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/parseurs/chapitres.py

@@ -0,0 +1,222 @@
+"""Lecture des chapitres du rapport consolidé (`_sec00.md` → `_sec10.md`).
+
+Les chapitres sont la seule partie rédigée du corpus : c'est d'eux que
+proviennent les résumés et les points clés. Ils désignent les textes de deux
+façons — par numéro (« la loi n° 2026-403 du 26 mai ») et par nom d'usage
+(« la loi "Riposte" », « l'aide à mourir ») — et sèment des marqueurs de
+citation à chaque affirmation.
+
+Le rattachement se fait **phrase par phrase** : les marqueurs d'une phrase vont
+au texte que cette phrase nomme, pas à tous les textes du paragraphe. Sans quoi
+un paragraphe traitant de six lois attribuerait ses vingt sources aux six.
+"""
+
+from __future__ import annotations
+
+import re
+from dataclasses import dataclass, field
+
+from pipeline import chemins
+from pipeline.journal import logger
+from pipeline.parseurs.dates_fr import sans_accents
+from pipeline.parseurs.markdown import decouper_sections, extraire_marqueurs, nettoyer
+
+log = logger("parseur.chapitres")
+
+# « loi n° 2026-403 », « loi organique n° 2026-410 », « n° 2026-491 du 12 juin ».
+# La négation finale écarte les numéros d'affaire du Conseil constitutionnel :
+# sans elle, « déclarée conforme par la décision n° 2026-903 DC, puis promulguée
+# le 26 mai » désignerait une loi « 2026-903 » qui n'existe pas, et la phrase —
+# avec ses sources — serait volée à la loi n° 2026-403 dont elle parle.
+_NUMERO_LOI = re.compile(r"n°\s*(\d{4}-\d{1,4})\b(?!\s*DC)")
+# Découpage en phrases : point suivi d'une espace et d'une majuscule ou d'un
+# guillemet ouvrant. Les abréviations du corpus (« n° », « art. », « déc. »,
+# « juill. ») sont protégées par l'exigence de majuscule qui suit.
+_FIN_DE_PHRASE = re.compile(r"(?<=[.!?])\s+(?=[A-ZÀÂÉÈÊÎÔÙÜ«])")
+
+# Noms d'usage employés par les chapitres pour désigner un texte non promulgué.
+# La clé est cherchée sans accent ni casse ; la valeur est l'identifiant posé
+# par le parseur de l'annexe.
+NOMS_D_USAGE: dict[str, str] = {
+    "riposte": "loi-riposte",
+    "ripost": "loi-riposte",
+    "aide a mourir": "ppl-aide-a-mourir",
+    "philippine": "loi-philippine",
+    "reseaux sociaux": "ppl-reseaux-sociaux-mineurs",
+    "moins de 15 ans": "ppl-reseaux-sociaux-mineurs",
+    "urgence agricole": "loi-urgence-agricole",
+    "programmation militaire": "loi-programmation-militaire",
+    "lpm": "loi-programmation-militaire",
+    "montagne vivante": "ppl-montagne",
+    "ppl montagne": "ppl-montagne",
+    "patrimoine immobilier": "ppl-patrimoine-immobilier-etat",
+    "pacte migration": "pjl-pacte-migration",
+    "pacte europeen sur la migration": "pjl-pacte-migration",
+    "protection des enfants": "pjl-protection-enfants",
+    "cohesion republicaine": "pjl-cohesion-republicaine",
+    "logement (jeanbrun)": "pjl-logement",
+    "jeanbrun": "pjl-logement",
+    "globe": "accord-globe",
+    "entrisme": "ppl-entrisme",
+    "separatisme": "pjl-separatisme",
+    "nunez": "pjl-separatisme",
+    "outrage a l'hymne": "ppl-outrage-hymne-drapeau",
+    "code noir": "ppl-abrogation-code-noir",
+    "mathiasin": "ppl-abrogation-code-noir",
+    "adaptation du droit des outre-mer": "ppl-adaptation-droit-outre-mer",
+    "emploi durable": "ppl-emploi-ultramarin",
+    "ratenon": "ppl-emploi-ultramarin",
+    "entites naturelles": "ppl-entites-naturelles",
+    "devoir conjugal": "ppl-devoir-conjugal",
+    "kazakhstan": "accord-kazakhstan-readmission",
+    "colombie": "accord-colombie-extradition",
+    "macf": "pjl-ratification-ordonnance-macf",
+}
+
+
+@dataclass(slots=True)
+class MentionTexte:
+    """Ce qu'un chapitre dit d'un texte donné."""
+
+    texte_id: str
+    marqueurs: list[str] = field(default_factory=list)
+    phrases: list[str] = field(default_factory=list)
+    chapitre: str = ""
+    section: str = ""
+    # Vrai lorsque le titre de section nomme explicitement ce texte : la
+    # section lui est alors consacrée, et sa prose peut servir de résumé.
