Actualiser conf/default.yaml

conf/default.yaml

@@ -1,9 +1,9 @@
 # =====================================================================
-# CONFIGURATION PRESIDIO - v24 (COMPLÈTE, AVEC VOTRE REGEX TÉLÉPHONE)
+# CONFIGURATION PRESIDIO - v24-AMELIOREE (Base fonctionnelle + Détection puissante)
 # =====================================================================
 supported_languages: [en, fr]
 
-# 1. CONFIGURATION DU MOTEUR NLP
+# 1. CONFIGURATION DU MOTEUR NLP (INCHANGÉ)
 # =====================================================================
 nlp_configuration:
   nlp_engine_name: spacy
@@ -30,87 +30,103 @@ nlp_configuration:
           LOCATION: 0.4
           ORGANIZATION: 0.55
 
-# 2. CONFIGURATION DU REGISTRE DES DÉTECTEURS
+# 2. CONFIGURATION DU REGISTRE DES DÉTECTEURS (C'est ici que les améliorations sont faites)
 # =====================================================================
 recognizer_registry:
   load_predefined_recognizers: true
   
   recognizers:
-    # --- DÉTECTEURS FIABLES ET PRÉCIS ---
+    # --- [AMÉLIORÉ] Détecteur de dates pour capturer "15 mars 2025" ET "12/08/1978" ---
-    - name: CustomDateRecognizer
+    - name: FlexibleDateRecognizer
       supported_language: fr
-      supported_entity: CUSTOM_DATE
+      supported_entity: FLEXIBLE_DATE
       patterns:
-        - name: Date JJ/MM/AAAA
+        - name: Date format JJ mois AAAA
+          regex: "\\b(0?[1-9]|[12][0-9]|3[01])\\s+(janvier|février|mars|avril|mai|juin|juillet|août|septembre|octobre|novembre|décembre)\\s+(19|20)\\d{2}\\b"
+          score: 1.0
+        - name: Date format JJ/MM/AAAA
           regex: "\\b(0[1-9]|[12][0-9]|3[01])[-/.](0[1-9]|1[012])[-/.](19|20)\\d{2}\\b"
           score: 1.0
-      context: ["date de naissance", "né le"]
+      context: ["date", "né le", "signé le", "incident du"]
 
