not in out
+
+
+def test_adherent_amc_number():
+    out, _ = _mask("AMC : 1234567")
+    assert "1234567" not in out
+
+
+def test_adherent_existing_label_still_works():
+    out, _ = _mask("N° adhérent : 123456789")
+    assert "123456789" not in out
+
+
+def test_adherent_anti_fp_short_mutuelle_name():
+    # "MGEN" (4 chars) n'est pas un numéro → ne doit pas être capté comme [ADHERENT]
+    out, _ = _mask("Mutuelle : MGEN")
+    assert "MGEN" in out
+
+
+# --- #11/#12 NIR : 13 chiffres avec label + multiline (batch A-2, RED) --------
+
+def test_nir_13_digits_with_label():
+    # implémenté en batch A-2 (RE_NIR_NO_KEY, label-ancré)
+    out, _ = _mask("NIR : 2840556123456")
+    assert "2840556123456" not in out
+
+
+def test_nir_anti_fp_bare_13_digits_not_masked():
+    # 13 chiffres SANS label NIR ne doivent jamais être masqués (anti-FP fort)
+    line = "Référence dossier 2840556123456"
+    out, _ = _mask(line)
+    assert "2840556123456" in out
+
+
+# --- #9 FAX : placeholder [FAX] (batch A-2, RED) -----------------------------
+
+def test_fax_label_masked():
+    # implémenté en batch A-2 (RE_FAX + placeholder [FAX], appliqué avant RE_TEL)
+    out, _ = _mask("Fax : 05 56 00 00 00")
+    assert PLACEHOLDERS["FAX"] in out
+    assert "05 56 00 00 00" not in out

tests/unit/test_real_world_identifier_layouts.py

@@ -109,6 +109,31 @@ def test_ogc_pdf_redaction_does_not_mask_numeric_substrings(tmp_path):
     assert "142 : La facturation" in text
 
 
+def test_pdf_redaction_directly_masks_finess_address_range(tmp_path):
+    """Cas Dom 2026-06-16 : une adresse d'établissement visible dans le PDF
+    doit être caviardée même si l'audit n'a pas fourni le hit exact."""
+    if fitz is None:
+        return
+
+    source = tmp_path / "finess_address_range.pdf"
+    output = tmp_path / "finess_address_range.redacted.pdf"
+    doc = fitz.open()
+    page = doc.new_page()
+    page.insert_text((72, 72), "15 à 35 rue Claude Boucher Bordeaux Cedex")
+    page.insert_text((72, 108), "Motif d'hospitalisation : contrôle clinique.")
+    doc.save(source)
+    doc.close()
+
+    redact_pdf_vector(source, [], output)
+
+    redacted = fitz.open(output)
+    text = redacted[0].get_text()
+    redacted.close()
+    assert "Claude Boucher" not in text
+    assert "15 à 35" not in text
+    assert "Motif d'hospitalisation" in text
+
+
 def test_crop_epi_header_name_is_masked():
     cfg = load_dictionaries(None)
     text = (