feat(health): gate vision + détection des modèles aveugles

Détecte les modèles VLM/grounding « aveugles » (capabilities sans vision, ex.
UI-TARS réimporté sans mmproj) pour éviter le HTTP 500 silencieux masqué par
la cascade de grounding.

- core/detection/model_health.py : has_vision_capability() (cache, fail-open)
  + smoke_check_models()
- core/execution/input_handler.py : gate vision dans _grounding_ui_tars
  (skip propre vers niveau 3 si modèle aveugle, plus de 500 silencieux)
- tests/unit/test_model_health.py : 6 tests (vision/aveugle/fail-open/cache/smoke)

Incident 2026-06-08 : UI-TARS sans mmproj -> niveau 2 cascade en 500 silencieux,
non détecté (hors chemin runtime démo + échec avalé par fallback + zéro test).
NB : le smoke non bloquant au démarrage (api_stream.py startup) reste dans le WIP
de la branche, mélangé au préflight non committé.

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

core/detection/model_health.py

@@ -0,0 +1,97 @@
+"""Santé des modèles VLM/grounding — détection des modèles « aveugles ».
+
+Motivation (incident 2026-06-08) : un modèle de grounding réimporté sans son projecteur
+vision (`mmproj`) déclare des `capabilities` sans `vision` et renvoie HTTP 500 sur toute
+requête image. Dans la cascade `find_element_on_screen`, l'échec était avalé (`return None`)
+et masqué par le fallback VLM → panne invisible malgré les tests.
+
+Ce module permet de :
+- **gater** un appel image : vérifier que le modèle a `vision` avant de lui envoyer une image
+  (évite le 500, skip propre vers le niveau suivant) ;
+- **smoke-tester** les modèles de grounding/VLM au démarrage : rendre une panne visible
+  immédiatement plutôt que noyée dans un `warning` runtime.
+
+Volontairement sans dépendance lourde : un simple appel `/api/show` Ollama.
+"""
+from __future__ import annotations
+
+import logging
+import os
+from typing import Dict, List
+
+import requests
+
+logger = logging.getLogger(__name__)
+
+DEFAULT_ENDPOINT = os.environ.get("OLLAMA_URL", "http://localhost:11434")
+
+# Cache (endpoint::model) -> bool. Un modèle ne change pas de capacité en cours de session.
+_VISION_CACHE: Dict[str, bool] = {}
+
+
+def has_vision_capability(
+    model: str,
+    endpoint: str = DEFAULT_ENDPOINT,
+    *,
+    use_cache: bool = True,
+    timeout: float = 5.0,
+) -> bool:
+    """Retourne True si le modèle Ollama déclare la capacité ``vision``.
+
+    Interroge ``/api/show`` et lit ``capabilities``. Résultat mis en cache par
+    ``(endpoint, model)``.
+
+    **Fail-open** : en cas d'erreur réseau/HTTP sur ``/api/show`` (indisponibilité
+    transitoire), retourne ``True`` — on ne bloque pas le grounding sur un doute ;
+    l'appel image en aval gérera l'échec. Seule une réponse explicite **sans** ``vision``
+    retourne ``False`` (modèle réellement aveugle).
+    """
+    key = f"{endpoint}::{model}"
+    if use_cache and key in _VISION_CACHE:
+        return _VISION_CACHE[key]
+    try:
+        resp = requests.post(f"{endpoint}/api/show", json={"name": model}, timeout=timeout)
+        if resp.status_code != 200:
+            logger.debug("model_health: /api/show %s → HTTP %s (fail-open)", model, resp.status_code)
+            return True
+        caps = resp.json().get("capabilities", []) or []
+        has_vision = "vision" in caps
+        _VISION_CACHE[key] = has_vision
+        if not has_vision:
+            logger.warning(
+                "model_health: modèle '%s' SANS capacité 'vision' (capabilities=%s) — "
+                "modèle aveugle, les requêtes image échoueront",
+                model,
+                caps,
+            )
+        return has_vision
+    except Exception as e:  # réseau, JSON, timeout
+        logger.debug("model_health: échec vérification vision %s: %s (fail-open)", model, e)
+        return True
+
+
+def smoke_check_models(models: List[str], endpoint: str = DEFAULT_ENDPOINT) -> Dict[str, bool]:
+    """Vérifie la capacité ``vision`` d'une liste de modèles (au démarrage/healthcheck).
+
+    Non bloquant : logue ``info`` par modèle sain, ``error`` par modèle aveugle.
+    Retourne ``{model: has_vision}``.
+    """
+    results: Dict[str, bool] = {}
+    for m in models:
+        if not m:
+            continue
+        ok = has_vision_capability(m, endpoint, use_cache=False)
+        results[m] = ok
+        if ok:
+            logger.info("model_health[smoke]: %s → vision OK", m)
+        else:
+            logger.error(
+                "model_health[smoke]: %s → AVEUGLE (pas de vision) — grounding image KO sur ce modèle",
+                m,
+            )
+    return results
+
+
+def reset_cache() -> None:
+    """Vide le cache de capacités (tests, ou après réimport d'un modèle)."""
+    _VISION_CACHE.clear()

core/execution/input_handler.py

@@ -590,6 +590,16 @@ def _grounding_ui_tars(target_text: str, target_description: str = "", monitor_i
         ollama_url = os.environ.get("OLLAMA_URL", "http://localhost:11434")
         model = "0000/ui-tars-1.5-7b-q8_0:7b"
 
+        # Gate santé : ne pas envoyer d'image à un modèle « aveugle » (sans capacité vision).
+        # Évite le HTTP 500 silencieux qui masquait la panne (incident 2026-06-08, UI-TARS sans mmproj).
+        from core.detection.model_health import has_vision_capability
+        if not has_vision_capability(model, ollama_url):
+            logger.warning(
+                "[Grounding/UI-TARS] modèle '%s' sans capacité 'vision' — skip propre vers niveau 3",
+                model,
+            )
+            return None
+
         logger.info(f"[Grounding/UI-TARS] Envoi à {model}: '{prompt}'")
 
         response = requests.post(