Anonymiser par IA des documents de centaines de pages, sans la longue attente
Dossiers administratifs, demandes de subvention, dossiers de procédure, data rooms d’audit d’acquisition : bon nombre des documents à anonymiser comptent des centaines de pages. Et c’étaient justement ceux qui se faisaient le plus attendre. Avec la version 1.9.0 d’Anonimatum, nous avons refait deux étapes du traitement : un Word de 600 pages qui dépassait 20 minutes s’affiche désormais en aperçu en 7 minutes environ, avec le même résultat. Et surtout, en cas de problème, l’application le signale.
Pourquoi les longs documents prenaient autant de temps
L’IA d’Anonimatum lit tout le document pour trouver ce que les règles ne voient pas : noms, adresses, montants ou dates selon leur contexte. Elle travaille à un rythme d’environ 0,5 seconde par page et analyse les documents l’un après l’autre : un dossier de 600 pages demande donc plusieurs minutes pour cette seule lecture.
Le vrai problème était ailleurs : si l’analyse dépassait le délai maximal, le résultat pouvait ne garder que les détections par motifs (numéros d’identité, IBAN, téléphones…) et perdre les noms, montants ou adresses trouvés par l’IA, sans aucun avertissement. Un document qui semblait anonymisé, mais ne l’était qu’à moitié.
Ce qui change avec la version 1.9.0
L’IA analyse les longs documents par blocs de 25 pages
Les longs documents sont désormais envoyés à l’IA par blocs de 25 pages. Chaque bloc est analysé séparément, puis les résultats sont fusionnés en replaçant chaque détection sur sa page d’origine. Aucune analyse n’approche plus le délai maximal, quelle que soit la longueur du document.
Si un bloc échoue, vous le savez
Si l’IA n’arrive pas à analyser un bloc, l’aperçu l’indique avec les pages exactes, par exemple « l’IA n’a pas analysé les pages 26 à 50 », pour que vous puissiez les vérifier ou relancer l’analyse. Et l’anonymisation finale ne livre jamais un document anonymisé à moitié : elle s’arrête et vous prévient plutôt que de le rendre en silence. Entre rapidité et sécurité, la sécurité l’emporte.
Repérer chaque donnée sur sa page : de 22 minutes à 11 secondes
Une fois les données détectées, il faut les retrouver sur chaque page pour dessiner les zones d’occultation. Cette étape a elle aussi été réécrite : le texte de chaque page est préparé une seule fois (auparavant, une fois par mot recherché), les recherches répétées sont réutilisées et les mots qui ne peuvent pas figurer sur une page sont écartés d’emblée. Dans un test sur 600 pages et 2 000 valeurs détectées, on est passé d’environ 2,1 secondes par page à environ 20 millisecondes : de près de 22 minutes à 11 secondes environ, avec exactement les mêmes marques.
| Avant | Avec la 1.9.0 | |
|---|---|---|
| Aperçu complet avec IA | Plus de 20 min, puis coupure | 7 min environ |
| Analyse par l’IA | Tout le document d’un coup | Blocs de 25 pages, 5 min environ |
| Repérage des données sur les pages | 2,1 s par page environ (≈ 22 min) | 20 ms par page environ (≈ 11 s) |
| Si l’analyse n’aboutit pas | Règles seules, sans avertissement | Avertissement avec les pages concernées ; jamais de livraison à moitié |
Le test : un Word de 600 pages
Nous l’avons vérifié sur un Word de 600 pages rempli de données personnelles : noms, IBAN, numéros d’identité, téléphones, adresses e-mail, adresses postales, dates et montants. L’aperçu complet avec IA se termine désormais en 7 minutes environ : près de 5 pour l’analyse par l’IA, le reste pour préparer les pages et marquer les données. Auparavant, il dépassait 20 minutes et était interrompu.
En pratique, comptez un peu plus d’une demi-seconde par page : environ une minute pour 100 pages et 3 pour 300. Si vous devez anonymiser de nombreux longs documents en même temps, mieux vaut passer par le traitement par lots que les envoyer un par un.
D’autres nouveautés de la 1.9.0 pensées pour les longs documents
- Aperçu par mot. En plus de la liste par page, chaque texte détecté apparaît une seule fois avec son nombre d’occurrences et ses pages. Si l’IA a marqué par erreur un mot répété sur 200 pages, vous le retirez partout d’un coup avec Tout retirer, et l’application vous propose de ne plus l’anonymiser.
- Un gros Word ne sort jamais sans anonymisation. Nous avons corrigé un cas où un Word volumineux pouvait être téléchargé sans anonymisation si un réglage était modifié après l’aperçu. La détection par IA est désormais refaite à l’anonymisation et, si aucune donnée n’est remplacée, l’application le signale au lieu de livrer le document. Pour en savoir plus : anonymiser un Word en conservant sa mise en forme.
Ce que cela change pour vous
- Les dossiers de centaines de pages s’affichent en aperçu en quelques minutes, et en entier.
- Pour l’aperçu avec IA, comptez un peu plus d’une demi-seconde par page.
- Si l’IA n’analyse pas certaines pages, l’aperçu vous dit lesquelles.
- Vous ne recevrez jamais un document anonymisé à moitié sans avertissement.
- Les marques sont identiques à celles d’avant : seul le temps change.
- Pour de nombreux longs documents à la fois, utilisez le traitement par lots.
- Vérifiez toujours l’aperçu avant d’appliquer, comme pour tout document.
Nous détaillons la qualité de détection langue par langue dans comment nous mesurons l’IA d’Anonimatum, et la liste complète des changements figure dans les notes de version 1.9.0.
Questions fréquentes
Le résultat est-il le même qu’avant ?
Oui. Les détections et les zones d’occultation sont identiques ; seul le temps change. Dans le test sur 600 pages, le repérage des données a produit exactement les mêmes marques avant et après la modification.
Que se passe-t-il si un bloc échoue ?
L’aperçu indique les pages que l’IA n’a pas analysées (par exemple, « l’IA n’a pas analysé les pages 26 à 50 ») pour que vous puissiez les vérifier ou relancer l’analyse. L’anonymisation finale ne livre jamais un document anonymisé à moitié : elle s’arrête et vous prévient.
Y a-t-il une limite de pages ?
Pas du côté de l’IA : le document est découpé en autant de blocs de 25 pages que nécessaire (24 pour un document de 600 pages). Les limites générales de votre compte s’appliquent toujours, comme la taille de fichier et les pages disponibles. Ce qui augmente avec la taille, c’est le temps : un peu plus d’une demi-seconde par page.
Mon document quitte-t-il l’UE ?
Non. Il est analysé sur les serveurs propres d’Anonimatum dans l’UE, sans être envoyé à des services tiers ni à des API externes. Tous les blocs sont analysés au même endroit.
Quelque chose change-t-il pour les documents courts ?
Un document de 25 pages ou moins est analysé d’un seul tenant, comme avant. Il profite aussi de la nouvelle façon de repérer les données sur les pages, même si la différence se remarque à peine sur un document court.