Files

Domi31tls 93338b6b72 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>

2026-04-27 20:46:22 +02:00

1.8 KiB

Raw Blame History

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.

1.8 KiB Raw Blame History

Revue 010 — fiche d'admission administrative

1.8 KiB

Raw Blame History