fix(replay): réactivation pré-check OCR avec calibrage chirurgical

- Flag RPA_ENABLE_TEXT_PRECHECK défaut true (vs false pendant prépa démo)
- radius_px 200 → 280 (englobe textes longs type "Synthèse Urgences")
- min_token_ratio 0.60 → 0.50 (tolère onglets fragmentés par OCR)
- Commentaire historique restructuré avec procédure troubleshooting
- Docstring synchronisée avec valeur effective

Audit complet : docs/AUDIT_CONTROLES_DEBRANCHES_2026-05-08.md
Réactive contrôle #3 sur 5 identifiés (les 4 autres restent désactivés
pour aujourd'hui — décision chirurgicale 1 par 1).

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

agent_v0/server_v1/api_stream.py

@@ -4509,15 +4509,25 @@ async def resolve_target(request: ResolveTargetRequest):
         # mais pointant sur un autre élément (ex : clic sur "Dossier en cours"
         # du menu au lieu de "Synthèse Urgences" du tab plus bas).
         #
-        # 8 mai 2026 : désactivé par défaut pour la démo GHT. Calibrage du
-        # radius_px et min_token_ratio à finaliser post-démo (cf. rapport
-        # docs/E2E_TEST_RUN_2026-05-08.md). Le pré-check était trop strict
-        # sur les onglets à 2 tokens (Examens cliniques, Synthèse Urgences)
-        # → faux rejets → cascade locale Léa V1 → clic au pif. Réactivable
-        # via env RPA_ENABLE_TEXT_PRECHECK=true. Le code et les tests
-        # restent en place pour reprise post-démo.
+        # Pré-check OCR — RÉACTIVÉ le 8 mai 2026
+        # Calibrage : radius_px=280, min_token_ratio=0.50
+        # Désactivable via RPA_ENABLE_TEXT_PRECHECK=false
+        #
+        # Historique :
+        # - 6-7 mai 2026 : assouplissements progressifs des garde-fous
+        #   (SoM, mémoire visuelle, exemptions drift) pendant prépa démo GHT
+        # - 8 mai 2026 (matin) : flag défaut "false" posé sur ce pré-check
+        #   pour stabiliser (calibrage trop strict — faux rejets sur
+        #   onglets à 2 tokens : "Examens cliniques", "Synthèse Urgences")
+        # - 8 mai 2026 (après-midi) : réactivé après calibrage chirurgical
+        #   (radius_px 200→280, min_token_ratio 0.60→0.50)
+        #
+        # Si futurs faux rejets observés :
+        # - vérifier d'abord radius_px (élargir si textes longs coupés)
+        # - puis min_token_ratio (abaisser si OCR fragmente)
+        # - NE PAS désactiver sans entrée DECISIONS.md datée
         _text_precheck_enabled = os.environ.get(
-            "RPA_ENABLE_TEXT_PRECHECK", "false"
+            "RPA_ENABLE_TEXT_PRECHECK", "true"
         ).lower() in ("true", "1", "yes")
         if _text_precheck_enabled and result and result.get("resolved"):
             _by_text = (request.target_spec.get("by_text") or "").strip()

agent_v0/server_v1/resolve_engine.py

@@ -2243,10 +2243,10 @@ def _validate_text_at_position(
     expected_text: str,
     screen_width: int,
     screen_height: int,
-    radius_px: int = 200,
+    radius_px: int = 280,
 ) -> tuple:
     """Pré-check sémantique : OCR sur une zone autour de (x_pct, y_pct) et
-    vérifie que `expected_text` y est présent (substring ou fuzzy 60%).
+    vérifie que `expected_text` y est présent (substring ou fuzzy 50%).
 
     Retourne (is_valid: bool, observed_text: str, elapsed_ms: float).
 
@@ -2282,7 +2282,7 @@ def _validate_text_at_position(
         results = reader.readtext(np.array(crop))
         observed = " ".join(r[1] for r in results if r and len(r) >= 2)
         elapsed_ms = (time.time() - t0) * 1000
-        is_valid = _text_match_fuzzy(expected_text, observed, min_token_ratio=0.60)
+        is_valid = _text_match_fuzzy(expected_text, observed, min_token_ratio=0.50)
         return is_valid, observed, elapsed_ms
     except Exception as e:
         logger.warning("[REPLAY] _validate_text_at_position erreur (%s) — pas de blocage", e)