Update default.yaml

conf/default.yaml

@@ -1,61 +1,181 @@
-# Configuration NLP unifiée
-nlp_configuration:
-  nlp_engine_name: spacy
-  models:
-    - lang_code: en
-      model_name: en_core_web_lg
-    - lang_code: fr
-      model_name: fr_core_news_sm
+# =====================================================================
+# CONFIGURATION PRESIDIO POUR DOCUMENTS FRANÇAIS/BELGES
+# =====================================================================
 
-  ner_model_configuration:
-    model_to_presidio_entity_mapping:
-      PER: PERSON
-      PERSON: PERSON
-      ORG: ORGANIZATION
-      ORGANIZATION: ORGANIZATION
-      LOC: LOCATION
-      LOCATION: LOCATION
-      GPE: LOCATION
-      MISC: ORGANIZATION
+# 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
 
-    confidence_threshold:
-      default: 0.35
-      EMAIL_ADDRESS: 0.4
-      PHONE_NUMBER: 0.5
-      PERSON: 0.6
+# Configuration du comportement du moteur NLP
+ner_model_configuration:
+  labels_to_ignore:
+    - MISC
   
-    labels_to_ignore:
-      - MISC
-      - CARDINAL
-      - EVENT
-      - LANGUAGE
-      - LAW
-      - MONEY
-      - ORDINAL
-      - PERCENT
-      - PRODUCT
-      - QUANTITY
-      - WORK_OF_ART
+  confidence_threshold:
+    default: 0.6
+    EMAIL_ADDRESS: 0.8
+    PHONE_NUMBER: 0.8
+    PERSON: 0.85
+    LOCATION: 0.75
+    MONEY: 0.85
 
-# Configuration des langues supportées
-supported_languages:
-  - en
-  - fr
-
-# Configuration du registre
+# Configuration des détecteurs (Recognizers)
+# Ici, nous pointons directement vers le module Python que nous venons de créer.
+# Presidio chargera tous les recognizers définis dans ce module.
 recognizer_registry:
-  - default
+  - default # Charger les détecteurs par défaut de Presidio
+  - custom_recognizers # Référence au dossier/module Python 'custom_recognizers'
 
-# Liste d'exclusion pour éviter les faux positifs
+# Liste des mots à ignorer (faux positifs courants)
 allow_list:
-  - Contrat
-  - Document
-  - Société
-  - Montant
-  - Partie
-  - Annexe
-  - Euro
-  - EUR
-  - Taux
-  - Valeur
-  - Prix
+  # Termes contractuels/juridiques/financiers génériques souvent mal labellisés
+  - text: Contrat
+    type: LOCATION
+  - text: contrat
+    type: LOCATION
+  - text: Contrats
+    type: LOCATION
+  - text: Document
+    type: LOCATION
+  - text: document
+    type: LOCATION
+  - text: Société
+    type: PERSON
+  - text: Investisseur
+    type: PERSON
+  - text: Montant
+    type: LOCATION
+  - text: Prêt
+    type: LOCATION
+  - text: Intérêt
+    type: LOCATION
+  - text: Intérêts
+    type: LOCATION
+  - text: Partie
+    type: LOCATION
+  - text: Parties
+    type: PERSON
+  - text: Annexe
+    type: LOCATION
+  - text: Remboursement
+    type: LOCATION
+  - text: Conversion
+    type: LOCATION
+  - text: Financement
+    type: LOCATION
+  - text: Sortie
+    type: LOCATION
+  - text: "Juste Valeur Marchande"
+    type: PERSON
+  - text: Échéance
+    type: LOCATION
+  - text: Clause
+    type: LOCATION
+  - text: Clauses
+    type: LOCATION
+  - text: Principe
+    type: LOCATION
+  - text: Coûts
+    type: PERSON
+  - text: Notifications
+    type: LOCATION
+  - text: Article
+    type: LOCATION
+  - text: Paragraphe
+    type: LOCATION
+  - text: Directeur
+    type: LOCATION
+  - text: Gérant
+    type: LOCATION
+  - text: Président
+    type: LOCATION
+  - text: DocuSign
+    type: PERSON
+  - text: SPRL
+    type: ORG
+
+  # Termes financiers courants
+  - text: Euro
+    type: LOCATION
+  - text: EUR
+    type: LOCATION
+  - text: Euros
+    type: LOCATION
+  - text: Pourcentage
+    type: LOCATION
+  - text: Taux
+    type: LOCATION
+  - text: Valeur
+    type: LOCATION
+  - text: Prix
+    type: LOCATION
+
+  # Termes juridiques
+  - text: Loi
+    type: LOCATION
+  - text: Code
+    type: LOCATION
+  - text: Règlement
+    type: LOCATION
+  - text: Décret
+    type: LOCATION
+  - text: Arrêté
+    type: LOCATION
+
+  # Mois et dates génériques
+  - text: Janvier
+    type: LOCATION
+  - text: Février
+    type: LOCATION
+  - text: Mars
+    type: LOCATION
+  - text: Avril
+    type: LOCATION
+  - text: Mai
+    type: LOCATION
+  - text: Juin
+    type: LOCATION
+  - text: Juillet
+    type: LOCATION
+  - text: Août
+    type: LOCATION
+  - text: Septembre
+    type: LOCATION
+  - text: Octobre
+    type: LOCATION
+  - text: Novembre
+    type: LOCATION
+  - text: Décembre
+
+# Configuration des transformations d'anonymisation
+anonymizer_config:
+  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
+    MONEY: replace
+    LOCATION: replace
+    ORG: replace
+  
+  replacements:
+    PERSON: "<PERSON>"
+    EMAIL_ADDRESS: "<EMAIL_ADDRESS>"
+    PHONE_NUMBER: "<PHONE_NUMBER>"
+    BE_NATIONAL_REGISTER_NUMBER: "<BE_NATIONAL_REGISTER_NUMBER>"
+    BE_ENTERPRISE_NUMBER: "<BE_ENTERPRISE_NUMBER>"
+    FR_SOCIAL_SECURITY_NUMBER: "<FR_SOCIAL_SECURITY_NUMBER>"
+    IBAN: "<IBAN>"
+    BE_BANK_ACCOUNT: "<COMPTE_BANCAIRE_BE>"
+    MONEY: "<MONEY>"
+    LOCATION: "<LOCATION>"
+    ORG: "<ORGANIZATION>"