Anonymisation des données pour l'IA : protégez les personnes avant l'analyse

Vous voulez faire résumer des dossiers de réclamation ou analyser des courriers sans transmettre les noms ni les adresses à un service externe. Nous concevons l'anonymisation des données pour l'IA : choix entre anonymisation et pseudonymisation, règles par type de document, détection automatique des informations d'identité, remplacement par des jetons, contrôle humain par échantillon et test de ré-identification. Vous repartez avec un dispositif documenté, intégrable à vos flux de documents, et une idée honnête de ce qu'il protège et de ses limites.

Anonymiser un document ne consiste pas à barrer un nom. Une donnée pseudonymisée, dont le nom a été remplacé mais dont le lien peut être reconstitué, reste une donnée personnelle au sens du RGPD, alors qu'une donnée réellement anonyme en sort : la frontière dépend de la possibilité de ré-identifier une personne, y compris par recoupement. L'anonymisation des données pour l'IA intéresse les entreprises qui veulent exploiter des dossiers sensibles avec un modèle hébergé ailleurs, réduire le périmètre de leur conformité ou échanger des jeux de données avec un prestataire. Concrètement, le dispositif détecte les noms, les adresses, les numéros et les informations indirectes, les remplace de façon cohérente et conserve la clé séparément quand un retour est nécessaire. Il n'est jamais parfait : certains documents libres cachent des identifiants dans une phrase, d'où le contrôle par échantillon et la mesure du taux de détection. Ce service ne remplace ni l'analyse de vos bases légales ni la décision de votre DPO, que nous associons au choix des règles. Il s'adresse aussi aux autorités attentives de votre pays : CNIL, APD, CNPD ou PFPDT.

• Le test de ré-identification est réalisé sur vos documents réels, avec un taux de détection chiffré.
• Les informations indirectes sont traitées : un poste rare dans un petit service peut suffire à identifier quelqu'un.
• Le choix entre anonymisation et pseudonymisation est motivé par l'usage, pas par un principe général.
• La clé de correspondance est stockée séparément et accessible à quelques personnes seulement, avec journal.
• Les limites sont écrites noir sur blanc : types de documents mal couverts et cas à relire manuellement.

• Note de choix de technique d'anonymisation
• Règles de détection propres à vos documents
• Pipeline d'anonymisation paramétré
• Rapport du test de ré-identification
• Procédure de contrôle humain par échantillon
• Documentation à destination du DPO

• Nous ne pouvons pas envoyer nos dossiers à un modèle externe tels quels
• Nous ne savons pas si nos documents masqués sont réellement anonymes
• Le masquage manuel prend des heures et laisse passer des noms

Cabinet de médiation de 25 personnes qui souhaite faire résumer des dossiers : un pipeline remplace les identités par des jetons et le taux de détection est contrôlé sur 200 pages.

Mutuelle de 120 salariés qui souhaite analyser les motifs de réclamation : les courriers sont pseudonymisés avant analyse, la table de correspondance reste chez elle et son accès est limité et journalisé.

Organisme de formation de 40 personnes qui analyse les évaluations de stagiaires : les commentaires sont anonymisés avant l'analyse thématique, avec contrôle d'un échantillon par un référent humain.

Public visé

DPO · DSI · Responsable data · Directeur juridique

Tailles d’entreprise

PME · ETI

Secteurs adaptés

Santé · Assurance · Services juridiques · Formation · Collectivités · Ressources humaines

Prérequis

Un échantillon représentatif de documents réels · Accord du DPO sur le périmètre d'analyse · Description du flux de documents où brancher le traitement

• Python
• spaCy
• Microsoft Presidio
• Mistral
• n8n
• PostgreSQL
• Azure AI Language

Souvent, un masquage automatisé remplace plusieurs heures de relecture manuelle par lot de dossiers et permet d'exploiter des documents jusqu'ici inutilisables. L'économie dépend de vos volumes et de la qualité des documents, à valider lors du diagnostic.