Précontrôler un formulaire beauté et bien-être avec Claude Code: consentement et contre-indications

Le formulaire de première visite indique “peau sensible”, “enceinte” ou “traitement en cours”, mais l’export CSV range tout dans une colonne de notes. Le rendez-vous est accepté, la personne arrive, et l’équipe découvre seulement sur place une condition qui impose de suspendre la prestation, changer de menu, expliquer une annulation ou proposer une autre date. Dans un salon de beauté, un studio bien-être, un espace de relaxation ou un coaching sportif, ce petit accident d’entrée vaut souvent plus qu’une nouvelle page marketing.

Allonger le formulaire ne règle pas le problème. Trop de questions augmentent l’abandon, et collecter des informations sans responsable de revue crée un autre risque. L’objectif pratique consiste à séparer, avant toute revue assistée par IA, les champs de réservation, les champs de consentement, les catégories de contre-indication et les détails réservés au personnel. Ici, une contre-indication désigne un état de santé, un médicament, une grossesse, une condition de peau ou un âge qui peut modifier la décision de poursuivre la prestation.

Cet article construit un preflight local pour un formulaire beauté et bien-être avec Claude Code. Le titre promet une vérification préalable et un contrôle de contrat local, pas une intégration en direct. Il ne se connecte pas à un service de formulaire, un système de réservation, une base client ni un envoi d’email. Les sources officielles vérifiées sont les permissions Claude Code, les réglages et le sandbox, les ressources de la commission japonaise PPC sur les informations personnelles, les recommandations sanitaires japonaises pour les établissements de beauté et la page japonaise de mise en garde sur la médecine esthétique. Ce n’est pas un conseil juridique, médical ou opérationnel individualisé.

Points Clés

• Le formulaire est séparé entre champs de réservation, champs à relire par l’équipe et champs exclus du CSV de travail IA.
• Claude Code lit seulement des données fictives ou anonymisées pour vérifier consentement, catégories de contre-indication, flags de revue et messages.
• Les humains décident de l’éligibilité de la prestation, de la santé, du consentement, des données personnelles, des mineurs, remboursements et annulations.
• Les trois Use case couvrent l’inventaire du formulaire, le preflight CSV et le brouillon de message pour l’équipe.
• Le CTA principal reste unique: les modèles produit pour réutiliser le workflow.

Workflow: séparer le formulaire avant l’IA

Commencez par séparer les dossiers et les tableaux. intake-raw/ contient les originaux: nom, téléphone, email, notes libres sur la peau ou le corps, médicaments, grossesse, consentement de mineur, autorisation photo et contexte de paiement. intake-ai-work/ contient la copie de travail pour l’IA: ID fictif, menu demandé, objectif de visite, statut du consentement, catégorie de contre-indication et nécessité d’une revue humaine. intake-approved/ conserve la checklist et le message validés.

Élément	Copie IA	Personnel uniquement
Formulaire de réservation	Menu, objectif, première visite ou retour	Nom, téléphone, email, adresse
Questions préalables	Catégorie de contre-indication, catégorie d’attention	Diagnostic, médicament, état détaillé
Consentement	Présence, date, obligatoire ou optionnel	Texte juridique et opérationnel final
Export CSV	Noms de colonnes, vides, flag de revue	Données identifiantes et texte libre brut
Checklist équipe	Responsable, condition d’arrêt, moment	Éligibilité, changement de menu, remboursement

flowchart TD
  A[intake-raw originaux] --> B[Classer les colonnes]
  B --> C[Anonymiser vers CSV IA]
  C --> D[Node.js preflight]
  D --> E[Claude Code détecte les manques]
  E --> F[Revue de l équipe]
  F --> G[intake-approved checklist]

L’habitude essentielle est de ne pas demander à Claude Code de tout lire et de décider. Réduisez d’abord les colonnes. Les notes libres contiennent souvent des noms, des détails de santé ou un contexte familial; le fichier IA doit plutôt contenir sensitive_note_present: true. Si un jugement est nécessaire, l’équipe ouvre l’original séparément.

Ce que Claude Code prend en charge et ce que l’humain décide

Claude Code prend en charge les champs manquants, les noms de colonnes risqués, les consentements absents, les flags de revue absents et les brouillons pour l’équipe ou la personne qui réserve. Il convient à des vérifications comme “le formulaire de première expérience contient-il l’autorisation photo et le consentement d’annulation ?” ou “chaque ligne avec catégorie de contre-indication contient-elle staff_review ?”.

Les humains décident si la prestation a lieu, quel menu change, comment traiter la santé ou les médicaments, le consentement d’un mineur, les remboursements, les annulations, les formulations publicitaires et les données personnelles. Une sortie Claude Code indiquant “pas d’écart évident” n’est pas une autorisation de prestation. Dans la beauté et le bien-être, un texte rassurant peut vite devenir une promesse absolue; la validation finale reste donc humaine.

La documentation officielle des permissions Claude Code explique que les règles sont évaluées dans l’ordre deny, ask, allow. La page de réglages décrit le sandbox comme une limite pour les commandes Bash et les processus enfants sur le système de fichiers et le réseau. Pour les originaux d’intake, refusez Read(/intake-raw/**) et n’autorisez que intake-ai-work/. C’est une réduction de surface, pas une preuve de confidentialité.

