docs: update thesis and docs with Cleanlab label filtering integration

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>

services/bot-detector/DOCUMENTATION.md

@@ -583,6 +583,20 @@ XGBClassifier(
 positifs (FP) servent d'exemples négatifs, les vrais positifs (TP) d'exemples positifs.
 Requiert ≥ `XGB_MIN_LABELS` (100) labels avant activation.
 
+**Filtrage Cleanlab des labels bruités** (`cleanlab>=2.6`, optionnel) :
+
+Avant l'entraînement XGBoost, un pipeline de *confident learning* filtre les
+labels SOC probablement erronés :
+
+1. Entraînement d'un XGBoost rapide (`n_estimators=80, max_depth=4`) en 3-fold CV
+2. Extraction des `pred_probs` out-of-fold via `cross_val_predict`
+3. Appel à `cleanlab.filter.find_label_issues(labels=y, pred_probs=pred_probs)`
+4. Exclusion des indices identifiés comme bruités du jeu d'entraînement
+5. Recalcul du `scale_pos_weight` sur les données nettoyées
+
+Le taux de labels filtrés est loggué (`[XGB][name] Cleanlab : N/M labels bruyants supprimés (X.X%)`).
+En cas d'échec (erreur, dépendance manquante), le pipeline retombe sur les données brutes sans interruption.
+
 **Ré-entraînement** : Toutes les `XGB_RETRAIN_INTERVAL_HOURS` (168h = 7 jours).
 
 **Persistance** : `model.save_model()` → fichier `.json`.