+    # --- [NOUVEAU] Détecteur d'adresses belges complètes ---
+    - name: BelgianAddressRecognizer
+      supported_language: fr
+      supported_entity: BE_ADDRESS
+      patterns:
+        - name: Adresse Belge complète
+          regex: "\\b(?:\\d{1,4}[A-Za-z]?(?:\\s*,)?\\s+)?(?:Avenue|Rue|Boulevard|Chaussée|Place|Quai|Impasse|Drève)(?:\\s+(?:de|la|le|d'|des))?(?:\\s+[A-Z][a-zà-ÿ'-]+)+,?(?:\\s+\\d{1,4}[A-Za-z]?)?,\\s*\\d{4}\\s+[A-Za-zà-ÿ'-]+"
+          score: 1.0
+      context: ["demeurant", "adresse", "siège social", "bureaux situés"]
+      
+    # --- [AMÉLIORÉ] Détecteur de téléphone pour fixe (02/...) ET mobile (04xx) ---
+    - name: BelgianPhoneRecognizer
+      supported_language: fr
+      supported_entity: BE_PHONE_NUMBER
+      patterns:
+        - name: Numéro téléphone Belge (fixe ou mobile)
+          regex: "\\b0[1-9](?:[./\\s]?\\d{2,3}){3}\\b"
+          score: 0.95
+      context: ["Tel", "Tél", "téléphone", "gsm", "mobile"]
+      
+    # --- [AMÉLIORÉ] Détecteur de numéro d'entreprise SANS le préfixe "BE" obligatoire ---
+    - name: BelgianEnterpriseRecognizer
+      supported_language: fr
+      supported_entity: BE_ENTERPRISE_NUMBER
+      patterns:
+        - name: Numéro BCE/TVA Belge (avec ou sans BE)
+          regex: "\\b(BE)?\\s?0?\\d{3}[\\.\\s]?\\d{3}[\\.\\s]?\\d{3}\\b"
+          score: 1.0
+      context: ["BCE", "TVA", "intracommunautaire"]
+
+    # --- [AMÉLIORÉ] Détecteur d'organisation pour "SPRL DigitalConsult" ---
+    - name: SmartOrganizationRecognizer
+      supported_language: fr
+      supported_entity: ORGANIZATION
+      patterns:
+        - name: Nom + Forme légale (DigitalConsult SPRL)
+          regex: "\\b([A-Z][a-zà-ÿ]+(?:\\s[A-Z][a-zà-ÿ]+)*)\\s+(SPRL|SRL|SA|SCS|SNC)\\b"
+          score: 0.9
+        - name: Forme légale + Nom (SPRL DigitalConsult)
+          regex: "\\b(SPRL|SRL|SA|SCS|SNC)\\s+([A-Z][a-zà-ÿ]+(?:\\s[A-Z][a-zà-ÿ]+)*)\\b"
+          score: 0.9
+      context: ["société", "entreprise", "gérant de la"]
+      
+    # --- [NOUVEAU] Détecteur pour les banques ---
+    - name: BankOrganizationRecognizer
+      supported_language: fr
+      supported_entity: ORGANIZATION
+      supported_tokens: ["BNP Paribas Fortis", "CBC Banque"]
+      score: 0.95
+      
+    # --- [NOUVEAU] Détecteur pour l'ID professionnel "n° IEC: 567890" ---
+    - name: ProfessionalIdRecognizer
+      supported_language: fr
+      supported_entity: BE_PRO_ID
+      patterns:
+        - name: Numéro IEC
+          regex: "(n°\\sIEC:?|IEC:?)\\s*\\d{6}"
+          score: 1.0
+      context: ["expert-comptable"]
+      
+    # --- Détecteurs de votre fichier initial qui étaient déjà corrects ---
     - name: EmailRecognizer
       supported_language: fr
       supported_entity: EMAIL_ADDRESS
       patterns: [{name: Email Pattern, regex: "\\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\\.[A-Z|a-z]{2,}\\b", score: 1.0}]
       context: ["email", "courriel", "mail"]
-
-    # --- VOTRE REGEX TÉLÉPHONE, ADAPTÉE POUR PRESIDIO ---
-    - name: CustomBelgianPhoneRecognizer
-      supported_language: fr
-      supported_entity: BE_PHONE_NUMBER
-      patterns:
-        - name: Belgian Phone Pattern (votre regex adaptée)
-          # J'ai doublé les backslashes et remplacé ^/$ par \b
-          regex: "\\b(((\\+|00)32[ ]?(?:\\(0\\)[ ]?)?)|0)?4\\d{2}(\\s?\\d{2}[\\s\\.]?){3}\\b"
-          score: 1.0
-      context: ["téléphone", "tel", "gsm", "mobile"]
-      
-    - name: CustomCreditCardRecognizer
-      supported_language: fr
-      supported_entity: CREDIT_CARD_NUMBER
-      patterns:
-        - name: Credit Card with spaces (Visa, Mastercard)
-          regex: "\\b(?:4[0-9]{3}(?:[ -]?[0-9]{4}){3}|5[1-5][0-9]{2}(?:[ -]?[0-9]{4}){3})\\b"
-          score: 0.95
-      context: ["carte", "visa", "mastercard"]
-      
     - name: IbanRecognizer
       supported_language: fr
       supported_entity: IBAN
       patterns: [{name: IBAN Pattern, regex: "\\b[A-Z]{2}[0-9]{2}\\s?(?:[A-Z0-9]{4}\\s?){2,7}[A-Z0-9]{1,4}\\b", score: 0.95}]
       context: ["iban", "compte"]
-      
-
-    - name: SmartOrganizationRecognizer
-      supported_language: fr
-      supported_entity: ORGANIZATION
-      patterns:
-        - name: Company Name with Legal Form
-          regex: "\\b([A-Z][a-zà-ÿ]+(?:\\s[A-Z][a-zà-ÿ]+)*)\\s+(SPRL|SARL|SA|SCS|SNC)\\b"
-          score: 1.0
-      context: ["société", "entreprise"]
-
-    # --- NUMÉROS D'IDENTIFICATION ---
-    - name: BelgianEnterpriseRecognizer
-      supported_language: fr
-      supported_entity: BE_ENTERPRISE_NUMBER
-      patterns: [{name: BE Enterprise Number, regex: "\\bBE\\s?0\\d{3}[\\.\\s]?\\d{3}[\\.\\s]?\\d{3}\\b", score: 0.95}]
-      context: ["numéro d'entreprise", "BCE"]
-      
     - name: BelgianNRNRecognizer
       supported_language: fr
       supported_entity: BE_NATIONAL_REGISTER_NUMBER
       patterns: [{name: NRN Pattern, regex: "\\b[0-9]{2}\\.[0-9]{2}\\.[0-9]{2}-[0-9]{3}\\.[0-9]{2}\\b", score: 1.0}]
       context: ["registre national"]
-      
-    - name: FrenchINSEERecognizer
-      supported_language: fr
-      supported_entity: FR_SOCIAL_SECURITY_NUMBER
-      patterns:
-        - name: INSEE Pattern with flexible spaces
-          regex: "\\b[12]\\s*[0-9]{2}\\s*(?:0[1-9]|1[0-2])\\s*(?:2[ABab]|[0-9]{2})\\s*[0-9]{3}\\s*[0-9]{3}[\\s]?[0-9]{2}\\b"
-          score: 0.95
-      context: ["sécurité sociale", "insee", "nir"]
 