Pour compléter, lisez le guide des permissions Claude Code et le workflow menu de salon de beauté. Le formulaire et le menu échouent à des endroits différents, donc ils se vérifient séparément.

Trois Use Case

Use case 1: inventorier les champs de première visite

Entrée: liste des champs, obligatoire/optionnel, menu demandé, texte de consentement, autorisation photo, conditions d’annulation et questions nécessitant une revue.

Sortie: champs de réservation, champs à revoir, champs exclus de l’IA, courte explication de première visite et message après envoi.

Vérification humaine: éligibilité de la prestation, contre-indication, consentement mineur, photos, annulation/remboursement et texte final du consentement.

L’inventaire commence par décider ce qui doit être supprimé. Si le formulaire ne sert qu’à réserver un créneau, les questions de santé détaillées peuvent être déplacées vers une confirmation par le personnel. Si une condition doit toujours être vue avant prestation, elle a besoin d’un flag avant l’arrivée.

Use case 2: vérifier les colonnes risquées dans le CSV

Entrée: noms de colonnes du CSV anonymisé, lignes exemples, colonnes requises, flag de revue et règles avant envoi.

Sortie: colonnes autorisées, colonnes bloquées, alertes de vide, lignes exigeant staff_review et champs originaux à inspecter.

Vérification humaine: nom, téléphone, email, adresse, texte libre brut, médicament, diagnostic, grossesse, mineur, consentement et autorisation photo.

Les exports CSV cachent mieux les erreurs que l’écran du formulaire. Un libellé clair peut devenir une colonne note unique. Avant que Claude Code lise le fichier, un contrôle local doit bloquer les noms et valeurs simples à risque.

Use case 3: rédiger un message de confirmation pour l’équipe

Entrée: ID fictif, menu demandé, catégorie de revue, plage de rendez-vous, responsable, délai de réponse et canal de contact habituel.

Sortie: email interne, message avant visite, checklist de revue et informations à ne pas envoyer.

Vérification humaine: destinataire, vrai nom, données réelles de santé, décision de prestation, annulation, remboursement et validation responsable.

Ne demandez pas à l’IA de remplir de vraies informations personnelles. Utilisez “client A” ou “réservation B-001”, puis l’équipe vérifie l’original avant envoi. Le ton aide, mais la responsabilité de décision reste au magasin.

Prompt à copier-coller

Utilisez ce prompt seulement après avoir créé intake-ai-work/intake-redacted.csv. N’ajoutez pas de formulaires originaux, dossiers clients, photos ou données de paiement.

Act as a beauty and wellness first-visit intake form reviewer.
Read only ./intake-ai-work/intake-redacted.csv and output in this order:

1. Columns that may be used by AI and columns that must be stopped
2. Missing consent, photo permission, and cancellation fields
3. Whether rows with contraindication categories have staff_review
4. Fields staff must check in the original record
5. Draft pre-visit confirmation message to the guest
6. Pre-publication checklist

Constraints:
- Do not decide service eligibility, medical issues, or refunds
- Do not infer name, phone, email, address, diagnosis, medication, pregnancy week, or raw free-text notes
- Do not touch intake-raw, customer databases, booking systems, email sending, or external networks
- If you detect personal-data-like values, stop and report only the field name
- End with: "Not sendable before staff review"

Code de vérification exécutable

Si vous introduisez ce helper, enregistrez-le sous tools/check-beauty-intake-preflight.mjs. Cet article ne crée pas ce fichier dans le dépôt. Voici le contenu complet, avec uniquement des fixtures locales fictives.

const files = [
  {
    path: "intake-ai-work/intake-redacted.csv",
    text: "intake_id,menu,consent,contraindication_category,staff_review\nB-001,trial_facial,true,sensitive_skin,true"
  },
  {
    path: "intake-ai-work/bad.csv",
    text: "name,email,medication_note\nAiko,[email protected],blood pressure medicine"
  }
];

const blockedFields = [
  "name",
  "email",
  "phone",
  "address",
  "birthdate",
  "medication",
  "diagnosis",
  "pregnancy_week",
  "free_note"
];

const valuePatterns = [
  /[\w.+-]+@[\w.-]+\.[A-Za-z]{2,}/,
  /\b\d{2,4}-\d{2,4}-\d{3,4}\b/,
  /\b(?:medicine|diagnosis|pregnant|allergy)\b/i
];

const findings = [];

for (const file of files) {
  const lowerText = file.text.toLowerCase();
  for (const field of blockedFields) {
    if (lowerText.includes(field)) {
      findings.push({ path: file.path, type: "blocked field", field });
    }
  }
  for (const pattern of valuePatterns) {
    if (pattern.test(file.text)) {
      findings.push({ path: file.path, type: "blocked value", pattern: String(pattern) });
    }
  }
}

console.table(findings);
if (findings.length > 0) {
  process.exitCode = 1;
}

Ce code prouve seulement que les fixtures fixes détectent certains noms de champs et valeurs simples. Il ne prouve rien sur les PDF, images, notes manuscrites, recoupements entre colonnes, intégration réelle de formulaire ou système de réservation.

