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>

src/config.py

@@ -36,9 +36,7 @@ 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"))
 

src/control/cpam_response.py

@@ -4,7 +4,7 @@ from __future__ import annotations
 
 import logging
 
-from ..config import ControleCPAM, DossierMedical, RAGSource, OLLAMA_MODEL_CPAM, OLLAMA_TIMEOUT_CPAM
+from ..config import ControleCPAM, DossierMedical, RAGSource
 from ..medical.ollama_client import call_anthropic, call_ollama
 
 logger = logging.getLogger(__name__)
@@ -221,7 +221,11 @@ def _build_cpam_prompt(
         sources_text += (src.get("extrait", "")[:800]) + "\n\n"
 
     return f"""Tu es un médecin DIM (Département d'Information Médicale) expert en contentieux T2A.
-Tu dois contre-argumenter la décision de la CPAM (UCR) en mobilisant trois axes : médical, asymétrie d'information, et réglementaire.
+Tu dois produire une analyse ÉQUILIBRÉE ET CRÉDIBLE de la contestation CPAM, puis contre-argumenter en mobilisant trois axes : médical, asymétrie d'information, et réglementaire.
+
+IMPORTANT — CRÉDIBILITÉ DE L'ANALYSE :
+Une contre-argumentation crédible reconnaît TOUJOURS au moins un point valide dans le raisonnement adverse.
+Répondre "Aucun point d'accord" décrédibilise l'ensemble de l'argumentation. Tu DOIS identifier au moins un élément où la CPAM a un point légitime (même partiel), puis expliquer pourquoi cela ne suffit pas à invalider le codage.
 
 DOSSIER MÉDICAL DE L'ÉTABLISSEMENT :
 {dossier_str}
@@ -242,11 +246,15 @@ SOURCES RÉGLEMENTAIRES (Guide méthodologique, CIM-10) :
 
 CONSIGNES :
 
+ÉTAPE 1 — ANALYSE HONNÊTE (avant de contre-argumenter) :
+- Identifie ce que la CPAM a compris correctement dans le dossier
+- Reconnais les points où leur raisonnement est fondé, même partiellement
+- Explique ENSUITE pourquoi ces points ne justifient pas leur conclusion
+
 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 :
@@ -266,8 +274,8 @@ AXE RÉGLEMENTAIRE :
 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')",
+  "points_accord": "Points CONCRETS où la CPAM a raison ou partiellement raison (JAMAIS 'Aucun' — il y a toujours au moins un point légitime à reconnaître)",
-  "contre_arguments_medicaux": "Argumentation médicale en faveur du codage",
+  "contre_arguments_medicaux": "Argumentation médicale en faveur du codage, en expliquant pourquoi les points d'accord ne suffisent pas à invalider le codage",
   "preuves_dossier": [
     {{"element": "biologie|imagerie|traitement|acte|clinique", "valeur": "valeur exacte du dossier", "signification": "explication clinique"}}
   ],
@@ -276,7 +284,7 @@ Réponds UNIQUEMENT avec un objet JSON au format suivant :
   "references": [
     {{"document": "nom du document source", "page": "numéro de page", "citation": "citation verbatim du passage"}}
   ],
-  "conclusion": "Synthèse et position recommandée"
+  "conclusion": "Synthèse : points reconnus à la CPAM, mais pourquoi le codage initial est néanmoins justifié"
 }}"""
 
 
@@ -418,24 +426,15 @@ def generate_cpam_response(
     # 2. Construction du prompt
     prompt = _build_cpam_prompt(dossier, controle, sources)
 
-    # 3. Appel LLM — Mode hybride : Ollama CPAM (27b) > Haiku > Ollama défaut
+    # 3. Appel LLM — Ollama (modèle par défaut) > Haiku fallback
-    result = None
+    result = call_ollama(prompt, temperature=0.1, max_tokens=4000)
-    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)
+        logger.info("  Contre-argumentation via Ollama")
     else:
-        logger.info("  Ollama CPAM indisponible → fallback Anthropic Haiku")
+        logger.info("  Ollama 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 = [