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

Le pipeline utilise désormais gemma3:12b (rapide) pour le codage CIM-10
et gemma3:27b (meilleur raisonnement) pour la contre-argumentation CPAM.
Configurable via OLLAMA_MODEL_CPAM et OLLAMA_TIMEOUT_CPAM.

Inclut aussi : traçabilité source/page DAS, niveaux CMA ATIH, sévérité,
page tracker PDF, améliorations fusion et filtres DAS.

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

src/config.py

@@ -36,7 +36,9 @@ NER_CONFIDENCE_THRESHOLD = float(os.environ.get("T2A_NER_THRESHOLD", "0.80"))
 
 OLLAMA_URL = os.environ.get("OLLAMA_URL", "http://localhost:11434")
 OLLAMA_MODEL = os.environ.get("OLLAMA_MODEL", "gemma3:12b")
+OLLAMA_MODEL_CPAM = os.environ.get("OLLAMA_MODEL_CPAM", "gemma3:27b")
 OLLAMA_TIMEOUT = int(os.environ.get("OLLAMA_TIMEOUT", "120"))
+OLLAMA_TIMEOUT_CPAM = int(os.environ.get("OLLAMA_TIMEOUT_CPAM", "300"))
 OLLAMA_CACHE_PATH = BASE_DIR / "data" / "ollama_cache.json"
 OLLAMA_MAX_PARALLEL = int(os.environ.get("OLLAMA_MAX_PARALLEL", "2"))
 
@@ -55,6 +57,7 @@ UPLOAD_MAX_SIZE_MB = 50
 ALLOWED_EXTENSIONS = {".pdf", ".csv", ".xlsx", ".xls", ".txt"}
 CIM10_DICT_PATH = BASE_DIR / "data" / "cim10_dict.json"
 CIM10_SUPPLEMENTS_PATH = BASE_DIR / "data" / "cim10_supplements.json"
+CMA_LEVELS_PATH = BASE_DIR / "data" / "cma_levels.json"
 CCAM_DICT_PATH = BASE_DIR / "data" / "ccam_dict.json"
 CIM10_PDF = Path(os.environ.get("T2A_CIM10_PDF", "/home/dom/ai/aivanov_CIM/cim-10-fr_2026_a_usage_pmsi_version_provisoire_111225.pdf"))
 GUIDE_METHODO_PDF = Path(os.environ.get("T2A_GUIDE_METHODO_PDF", "/home/dom/ai/aivanov_CIM/guide_methodo_mco_2026_version_provisoire.pdf"))
@@ -101,7 +104,10 @@ class Diagnostic(BaseModel):
     est_cma: Optional[bool] = None
     est_cms: Optional[bool] = None
     niveau_severite: Optional[str] = None  # "leger" | "modere" | "severe" | "non_evalue"
+    niveau_cma: Optional[int] = None  # 1 (pas CMA) | 2 | 3 | 4 (niveau officiel ATIH)
     source: Optional[str] = None  # "trackare" | "edsnlp" | "regex" | "llm_das"
+    source_page: Optional[int] = None  # numéro de page (1-indexed) dans le PDF source
+    source_excerpt: Optional[str] = None  # extrait du texte source (~200 chars)
 
 
 class ActeCCAM(BaseModel):

src/control/cpam_response.py

@@ -4,8 +4,8 @@ from __future__ import annotations
 
 import logging
 
-from ..config import ControleCPAM, DossierMedical, RAGSource
-from ..medical.ollama_client import call_ollama
+from ..config import ControleCPAM, DossierMedical, RAGSource, OLLAMA_MODEL_CPAM, OLLAMA_TIMEOUT_CPAM
+from ..medical.ollama_client import call_anthropic, call_ollama
 
 logger = logging.getLogger(__name__)
 
@@ -244,33 +244,84 @@ CONSIGNES :
 
 AXE MÉDICAL :
 - Analyse le bien-fondé médical du codage de l'établissement
+- CITE les éléments cliniques EXACTS du dossier : valeurs bio précises (ex: CRP 180 mg/L), résultats imagerie verbatim, traitements avec molécules et posologies
 - Confronte l'argumentation CPAM aux sources CIM-10 et Guide Méthodologique fournies
 - Identifie les points où la CPAM a éventuellement raison
+- Ne mentionne que les éléments réellement présents dans le dossier fourni
 
 AXE ASYMÉTRIE D'INFORMATION :
 - La CPAM a fondé son analyse uniquement sur le CRH et les codes transmis
-- Démontre en quoi les éléments cliniques complémentaires (biologie, imagerie, traitements, actes) justifient le codage contesté
-- Pour chaque élément clinique pertinent, explique pourquoi il invalide ou nuance l'argumentation CPAM
+- Pour CHAQUE élément clinique pertinent, cite les VALEURS EXACTES et explique leur signification clinique
+- Démontre en quoi ces éléments complémentaires (biologie, imagerie, traitements, actes) justifient le codage contesté
+- Ne mentionne AUCUN élément qui n'est pas dans le dossier fourni
 
 AXE RÉGLEMENTAIRE :
 - Identifie si l'UCR fait une interprétation restrictive non fondée d'une règle
 - Confronte le raisonnement CPAM au texte EXACT des sources fournies
+- Format OBLIGATOIRE pour chaque référence : [Document - page N] suivi d'une CITATION VERBATIM du passage pertinent
+- INTERDICTION ABSOLUE de citer une référence qui ne figure pas dans les sources fournies ci-dessus
+- Si aucune source pertinente n'est disponible → écrire explicitement "Pas de source réglementaire disponible"
 - Relève les contradictions entre l'argumentation CPAM et les règles officielles
-- NE CITE AUCUNE référence qui ne figure pas dans les sources fournies
 
 Réponds UNIQUEMENT avec un objet JSON au format suivant :
 {{
   "analyse_contestation": "Résumé de ce que conteste la CPAM et sur quelle base",
   "points_accord": "Points où la CPAM a raison (ou 'Aucun')",
   "contre_arguments_medicaux": "Argumentation médicale en faveur du codage",
+  "preuves_dossier": [
+    {{"element": "biologie|imagerie|traitement|acte|clinique", "valeur": "valeur exacte du dossier", "signification": "explication clinique"}}
+  ],
   "contre_arguments_asymetrie": "Éléments cliniques que la CPAM n'avait pas et qui justifient le codage",
-  "contre_arguments_reglementaires": "Erreurs d'interprétation réglementaire de la CPAM, avec citations des sources",
-  "references": "Références EXACTES tirées des sources fournies (document, page, code)",
+  "contre_arguments_reglementaires": "Erreurs d'interprétation réglementaire de la CPAM, avec citations verbatim des sources",
+  "references": [
+    {{"document": "nom du document source", "page": "numéro de page", "citation": "citation verbatim du passage"}}
+  ],
   "conclusion": "Synthèse et position recommandée"
 }}"""
 
