analysis: Analyse réelle de la qualité - Identification des faux positifs médicaux

tools/compare_original_vs_anonymized.py

@@ -0,0 +1,39 @@
+#!/usr/bin/env python3
+"""Compare un document original avec sa version anonymisée."""
+
+import sys
+from pathlib import Path
+sys.path.insert(0, str(Path(__file__).parent.parent))
+
+import pdfplumber
+
+# Document original
+original_pdf = Path("/home/dom/Téléchargements/II-1 Ctrl_T2A_2025_CHCB_DocJustificatifs/102_23056463/CRH 23056364.pdf")
+anonymized_txt = Path("/home/dom/Téléchargements/II-1 Ctrl_T2A_2025_CHCB_DocJustificatifs/anonymise/CRH 23056364.pseudonymise.txt")
+
+print("="*80)
+print("COMPARAISON ORIGINAL vs ANONYMISÉ")
+print("="*80)
+
+# Extraire texte original
+print("\n📄 Extraction du texte original...")
+with pdfplumber.open(original_pdf) as pdf:
+    original_text = "\n".join([page.extract_text() or "" for page in pdf.pages])
+
+# Lire texte anonymisé
+with open(anonymized_txt, 'r', encoding='utf-8') as f:
+    anonymized_text = f.read()
+
+print(f"\n📊 Longueur texte original: {len(original_text)} caractères")
+print(f"📊 Longueur texte anonymisé: {len(anonymized_text)} caractères")
+
+# Afficher les 100 premières lignes de chaque
+print("\n" + "="*80)
+print("TEXTE ORIGINAL (100 premières lignes):")
+print("="*80)
+print("\n".join(original_text.split('\n')[:100]))
+
+print("\n" + "="*80)
+print("TEXTE ANONYMISÉ (100 premières lignes):")
+print("="*80)
+print("\n".join(anonymized_text.split('\n')[:100]))