Presidio/conf/default.yaml

# =====================================================================
# CONFIGURATION PRESIDIO - v26-BE (VERSION HAUTE-PRÉCISION)
# =====================================================================
supported_languages: [fr, en]

# 1. CONFIGURATION DU MOTEUR NLP
# =====================================================================
nlp_configuration:
  nlp_engine_name: spacy
  models:
    - lang_code: fr
      model_name: fr_core_news_lg
  # On ajuste les seuils pour être un peu plus confiant
  ner_model_configuration:
    confidence_thresholds:
      PERSON: 0.85
      LOCATION: 0.8 # Augmenté pour éviter les faux positifs
      ORGANIZATION: 0.7

# 2. CONFIGURATION DU REGISTRE DES DÉTECTEURS (ENTIÈREMENT REVU)
# =====================================================================
recognizer_registry:
  load_predefined_recognizers: true
  
  recognizers:
    # --- [AMÉLIORÉ] Détecteur de dates beaucoup plus flexible ---
    - name: FlexibleDateRecognizer
      supported_language: fr
      supported_entity: FLEXIBLE_DATE
      patterns:
        - name: Date format JJ mois AAAA (ex: 15 mars 2025)
          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 (ex: 12/08/1978)
          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"]

    # --- [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
      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
      patterns:
        - name: Numéro IEC
          regex: "(n°\\sIEC:?|IEC:?)\\s*\\d{6}"
          score: 1.0
      context: ["expert-comptable"]

    # --- Détecteurs standards mais essentiels ---
    - 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"]

# 3. LISTE D'EXCLUSION (ALLOW LIST)
# =====================================================================
allow_list:
  # On garde une liste minimale pour ne pas interférer
  - Contrat
  - SPRL
  - Loi
  - Euro

# 4. CONFIGURATION DES TRANSFORMATIONS D'ANONYMISATION
# =====================================================================
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
    MONEY: replace

    # Nos entités personnalisées (avec les nouveaux noms)
    FLEXIBLE_DATE: replace
    BE_ADDRESS: replace
    BE_PHONE_NUMBER: replace
    BE_BANK_ACCOUNT: replace
    BE_ENTERPRISE_VAT_NUMBER: replace
    SPECIFIC_ID: replace
    EMAIL_ADDRESS: replace
  
  replacements:
    PERSON: "<PERSONNE>"
    LOCATION: "<LIEU>"
    ORGANIZATION: "<ORGANISATION>"
    IP_ADDRESS: "<ADRESSE_IP>"
    MONEY: "<MONTANT>"
    
    FLEXIBLE_DATE: "<DATE>"
    BE_ADDRESS: "<ADRESSE_BELGE>"
    BE_PHONE_NUMBER: "<TELEPHONE_BE>"
    BE_BANK_ACCOUNT: "<COMPTE_BANCAIRE_BE>"
    BE_ENTERPRISE_VAT_NUMBER: "<NUM_BCE_TVA_BE>"
    SPECIFIC_ID: "<ID_SPECIFIQUE>"
    EMAIL_ADDRESS: "<EMAIL>"