fix: vérification croisée CLIP+OCR + description ancre avant exécution

Quand CLIP dit "trouvé", on vérifie par OCR que le texte à cette
position correspond au target. Si CLIP clique sur "Ce PC" au lieu
de "CR_patient_demo", l'OCR le rejette → fallback sur la cascade.

Description VLM de l'ancre AVANT le CLIP quand le label est un
type d'action (double_click_anchor → "text file icon CR_patient").
Le target_text enrichi sert à la vérification croisée ET au grounding.

Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>

visual_workflow_builder/backend/api_v3/execute.py

@@ -813,10 +813,22 @@ def execute_action(action_type: str, params: dict) -> dict:
                         'height': bbox.get('height', 0)
                     }
 
-                    # Extraire le texte cible pour le grounding en dernier recours
+                    # Extraire le texte cible pour le grounding et la vérification CLIP
                     _fc_target_text = params.get('visual_anchor', {}).get('target_text', '')
                     if not _fc_target_text:
                         _fc_target_text = params.get('_step_label', '')
+                    # Si le label est juste le type d'action, essayer de décrire l'ancre
+                    _action_types = {'click_anchor', 'double_click_anchor', 'right_click_anchor',
+                                     'hover_anchor', 'focus_anchor', 'scroll_to_anchor'}
+                    if _fc_target_text in _action_types and screenshot_base64:
+                        try:
+                            from core.execution.input_handler import _describe_anchor_image
+                            _desc = _describe_anchor_image(screenshot_base64)
+                            if _desc:
+                                print(f"🏷️ [Vision] Ancre décrite: '{_desc}'")
+                                _fc_target_text = _desc
+                        except Exception as e:
+                            print(f"⚠️ [Vision] Description ancre échouée: {e}")
                     _fc_target_desc = params.get('visual_anchor', {}).get('description', '')
 
                     # Trouver l'ancre avec la vision (CLIP + position - cf VISION_RPA_INTELLIGENT.md)