feat(r5): dictée — audio local (faster-whisper) → note → corpus (ADR-004 §5)

Écran Voix R5 (maquetté, jamais construit) implémenté sur décision du
référent : open-source et local, pas d'API externe.

- apps/ai : faster-whisper (CTranslate2, CPU, MIT) opt-in
  (AI_TRANSCRIPTION=off|locale|deterministe, défaut off) ; endpoint
  /internal/transcrire — l'audio ne survit JAMAIS à l'appel (fichier
  temporaire supprimé quoi qu'il arrive) ; indexer_bilans inclut
  désormais InterventionReport.note anonymisée (champ existant depuis
  R2, jamais eu d'écran jusqu'ici) ; 29 pytest.
- Contrat (77 opérations) : POST /assistant/transcribe (multipart).
- API : proxy multipart vers siop2-ai (WORK_ORDERS.edit — même droit
  que la saisie du bilan) ; 2 tests e2e (80 tests API au total).
- Mobile : expo-audio + expo-file-system, bouton dicter/terminer sur
  l'écran de clôture, purge locale après transcription, « Joindre la
  description à l'OT » (corrige un bug latent : enfilerBilan ignorait
  silencieusement les mises à jour de note).
- Docker : siop2-ai embarque le modèle Whisper au build (1,54→2,19 Go),
  construit et vérifié (transcription réelle en conteneur, non-root).
- Vérifié réellement : transcription fidèle (voix de synthèse
  française) en direct, bout en bout via l'API, dans le conteneur
  Docker construit, et chaîne corpus complète (note → clôture →
  réindexation → recherche sémantique).
- Base de dev locale réinitialisée avec accord explicite du référent
  (prisma migrate reset, bloqué par défaut pour un agent IA) après
  pollution par les tests manuels de la recette terrain précédente.

Reste : test tactile sur iPhone physique (bouton dicter) — bloqué par
une connexion USB qui ne s'est pas rétablie malgré câble/port/
redémarrage essayés à plusieurs reprises, reporté comme la recette
Android.

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

apps/ai/Dockerfile

@@ -8,29 +8,35 @@
 FROM ghcr.io/astral-sh/uv:python3.11-bookworm-slim AS builder
 WORKDIR /app
 ENV UV_LINK_MODE=copy \
-    FASTEMBED_CACHE_PATH=/opt/fastembed
+    FASTEMBED_CACHE_PATH=/opt/fastembed \
+    HF_HOME=/opt/whisper
 
 # Manifestes d'abord (cache de couche), puis le code. L'installation du projet
 # reste éditable (.pth → /app/src) : src est donc copié dans l'image finale.
 COPY pyproject.toml uv.lock ./
 RUN uv sync --frozen --no-install-project --no-dev \
-    --extra embeddings --extra generation
+    --extra embeddings --extra generation --extra transcription
 COPY src src
 RUN uv sync --frozen --no-dev \
-    --extra embeddings --extra generation
+    --extra embeddings --extra generation --extra transcription
 
-# Le modèle d'embeddings est EMBARQUÉ dans l'image : pas de téléchargement au
-# boot (démarrage prévisible, marche sans accès à Hugging Face en production).
+# Les modèles locaux (embeddings + dictée) sont EMBARQUÉS dans l'image : pas
+# de téléchargement au boot (démarrage prévisible, marche sans accès à
+# Hugging Face en production). La dictée reste opt-in (AI_TRANSCRIPTION=off
+# par défaut) — le modèle est prêt si elle est activée un jour, sans rebuild.
 RUN uv run python -c "from siop_ai.embeddings import EmbeddeurLocal; EmbeddeurLocal()"
+RUN uv run python -c "from siop_ai.transcription import TranscripteurLocal; TranscripteurLocal('small')"
 
 FROM python:3.11-slim-bookworm
 WORKDIR /app
 ENV PATH=/app/.venv/bin:$PATH \
-    FASTEMBED_CACHE_PATH=/opt/fastembed
+    FASTEMBED_CACHE_PATH=/opt/fastembed \
+    HF_HOME=/opt/whisper
 RUN useradd --system --create-home siop
 COPY --from=builder --chown=siop:siop /app/.venv /app/.venv
 COPY --from=builder --chown=siop:siop /app/src /app/src
 COPY --from=builder --chown=siop:siop /opt/fastembed /opt/fastembed
+COPY --from=builder --chown=siop:siop /opt/whisper /opt/whisper
 USER siop
 EXPOSE 8000
 HEALTHCHECK --interval=30s --timeout=5s --start-period=40s --retries=3 \