 
-def _format_response(parsed: dict) -> str:
+def _validate_references(parsed: dict, sources: list[dict]) -> list[str]:
+    """Vérifie que les références citées correspondent aux sources RAG fournies.
+
+    Returns:
+        Liste d'avertissements pour les références non vérifiables.
+    """
+    warnings = []
+    refs = parsed.get("references")
+    if not refs or not isinstance(refs, list):
+        return warnings
+
+    # Construire un set des documents sources disponibles
+    source_docs = set()
+    for src in sources:
+        doc_name = src.get("document", "")
+        source_docs.add(doc_name)
+        # Ajouter les noms lisibles aussi
+        readable = {
+            "cim10": "CIM-10 FR 2026",
+            "cim10_alpha": "CIM-10 Index Alphabétique 2026",
+            "guide_methodo": "Guide Méthodologique MCO 2026",
+            "ccam": "CCAM PMSI V4 2025",
+        }.get(doc_name, "")
+        if readable:
+            source_docs.add(readable)
+            source_docs.add(readable.lower())
+
+    if not source_docs:
+        return warnings
+
+    for ref in refs:
+        if not isinstance(ref, dict):
+            continue
+        doc = ref.get("document", "")
+        if doc and not any(sd in doc.lower() or doc.lower() in sd.lower() for sd in source_docs if sd):
+            warnings.append(f"Référence non vérifiable : {doc}")
+            logger.warning("CPAM : référence non vérifiable « %s »", doc)
+
+    return warnings
+
+
+def _format_response(parsed: dict, ref_warnings: list[str] | None = None) -> str:
     """Formate la réponse LLM en texte lisible."""
     sections = []
 
@@ -287,6 +338,19 @@ def _format_response(parsed: dict) -> str:
     if contre_med:
         sections.append(f"CONTRE-ARGUMENTS MÉDICAUX\n{contre_med}")
 
+    # Preuves du dossier (nouveau champ structuré)
+    preuves = parsed.get("preuves_dossier")
+    if preuves and isinstance(preuves, list):
+        preuves_lines = []
+        for p in preuves:
+            if isinstance(p, dict):
+                elem = p.get("element", "")
+                valeur = p.get("valeur", "")
+                signif = p.get("signification", "")
+                preuves_lines.append(f"- [{elem}] {valeur} → {signif}")
+        if preuves_lines:
+            sections.append(f"PREUVES DU DOSSIER\n" + "\n".join(preuves_lines))
+
     contre_asym = parsed.get("contre_arguments_asymetrie")
     if contre_asym:
         sections.append(f"ASYMÉTRIE D'INFORMATION\n{contre_asym}")
@@ -301,14 +365,33 @@ def _format_response(parsed: dict) -> str:
         if contre:
             sections.append(f"CONTRE-ARGUMENTS\n{contre}")
 
+    # Références structurées (nouveau format liste) ou ancien format string
     refs = parsed.get("references")
     if refs:
-        sections.append(f"REFERENCES\n{refs}")
+        if isinstance(refs, list):
+            ref_lines = []
+            for r in refs:
+                if isinstance(r, dict):
+                    doc = r.get("document", "")
+                    page = r.get("page", "")
+                    citation = r.get("citation", "")
+                    ref_lines.append(f"- [{doc}, p.{page}] {citation}")
+                else:
+                    ref_lines.append(f"- {r}")
+            if ref_lines:
+                sections.append(f"REFERENCES\n" + "\n".join(ref_lines))
+        else:
+            sections.append(f"REFERENCES\n{refs}")
 
     conclusion = parsed.get("conclusion")
     if conclusion:
         sections.append(f"CONCLUSION\n{conclusion}")
 
+    # Avertissements sur les références non vérifiables
+    if ref_warnings:
+        warning_text = "\n".join(f"- {w}" for w in ref_warnings)
+        sections.append(f"AVERTISSEMENT — REFERENCES NON VÉRIFIÉES\n{warning_text}")
+
     return "\n\n".join(sections)
 
 
@@ -335,8 +418,24 @@ def generate_cpam_response(
     # 2. Construction du prompt
     prompt = _build_cpam_prompt(dossier, controle, sources)
 
-    # 3. Appel Ollama
-    result = call_ollama(prompt, temperature=0.1, max_tokens=3000)
+    # 3. Appel LLM — Mode hybride : Ollama CPAM (27b) > Haiku > Ollama défaut
+    result = None
+    if OLLAMA_MODEL_CPAM:
+        logger.info("  Contre-argumentation via Ollama %s (mode hybride)", OLLAMA_MODEL_CPAM)
+        result = call_ollama(
+            prompt, temperature=0.1, max_tokens=4000,
+            model=OLLAMA_MODEL_CPAM, timeout=OLLAMA_TIMEOUT_CPAM,
+        )
+    if result is not None:
+        logger.info("  Contre-argumentation via Ollama %s", OLLAMA_MODEL_CPAM)
+    else:
+        logger.info("  Ollama CPAM indisponible → fallback Anthropic Haiku")
+        result = call_anthropic(prompt, temperature=0.1, max_tokens=4000)
+        if result is not None:
+            logger.info("  Contre-argumentation via Anthropic Haiku")
+        else:
+            logger.info("  Haiku indisponible → fallback Ollama défaut")
+            result = call_ollama(prompt, temperature=0.1, max_tokens=3000)
 
     # 4. Conversion des sources RAG
     rag_sources = [
@@ -350,11 +449,16 @@ def generate_cpam_response(
     ]
 
     if result is None:
-        logger.warning("  Ollama non disponible — contre-argumentation non générée")
+        logger.warning("  LLM non disponible — contre-argumentation non générée")
         return "", rag_sources
 