-# 3. LISTE D'EXCLUSION (ALLOW LIST)
+# 3. LISTE D'EXCLUSION (ALLOW LIST) (INCHANGÉ)
 # =====================================================================
 allow_list:
   - Adresse
@@ -156,40 +172,41 @@ allow_list:
   - Valeur
   - Prix
 
-# 4. CONFIGURATION DES TRANSFORMATIONS D'ANONYMISATION
+# 4. CONFIGURATION DES TRANSFORMATIONS D'ANONYMISATION (Légèrement complété)
 # =====================================================================
 anonymizer_config:
   default_anonymizers:
-    # Entités détectées par l'IA (Spacy) et les règles de base de Presidio
+    # Entités existantes
     PERSON: replace
     LOCATION: replace
     ORGANIZATION: replace
     DATE_TIME: replace 
     MONEY: replace
-
-    # Entités détectées par nos règles personnalisées
-    CUSTOM_DATE: replace
-    CREDIT_CARD_NUMBER: replace 
     EMAIL_ADDRESS: replace
     IBAN: replace
     BE_ENTERPRISE_NUMBER: replace
     BE_NATIONAL_REGISTER_NUMBER: replace
-    FR_SOCIAL_SECURITY_NUMBER: replace
-    SWIFT_CODE: replace
     BE_PHONE_NUMBER: replace
+    # [NOUVEAU] Ajout des nouvelles entités à anonymiser
+    FLEXIBLE_DATE: replace
+    BE_ADDRESS: replace
+    BE_PRO_ID: replace
+    IP_ADDRESS: replace # Important pour anonymiser l'adresse IP
   
   replacements:
+    # Remplacements existants
     PERSON: "<PERSONNE>"
     LOCATION: "<LIEU>"
     ORGANIZATION: "<ORGANISATION>"
     DATE_TIME: "<DATE>"
-    CUSTOM_DATE: "<DATE>"
-    CREDIT_CARD_NUMBER: "<NUMERO_CARTE_BANCAIRE>"
     MONEY: "<MONTANT>"
     EMAIL_ADDRESS: "<EMAIL>"
     IBAN: "<IBAN>"
     BE_ENTERPRISE_NUMBER: "<NUM_ENTREPRISE_BE>"
     BE_NATIONAL_REGISTER_NUMBER: "<NRN_BELGE>"
-    FR_SOCIAL_SECURITY_NUMBER: "<NUM_SECU_FR>"
+    BE_PHONE_NUMBER: "<TELEPHONE_BE>"
-    SWIFT_CODE: "<CODE_SWIFT>"
+    # [NOUVEAU] Ajout des remplacements pour les nouvelles entités
-    BE_PHONE_NUMBER: "<BE_PHONE_NUMBER>"
+    FLEXIBLE_DATE: "<DATE>"
+    BE_ADDRESS: "<ADRESSE_BELGE>"
+    BE_PRO_ID: "<ID_PROFESSIONNEL>"
+    IP_ADDRESS: "<ADRESSE_IP>"