backup: snapshot post-démo GHT 2026-05-19

Backup état complet après enregistrement vidéo démo de bout en bout.
À utiliser comme point de référence pour la consolidation post-démo.

Changements majeurs de la session 18-19 mai :
- AIVA-URGENCE : page autonome avec preset URL + auto-focus chain
- Workflow Demo_urgence_3_db : merge linux_db + steps AIVA + pause humaine NoMachine
- Bypass LLM (static_result / static_text) dans replay_engine
  pour démos déterministes sans appel Ollama
- Fix api_stream:3013 — replay_paused au premier polling /next
- dag_execute : lift duration_ms vers top-level pour wait runtime
- NPM bypass auth /aiva-urgence/ via location ^~ (proxy_host/10.conf hors git)
- scripts/cancel-replays.sh — workaround Stop VWB qui ne purge pas la queue

Anchors visuels (468) forcés dans le commit pour garantir restorabilité.
DB workflows actuelle + ~12 .bak DB de la journée incluses.

Sujets identifiés pour consolidation post-démo (TODO) :
1. Bug VWB recapture anchor ne régénère pas le PNG
2. Léa client accumule état mémoire (restart périodique requis)
3. Stop VWB ne purge pas la queue serveur (lien manquant vers /replay/cancel)
4. Bug coord client mss tronqué 2560x60 → mapping Y cassé
5. delay_before/delay_after ignorés au runtime (fix partiel duration_ms)

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

demo/facturation_urgences/run_extra_models.py

@@ -0,0 +1,48 @@
+#!/usr/bin/env python3
+"""Tester 3 modèles additionnels et merger dans resultats_v2.json :
+- t2a-gemma3-27b-q4:latest (fine-tune T2A maison — clé du test)
+- DeepSeek-R1:latest (reasoning, FR correct)
+- gpt-oss:120b-cloud (top tier 2026)
+"""
+
+import json
+import sys
+from pathlib import Path
+
+sys.path.insert(0, str(Path(__file__).parent))
+from run_simulation_v2 import run_one_model, stats_for_results  # noqa: E402
+
+EXTRA_MODELS = [
+    "t2a-gemma3-27b-q4:latest",
+    "DeepSeek-R1:latest",
+    "gpt-oss:120b-cloud",
+]
+
+results_path = Path(__file__).parent / "resultats_v2.json"
+all_data = json.loads(results_path.read_text(encoding="utf-8"))
+
+for model in EXTRA_MODELS:
+    print(f"\n>>> Test {model}")
+    results = run_one_model(model)
+    s = stats_for_results(results)
+    print(f"  → {s['correct']}/{s['n']} ({100*s['accuracy']:.0f}%)  "
+          f"S={s['by_type'].get('simple', (0,0))}  "
+          f"C={s['by_type'].get('complexe', (0,0))}  "
+          f"B={s['by_type'].get('borderline', (0,0))}  "
+          f"latence={s['avg_latency_s']:.1f}s  parse_err={s['parse_errors']}")
+
+    all_data[model] = [
+        {
+            "id": r["cas"]["id"],
+            "titre": r["cas"]["titre"],
+            "type": r["cas"]["type"],
+            "verite_terrain": r["cas"]["verite_terrain"],
+            "criteres_attendus": r["cas"]["criteres_cles"],
+            "prediction": r["out"],
+            "decision": r["decision"],
+            "match": r["match"],
+        }
+        for r in results
+    ]
+    results_path.write_text(json.dumps(all_data, ensure_ascii=False, indent=2), encoding="utf-8")
+    print(f"  → mergé dans {results_path.name}")