-    # 5. Formater la réponse
-    text = _format_response(result)
+    # 5. Validation des références
+    ref_warnings = _validate_references(result, sources)
+    if ref_warnings:
+        logger.warning("  CPAM : %d référence(s) non vérifiable(s)", len(ref_warnings))
+
+    # 6. Formater la réponse
+    text = _format_response(result, ref_warnings)
     logger.info("  Contre-argumentation générée (%d caractères)", len(text))
 
     return text, rag_sources

src/extraction/page_tracker.py

@@ -0,0 +1,91 @@
+"""Suivi des pages sources pour la traçabilité des diagnostics.
+
+Permet de retrouver la page d'origine et l'extrait de texte correspondant
+à un diagnostic extrait du PDF.
+"""
+
+from __future__ import annotations
+
+from typing import Optional
+
+
+class PageTracker:
+    """Associe chaque position de caractère au numéro de page source.
+
+    Args:
+        page_offsets: Liste de tuples (start, end) pour chaque page (0-indexed dans la liste).
+    """
+
+    def __init__(self, page_offsets: list[tuple[int, int]]):
+        self._offsets = page_offsets
+
+    def char_to_page(self, char_pos: int) -> int:
+        """Retourne le numéro de page (1-indexed) pour une position de caractère."""
+        for i, (start, end) in enumerate(self._offsets):
+            if start <= char_pos < end:
+                return i + 1
+        # Si au-delà de la dernière page, retourner la dernière
+        if self._offsets:
+            return len(self._offsets)
+        return 1
+
+    def find_page_for_text(self, text: str, full_text: str) -> Optional[int]:
+        """Cherche le texte dans full_text et retourne la page (1-indexed).
+
+        Effectue une recherche case-insensitive si la recherche exacte échoue.
+        """
+        if not text or not full_text:
+            return None
+
+        # Recherche exacte
+        pos = full_text.find(text)
+        if pos >= 0:
+            return self.char_to_page(pos)
+
+        # Recherche case-insensitive
+        pos = full_text.lower().find(text.lower())
+        if pos >= 0:
+            return self.char_to_page(pos)
+
+        # Recherche partielle (premiers 50 chars)
+        short = text[:50].strip()
+        if len(short) >= 10:
+            pos = full_text.lower().find(short.lower())
+            if pos >= 0:
+                return self.char_to_page(pos)
+
+        return None
+
+    def extract_excerpt(
+        self, text: str, full_text: str, context_chars: int = 100,
+    ) -> Optional[str]:
+        """Extrait le contexte autour du texte trouvé (~200 chars).
+
+        Returns:
+            Extrait avec contexte, ou None si le texte n'est pas trouvé.
+        """
+        if not text or not full_text:
+            return None
+
+        # Recherche (exacte puis case-insensitive)
+        pos = full_text.find(text)
+        if pos < 0:
+            pos = full_text.lower().find(text.lower())
+        if pos < 0:
+            short = text[:50].strip()
+            if len(short) >= 10:
+                pos = full_text.lower().find(short.lower())
+        if pos < 0:
+            return None
+
+        start = max(0, pos - context_chars)
+        end = min(len(full_text), pos + len(text) + context_chars)
+
+        excerpt = full_text[start:end].strip()
+        # Ajouter des ellipses
+        if start > 0:
+            excerpt = "..." + excerpt
+        if end < len(full_text):
+            excerpt = excerpt + "..."
+
+        return excerpt

src/extraction/pdf_extractor.py

@@ -3,9 +3,12 @@
 from __future__ import annotations
 
 from pathlib import Path
+from typing import Optional
 
 import pdfplumber
 
+from .page_tracker import PageTracker
+
 
 def extract_text(pdf_path: str | Path) -> str:
     """Extrait le texte de toutes les pages d'un PDF."""
@@ -17,6 +20,33 @@ def extract_text(pdf_path: str | Path) -> str:
     return "\n\n".join(pages_text)
 
 
+def extract_text_with_pages(pdf_path: str | Path) -> tuple[str, PageTracker]:
+    """Extrait le texte avec un tracker de pages pour la traçabilité.
+
+    Returns:
+        (texte_complet, page_tracker) où page_tracker permet de retrouver
+        la page source de chaque position de caractère.
+    """
+    pages_text: list[str] = []
+    with pdfplumber.open(pdf_path) as pdf:
+        for page in pdf.pages:
+            text = page.extract_text() or ""
+            pages_text.append(text)
+
+    # Construire le texte complet avec "\n\n" comme séparateur (identique à extract_text)
+    separator = "\n\n"
+    page_offsets: list[tuple[int, int]] = []
+    offset = 0
+    for i, page_text in enumerate(pages_text):
+        start = offset
+        end = offset + len(page_text)
+        page_offsets.append((start, end))
+        offset = end + len(separator)
+
+    full_text = separator.join(pages_text)
+    return full_text, PageTracker(page_offsets)
+
+
 def extract_pages(pdf_path: str | Path) -> list[str]:
     """Extrait le texte page par page."""
     pages: list[str] = []

src/main.py

@@ -14,7 +14,7 @@ from .config import ANONYMIZED_DIR, INPUT_DIR, OUTPUT_DIR, REPORTS_DIR, STRUCTUR
 from .extraction.document_classifier import classify
 from .extraction.crh_parser import parse_crh
 from .extraction.document_splitter import split_documents
-from .extraction.pdf_extractor import extract_text
+from .extraction.pdf_extractor import extract_text, extract_text_with_pages
 from .extraction.trackare_parser import parse_trackare
 from .medical.cim10_extractor import extract_medical_info
 from .medical.ghm import estimate_ghm
@@ -38,8 +38,8 @@ def process_pdf(pdf_path: Path) -> list[tuple[str, DossierMedical, Anonymization
     t0 = time.time()
     logger.info("Traitement de %s", pdf_path.name)
 
-    # 1. Extraction texte
-    raw_text = extract_text(pdf_path)
+    # 1. Extraction texte avec pages
+    raw_text, page_tracker = extract_text_with_pages(pdf_path)
     logger.info("  Texte extrait : %d caractères", len(raw_text))
 
     # 2. Classification
@@ -82,7 +82,10 @@ def process_pdf(pdf_path: Path) -> list[tuple[str, DossierMedical, Anonymization
             edsnlp_result = _run_edsnlp(anonymized_text)
 
         # 7. Extraction médicale CIM-10
-        dossier = extract_medical_info(parsed, anonymized_text, edsnlp_result, use_rag=_use_rag)
+        dossier = extract_medical_info(
+            parsed, anonymized_text, edsnlp_result, use_rag=_use_rag,
+            page_tracker=page_tracker, raw_text=raw_text,
+        )
         dossier.source_file = pdf_path.name
         dossier.document_type = doc_type
         logger.info("  DP%s : %s", part_label, dossier.diagnostic_principal)

src/medical/cim10_extractor.py

@@ -98,11 +98,21 @@ def extract_medical_info(
     anonymized_text: str,
     edsnlp_result: Optional[EdsnlpResult] = None,
     use_rag: bool = False,
+    page_tracker=None,
+    raw_text: str | None = None,
 ) -> DossierMedical:
-    """Extrait les informations médicales structurées depuis les données parsées et le texte."""
+    """Extrait les informations médicales structurées depuis les données parsées et le texte.
+
+    Args:
+        page_tracker: PageTracker pour la traçabilité page/extrait (optionnel).
+        raw_text: Texte brut avant anonymisation (pour recherche page source).
+    """
     dossier = DossierMedical()
     dossier.document_type = parsed_data.get("type", "")
 
