diff --git a/conf/default.yaml b/conf/default.yaml index 4b74af9..b7e33a1 100644 --- a/conf/default.yaml +++ b/conf/default.yaml @@ -1,5 +1,5 @@ # ===================================================================== -# CONFIGURATION PRESIDIO - v26-BE (VERSION HAUTE-PRÉCISION) +# CONFIGURATION PRESIDIO - v27-BE (CORRIGÉE ET FINALE) # ===================================================================== supported_languages: [fr, en] @@ -10,20 +10,32 @@ nlp_configuration: models: - lang_code: fr model_name: fr_core_news_lg - # On ajuste les seuils pour être un peu plus confiant ner_model_configuration: + # --- [CORRECTION] : AJOUT DU BLOC POUR IGNORER LES ENTITÉS NLP NON PERTINENTES --- + # C'est cette section qui va supprimer les warnings "Entity MISC is not mapped..." + labels_to_ignore: + - MISC + - CARDINAL + - EVENT + - LANGUAGE + - LAW + - ORDINAL + - PERCENT + - PRODUCT + - QUANTITY + - WORK_OF_ART + # --------------------------------------------------------------------------------- confidence_thresholds: PERSON: 0.85 - LOCATION: 0.8 # Augmenté pour éviter les faux positifs + LOCATION: 0.8 ORGANIZATION: 0.7 -# 2. CONFIGURATION DU REGISTRE DES DÉTECTEURS (ENTIÈREMENT REVU) +# 2. CONFIGURATION DU REGISTRE DES DÉTECTEURS (Inchangé, la version précédente était bonne) # ===================================================================== recognizer_registry: load_predefined_recognizers: true recognizers: - # --- [AMÉLIORÉ] Détecteur de dates beaucoup plus flexible --- - name: FlexibleDateRecognizer supported_language: fr supported_entity: FLEXIBLE_DATE @@ -36,61 +48,49 @@ recognizer_registry: score: 1.0 context: ["date", "né le", "signé le", "incident du"] - # --- [AMÉLIORÉ] Détecteur d'adresses belges plus robuste --- - name: BelgianAddressRecognizer supported_language: fr supported_entity: BE_ADDRESS patterns: - # Capture "45 Avenue Louise, 1050 Ixelles" et "Rue de la Loi 200, 1040 Etterbeek" - 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 belge (fixe/mobile) --- - name: BelgianPhoneRecognizer supported_language: fr supported_entity: BE_PHONE_NUMBER patterns: - # Capture "02/456.78.90" avec n'importe quel séparateur - name: Numéro téléphone Belge avec séparateurs regex: "\\b0[1-9](?:[./\\s]?\\d{2,3}){3}\\b" score: 0.95 context: ["Tel", "Tél", "téléphone"] - # --- [NOUVEAU ET CRUCIAL] Détecteur générique pour les coordonnées bancaires --- - name: BelgianBankAccountRecognizer supported_language: fr supported_entity: BE_BANK_ACCOUNT patterns: - # Capture tous les formats IBAN belges, avec ou sans espaces - name: IBAN Belge regex: "\\bBE\\d{2}[\\s]?\\d{4}[\\s]?\\d{4}[\\s]?\\d{4}\\b" score: 1.0 context: ["IBAN", "compte", "bancaires"] - # --- [NOUVEAU] Détecteur pour les ORGANISATIONS bancaires --- - name: BankOrganizationRecognizer supported_language: fr supported_entity: ORGANIZATION - # Utilise des mots-clés plutôt que des regex pour identifier les banques - deny_list: ["Banque Nationale de Belgique"] # Pour éviter les faux positifs sur les institutions publiques + deny_list: ["Banque Nationale de Belgique"] supported_tokens: ["BNP Paribas Fortis", "CBC Banque", "KBC", "ING", "Belfius"] - # Le score élevé assure que ce détecteur prime sur le détecteur SpaCy par défaut score: 0.9 - # --- [AMÉLIORÉ] Détecteur de numéros d'entreprise et TVA --- - name: BelgianEnterpriseVatRecognizer supported_language: fr supported_entity: BE_ENTERPRISE_VAT_NUMBER patterns: - # Capture "BCE: 0123.456.789" et "BE0987.654.321" - name: Numéro BCE/TVA Belge regex: "\\b(BE)?\\s?0?\\d{3}[\\.\\s]?\\d{3}[\\.\\s]?\\d{3}\\b" score: 1.0 context: ["BCE", "TVA", "intracommunautaire"] - # --- [NOUVEAU] Détecteur pour les identifiants spécifiques --- - name: SpecificIdRecognizer supported_language: fr supported_entity: SPECIFIC_ID @@ -100,7 +100,6 @@ recognizer_registry: score: 1.0 context: ["expert-comptable"] - # --- Détecteurs standards mais essentiels --- - name: EmailRecognizer supported_language: fr supported_entity: EMAIL_ADDRESS @@ -110,7 +109,6 @@ recognizer_registry: # 3. LISTE D'EXCLUSION (ALLOW LIST) # ===================================================================== allow_list: - # On garde une liste minimale pour ne pas interférer - Contrat - SPRL - Loi @@ -120,14 +118,11 @@ allow_list: # ===================================================================== anonymizer_config: default_anonymizers: - # Entités SpaCy et Presidio par défaut PERSON: replace LOCATION: replace ORGANIZATION: replace - IP_ADDRESS: replace # Important ! Il manquait dans la config précédente + IP_ADDRESS: replace MONEY: replace - - # Nos entités personnalisées (avec les nouveaux noms) FLEXIBLE_DATE: replace BE_ADDRESS: replace BE_PHONE_NUMBER: replace @@ -142,7 +137,6 @@ anonymizer_config: ORGANIZATION: "" IP_ADDRESS: "" MONEY: "" - FLEXIBLE_DATE: "" BE_ADDRESS: "" BE_PHONE_NUMBER: ""