dom aad925ebea fix: suppression mode hybride 27b, prompt CPAM nuancé pour gemma3:12b ...

Benchmark 4 modèles (gemma3:12b/27b, qwen3:14b, mistral-small3.2:24b)
sur 3 dossiers CPAM : le 12b domine en vitesse (30s vs 231s) et densité
argumentaire. Seul avantage du 27b : nuance (points d'accord 3/3 vs 1/3).

Solution : prompt nuancé qui force l'analyse équilibrée (étape 1 honnête,
points d'accord obligatoires, conclusion reconnaissant les points CPAM).
Résultat 12b-v2 : 3/3 points d'accord, 26s, refs verbatim +17%.

Supprime OLLAMA_MODEL_CPAM et OLLAMA_TIMEOUT_CPAM (gemma3:12b pour tout).

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

2026-02-17 20:45:53 +01:00

data

fix: filtre DAS=DP + correction D55.9→D64.9 + enrichissement supplements CIM-10

2026-02-13 14:03:10 +01:00

src

fix: suppression mode hybride 27b, prompt CPAM nuancé pour gemma3:12b

2026-02-17 20:45:53 +01:00

tests

feat: mode hybride Ollama — gemma3:27b pour CPAM, 12b pour codage

2026-02-17 17:53:53 +01:00

.env.example

feat: configuration externalisée via .env + audit requirements

2026-02-13 19:46:33 +01:00

.gitignore

feat: configuration externalisée via .env + audit requirements

2026-02-13 19:46:33 +01:00

analyze_pdfs.py

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

2026-02-10 15:24:12 +01:00

rapport_analyse_pdfs.md

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

2026-02-10 15:24:12 +01:00

requirements.txt

feat: configuration externalisée via .env + audit requirements

2026-02-13 19:46:33 +01:00

run.sh

feat: configuration externalisée via .env + audit requirements

2026-02-13 19:46:33 +01:00

Description

No description provided

105 MiB

Languages

Python 95.8%

HTML 4.1%