+    # Texte de référence pour la recherche de pages (raw_text préféré, sinon anonymized)
+    search_text = raw_text or anonymized_text
+
     _extract_sejour(parsed_data, dossier)
     _extract_diagnostics(parsed_data, anonymized_text, dossier, edsnlp_result)
     _extract_actes(anonymized_text, dossier)
@@ -140,6 +150,10 @@ def extract_medical_info(
     # Post-processing : retirer DAS dont le code est identique au DP
     _remove_das_equal_dp(dossier)
 
+    # Post-processing : traçabilité source (page + extrait)
+    if page_tracker:
+        _apply_source_tracking(dossier, page_tracker, search_text)
+
     return dossier
 
 
@@ -331,10 +345,12 @@ def _extract_diagnostics(
         elif edsnlp_codes:
             # Utiliser la première entité CIM-10 edsnlp comme DP
             code, texte = next(iter(edsnlp_codes.items()))
-            dossier.diagnostic_principal = Diagnostic(
-                texte=texte.capitalize(), cim10_suggestion=code,
-                source="edsnlp",
-            )
+            texte_clean = texte.capitalize()
+            if is_valid_diagnostic_text(texte_clean):
+                dossier.diagnostic_principal = Diagnostic(
+                    texte=texte_clean, cim10_suggestion=code,
+                    source="edsnlp",
+                )
 
     # Diagnostics associés depuis le texte (regex)
     das = _find_diagnostics_associes(text_lower, conclusion, dossier)
@@ -881,18 +897,46 @@ def _apply_code_corrections(dossier: DossierMedical) -> None:
             diag.cim10_suggestion = corrected
 
 
+def _is_dp_family_redundant(das_code: str, dp_code: str) -> bool:
+    """True si le DAS est redondant avec le DP (même code, parent/enfant, ou même famille)."""
+    if das_code == dp_code:
+        return True
+    # Relation parent/enfant → toujours redondant
+    das_norm = das_code.replace(".", "")
+    dp_norm = dp_code.replace(".", "")
+    if das_norm.startswith(dp_norm) or dp_norm.startswith(das_norm):
+        return True
+    # Même famille 3 chars, sauf exceptions
+    dp_family = dp_code[:3]
+    if das_code[:3] == dp_family:
+        # S/T (trauma) : sites différents → garder
+        if dp_family[0] in ("S", "T"):
+            return False
+        # E10-E14 (diabète) : complications différentes → garder
+        if dp_family[0] == "E" and dp_family[1:].isdigit() and 10 <= int(dp_family[1:]) <= 14:
+            return False
+        return True
+    return False
+
+
 def _remove_das_equal_dp(dossier: DossierMedical) -> None:
-    """Retire les DAS dont le code CIM-10 est identique au DP (violation règle PMSI)."""
+    """Retire les DAS redondants avec le DP (même code, famille, ou sémantique)."""
+    from .das_filter import apply_semantic_dedup
+
     dp_code = dossier.diagnostic_principal.cim10_suggestion if dossier.diagnostic_principal else None
     if not dp_code:
         return
     before = len(dossier.diagnostics_associes)
     dossier.diagnostics_associes = [
-        d for d in dossier.diagnostics_associes if d.cim10_suggestion != dp_code
+        d for d in dossier.diagnostics_associes
+        if not d.cim10_suggestion or not _is_dp_family_redundant(d.cim10_suggestion, dp_code)
     ]
     removed = before - len(dossier.diagnostics_associes)
     if removed:
-        logger.info("  DAS=DP : %d DAS retiré(s) (code %s identique au DP)", removed, dp_code)
+        logger.info("  DAS≈DP : %d DAS retiré(s) (famille %s du DP)", removed, dp_code[:3])
+
+    # Redondances sémantiques entre DAS
+    dossier.diagnostics_associes = apply_semantic_dedup(dossier.diagnostics_associes)
 
 
 def _apply_noncumul_rules(dossier: DossierMedical) -> None:
@@ -945,3 +989,33 @@ def _is_abnormal(test: str, value: str) -> bool | None:
         lo, hi = BIO_NORMALS[test]
         return val > hi or val < lo
     return None
+
+
+def _apply_source_tracking(dossier: DossierMedical, page_tracker, search_text: str) -> None:
+    """Ajoute la traçabilité source (page + extrait) à chaque diagnostic.
+
+    Cherche le texte du diagnostic dans le texte source pour retrouver
+    la page d'origine et extraire un passage contextualisé.
+    """
+    all_diags: list[Diagnostic] = []
+    if dossier.diagnostic_principal:
+        all_diags.append(dossier.diagnostic_principal)
+    all_diags.extend(dossier.diagnostics_associes)
+
+    tracked = 0
+    for diag in all_diags:
+        if diag.source_page is not None:
+            continue  # déjà renseigné
+
+        texte = diag.texte
+        if not texte:
+            continue
+
+        page = page_tracker.find_page_for_text(texte, search_text)
+        if page:
+            diag.source_page = page
+            diag.source_excerpt = page_tracker.extract_excerpt(texte, search_text)
+            tracked += 1
+
+    if tracked:
+        logger.info("  Traçabilité source : %d/%d diagnostics localisés", tracked, len(all_diags))

src/medical/das_filter.py

@@ -100,6 +100,44 @@ def is_valid_diagnostic_text(text: str) -> bool:
     return True
 
 
+# Paires de redondance sémantique CIM-10 en PMSI
+# Format: (dominated_prefix, dominant_prefixes)
+# Si un code commençant par dominated_prefix ET un code commençant par un dominant_prefix
+# sont tous deux en DAS, le dominated est supprimé.
+SEMANTIC_REDUNDANCIES: list[tuple[str, list[str]]] = [
+    # I10 (HTA essentielle) redondant si I11/I12/I13 présent (cardio/néphropathie hypertensive)
+    ("I10", ["I11", "I12", "I13"]),
+    # N30 (cystite) redondant si N39.0 présent (infection urinaire)
+    ("N30", ["N39"]),
+    # J18 (pneumonie SAI) redondant si J15/J16 présent (pneumonie spécifique)
+    ("J18", ["J15", "J16"]),
+]
+
+
+def apply_semantic_dedup(das_list: list) -> list:
+    """Retire les DAS rendus redondants par la présence d'un code plus spécifique.
+
+    Utilise SEMANTIC_REDUNDANCIES pour déterminer les paires dominé/dominant.
+    Accepte une liste de Diagnostic (avec attribut cim10_suggestion).
+    """
+    codes_present = {d.cim10_suggestion for d in das_list if d.cim10_suggestion}
+    to_remove: set[str] = set()
+
+    for dominated_prefix, dominant_prefixes in SEMANTIC_REDUNDANCIES:
+        dominated_codes = [c for c in codes_present if c.startswith(dominated_prefix)]
+        if not dominated_codes:
+            continue
+        has_dominant = any(
+            c.startswith(dp) for c in codes_present for dp in dominant_prefixes
+        )
+        if has_dominant:
+            to_remove.update(dominated_codes)
+
+    if not to_remove:
+        return das_list
+    return [d for d in das_list if d.cim10_suggestion not in to_remove]
+
+
 def correct_known_miscodes(code: str, texte: str) -> str | None:
     """Corrige les codes CIM-10 systématiquement mal attribués par le LLM.
 

