RAG · Fine-tuning · Gouvernance des données AI Act
Anonymisez vos documents avant qu’ils n’alimentent vos projets d’IA
Les projets d’IA d’entreprise reposent sur des documents : contrats indexés pour un assistant à génération augmentée par récupération (RAG), tickets de support utilisés pour affiner un modèle, dossiers chargés dans une base de connaissances interne. Chacun peut contenir des données personnelles, et une fois transformées en vecteurs dans un index ou en poids dans un modèle, elles sont bien plus difficiles à retrouver, corriger ou effacer que dans le dossier d’origine.
Anonimatum Pro dès 19,90 €/mois TTC.
Anonimatum nettoie le corpus avant l’ingestion. Le traitement par lots sur des serveurs européens prend en charge des centaines de fichiers PDF, Office et ZIP avec une configuration unique, et l’API REST vous permet d’intégrer cette même étape à votre pipeline de données. Lorsque l’IA doit encore distinguer les personnes, la pseudonymisation les remplace par des jetons cohérents ou des substituts réalistes : les relations subsistent, les identités non.
Le règlement européen sur l’IA (AI Act) impose aux fournisseurs de systèmes à haut risque une gouvernance des données d’entraînement, de validation et de test, et le RGPD couvre tout le reste. Anonimatum détecte avec ses propres modèles, sans envoyer votre corpus à des API externes de LLM. Hors d’Espagne, les professionnels individuels peuvent démarrer en ligne avec Anonimatum Pro ; pour les équipes et l’accès à l’API, contactez-nous.
Des documents bruts à un corpus prêt pour l’IA
- 1
Définissez la politique
Décidez pour chaque projet ce qui doit disparaître (noms, coordonnées, identifiants, données bancaires) et ce que le modèle doit conserver, comme des dates, des montants ou des noms de produits.
- 2
Choisissez caviardage ou pseudonymisation
Caviardez pour les bases de connaissances partagées ou publiques ; utilisez des jetons comme NOM_1 ou des substituts réalistes lorsque l’IA doit suivre qui est qui.
- 3
Traitez par lots ou via l’API
Déposez des fichiers ZIP dans la file d’attente du serveur ou appelez l’API REST depuis votre tâche d’ingestion, avec les mêmes motifs et ensembles de mots pour chaque fichier.
- 4
Contrôlez par sondage et isolez la table
Vérifiez des échantillons dans l’aperçu avant l’indexation et stockez la table de correspondance hors du système d’IA, avec un accès restreint.
Document fictif
Avant / après : un ticket de support pour une base de connaissances
Ticket fictif préparé pour un assistant RAG. Le client et l’agent deviennent des jetons cohérents, le numéro de compte est partiellement masqué et le contenu technique reste intact.
Ticket #48213 · Produit : Router X200 · Priorité : haute
Client : Jean Dupont, compte FR-559201
Agent : Laura Bianchi
Jean Dupont signale que le routeur redémarre chaque nuit à 02:00.
Firmware 4.2.1 installé ; la panne a commencé après la mise à jour.
Solution de contournement : désactiver la sélection automatique du canal.
Suivi envoyé à j.dupont@example-mail.eu.
Ticket #48213 · Produit : Router X200 · Priorité : haute
Client : NOM_1, compte FR-55****
Agent : NOM_2
NOM_1 signale que le routeur redémarre chaque nuit à 02:00.
Firmware 4.2.1 installé ; la panne a commencé après la mise à jour.
Solution de contournement : désactiver la sélection automatique du canal.
Suivi envoyé à EMAIL_001.
Les jetons gardent le même client reconnaissable dans tout le ticket sans l’identifier ; produit, firmware et correctif restent, car c’est ce que l’assistant doit apprendre.
Pourquoi nettoyer les données avant que l’IA ne les voie
Plus simple que d’effacer après coup
Retirer une personne d’un index ou d’un modèle affiné est difficile. Tenir les données personnelles à l’écart du corpus est le moyen le plus simple de respecter le droit à l’effacement et la minimisation.
Cohérent au sein de chaque document
Un même original reçoit toujours le même substitut dans un document : le modèle apprend des relations, pas des identités.
Prêt pour vos pipelines
Les files de traitement par lots et l’API REST s’intègrent aux tâches d’ingestion : l’anonymisation devient une étape automatique du pipeline, et non une corvée manuelle avant chaque import.
Aucun LLM tiers dans la boucle
La détection s’exécute sur les propres modèles d’Anonimatum, sur des serveurs européens : préparer le corpus ne crée pas de nouveau transfert vers un fournisseur d’IA externe.
Anonymiser des documents pour l’IA : questions fréquentes
Faut-il anonymiser ou pseudonymiser les données pour le RAG ?
Si la base de connaissances sera utilisée par de nombreuses personnes ou exposée à des clients, caviardez. Si un assistant interne doit suivre une affaire d’un document à l’autre, pseudonymisez avec des substituts cohérents et conservez la table de correspondance hors du système d’IA. N’oubliez pas que des données pseudonymisées restent des données personnelles au sens du RGPD.
Mon projet d’IA devient-il ainsi conforme à l’AI Act ?
Aucun outil ne peut y parvenir à lui seul. L’AI Act exige une gouvernance appropriée des données d’entraînement, de validation et de test des systèmes à haut risque ; supprimer ou pseudonymiser les données personnelles est l’une des mesures qui la composent, que vous documentez avec vos autres contrôles.
Puis-je l’automatiser ?
Oui. L’API REST, disponible dans la formule entreprise, permet à votre pipeline d’envoyer des documents et de récupérer les résultats traités. Pour des corpus ponctuels, des fichiers ZIP dans la file de traitement par lots du serveur suffisent généralement.
Quels formats peuvent entrer dans le corpus ?
PDF (y compris les pages scannées, avec OCR), Word, Excel, PowerPoint, OpenDocument et archives ZIP. Les résultats reviennent dans leur format d’origine, prêts pour votre propre découpage et vos embeddings.
Est-ce la même chose que d’anonymiser un fichier avant de le coller dans ChatGPT ?
Même moteur, autre échelle. Coller un document dans un chatbot est une tâche individuelle ; alimenter un projet d’IA implique des centaines de documents, une politique reproductible et de la traçabilité, ce à quoi servent le traitement par lots, l’API et les configurations partagées.
Construisez votre IA sur des données propres
Hors d’Espagne, les particuliers peuvent démarrer en ligne avec Anonimatum Pro à 19,90 € / mois ou 199 € / an, TTC. Pour les projets d’équipe, les volumes par lots ou l’accès à l’API, parlez-nous de votre corpus.
Souscrire AnonimatumEspagne n’est pas votre pays ?