Analyse approfondie : index de resumes pour ne relire que les lots pertinents

A la premiere analyse d une source, chaque lot est resume (1 appel LLM,
cache disque, purge avec la source) et son resume embedde. Aux questions
suivantes, la question est comparee aux resumes et seuls les lots proches
du meilleur score (marge 0.10, plancher 3 lots) sont relus -> 3-5x moins
d appels sur un gros livre pour les questions ciblees. Selection
volontairement conservatrice ; best-effort (tout echec -> plein scan) ;
desactivable via DEEP_SUMMARY_FILTER=false (exhaustivite maximale).

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

brain/app/api/deps.py

@@ -142,10 +142,13 @@ def get_notebook_chat_use_case(
 
 def get_notebook_deep_use_case(
     llm: Annotated[LLMProvider, Depends(get_llm_provider)],
+    embedder: Annotated[object, Depends(get_embedding_provider)],
     settings: Annotated[Settings, Depends(get_settings)],
 ) -> NotebookDeepUseCase:
     return NotebookDeepUseCase(
         llm=llm,
         batch_tokens=settings.import_chunk_tokens,
         map_concurrency=settings.llm_map_concurrency,
+        embedder=embedder,
+        summary_filter=settings.deep_summary_filter,
     )