src/medical/fusion.py

@@ -17,6 +17,8 @@ from ..config import (
     Sejour,
     Traitement,
 )
+from ..medical.das_filter import is_valid_diagnostic_text, apply_semantic_dedup
+from ..medical.cim10_extractor import _is_dp_family_redundant
 
 logger = logging.getLogger(__name__)
 
@@ -163,6 +165,14 @@ def merge_dossiers(dossiers: list[DossierMedical]) -> DossierMedical:
     if len(dossiers) == 1:
         result = dossiers[0].model_copy(deep=True)
         result.source_files = [result.source_file]
+        # Appliquer la dédup famille DP + sémantique même pour un seul dossier
+        dp_code = result.diagnostic_principal.cim10_suggestion if result.diagnostic_principal else None
+        if dp_code:
+            result.diagnostics_associes = [
+                d for d in result.diagnostics_associes
+                if not d.cim10_suggestion or not _is_dp_family_redundant(d.cim10_suggestion, dp_code)
+            ]
+        result.diagnostics_associes = apply_semantic_dedup(result.diagnostics_associes)
         return result
 
     merged = DossierMedical()
@@ -181,23 +191,29 @@ def merge_dossiers(dossiers: list[DossierMedical]) -> DossierMedical:
     for d in dossiers:
         all_das.extend(d.diagnostics_associes)
         # Si le DP de ce dossier est différent du DP fusionné, l'ajouter comme DAS
+        # mais seulement si le texte est un diagnostic valide (filtre artefacts OCR)
         if (
             d.diagnostic_principal
             and merged.diagnostic_principal
             and d.diagnostic_principal.cim10_suggestion
             != merged.diagnostic_principal.cim10_suggestion
+            and is_valid_diagnostic_text(d.diagnostic_principal.texte)
         ):
             all_das.append(d.diagnostic_principal)
 
     merged.diagnostics_associes = _dedup_diagnostics(all_das)
 
-    # Retirer les DAS dont le code est identique au DP (violation règle PMSI)
+    # Retirer les DAS redondants avec le DP (même code, famille, parent/enfant)
     dp_code = merged.diagnostic_principal.cim10_suggestion if merged.diagnostic_principal else None
     if dp_code:
         merged.diagnostics_associes = [
-            d for d in merged.diagnostics_associes if d.cim10_suggestion != dp_code
+            d for d in merged.diagnostics_associes
+            if not d.cim10_suggestion or not _is_dp_family_redundant(d.cim10_suggestion, dp_code)
         ]
 
+    # Redondances sémantiques entre DAS
+    merged.diagnostics_associes = apply_semantic_dedup(merged.diagnostics_associes)
+
     # Actes CCAM
     all_actes: list[ActeCCAM] = []
     for d in dossiers:

src/medical/ghm.py

@@ -141,19 +141,29 @@ def _detect_type_ghm(actes_ccam: list) -> str:
 def _compute_severity(das_list: list) -> tuple[int, int, int]:
     """Calcule le niveau de sévérité à partir des DAS.
 
+    Utilise le max des niveau_cma officiels ATIH quand disponibles,
+    avec fallback sur le comptage CMA/CMS.
+
     Returns:
         (niveau, cma_count, cms_count)
     """
     cma_count = 0
     cms_count = 0
+    max_cma_level = 1
 
     for das in das_list:
+        niveau_cma = getattr(das, "niveau_cma", None)
+        if niveau_cma and niveau_cma > 1:
+            max_cma_level = max(max_cma_level, niveau_cma)
         if getattr(das, "est_cma", False):
             cma_count += 1
         if getattr(das, "est_cms", False):
             cms_count += 1
 
-    if cms_count >= 2:
+    # Priorité au niveau CMA officiel ATIH
+    if max_cma_level > 1:
+        niveau = max_cma_level
+    elif cms_count >= 2:
         niveau = 4
     elif cms_count >= 1 or cma_count >= 3:
         niveau = 3

src/medical/ollama_client.py

@@ -34,12 +34,12 @@ def _get_anthropic_client():
         return None
 
 
-def _call_anthropic(
+def call_anthropic(
     prompt: str,
     temperature: float = 0.1,
     max_tokens: int = 2500,
 ) -> dict | None:
-    """Appelle l'API Anthropic en fallback."""
+    """Appelle l'API Anthropic (Haiku)."""
     client = _get_anthropic_client()
     if client is None:
         return None
@@ -82,6 +82,8 @@ def call_ollama(
     prompt: str,
     temperature: float = 0.1,
     max_tokens: int = 2500,
+    model: str | None = None,
+    timeout: int | None = None,
 ) -> dict | None:
     """Appelle Ollama en mode JSON natif, avec fallback Anthropic si indisponible.
 
@@ -89,16 +91,20 @@ def call_ollama(
         prompt: Le prompt à envoyer.
         temperature: Température de génération (défaut: 0.1).
         max_tokens: Nombre max de tokens (défaut: 2500).
+        model: Modèle Ollama à utiliser (défaut: OLLAMA_MODEL global).
+        timeout: Timeout en secondes (défaut: OLLAMA_TIMEOUT global).
 
