feat(knowledge): détection et gestion automatique des dialogues UI

UIPatternLibrary câblée dans l'executor et le stream processor.
Pendant un wait_for_anchor, Léa surveille l'écran toutes les secondes :
1. OCR plein écran (docTR)
2. Pattern matching (dialogues Save, OK, Cancel, cookies...)
3. OCR ciblé pour trouver le bouton par son texte réel
4. Clic sur le match le plus bas (bouton, pas titre)

Fix : seuil ratio supprimé (trigger trouvé = match, quelle que soit
la longueur du texte OCR). Matching strict mot exact ≥3 chars
(évite les faux positifs sur lettres isolées). Fallback recherche
partielle pour les lettres soulignées (E_nregistrer).

Plus aucune coordonnée hardcodée — 100% vision.

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

core/knowledge/ui_patterns.py

@@ -50,6 +50,7 @@ BUILTIN_PATTERNS: List[Dict[str, Any]] = [
         "triggers": [
             "voulez-vous enregistrer", "do you want to save",
             "save changes", "enregistrer les modifications",
+            "enregistrer sous", "save as",
             "sauvegarder", "unsaved changes",
         ],
         "action": "click",
@@ -328,7 +329,7 @@ class UIPatternLibrary:
                         score = trigger_score
                         matched_trigger = trigger
 
-            if score > best_score and score > 0.05:
+            if score > best_score and matched_trigger is not None:
                 best_score = score
                 best_match = {
                     "pattern": pattern.name,