1. Un périmètre daté
Le pipeline consulte les rapports publics medicines et epar_documents de l’EMA. Il retient les médicaments humains autorisés par procédure centralisée et sélectionne, pour chaque médicament, le document de révisions suivies le plus récemment daté dans le catalogue. Les autres médicaments restent dans le rapport de couverture.
2. Un fichier identifié
Chaque fichier téléchargé reçoit une empreinte SHA-256 et une date de collecte. Les binaires sont conservés dans une archive locale adressée par leur empreinte. Les dates documentaires viennent du catalogue EMA ; elles ne datent pas chaque révision et ne constituent pas une date d’effet réglementaire. L’archive exacte ne dispose pas de lien public ; le lien EMA peut ouvrir une version ultérieure.
3. Deux vues des révisions Word
La vue avant conserve les suppressions et exclut les insertions. La vue après conserve les insertions et exclut les suppressions. Il s’agit de reconstructions depuis un même fichier Word, et non de deux éditions historiques indépendamment datées. Le lecteur parcourt les paragraphes du corps du document, y compris les tableaux. Tabulations, sauts de ligne et suites d’espaces deviennent un espace. En-têtes, pieds de page, notes séparées, mise en forme et révisions de structure ne sont pas reconstruits exhaustivement. Les empreintes de paragraphes et les plages textuelles portent sur le texte normalisé.
4. Des unités explicites
L’unité est le paragraphe Word. Son index, sa rubrique et son occurrence de présentation sont conservés. Un paragraphe peut contenir plusieurs éditions. Les présentations sont repérées par les rubriques de dénomination et restent à vérifier ; les mêmes phrases dans plusieurs présentations ne sont pas fusionnées. Français et anglais sont traités séparément, sans équivalence de traduction affirmée. Les différences hors rubrique reconnue restent visibles comme non attribuées.
5. Une classification proposée
Des règles distinguent technique, administratif, contenu et non attribué. Un changement de lien peut rester technique dans une rubrique médicale. Les rubriques médicales candidates sont déterminées par la structure du document : cela ne valide ni l’importance du changement ni sa signification clinique. Les extraits restent limités à 1 500 caractères par vue et signalent les éditions non visibles.
6. Une revue à réaliser
La file CSV contient des labels vides. Le relecteur inscrit son identité, sa qualification déclarée, la date, la catégorie et une justification. Une qualification médicale exige une annotation déclarée par un médecin ou pharmacien. Des annotations contradictoires restent en désaccord et ne deviennent pas des références d’évaluation.
7. Une évaluation distincte
Un partage déterministe par médicament sépare développement et évaluation : toutes les langues, présentations et versions d’un médicament restent dans le même groupe. Jusqu’à 12 paragraphes sans différence textuelle sont échantillonnés par empreinte pour chaque source traitée ; ils nécessitent également une revue. Une exactitude de classification pourra décrire uniquement l’échantillon relu. Mesurer les changements manqués exige une revue indépendante de documents complets : aucun rappel ni aucune précision de détection n’est calculé à partir de la couverture ou des tests logiciels.
8. Ce qui appartient au travail Medyx
Les textes médicaux restent attribués à l’EMA. Medyx produit les extractions, identifiants, empreintes, observations, classifications proposées, rapports de couverture et protocole de revue. Aucun résultat médical, client, étude ou performance de modèle n’est ajouté.