Phase 3 : sources, citations et seed complet — 368 sources, 0 texte orphelin

Parseurs :
- blocs_claim : les quatre dialectes des rapports de dimension. Le cahier des
  charges en postulait un seul ; sans les quatre, dim05 à dim12 étaient perdus,
  soit les dimensions associations, entreprises, migration et calendrier.
- notes_bas_page : 258 notes, dont 104 sans URL. Les identifiants JORFTEXT
  donnent lieu à une URL canonique reconstruite (schéma fixe, rien d'inventé) ;
  les autres restent sans lien plutôt que d'être devinées.
- bibliographie : 481 références, toutes liées. Indexées par numéro de loi,
  par affaire DC et par cote de document parlementaire — cette dernière étant
  la seule identité d'un texte déposé et non examiné.
- chapitres : rattachement phrase par phrase, résumés repris tels quels.

Résolution des citations : 100 % des 332 marqueurs du rapport, 93 % avec un
lien vérifiable. Il a fallu six conventions de numérotation, une par famille de
dimension (marqueur de fin, en-tête de claim, section, rang, note, section.rang).

Trois pièges corrigés, tous couverts par des tests :
- « décision n° 2026-903 DC » lu comme une loi, ce qui volait à la loi 2026-403
  les phrases — et donc les sources — qui parlaient d'elle
- retrait des marqueurs laissant « … dans les DROM . » ; corrigé à la source
  sans toucher aux espaces avant « ; » et « » » qu'exige le français
- « programmation militaire 2024-2030 » lu comme la loi n° 2024-2030

make seed : 52 textes, 368 sources, 83 événements, 12 affaires CC, 7 analyses.
Zéro texte sans source URL (critère §8.2). Les 2 textes sans résumé et les 17
pertinences déduites sont marqués « à vérifier » avec leur motif.

99 tests.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

pipeline/config.yaml

@@ -0,0 +1,113 @@
+# ─────────────────────────────────────────────────────────────────────────────
+# Règles de classification du pipeline.
+#
+# Ce fichier est le seul endroit où changer les mots-clés : ni les parseurs ni
+# les collecteurs n'en codent en dur. Toute classification obtenue par ces
+# règles est marquée « à vérifier » et, pour les textes collectés en ligne,
+# ramenée à une confiance « low » — conformément au §5.3 du cahier des charges.
+# ─────────────────────────────────────────────────────────────────────────────
+
+# Détection de la pertinence Guadeloupe / outre-mer.
+#
+# Le score est la somme des poids des expressions trouvées. Les expressions
+# sont cherchées sans accent ni casse, sur des frontières de mot.
+guadeloupe:
+  seuils:
+    forte: 6
+    moyenne: 3
+    faible: 1
+
+  expressions:
+    # Le territoire lui-même : décisif.
+    guadeloupe: 6
+    guadeloupeen: 6
+    gwadloup: 6
+    basse-terre: 5
+    pointe-a-pitre: 5
+    baie-mahault: 5
+    les abymes: 5
+    grande-terre: 5
+    marie-galante: 5
+    saint-martin: 4
+    saint-barthelemy: 4
+
+    # Sujets propres à la Guadeloupe.
+    chlordecone: 6
+    octroi de mer: 5
+    lodeom: 4
+    sargasse: 4
+    cgss: 4
+    lkp: 4
+    ugtg: 4
+    caricom: 4
+    code noir: 3
+
+    # Le champ ultramarin en général : indicatif, pas décisif.
+    outre-mer: 3
+    outremer: 3
+    ultramarin: 3
+    drom: 3
+    dom-tom: 2
+    rup: 2
+    region ultraperipherique: 3
+    collectivite unique: 2
+    article 73: 2
+    article 74: 2
+    continuite territoriale: 3
+
+    # Territoires voisins : le texte touche l'outre-mer sans viser la Guadeloupe.
+    martinique: 2
+    guyane: 2
+    la reunion: 2
+    mayotte: 2
+    nouvelle-caledonie: 1
+    polynesie: 1
+    wallis-et-futuna: 1
+    saint-pierre-et-miquelon: 1
+
+    # Contexte caribéen.
+    caraibe: 2
+    antilles: 3
+    haiti: 2
+    zone economique exclusive: 1
+
+# Résolution des conflits entre sources, du plus fort au plus faible.
+# Reprend la règle du §5.2 et le fichier `lois-2026_phase5_validation.md`.
+hierarchie_sources:
+  - legifrance.gouv.fr
+  - journal-officiel.gouv.fr
+  - assemblee-nationale.fr
+  - senat.fr
+  - conseil-constitutionnel.fr
+  - conseil-etat.fr
+  - vie-publique.fr
+  - gouvernement.fr
+
+# Rapprochement des textes collectés avec ceux déjà en base.
+rapprochement:
+  # Un numéro officiel identique vaut identité, sans condition.
+  # À défaut, similarité de titre : au-dessus du seuil, on rapproche ;
+  # entre le seuil bas et le seuil, on signale sans rapprocher.
+  seuil_similarite: 0.86
+  seuil_signalement: 0.72
+
+# Collecteurs : activation et adresses.
+collecteurs:
+  legifrance:
+    actif: true
+    # Sans identifiants PISTE dans .env, le collecteur se désactive tout seul
+    # et le pipeline bascule sur le repli ci-dessous.
+    repli_si_sans_cle: true
+  assemblee_nationale:
+    actif: true
+    promulgations: https://www.assemblee-nationale.fr/dyn/actualites-accueil/promulgations-de-lois
+  senat:
+    actif: true
+    lois: https://www.senat.fr/lois/index.html
+  conseil_constitutionnel:
+    actif: true
+    decisions: https://www.conseil-constitutionnel.fr/decisions
+    affaires_en_instance: https://www.conseil-constitutionnel.fr/decisions/affaires-en-instances
+  vie_publique:
+    actif: true
+    actualites: https://www.vie-publique.fr/loi