feat: pipeline T2A - anonymisation, extraction CIM-10 et intégration edsnlp

Pipeline complet de traitement de documents médicaux PDF :
- Extraction texte (pdfplumber) et classification (Trackare/CRH)
- Anonymisation multi-couche (regex + NER CamemBERT + sweep)
- Extraction médicale CIM-10 hybride : edsnlp (AP-HP) enrichit les
  diagnostics, médicaments (codes ATC via Romedi) et négation,
  avec fallback regex pour les patterns spécifiques
- Fix sentencepiece pinné à <0.2.0 pour compatibilité CamemBERT

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

tests/test_extraction.py

@@ -0,0 +1,126 @@
+"""Tests pour le module d'extraction."""
+
+import pytest
+
+from src.extraction.document_classifier import classify
+from src.extraction.crh_parser import parse_crh
+from src.extraction.trackare_parser import parse_trackare, _clean_person_name
+
+
+class TestDocumentClassifier:
+    def test_classify_trackare(self):
+        text = """CENTRE HOSPITALIER COTE BASQUE
+Dossier Patient
+Détails des patients
+Nom de naissance: CLIER IPP: 01306172
+Détails épisode
+Episode No: 23042753
+Signes Vitaux"""
+        assert classify(text) == "trackare"
+
+    def test_classify_crh(self):
+        text = """N° Finess CENTRE HOSPITALIER COTE BASQUE
+Pôle Spécialités Médicales
+Service de Gastro-Entérologie
+Mon cher confrère,
+Votre patiente a été hospitalisée"""
+        assert classify(text) == "crh"
+
+    def test_classify_trackare_by_ipp(self):
+        text = "IPP: 12345678 Episode No: 87654321"
+        assert classify(text) == "trackare"
+
+
+class TestCRHParser:
+    def test_parse_patient_info(self):
+        text = """MME NARBAIS AUDREY
+MAISON IRREXELAIA
+64430 ST ETIENNE DE BAIGORRY
+
+Mon cher confrère,
+Votre patiente NARBAIS Audrey née le 23/02/1980 a été hospitalisée
+du 25/02/2023 au 03/03/2023 pour le motif suivant:
+Pancréatite aiguë lithiasique"""
+        result = parse_crh(text)
+
+        assert result["patient"]["nom_complet"] == "NARBAIS AUDREY"
+        assert result["patient"]["sexe"] == "F"
+        assert result["patient"]["date_naissance"] == "23/02/1980"
+
+    def test_parse_sejour(self):
+        text = """Votre patiente née le 23/02/1980 a été hospitalisée
+du 25/02/2023 au 03/03/2023 pour le motif suivant:
+Pancréatite aiguë"""
+        result = parse_crh(text)
+
+        assert result["sejour"]["date_entree"] == "25/02/2023"
+        assert result["sejour"]["date_sortie"] == "03/03/2023"
+
+    def test_parse_medecins(self):
+        text = "Dr PUJOS. Dr F. AUDEMAR. Docteur DUTREY Sarah."
+        result = parse_crh(text)
+
+        assert any("PUJOS" in m for m in result["medecins"])
+        assert any("AUDEMAR" in m for m in result["medecins"])
+
+
+class TestTrackareParser:
+    def test_parse_patient_info(self):
+        text = """Nom de naissance: CLIER IPP: 01306172
+Nom et Prénom: NARBAIS AUDREY Date de naissance: 23/02/1980
+Sexe: Féminin Lieu de naissance: CHAMPIGNY SUR MARNE
+Adresse: MAISON IRREXELAIA QUARTIER AUZO TTIPI Ville de résidence: ST ETIENNE DE BAIGORRY
+Code Postal: 64430
+Episode No: 23042753
+Date d'admission: 25/02/2023 Heure d'admission: 03:07
+Date de sortie: 03/03/2023
+Taille: 162 cm - Poids: 90.2 kg - IMC: 34.370"""
+        result = parse_trackare(text)
+
+        assert result["patient"]["nom_naissance"] == "CLIER"
+        assert result["patient"]["nom_prenom"] == "NARBAIS AUDREY"
+        assert result["patient"]["ipp"] == "01306172"
+        assert result["patient"]["sexe"] == "F"
+        assert result["patient"]["date_naissance"] == "23/02/1980"
+        assert result["patient"]["imc"] == 34.370
+        assert result["sejour"]["episode"] == "23042753"
+        assert result["sejour"]["date_entree"] == "25/02/2023"
+
+    def test_parse_diagnostics(self):
+        text = """Diagnostic aux urgences
+Type Etat Code Date
+Principal actif K80.5 Calcul des canaux biliaires (sans angiocholite ni cholécystite) [CMA2] 25/02/2023 05:27"""
+        result = parse_trackare(text)
+
+        assert len(result["diagnostics"]) >= 1
+        assert result["diagnostics"][0]["code_cim10"] == "K80.5"
+        assert result["diagnostics"][0]["type"] == "Principal"
+
+    def test_parse_vitals(self):
+        text = """Poids/Taille
+Taille [cm] 162,00
+Poids [kg] 90,20
+Indice
+de masse 34.370"""
+        result = parse_trackare(text)
+
+        assert result["signes_vitaux"]["taille_cm"] == 162.0
+        assert result["signes_vitaux"]["poids_kg"] >= 90.0
+        assert result["signes_vitaux"]["imc"] == 34.370
+
+
+class TestCleanPersonName:
+    def test_clean_simple(self):
+        assert _clean_person_name("Sarah DUTREY") == "Sarah DUTREY"
+
+    def test_clean_with_noise(self):
+        assert _clean_person_name("Sarah DUTREY une complication") == "Sarah DUTREY"
+
+    def test_clean_multiline(self):
+        assert _clean_person_name("Sarah\nDUTREY") == "Sarah DUTREY"
+
+    def test_clean_medical_term(self):
+        assert _clean_person_name("Bilirubine") == ""
+
+    def test_clean_empty(self):
+        assert _clean_person_name("") == ""