Presidio/conf/default.yaml

# =====================================================================
# CONFIGURATION PRESIDIO COMPLÈTE - RGPD FRANÇAIS/BELGE
# =====================================================================

# 1. CONFIGURATION DU MOTEUR NLP (Natural Language Processing)
# =====================================================================
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 fine du modèle NLP pour réduire les faux positifs
ner_model_configuration:
  confidence_threshold:
    default: 0.65
    PERSON: 0.85
    LOCATION: 0.75
    ORGANIZATION: 0.7
  labels_to_ignore:
    - MISC
    - CARDINAL
    - EVENT
    - LANGUAGE
    - LAW
    - ORDINAL
    - PERCENT
    - PRODUCT
    - QUANTITY
    - WORK_OF_ART

# 2. DÉFINITION DES DÉTECTEURS (RECOGNIZERS) PERSONNALISÉS
# =====================================================================
recognizers:
  - name: EmailRecognizer
    entity_name: EMAIL_ADDRESS
    supported_language: fr
    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: PhoneRecognizer
    entity_name: PHONE_NUMBER
    supported_language: fr
    patterns:
      - name: Phone Pattern (FR/BE/LUX)
        regex: "\\b(?:(?:\\+|00)?(?:32|33|352)|0)\\s?[1-9](?:[\\s.-]?\\d{2}){3,4}\\b"
        score: 0.8
    context: ["téléphone", "tel", "mobile", "gsm", "contact"]

  - name: IbanRecognizer
    entity_name: IBAN
    supported_language: fr
    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", "bancaire"]
  
  - name: CreditCardRecognizer
    entity_name: CREDIT_CARD_NUMBER
    supported_language: fr
    patterns:
      - name: Credit Card Pattern
        regex: "\\b(?:4[0-9]{12}(?:[0-9]{3})?|5[1-5][0-9]{14}|6(?:011|5[0-9]{2})[0-9]{12}|3[47][0-9]{13}|3(?:0[0-5]|[68][0-9])[0-9]{11}|(?:2131|1800|35\\d{3})\\d{11})\\b"
        score: 0.9
    context: ["carte bancaire", "visa", "mastercard", "amex"]

  - name: MoneyRecognizer
    entity_name: MONEY
    supported_language: fr
    patterns:
      - name: Money Pattern EUR
        regex: "(?:EUR|€)\\s*\\d{1,3}(?:[.,\\s]\\d{3})*(?:[.,]\\d{2})?|\\d{1,3}(?:[.,\\s]\\d{3})*(?:[.,]\\d{2})?\\s*(?:EUR|€)"
        score: 0.85
  
  - name: BelgianNRNRecognizer
    entity_name: BE_NATIONAL_REGISTER_NUMBER
    supported_language: fr
    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", "nrn", "niss"]

  - name: BelgianEnterpriseRecognizer
    entity_name: BE_ENTERPRISE_NUMBER
    supported_language: fr
    patterns:
      - name: BE Enterprise Number
        regex: "\\bBE\\s?0\\d{3}[\\.\\s]?\\d{3}[\\.\\s]?\\d{3}\\b"
        score: 0.95
    context: ["numéro d'entreprise", "btw", "tva", "BCE", "KBO"]

  - name: FrenchINSEERecognizer
    entity_name: FR_SOCIAL_SECURITY_NUMBER
    supported_language: fr
    patterns:
      - name: INSEE Pattern
        regex: "\\b[12][\\s]?[0-9]{2}[\\s]?(?:0[1-9]|1[0-2])[\\s]?(?:2[ABab]|[0-9]{2})[\\s]?[0-9]{3}[\\s]?[0-9]{3}[\\s]?[0-9]{2}\\b"
        score: 0.95
    context: ["sécurité sociale", "insee", "nir"]

  - name: FrenchSIRENSIRETRecognizer
    entity_name: FR_SIREN_SIRET
    supported_language: fr
    patterns:
      - name: SIRET Pattern
        regex: "\\b[0-9]{3}[\\s]?[0-9]{3}[\\s]?[0-9]{3}[\\s]?[0-9]{5}\\b"
        score: 0.9
      - name: SIREN Pattern
        regex: "\\b[0-9]{3}[\\s]?[0-9]{3}[\\s]?[0-9]{3}\\b"
        score: 0.85
    context: ["siren", "siret"]

# 3. ACTIVATION DES DÉTECTEURS
# =====================================================================
recognizer_registry:
  - default
  - EmailRecognizer
  - PhoneRecognizer
  - IbanRecognizer
  - CreditCardRecognizer
  - MoneyRecognizer
  - BelgianNRNRecognizer
  - BelgianEnterpriseRecognizer
  - FrenchINSEERecognizer
  - FrenchSIRENSIRETRecognizer

# 4. LISTE D'EXCLUSION (ALLOW LIST)
# =====================================================================
allow_list:
  - 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
  - Janvier
  - Février
  - Mars
  - Avril
  - Mai
  - Juin
  - Juillet
  - Août
  - Septembre
  - Octobre
  - Novembre
  - Décembre

# 5. CONFIGURATION DES TRANSFORMATIONS D'ANONYMISATION
# =====================================================================
anonymizer_config:
  default_anonymizers:
    PERSON: replace
    LOCATION: replace
    ORGANIZATION: replace
    DATE_TIME: replace
    CREDIT_CARD_NUMBER: replace
    EMAIL_ADDRESS: replace
    IBAN_CODE: replace
    IP_ADDRESS: replace
    PHONE_NUMBER: replace
    URL: replace
    IBAN: replace
    MONEY: replace
    BE_NATIONAL_REGISTER_NUMBER: replace
    BE_ENTERPRISE_NUMBER: replace
    FR_SOCIAL_SECURITY_NUMBER: replace
    FR_SIREN_SIRET: replace
  
  replacements:
    PERSON: "<PERSONNE>"
    LOCATION: "<LIEU>"
    ORGANIZATION: "<ORGANISATION>"
    DATE_TIME: "<DATE>"
    CREDIT_CARD_NUMBER: "<NUMERO_CARTE_BANCAIRE>"
    EMAIL_ADDRESS: "<EMAIL>"
    IBAN_CODE: "<IBAN>"
    IBAN: "<IBAN>"
    IP_ADDRESS: "<ADRESSE_IP>"
    PHONE_NUMBER: "<TELEPHONE>"
    URL: "<URL>"
    MONEY: "<MONTANT>"
    BE_NATIONAL_REGISTER_NUMBER: "<NRN_BELGE>"
    BE_ENTERPRISE_NUMBER: "<NUM_ENTREPRISE_BE>"
    FR_SOCIAL_SECURITY_NUMBER: "<NUM_SECU_FR>"
    FR_SIREN_SIRET: "<SIREN_SIRET_FR>"