feat(ml): export training-ready (GeoJSON / COCO / QuPath) + figement dataset_snapshot

[Yanstart]

Contexte

Sans export training-ready, le pipeline ML continu ne peut pas
réutiliser les annotations validées. Toute version d'un modèle doit
pouvoir être ré-entraînée à partir d'un dataset figé et
reproductible.

Référence : docs/architecture/ANNOTATION_DATA_MODEL_AUDIT.md — gaps G3 + G11.

Objectif

1. Endpoint d'export POST /api/v1/datasets/export qui produit un
   dataset training-ready dans plusieurs formats (GeoJSON, COCO,
   QuPath GeoJSON)
2. Table dataset_snapshots qui fige filter_criteria + contenu
3. FK ml_models.training_dataset_id → dataset_snapshots.id pour tracer
   quelle version d'un modèle vient de quel dataset

Approche technique proposée

Migration 011_dataset_snapshots.py

CREATE TABLE dataset_snapshots (
    id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
    tenant_id VARCHAR(100) NOT NULL,
    name VARCHAR(200) NOT NULL,
    version VARCHAR(50) NOT NULL,
    filter_criteria JSONB NOT NULL,
    sample_count INTEGER NOT NULL,
    label_distribution JSONB NOT NULL,
    storage_uri TEXT NOT NULL,
    storage_format VARCHAR(20) NOT NULL,
    created_by VARCHAR(200),
    created_at TIMESTAMPTZ NOT NULL DEFAULT NOW(),
    UNIQUE (tenant_id, name, version)
);

ALTER TABLE ml_models
  ADD COLUMN training_dataset_id UUID REFERENCES dataset_snapshots(id);

Endpoint d'export

@router.post("/datasets/export", response_model=DatasetSnapshotOut)
async def export_dataset(
    name: str,
    version: str,
    filter_criteria: AnnotationFilter,
    format: Literal["geojson", "coco", "qupath_geojson"] = "geojson",
    current_user: CurrentUser = Depends(require_role("ADMIN_TECHNIQUE")),
):
    """Fige un export training-ready + crée un dataset_snapshot."""
    ...

Formats supportés

Format	Cas d'usage	Sortie
geojson	FeatureCollection lisible QGIS / dev	.geojson (1 fichier)
coco	Compatible Detectron2, MMDetection, torchvision	annotations.json + manifest
qupath_geojson	Import dans QuPath (power users)	.geojson avec metadata QuPath

Stockage

• Local : /var/varuna/datasets/<tenant>/<snapshot_id>/
• S3 (MinIO) si configuré (cf Wave 13 feat(scale): storage S3-compatible + tiering hot/cold + multi-tenant #355)

Acceptance criteria (fonctionnel)

• Migration Alembic 011_* créée et testée
• Modèle SQLAlchemy DatasetSnapshot créé
• Endpoint POST /api/v1/datasets/export opérationnel
• 3 exporters dans services/ml/exporters/ (geojson, coco, qupath_geojson)
• Endpoint GET /api/v1/datasets (liste) + GET /api/v1/datasets/{id} (détail)
• Endpoint GET /api/v1/datasets/{id}/download (récupère le fichier figé)
• ml_models.training_dataset_id ajouté + FK validée
• Documentation docs/architecture/DATASET_SNAPSHOTS.md

Review checklist (conditions de validation pour le reviewer PR)

Code

• Tests unitaires : 1 par exporter × 3 cas (vide / single label / multi-label) = 9 tests
• Tests d'intégration : export → snapshot persisté → download → checksum match
• Couverture > 75 % sur services/ml/exporters/
• Validation roundtrip : export COCO → reimport via N4 → même set d'annotations

Reproductibilité

• Snapshot immuable : un export à T puis modification d'annotations puis re-download retourne les données d'origine
• filter_criteria re-exécutable : POST avec même filter à T+1 produit un snapshot différent si annotations ont changé

Stockage

• Garde-fou disk space : refus si projection > N MB (configurable)
• Chiffrement at-rest si STORAGE_ENCRYPTION_KEY configurée
• Garbage collection (TTL configurable) — issue séparée ou TODO documenté

Sécurité & tenant

• Tenant isolation : user du tenant A ne peut PAS exporter annotations du tenant B
• require_role("ADMIN_TECHNIQUE") ou MEDECIN selon politique (à acter en review)
• Audit log généré sur chaque export

Documentation

• Swagger UI : exemples complets de payload
• docs/architecture/ANNOTATION_DATA_MODEL_AUDIT.md : G3 + G11 marqués RESOLVED

Dépendances

• Amont (bloquant) : N1 (source_model_id), N2 (Pydantic schemas)
• Aval : feat(ml): pipeline CI/CD fine-tuning foundation models (champion/challenger + auto-rollback drift) #341 (CI/CD champion/challenger), feat(ml): fine-tuning workflow local (LoRA + full FT, MLflow versioning) #347 (fine-tuning MLflow)

Hors-scope

• Génération de splits train/val/test (laissé au consommateur)
• DICOM-SR export (envisageable plus tard)
• Versioning des exports avec diff (issue séparée)

Références

• docs/architecture/ANNOTATION_DATA_MODEL_AUDIT.md §3 (G3, G11)
• COCO format spec
• QuPath GeoJSON import doc