Actualiser conf/default.yaml

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: "<ORGANISATION>"
     IP_ADDRESS: "<ADRESSE_IP>"
     MONEY: "<MONTANT>"
-    
     FLEXIBLE_DATE: "<DATE>"
     BE_ADDRESS: "<ADRESSE_BELGE>"
     BE_PHONE_NUMBER: "<TELEPHONE_BE>"