demo: Test d'anonymisation sur document réel

- Test sur 003_simple_compte_rendu_CRO_23155084.pdf
- 25 PII détectés (4 sur page principale + propagation globale)
- Types: NOM, ADRESSE, CODE_POSTAL, DATE_NAISSANCE
- Validation: AUCUNE FUITE détectée ✓
- Scripts d'analyse: analyze_anonymization_result.py, demo_complete_anonymization.py
- Résultats dans tests/ground_truth/pdfs/anonymized_test/

analyze_anonymization_result.py

@@ -0,0 +1,122 @@
+#!/usr/bin/env python3
+"""
+Analyse des résultats d'anonymisation.
+"""
+import json
+from pathlib import Path
+from collections import Counter
+from evaluation import LeakScanner
+
+def main():
+    # Fichiers générés
+    base_name = "003_simple_compte_rendu_CRO_23155084"
+    output_dir = Path("tests/ground_truth/pdfs/anonymized_test")
+    
+    audit_path = output_dir / f"{base_name}.audit.jsonl"
+    redacted_pdf = output_dir / f"{base_name}.redacted_raster.pdf"
+    text_path = output_dir / f"{base_name}.pseudonymise.txt"
+    
+    print("="*80)
+    print("ANALYSE DES RÉSULTATS D'ANONYMISATION")
+    print("="*80)
+    print(f"\n📄 Document: {base_name}.pdf")
+    print(f"   Type: Compte-rendu opératoire (CRO)")
+    
+    # Analyser l'audit
+    if audit_path.exists():
+        print(f"\n📊 ANALYSE DE L'AUDIT")
+        print(f"   Fichier: {audit_path.name}")
+        
+        pii_list = []
+        with open(audit_path, 'r', encoding='utf-8') as f:
+            for line in f:
+                if line.strip():
+                    pii_list.append(json.loads(line))
+        
+        print(f"\n   Total PII détectés: {len(pii_list)}")
+        
+        # Compter par type
+        type_counts = Counter(pii['kind'] for pii in pii_list)
+        
+        print(f"\n   Répartition par type:")
+        for pii_type, count in sorted(type_counts.items(), key=lambda x: -x[1]):
+            print(f"     {pii_type:20s} : {count:3d}")
+        
+        # Afficher les PII uniques (page 0 uniquement)
+        page0_pii = [p for p in pii_list if p.get('page') == 0]
+        
+        if page0_pii:
+            print(f"\n   PII détectés sur la page principale:")
+            for pii in page0_pii:
+                original = pii.get('original', '')[:60]
+                print(f"     • {pii['kind']:20s} : {original}")
+        
+        # Afficher les noms extraits (propagation globale)
+        extracted_names = [p for p in pii_list if p.get('kind') == 'NOM_EXTRACTED']
+        if extracted_names:
+            unique_names = set(p['original'] for p in extracted_names)
+            print(f"\n   Noms propagés globalement ({len(unique_names)} uniques):")
+            for name in sorted(unique_names):
+                count = sum(1 for p in extracted_names if p['original'] == name)
+                print(f"     • {name:20s} : {count} occurrences")
+    
+    # Afficher le texte anonymisé
+    if text_path.exists():
+        print(f"\n📝 TEXTE ANONYMISÉ")
+        print(f"   Fichier: {text_path.name}")
+        
+        with open(text_path, 'r', encoding='utf-8') as f:
+            text = f.read()
+        
+        print(f"\n   Extrait (200 premiers caractères):")
+        print("   " + "-"*76)
+        lines = text[:200].split('\n')
+        for line in lines[:5]:
+            print(f"   {line}")
+        print("   " + "-"*76)
+    
+    # Scanner les fuites
+    if redacted_pdf.exists() and audit_path.exists():
+        print(f"\n🔒 SCAN DE FUITE")
+        print(f"   PDF anonymisé: {redacted_pdf.name}")
+        
+        scanner = LeakScanner()
+        leak_report = scanner.scan(redacted_pdf, audit_path)
+        
+        if leak_report.is_safe:
+            print(f"\n   ✓ DOCUMENT SÛR")
+            print(f"     Aucune fuite détectée")
+        else:
+            print(f"\n   ✗ ATTENTION - {leak_report.leak_count} fuite(s)")
+            
+            # Par sévérité
+            print(f"\n   Fuites par sévérité:")
+            for severity, count in sorted(leak_report.severity_counts.items()):
+                print(f"     {severity:10s} : {count}")
+            
+            # Détails
+            print(f"\n   Détails des fuites:")
+            for i, leak in enumerate(leak_report.leaks[:10], 1):
+                print(f"     {i}. [{leak['severity']}] {leak['type']}")
+                print(f"        {leak['message']}")
+            
+            if leak_report.leak_count > 10:
+                print(f"     ... et {leak_report.leak_count - 10} autres")
+    
+    print("\n" + "="*80)
+    print("✨ Analyse terminée")
+    print("="*80)
+    
+    print(f"\n💡 Fichiers disponibles:")
+    print(f"   - PDF anonymisé (raster): {redacted_pdf.name}")
+    print(f"   - PDF anonymisé (vector): {base_name}.redacted_vector.pdf")
+    print(f"   - Texte anonymisé: {text_path.name}")
+    print(f"   - Audit complet: {audit_path.name}")
+    
+    print(f"\n📂 Répertoire: {output_dir}")
+    
+    print(f"\n🔍 Pour voir le PDF:")
+    print(f"   xdg-open {redacted_pdf}")
+
+if __name__ == "__main__":
+    main()