feat(abilities): add passive feats system (Weapon Focus, Iron Will, Dodge, Point-Blank Shot)

README.md

@@ -340,9 +340,9 @@ Non modélisé (couches `elevation`/`markers` présentes mais non appliquées
 dans la résolution) :
 
 - Sorts (le système d'effets `effects.py`, les règles d'empilement des
-  bonus, les jets de sauvegarde `resolve_save` et le système de conditions
-  `conditions.py` sont en place — l'intégration des sorts au moteur est en
-  cours).
+  bonus, les jets de sauvegarde `resolve_save`, le système de conditions
+  `conditions.py` et les dons passifs `abilities.py` sont en place —
+  l'intégration des sorts au moteur est en cours).
 - Manœuvres de combat.
 - Effets mécaniques de hauteur/élévation.
 - Tailles Large+ (2×2), allonge > 5 ft
@@ -378,6 +378,12 @@ dans la résolution) :
   staggered, frightened, panicked, cowering). Les modificateurs sont intégrés
   à `resolve_attack` (attaque, dégâts, CA) et `resolve_save` (jets de
   sauvegarde) via `_stat_modifiers` qui collecte effets + conditions.
+- `abilities.py` — dons et capacités : `AbilitySpec` (dataclass avec
+  catégorie feat/class/racial/trait) et dons passifs prédéfinis (Weapon Focus,
+  Toughness, Iron Will, Great Fortitude, Lightning Reflexes, Alertness,
+  Point-Blank Shot, Dodge). Les modificateurs sont collectés par
+  `_stat_modifiers` avec filtrage par arme (`weapon_filter`). Le champ
+  `features` de `Combatant` contient les aptitudes permanentes.
 - `metrics.py` — statistiques en forme fermée : `win_rate`, `win_rate_sigma`,
   `win_rate_band` (bande 3σ bornée à [0, 1]).
 - `runner.py` — `EncounterSpec`/`Side`, `build_states` (placement en zone +
@@ -393,7 +399,7 @@ dans la résolution) :
 La gate de validation complète (tests + lint + types) :
 
 ```bash
-uv run pytest -q          # 276 tests
+uv run pytest -q          # 293 tests
 uv run ruff check src tests
 uv run basedpyright src   # mode strict
 ```
@@ -410,7 +416,8 @@ uv run basedpyright src   # mode strict
   conditions, manœuvres de combat, dons et capacités de classe. Flanquement,
   attaques à outrance, attaques d'opportunité, charge, retraite et pas de
   placement sont déjà modélisés. Le système d'effets (`effects.py`), les
-  règles d'empilement des bonus et les jets de sauvegarde (`resolve_save`)
+  règles d'empilement des bonus, les jets de sauvegarde (`resolve_save`), le
+  système de conditions (`conditions.py`) et les dons passifs (`abilities.py`)
   sont en place.
 - **Phase 2** — couche tactique LLM : stratégies en langage naturel traduites
   en politiques, balayage de matrices de positionnement.