Create default.yaml

default.yaml

@@ -0,0 +1,118 @@
+# =====================================================================
+# CONFIGURATION PRESIDIO POUR DOCUMENTS FRANÇAIS/BELGES
+# =====================================================================
+
+# Configuration du moteur de langage (NLP)
+nlp_engine_name: spacy
+supported_languages: [en, fr]
+models:
+  - lang_code: en
+    model_name: en_core_web_lg
+  - lang_code: fr
+    model_name: fr_core_news_sm
+
+# Configuration du comportement du moteur NLP
+ner_model_configuration:
+  labels_to_ignore:
+    - MISC
+    - ORG  # Éviter les faux positifs sur les noms d'organisations
+  
+  # Seuils de confiance par entité
+  confidence_threshold:
+    default: 0.35
+    EMAIL_ADDRESS: 0.5
+    PHONE_NUMBER: 0.6
+    PERSON: 0.7
+
+# Configuration des détecteurs (Recognizers)
+recognizer_registry:
+  # Charger d'abord les détecteurs par défaut
+  - default
+  # Puis ajouter nos détecteurs personnalisés
+  - presidio_config.custom_recognizers.custom_recognizers
+
+# Liste des mots à ignorer (faux positifs courants)
+allow_list:
+  # Termes contractuels génériques
+  - Contrat
+  - contrat
+  - Contrats
+  - Document
+  - document
+  - Société
+  - Investisseur
+  - Montant
+  - Prêt
+  - Intérêt
+  - Intérêts
+  - Partie
+  - Parties
+  - Annexe
+  - Remboursement
+  - Conversion
+  - Financement
+  - Sortie
+  - "Juste Valeur Marchande"
+  - Échéance
+  - Clause
+  - Clauses
+  - Principe
+  - Coûts
+  - Notifications
+  - Article
+  - Paragraphe
+  - Directeur
+  - Gérant
+  - Président
+  # Termes financiers courants
+  - Euro
+  - EUR
+  - Euros
+  - Pourcentage
+  - Taux
+  - Valeur
+  - Prix
+  - Montant
+  # Termes juridiques
+  - Loi
+  - Code
+  - Règlement
+  - Décret
+  - Arrêté
+  # Mois et dates génériques
+  - Janvier
+  - Février
+  - Mars
+  - Avril
+  - Mai
+  - Juin
+  - Juillet
+  - Août
+  - Septembre
+  - Octobre
+  - Novembre
+  - Décembre
+
+# Configuration des transformations d'anonymisation
+anonymizer_config:
+  # Remplacements par défaut
+  default_anonymizers:
+    PERSON: replace
+    EMAIL_ADDRESS: replace
+    PHONE_NUMBER: replace
+    BE_NATIONAL_REGISTER_NUMBER: replace
+    BE_ENTERPRISE_NUMBER: replace
+    FR_SOCIAL_SECURITY_NUMBER: replace
+    IBAN: replace
+    BE_BANK_ACCOUNT: replace
+  
+  # Valeurs de remplacement personnalisées
+  replacements:
+    PERSON: "<PERSONNE>"
+    EMAIL_ADDRESS: "<EMAIL>"
+    PHONE_NUMBER: "<TELEPHONE>"
+    BE_NATIONAL_REGISTER_NUMBER: "<NRN_BELGE>"
+    BE_ENTERPRISE_NUMBER: "<NUM_ENTREPRISE_BE>"
+    FR_SOCIAL_SECURITY_NUMBER: "<NUM_SECU_FR>"
+    IBAN: "<IBAN>"
+    BE_BANK_ACCOUNT: "<COMPTE_BANCAIRE_BE>"