     Returns:
         Le dict JSON parsé, ou None en cas d'erreur.
     """
+    use_model = model or OLLAMA_MODEL
+    use_timeout = timeout or OLLAMA_TIMEOUT
     for attempt in range(2):
         try:
             response = requests.post(
                 f"{OLLAMA_URL}/api/generate",
                 json={
-                    "model": OLLAMA_MODEL,
+                    "model": use_model,
                     "prompt": prompt,
                     "stream": False,
                     "format": "json",
@@ -107,7 +113,7 @@ def call_ollama(
                         "num_predict": max_tokens,
                     },
                 },
-                timeout=OLLAMA_TIMEOUT,
+                timeout=use_timeout,
             )
             response.raise_for_status()
             raw = response.json().get("response", "")
@@ -115,13 +121,14 @@ def call_ollama(
             if result is not None:
                 return result
             if attempt == 0:
-                logger.info("Ollama : retry après échec de parsing")
+                logger.info("Ollama (%s) : retry après échec de parsing", use_model)
         except requests.ConnectionError:
             logger.info("Ollama indisponible → fallback Anthropic (%s)", _ANTHROPIC_MODEL)
-            return _call_anthropic(prompt, temperature, max_tokens)
+            return call_anthropic(prompt, temperature, max_tokens)
         except requests.Timeout:
-            logger.warning("Ollama timeout après %ds → fallback Anthropic", OLLAMA_TIMEOUT)
-            return _call_anthropic(prompt, temperature, max_tokens)
+            logger.warning("Ollama (%s) timeout après %ds → fallback Anthropic",
+                           use_model, use_timeout)
+            return call_anthropic(prompt, temperature, max_tokens)
         except (requests.RequestException, json.JSONDecodeError) as e:
             logger.warning("Ollama erreur : %s", e)
             return None

src/medical/severity.py

@@ -6,12 +6,16 @@ Phase 2 (future) : tables CMA/CMS officielles ATIH.
 
 from __future__ import annotations
 
+import json
+import logging
 import re
 from dataclasses import dataclass, field
 from typing import Optional
 
 from .cim10_dict import load_dict, normalize_text
 
+logger = logging.getLogger(__name__)
+
 
 # --- Marqueurs de sévérité dans le texte ---
 
@@ -73,11 +77,34 @@ _HEURISTIC_CMA_ROOTS: set[str] = {
 }
 
 
+_cma_levels: dict[str, int] | None = None
+
+
+def _load_cma_levels() -> dict[str, int]:
+    """Charge les niveaux CMA officiels depuis data/cma_levels.json (lazy-loaded)."""
+    global _cma_levels
+    if _cma_levels is not None:
+        return _cma_levels
+    from ..config import CMA_LEVELS_PATH
+    try:
+        data = json.loads(CMA_LEVELS_PATH.read_text(encoding="utf-8"))
+        _cma_levels = {k: int(v) for k, v in data.items()}
+        logger.debug("CMA levels chargés : %d codes", len(_cma_levels))
+    except FileNotFoundError:
+        logger.warning("Fichier CMA levels non trouvé : %s", CMA_LEVELS_PATH)
+        _cma_levels = {}
+    except Exception:
+        logger.warning("Erreur chargement CMA levels", exc_info=True)
+        _cma_levels = {}
+    return _cma_levels
+
+
 @dataclass
 class SeverityInfo:
     """Résultat de l'évaluation de sévérité d'un diagnostic."""
     est_cma_probable: bool = False
     niveau_severite: str = "non_evalue"  # "leger" | "modere" | "severe" | "non_evalue"
+    niveau_cma: int = 1  # 1 (pas CMA), 2, 3 ou 4 (officiel ATIH)
     marqueurs_trouves: list[str] = field(default_factory=list)
 
 
@@ -119,11 +146,14 @@ def _is_heuristic_cma(code: str) -> bool:
 def evaluate_severity(diagnostic) -> SeverityInfo:
     """Évalue la sévérité d'un diagnostic (texte + code CIM-10).
 
+    Utilise en priorité les niveaux CMA officiels ATIH (2/3/4),
+    avec fallback sur l'heuristique par racines CIM-10.
+
     Args:
         diagnostic: Objet avec attributs texte, cim10_suggestion.
 
     Returns:
-        SeverityInfo avec est_cma_probable, niveau_severite, marqueurs_trouves.
+        SeverityInfo avec est_cma_probable, niveau_cma, niveau_severite, marqueurs_trouves.
     """
     info = SeverityInfo()
 
@@ -147,13 +177,17 @@ def evaluate_severity(diagnostic) -> SeverityInfo:
     info.niveau_severite = niveau
     info.marqueurs_trouves = marqueurs
 
-    # 3. Heuristique CMA basée sur la racine CIM-10
-    if code and _is_heuristic_cma(code):
-        info.est_cma_probable = True
-
-    # Un diagnostic sévère avec un code CMA-probable = forte indication
-    if niveau == "severe" and info.est_cma_probable:
-        info.est_cma_probable = True
+    # 3. Lookup officiel CMA ATIH (prioritaire)
+    if code:
+        cma_levels = _load_cma_levels()
+        official_level = cma_levels.get(code)
+        if official_level:
+            info.niveau_cma = official_level
+            info.est_cma_probable = True
+        elif _is_heuristic_cma(code):
+            # Fallback heuristique → niveau 2
+            info.niveau_cma = 2
+            info.est_cma_probable = True
 
     return info
 
@@ -176,6 +210,7 @@ def enrich_dossier_severity(dp, das_list: list) -> tuple[list[str], int, int]:
     if dp and dp.cim10_suggestion:
         info = evaluate_severity(dp)
         dp.niveau_severite = info.niveau_severite
+        dp.niveau_cma = info.niveau_cma
         if info.est_cma_probable:
             dp.est_cma = True
 
@@ -187,15 +222,16 @@ def enrich_dossier_severity(dp, das_list: list) -> tuple[list[str], int, int]:
             continue
         info = evaluate_severity(das)
         das.niveau_severite = info.niveau_severite
+        das.niveau_cma = info.niveau_cma
         if info.est_cma_probable:
             das.est_cma = True
             cma_count += 1
-            # CMS = CMA sévère
-            if info.niveau_severite == "severe":
+            # CMS = CMA niveau 4 ou CMA sévère
+            if info.niveau_cma >= 4 or info.niveau_severite == "severe":
                 das.est_cms = True
                 cms_count += 1
             alertes.append(
-                f"CMA probable : '{das.texte}' ({das.cim10_suggestion}) — "
+                f"CMA niveau {info.niveau_cma} : '{das.texte}' ({das.cim10_suggestion}) — "
                 f"sévérité {info.niveau_severite}"
                 + (f", marqueurs : {', '.join(info.marqueurs_trouves)}" if info.marqueurs_trouves else "")
             )

src/viewer/app.py

@@ -305,6 +305,13 @@ _SEVERITY_STYLES = {
     "leger": ("Léger", "#065f46", "#d1fae5"),
 }
 
+_CMA_LEVEL_STYLES = {
+    1: ("1", "#6b7280", "#f3f4f6"),   # gris — pas CMA
+    2: ("2", "#065f46", "#d1fae5"),   # vert
+    3: ("3", "#92400e", "#fef3c7"),   # jaune/orange
+    4: ("4", "#dc2626", "#fee2e2"),   # rouge
+}
+
 
 def format_duration(seconds: float | None) -> str:
     """Formate une durée en secondes vers un format lisible (ex: 2min 30s)."""
@@ -330,13 +337,24 @@ def severity_badge(value: str | None) -> Markup:
     )
 