{
  "permissions": {
    "deny": [
      "Read(/intake-raw/**)",
      "Edit(/intake-raw/**)",
      "Read(/customer-records/**)",
      "Edit(/customer-records/**)",
      "Bash(git push *)"
    ],
    "allow": [
      "Read(/intake-ai-work/**)",
      "Edit(/intake-ai-work/**)",
      "Bash(node tools/check-beauty-intake-preflight.mjs *)"
    ]
  },
  "sandbox": {
    "enabled": true,
    "failIfUnavailable": true,
    "allowUnsandboxedCommands": false,
    "filesystem": {
      "denyRead": ["./intake-raw", "./customer-records"],
      "denyWrite": ["./intake-raw", "./customer-records"]
    }
  }
}

Pitfall: causes fréquentes et corrections

Première cause: le consentement est une petite case à la fin. La personne ne sait pas ce qu’elle accepte et l’équipe ne suit pas les changements de texte. Corrigez en séparant photos, annulation, santé et contact, puis en exportant la version ou la date du consentement.

Deuxième cause: les contre-indications sont saisies uniquement en texte libre. C’est flexible, mais difficile à chercher et risqué pour l’IA. Ajoutez des catégories et un flag staff_review, en gardant les détails dans l’original.

Troisième cause: croire qu’une règle Read deny suffit. Bash, les processus enfants et les helpers locaux peuvent créer un autre chemin vers les originaux. Combinez deny Claude Code, denyRead et denyWrite du sandbox, règles de dossier et tests de rejet fictifs.

Quatrième cause: tester le validateur avec de vrais CSV. L’historique du terminal et les logs peuvent conserver des valeurs. Construisez les exemples acceptés et refusés avec des ID fictifs et n’imprimez pas les valeurs personnelles détectées en production.

Mesure ROI légère

Pendant deux semaines, mesurez seulement le formulaire de première expérience. Avant le changement, notez les appels de confirmation après réservation, les changements de menu le jour même, les cas bloqués par l’explication du consentement et les réouvertures d’originaux. Après, notez les mêmes chiffres et ajoutez les lignes arrêtées par le preflight.

Le calcul peut rester simple: cas × (minutes de confirmation + minutes de reprise le jour même) à côté des arrêts preflight. Si les réservations augmentent mais les changements du jour aussi, le formulaire n’a pas aligné les attentes. Si les confirmations préalables augmentent et les annulations du jour baissent, le workflow peut être utile. N’inventez pas de résultat; comparez les mêmes champs sur la même période.

Questions Fréquentes

Q. Est-il plus sûr de supprimer toutes les questions de santé ou médicaments ?

Non. Supprimer les vérifications nécessaires peut augmenter le risque opérationnel. Le but est de réduire ce que l’IA voit tout en gardant les champs que l’équipe doit relire.

Q. Les permissions Claude Code suffisent-elles pour les données personnelles ?

Ne les considérez pas comme suffisantes seules. Elles créent des limites d’outils. Ajoutez sandbox, séparation de dossiers, logs sans valeurs et revue humaine.

Q. Claude Code peut-il corriger des promesses proches de la médecine esthétique ?

Il peut produire des alertes et notes de revue, mais publicité médicale et revue juridique sont hors périmètre. Une personne doit vérifier chaque promesse d’effet avec des sources primaires et les règles du local.

Q. Par quel formulaire commencer ?

Commencez par celui où première expérience, photos, annulation et santé sont mélangées. Le formulaire qui déclenche le plus de questions le jour même est souvent un meilleur début que celui qui a le plus de trafic.

Modèles Produit

Ce preflight peut commencer comme un petit exercice débutant. Créez un CSV fictif, vérifiez que les colonnes risquées arrêtent le processus, que l’absence de staff_review apparaît et que la sortie indique qu’elle n’est pas envoyable avant revue.

Pour réutiliser ce motif sur menus, FAQ, réponses et contrôles de publication, utilisez les modèles produit comme prochaine étape unique. Le workflow menu de salon couvre prix et durée; le guide des permissions couvre le contrôle d’accès.

Résultat Réellement Testé

Pour cet article, j’ai confirmé que /images/hero/hero-024.webp existe dans site/public/images/hero/hero-024.webp. J’ai aussi vérifié la page officielle des permissions Claude Code, la page réglages et sandbox, la page japonaise PPC sur les informations personnelles, les recommandations sanitaires MHLW et la page d’avertissement de l’agence des consommateurs.

Le bloc JavaScript représente intake-ai-work/intake-redacted.csv et intake-ai-work/bad.csv fictifs comme tableaux en mémoire. Il montre seulement une frontière locale pour noms de champs et valeurs simples. Aucun test runtime n’a été exécuté avec service de formulaire, système de réservation, base client, email ou données réelles. Les vérifications de publication couvrent ce slug, frontmatter, liens internes, liens externes, CTA, code fences, dix fichiers de locale et l’article Qiita.