feat(vwb): Remplacer EasyOCR par docTR (Mindee) pour l'OCR

docTR est plus performant et mieux maintenu. Crée un service OCR
partagé (singleton paresseux) utilisé par verify_text_content et
extraire_tableau, avec les mêmes signatures et fallbacks.

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>

visual_workflow_builder/backend/services/ocr_service.py

@@ -0,0 +1,96 @@
+"""Service OCR partagé basé sur docTR (Mindee).
+
+Singleton paresseux : le modèle n'est chargé qu'au premier appel.
+Import dynamique — si docTR n'est pas installé, les fonctions
+lèvent ImportError sans crasher l'application.
+"""
+
+from typing import List, Optional
+import numpy as np
+from PIL import Image
+
+# Singleton paresseux
+_predictor = None
+
+
+def _get_predictor():
+    """Charge le predictor docTR une seule fois (GPU si dispo)."""
+    global _predictor
+    if _predictor is None:
+        from doctr.io import DocumentFile
+        from doctr.models import ocr_predictor
+
+        _predictor = ocr_predictor(
+            det_arch="fast_base",
+            reco_arch="crnn_vgg16_bn",
+            pretrained=True,
+        )
+    return _predictor
+
+
+def ocr_extract_text(image: Image.Image) -> str:
+    """Extrait le texte brut d'une image PIL.
+
+    Args:
+        image: Image PIL (RGB).
+
+    Returns:
+        Texte concaténé (lignes séparées par des espaces).
+
+    Raises:
+        ImportError: si docTR n'est pas installé.
+    """
+    predictor = _get_predictor()
+    img_array = np.array(image.convert("RGB"))
+
+    result = predictor([img_array])
+
+    lines: list[str] = []
+    for page in result.pages:
+        for block in page.blocks:
+            for line in block.lines:
+                words = " ".join(w.value for w in line.words)
+                lines.append(words)
+
+    return " ".join(lines)
+
+
+def ocr_extract_words(image: Image.Image) -> List[dict]:
+    """Extrait les mots avec leurs bounding boxes et confiances.
+
+    Args:
+        image: Image PIL (RGB).
+
+    Returns:
+        Liste de dicts : {"text": str, "bbox": (x1, y1, x2, y2), "confidence": float}
+        Les coordonnées bbox sont en pixels absolus.
+
+    Raises:
+        ImportError: si docTR n'est pas installé.
+    """
+    predictor = _get_predictor()
+    img_rgb = image.convert("RGB")
+    w_img, h_img = img_rgb.size
+    img_array = np.array(img_rgb)
+
+    result = predictor([img_array])
+
+    words: List[dict] = []
+    for page in result.pages:
+        for block in page.blocks:
+            for line in block.lines:
+                for word in line.words:
+                    # docTR retourne des coordonnées normalisées (0-1)
+                    (x1_n, y1_n), (x2_n, y2_n) = word.geometry
+                    words.append({
+                        "text": word.value,
+                        "bbox": (
+                            x1_n * w_img,
+                            y1_n * h_img,
+                            x2_n * w_img,
+                            y2_n * h_img,
+                        ),
+                        "confidence": word.confidence,
+                    })
+
+    return words