+    section_dediee: bool = False
+
+
+@dataclass(slots=True)
+class LectureChapitres:
+    mentions: dict[str, list[MentionTexte]] = field(default_factory=dict)
+
+    def marqueurs_de(self, texte_id: str) -> list[str]:
+        vus: list[str] = []
+        for mention in self.mentions.get(texte_id, []):
+            for marqueur in mention.marqueurs:
+                if marqueur not in vus:
+                    vus.append(marqueur)
+        return vus
+
+    def resume_de(self, texte_id: str, *, phrases_max: int = 5) -> str | None:
+        """Résumé tiré des sections consacrées au texte, sinon `None`.
+
+        Aucune phrase n'est reformulée : ce sont celles du rapport, nettoyées
+        de leur balisage et de leurs marqueurs de citation.
+        """
+        dediees = [m for m in self.mentions.get(texte_id, []) if m.section_dediee]
+        candidates = dediees or self.mentions.get(texte_id, [])
+
+        phrases: list[str] = []
+        for mention in candidates:
+            for phrase in mention.phrases:
+                propre = nettoyer(phrase)
+                if len(propre) > 40 and propre not in phrases:
+                    phrases.append(propre)
+                if len(phrases) >= phrases_max:
+                    break
+            if len(phrases) >= phrases_max:
+                break
+
+        if not phrases:
+            return None
+        return " ".join(phrases[:phrases_max])
+
+
+def parser() -> LectureChapitres:
+    """Analyse les onze chapitres et rattache leurs mentions aux textes."""
+    lecture = LectureChapitres()
+
+    for numero in range(11):
+        fichier = chemins.chapitre(numero)
+        if not fichier.exists():
+            continue
+        nom = f"sec{numero:02d}"
+
+        for section in decouper_sections(fichier.read_text(encoding="utf-8"), niveau_max=4):
+            cibles_du_titre = _textes_designes(section.titre)
+
+            for paragraphe in _paragraphes(section.corps):
+                for phrase in _phrases(paragraphe):
+                    cibles = _textes_designes(phrase) or cibles_du_titre
+                    if not cibles:
+                        continue
+                    marqueurs = [m.brut for m in extraire_marqueurs(phrase)]
+                    for cible in cibles:
+                        _ajouter(
+                            lecture,
+                            cible,
+                            marqueurs=marqueurs,
+                            phrase=phrase,
+                            chapitre=nom,
+                            section=section.titre,
+                            dediee=cible in cibles_du_titre,
+                        )
+
+    log.info(
+        "chapitres analysés",
+        textes_mentionnes=len(lecture.mentions),
+        mentions=sum(len(m) for m in lecture.mentions.values()),
+    )
+    return lecture
+
+
+def _ajouter(
+    lecture: LectureChapitres,
+    texte_id: str,
+    *,
+    marqueurs: list[str],
+    phrase: str,
+    chapitre: str,
+    section: str,
+    dediee: bool,
+) -> None:
+    mentions = lecture.mentions.setdefault(texte_id, [])
+    courante = next(
+        (m for m in mentions if m.chapitre == chapitre and m.section == section), None
+    )
+    if courante is None:
+        courante = MentionTexte(
+            texte_id=texte_id, chapitre=chapitre, section=section, section_dediee=dediee
+        )
+        mentions.append(courante)
+
+    courante.section_dediee = courante.section_dediee or dediee
+    courante.phrases.append(phrase)
+    for marqueur in marqueurs:
+        if marqueur not in courante.marqueurs:
+            courante.marqueurs.append(marqueur)
+
+
+def _paragraphes(corps: str) -> list[str]:
+    """Paragraphes de prose, tableaux et listes exclus."""
+    blocs: list[str] = []
+    for bloc in corps.split("\n\n"):
+        propre = bloc.strip()
+        if not propre or propre.startswith(("|", "#", "- ", "* ", ">")):
+            continue
+        blocs.append(" ".join(propre.split()))
+    return blocs
+
+
+def _phrases(paragraphe: str) -> list[str]:
+    return [p for p in _FIN_DE_PHRASE.split(paragraphe) if p.strip()]
+
+
+def _textes_designes(fragment: str) -> list[str]:
+    """Identifiants des textes qu'un fragment nomme, par numéro ou nom d'usage."""
+    trouves: list[str] = []
+
+    for numero in _NUMERO_LOI.findall(fragment):
+        identifiant = f"loi-{numero}"
+        if identifiant not in trouves:
+            trouves.append(identifiant)
+
+    plat = sans_accents(fragment).lower()
+    for nom, identifiant in NOMS_D_USAGE.items():
+        if nom in plat and identifiant not in trouves:
+            trouves.append(identifiant)
+
+    return trouves