 
+def cma_level_badge(value: int | None) -> Markup:
+    """Badge CMA niveau 1-4 avec couleurs graduées."""
+    if value is None or value < 1:
+        return Markup("")
+    level = min(value, 4)
+    label, fg, bg = _CMA_LEVEL_STYLES.get(level, _CMA_LEVEL_STYLES[1])
+    title = {1: "Pas CMA", 2: "CMA niveau 2", 3: "CMA niveau 3", 4: "CMA niveau 4"}.get(level, "")
+    return Markup(
+        f'<span title="{title}" style="display:inline-block;padding:2px 8px;border-radius:9999px;'
+        f'font-size:0.75rem;font-weight:600;color:{fg};background:{bg}">'
+        f'CMA {label}</span>'
+    )
+
+
 def format_dossier_name(name: str) -> str:
-    """Transforme un nom de dossier en nom lisible (ex: 15_23096332 → Dossier 23096332)."""
+    """Retourne le nom complet du dossier (ex: 1_23096332)."""
     if name == "racine":
         return "Non classés"
-    m = re.match(r"^\d+_(\d+)$", name)
-    if m:
-        return f"Dossier {m.group(1)}"
     return name
 
 
@@ -364,6 +382,7 @@ def create_app() -> Flask:
     app.jinja_env.filters["confidence_badge"] = confidence_badge
     app.jinja_env.filters["confidence_label"] = confidence_label
     app.jinja_env.filters["severity_badge"] = severity_badge
+    app.jinja_env.filters["cma_level_badge"] = cma_level_badge
     app.jinja_env.filters["format_duration"] = format_duration
     app.jinja_env.filters["format_dossier_name"] = format_dossier_name
     app.jinja_env.filters["format_doc_name"] = format_doc_name
@@ -445,13 +464,16 @@ def create_app() -> Flask:
             return jsonify({"error": f"PDF source '{source_file}' introuvable"}), 404
 
         try:
-            anonymized_text, new_dossier, report = process_pdf(pdf_path)
+            pdf_results = process_pdf(pdf_path)
             stem = pdf_path.stem.replace(" ", "_")
             subdir = None
             if pdf_path.parent != input_dir:
                 subdir = pdf_path.parent.name
-            write_outputs(stem, anonymized_text, new_dossier, report, subdir=subdir)
-            return jsonify({"ok": True, "message": "Traitement terminé"})
+            multi = len(pdf_results) > 1
+            for part_idx, (anonymized_text, new_dossier, report) in enumerate(pdf_results):
+                part_stem = f"{stem}_part{part_idx + 1}" if multi else stem
+                write_outputs(part_stem, anonymized_text, new_dossier, report, subdir=subdir)
+            return jsonify({"ok": True, "message": f"Traitement terminé ({len(pdf_results)} dossier(s))"})
         except Exception as e:
             logger.exception("Erreur lors du retraitement")
             return jsonify({"error": str(e)}), 500

src/viewer/templates/base.html

@@ -18,8 +18,8 @@
   .sidebar {
     width: 280px;
     min-width: 280px;
-    background: #0f172a;
-    color: #cbd5e1;
+    background: #1e293b;
+    color: #e2e8f0;
     display: flex;
     flex-direction: column;
     position: fixed;
@@ -30,16 +30,16 @@
   }
   .sidebar-header {
     padding: 1.25rem 1rem;
-    border-bottom: 1px solid #1e293b;
+    border-bottom: 1px solid #334155;
   }
   .sidebar-header h1 {
     font-size: 1.1rem;
-    color: #e2e8f0;
+    color: #f1f5f9;
     font-weight: 700;
   }
   .sidebar-header p {
     font-size: 0.75rem;
-    color: #64748b;
+    color: #94a3b8;
     margin-top: 0.25rem;
   }
   .sidebar-nav {
@@ -52,15 +52,16 @@
     font-size: 0.65rem;
     text-transform: uppercase;
     letter-spacing: 0.08em;
-    color: #475569;
+    color: #94a3b8;
     font-weight: 700;
   }
   .sidebar-nav a {
     display: block;
     padding: 0.4rem 1rem;
-    color: #94a3b8;
+    color: #cbd5e1;
     text-decoration: none;
     font-size: 0.8rem;
+    font-weight: 600;
     border-left: 3px solid transparent;
     transition: all 0.15s;
     white-space: nowrap;
@@ -68,45 +69,45 @@
     text-overflow: ellipsis;
   }
   .sidebar-nav a:hover {
-    color: #e2e8f0;
-    background: #1e293b;
+    color: #f8fafc;
+    background: #334155;
     border-left-color: #3b82f6;
   }
   .sidebar-nav a.sidebar-fusionne {
     color: #60a5fa;
-    font-weight: 600;
+    font-weight: 700;
   }
 
   /* Search */
   .sidebar-search {
     padding: 0.75rem 1rem 0.5rem;
-    border-bottom: 1px solid #1e293b;
+    border-bottom: 1px solid #334155;
   }
   .sidebar-search input {
     width: 100%;
     padding: 0.45rem 0.6rem;
     border-radius: 6px;
-    border: 1px solid #334155;
-    background: #1e293b;
+    border: 1px solid #475569;
+    background: #0f172a;
     color: #e2e8f0;
     font-size: 0.8rem;
     outline: none;
     transition: border-color 0.15s;
   }
-  .sidebar-search input::placeholder { color: #475569; }
+  .sidebar-search input::placeholder { color: #64748b; }
   .sidebar-search input:focus { border-color: #3b82f6; }
 
   /* Admin section */
   .sidebar-admin {
     padding: 1rem;
-    border-top: 1px solid #1e293b;
+    border-top: 1px solid #334155;
     font-size: 0.8rem;
   }
   .sidebar-admin label {
     display: block;
     margin-bottom: 0.35rem;
     font-weight: 600;
-    color: #94a3b8;
+    color: #cbd5e1;
     font-size: 0.7rem;
     text-transform: uppercase;
     letter-spacing: 0.05em;
@@ -115,8 +116,8 @@
     width: 100%;
     padding: 0.4rem;
     border-radius: 6px;
-    border: 1px solid #334155;
-    background: #1e293b;
+    border: 1px solid #475569;
+    background: #0f172a;
     color: #e2e8f0;
     font-size: 0.8rem;
     margin-bottom: 0.5rem;
@@ -145,7 +146,6 @@
     margin-left: 280px;
     flex: 1;
     padding: 2rem;
-    max-width: 1100px;
   }
 
