Presidio/conf/default.yaml

# =====================================================================
# CONFIGURATION PRESIDIO - v24-AMELIOREE (Base fonctionnelle + Détection puissante)
# =====================================================================
supported_languages: [en, fr]

# 1. CONFIGURATION DU MOTEUR NLP (INCHANGÉ)
# =====================================================================
nlp_configuration:
  nlp_engine_name: spacy
  models:
    - lang_code: en
      model_name: en_core_web_lg
    - lang_code: fr
      model_name: fr_core_news_lg 
      ner_model_configuration:
        labels_to_ignore:
          - MISC
          - CARDINAL
          - EVENT
          - LANGUAGE
          - LAW
          - ORDINAL
          - PERCENT
          - PRODUCT
          - QUANTITY
          - WORK_OF_ART
        confidence_thresholds:
          DEFAULT_CONFIDENCE: 0.65
          PERSON: 0.85
          LOCATION: 0.4
          ORGANIZATION: 0.55

# 2. CONFIGURATION DU REGISTRE DES DÉTECTEURS (C'est ici que les améliorations sont faites)
# =====================================================================
recognizer_registry:
  load_predefined_recognizers: true
  
  recognizers:
    # --- [AMÉLIORÉ] Détecteur de dates pour capturer "15 mars 2025" ET "12/08/1978" ---
    - name: FlexibleDateRecognizer
      supported_language: fr
      supported_entity: FLEXIBLE_DATE
      patterns:
        - 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", "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"]
    - 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: 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"]

# 3. LISTE D'EXCLUSION (ALLOW LIST) (INCHANGÉ)
# =====================================================================
allow_list:
  - Adresse
  - ADRESSE
  - Contrat
  - Document
  - Société
  - Investisseur
  - Montant
  - Prêt
  - Intérêt
  - Partie
  - Parties
  - Annexe
  - Remboursement
  - Conversion
  - Financement
  - Sortie
  - "Juste Valeur Marchande"
  - Échéance
  - Clause
  - Clauses
  - Principe
  - Coûts
  - Notifications
  - Article
  - Paragraphe
  - Directeur
  - Gérant
  - Président
  - DocuSign
  - SPRL
  - SA
  - Loi
  - Code
  - Règlement
  - Décret
  - Arrêté
  - Euro
  - EUR
  - Euros
  - Taux
  - Valeur
  - Prix

# 4. CONFIGURATION DES TRANSFORMATIONS D'ANONYMISATION (Légèrement complété)
# =====================================================================
anonymizer_config:
  default_anonymizers:
    # Entités existantes
    PERSON: replace
    LOCATION: replace
    ORGANIZATION: replace
    DATE_TIME: replace 
    MONEY: replace
    EMAIL_ADDRESS: replace
    IBAN: replace
    BE_ENTERPRISE_NUMBER: replace
    BE_NATIONAL_REGISTER_NUMBER: 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>"
    MONEY: "<MONTANT>"
    EMAIL_ADDRESS: "<EMAIL>"
    IBAN: "<IBAN>"
    BE_ENTERPRISE_NUMBER: "<NUM_ENTREPRISE_BE>"
    BE_NATIONAL_REGISTER_NUMBER: "<NRN_BELGE>"
    BE_PHONE_NUMBER: "<TELEPHONE_BE>"
    # [NOUVEAU] Ajout des remplacements pour les nouvelles entités
    FLEXIBLE_DATE: "<DATE>"
    BE_ADDRESS: "<ADRESSE_BELGE>"
    BE_PRO_ID: "<ID_PROFESSIONNEL>"
    IP_ADDRESS: "<ADRESSE_IP>"