   /* Utilities */
@@ -249,17 +249,17 @@
   <nav class="sidebar-nav" id="sidebar-nav">
     {% block sidebar %}{% endblock %}
   </nav>
-  <div class="sidebar-admin" style="border-top:1px solid #1e293b;padding:0.5rem 1rem;">
-    <a href="/dashboard" style="display:block;color:#94a3b8;text-decoration:none;font-size:0.8rem;padding:0.35rem 0;transition:color 0.15s;"
-       onmouseover="this.style.color='#e2e8f0'" onmouseout="this.style.color='#94a3b8'">
+  <div class="sidebar-admin" style="border-top:1px solid #334155;padding:0.5rem 1rem;">
+    <a href="/dashboard" style="display:block;color:#cbd5e1;text-decoration:none;font-size:0.8rem;font-weight:600;padding:0.35rem 0;transition:color 0.15s;"
+       onmouseover="this.style.color='#f8fafc'" onmouseout="this.style.color='#cbd5e1'">
       Dashboard
     </a>
-    <a href="/cpam" style="display:block;color:#94a3b8;text-decoration:none;font-size:0.8rem;padding:0.35rem 0;transition:color 0.15s;"
-       onmouseover="this.style.color='#e2e8f0'" onmouseout="this.style.color='#94a3b8'">
+    <a href="/cpam" style="display:block;color:#cbd5e1;text-decoration:none;font-size:0.8rem;font-weight:600;padding:0.35rem 0;transition:color 0.15s;"
+       onmouseover="this.style.color='#f8fafc'" onmouseout="this.style.color='#cbd5e1'">
       Contrôles CPAM
     </a>
-    <a href="/admin/referentiels" style="display:block;color:#94a3b8;text-decoration:none;font-size:0.8rem;padding:0.35rem 0;transition:color 0.15s;"
-       onmouseover="this.style.color='#e2e8f0'" onmouseout="this.style.color='#94a3b8'">
+    <a href="/admin/referentiels" style="display:block;color:#cbd5e1;text-decoration:none;font-size:0.8rem;font-weight:600;padding:0.35rem 0;transition:color 0.15s;"
+       onmouseover="this.style.color='#f8fafc'" onmouseout="this.style.color='#cbd5e1'">
       Référentiels RAG
     </a>
   </div>

src/viewer/templates/detail.html

@@ -7,7 +7,7 @@
 {% if siblings %}
 <div class="group-title" style="margin-top:1rem;">{{ current_group }}</div>
 {% for sib in siblings %}
-  <a href="/dossier/{{ sib.path_rel }}" {% if sib.path_rel == filepath %}style="color:#e2e8f0;border-left-color:#3b82f6;background:#1e293b;"{% endif %}>
+  <a href="/dossier/{{ sib.path_rel }}" {% if sib.path_rel == filepath %}style="color:#f8fafc;border-left-color:#3b82f6;background:#334155;"{% endif %}>
     {{ sib.name }}
   </a>
 {% endfor %}
@@ -213,7 +213,11 @@
   {% if dp.cim10_suggestion %}
     <span class="badge" style="background:#dbeafe;color:#1d4ed8;font-size:0.85rem;">{{ dp.cim10_suggestion }}</span>
     {{ dp.cim10_confidence | confidence_badge }}
-    {% if dp.est_cma %}<span class="badge" style="background:#fee2e2;color:#dc2626;font-size:0.75rem;">CMA</span>{% endif %}
+    {% if dp.niveau_cma and dp.niveau_cma > 1 %}
+      {{ dp.niveau_cma | cma_level_badge }}
+    {% elif dp.est_cma %}
+      <span class="badge" style="background:#fee2e2;color:#dc2626;font-size:0.75rem;">CMA</span>
+    {% endif %}
     {{ dp.niveau_severite | severity_badge }}
   {% endif %}
   {% if dp.justification %}
@@ -242,22 +246,40 @@
 <div class="card section">
   <h3>Diagnostics associés ({{ dossier.diagnostics_associes|length }})</h3>
   <table>
-    <thead><tr><th>Texte</th><th>CIM-10</th><th>Confiance</th><th>Sévérité</th><th>Justification</th></tr></thead>
+    <thead><tr><th>Texte</th><th>CIM-10</th><th>Confiance</th><th>CMA</th><th>Source</th><th>Justification</th></tr></thead>
     <tbody>
     {% for das in dossier.diagnostics_associes %}
       <tr>
-        <td>
-          {{ das.texte }}
-          {% if das.est_cma %}<span class="badge" style="background:#fee2e2;color:#dc2626;font-size:0.7rem;margin-left:0.3rem;">CMA</span>{% endif %}
-        </td>
+        <td>{{ das.texte }}</td>
         <td>{% if das.cim10_suggestion %}<span class="badge" style="background:#dbeafe;color:#1d4ed8;">{{ das.cim10_suggestion }}</span>{% endif %}</td>
         <td>{{ das.cim10_confidence | confidence_badge }}</td>
-        <td>{{ das.niveau_severite | severity_badge }}</td>
+        <td>
+          {% if das.niveau_cma and das.niveau_cma > 1 %}
+            {{ das.niveau_cma | cma_level_badge }}
+          {% elif das.est_cma %}
+            <span class="badge" style="background:#fee2e2;color:#dc2626;font-size:0.7rem;">CMA</span>
+          {% else %}
+            —
+          {% endif %}
+        </td>
+        <td>
+          {% if das.source %}
+            <span class="badge" style="background:#e0e7ff;color:#3730a3;font-size:0.7rem;">{{ das.source }}</span>
+          {% endif %}
+          {% if das.source_page %}
+            <span style="font-size:0.7rem;color:#64748b;">p.{{ das.source_page }}</span>
+          {% endif %}
+          {% if das.source_excerpt %}
+            <details style="margin-top:0.2rem;"><summary style="font-size:0.7rem;color:#94a3b8;cursor:pointer;">extrait</summary>
+              <pre style="font-size:0.7rem;white-space:pre-wrap;max-width:300px;color:#475569;">{{ das.source_excerpt }}</pre>
+            </details>
+          {% endif %}
+        </td>
         <td style="font-size:0.8rem;color:#475569;">{{ das.justification or '' }}</td>
       </tr>
       {% if das.raisonnement %}
       <tr>
-        <td colspan="5" style="padding:0 0.75rem 0.5rem;">
+        <td colspan="6" style="padding:0 0.75rem 0.5rem;">
           <details>
             <summary>Raisonnement LLM</summary>
             <pre>{{ das.raisonnement }}</pre>
@@ -267,7 +289,7 @@
       {% endif %}
       {% if das.sources_rag %}
       <tr>
-        <td colspan="5" style="padding:0 0.75rem 0.5rem;">
+        <td colspan="6" style="padding:0 0.75rem 0.5rem;">
           <details>
             <summary>Sources RAG ({{ das.sources_rag|length }})</summary>
             {% for src in das.sources_rag %}