Comment anonymiser un document Word (.docx) conformément au RGPD

Dans la plupart des organisations, un dossier ne commence pas en PDF. Il commence dans Word : projets de contrats, rapports d’inspection, décisions, courriers aux usagers, procès-verbaux, notes RH. Convertir en PDF « juste pour anonymiser », puis rééditer, est un raccourci coûteux : vous perdez les styles, les tableaux complexes, le suivi des modifications et, bien souvent, vous laissez des données personnelles dans des couches que personne n’a vérifiées.

Ce guide explique comment anonymiser nativement des fichiers .doc, .docx et .odt, quels risques sont propres aux formats Office, comment cela s’articule avec le RGPD, et comment procéder avec une IA locale dans l’Union européenne — l’approche d’Anonimatum — sans envoyer le contenu des documents à des API de LLM externes.

Pourquoi Word est plus risqué qu’il n’y paraît

Un PDF visuellement « propre » peut très bien provenir d’un fichier Word qui ne l’est pas, si la source n’a pas été correctement traitée. Word conserve des informations là où l’utilisateur moyen ne regarde jamais :

• Commentaires et suivi des modifications : noms des relecteurs, dates et fragments de texte « disparus » du corps visible.
• En-têtes, pieds de page et sections : numéros de dossier, téléphones ou codes de site répétés sur chaque page.
• Tableaux et zones de texte : des données personnelles dispersées dans les cellules ; le masquage manuel oublie souvent des lignes.
• Métadonnées du fichier : auteur, organisation, chemins locaux, modèles de l’entreprise.
• Texte masqué ou supprimé : contenu marqué comme supprimé mais récupérable selon l’export.
• Images incorporées : captures d’écran d’applications affichant des noms ou des identifiants (c’est là que l’anonymisation visuelle prend tout son sens).

N’anonymiser que le corps du texte et publier le DOCX (ou le convertir en PDF sans nettoyer le reste) est une cause fréquente de fuites sur les portails de transparence, lors de due diligences et dans les supports de formation.

Quand l’anonymisation native de Word s’impose (et pas seulement le PDF)

Le cadre RGPD applicable (sans jargon creux)

L’anonymisation n’est pas un mode magique d’un logiciel : c’est une mesure technique et organisationnelle. Concrètement :

• Finalité : publier, former, tester ou répondre à une demande d’accès ou de transparence. La finalité détermine *quelles* données doivent être supprimées ou remplacées.
• Minimisation : ne pas trop masquer (perte d’utilité) ni trop peu (risque de réidentification).
• Responsable du traitement ou sous-traitant : avec un SaaS, le contrat et le lieu de traitement comptent. Anonimatum fonctionne sur des serveurs situés dans l’UE, sans envoyer le contenu à des LLM externes.
• Irréversibilité ou pseudonymisation : si une réversion peut être nécessaire (recherche, tests), envisagez la pseudonymisation avec une table de correspondance ; si vous publiez, privilégiez une anonymisation irréversible dans le fichier de sortie.
• AIPD : lorsque le volume ou la sensibilité (santé, mineurs, judiciaire) est élevé, documentez le flux d’anonymisation des fichiers Office dans votre analyse d’impact.

Méthode recommandée, étape par étape

1. Inventaire rapide du document

Avant de lancer l’anonymisation, ouvrez les commentaires, le suivi des modifications et les propriétés du fichier. Repérez les annexes incorporées, les tableaux denses ou les captures d’écran. Cet inventaire évite les mauvaises surprises lors de l’aperçu.

2. Détecter avec des motifs et l’IA

Combinez des règles déterministes (numéros d’identité nationaux, IBAN, e-mails, téléphones) avec une détection contextuelle des noms, adresses et montants. Pour le jargon interne (codes de site, alias d’employés), ajoutez des motifs ou des listes de mots propres à votre organisation.

3. Vérifier l’aperçu et décider des exclusions

L’aperçu n’a rien de cosmétique : c’est là qu’un relecteur humain signale les faux positifs (par exemple un numéro de dossier qui *doit* rester visible dans une décision publique). Sans cette étape, l’automatisation crée autant de risques qu’elle n’en supprime.

4. Générer le fichier natif et contrôler

Téléchargez le fichier Word/ODT obtenu et recherchez-y les données d’origine. Vérifiez aussi les tableaux, les pieds de page et, si nécessaire, convertissez une copie en PDF pour valider le résultat destiné à la publication.

5. Passer aux lots quand le volume augmente

Lorsque vous passez de quelques fichiers à des envois RH ou à des dossiers complets en ZIP, le navigateur devient un goulot d’étranglement. Utilisez le traitement par lots côté serveur, avec file d’attente, statuts et ZIP de sortie.

Erreurs fréquentes (et comment les éviter)

Check-list opérationnelle avant de partager un DOCX

• Le volet des commentaires et des révisions non acceptées est-il vide ?
• Les en-têtes, pieds de page et première/dernière pages ont-ils été vérifiés ?
• Des identifiants subsistent-ils dans des colonnes « secondaires » des tableaux ?
• Les propriétés du fichier n’exposent-elles plus un auteur sensible ?
• L’identifiant ou le nom d’origine a-t-il été recherché dans le fichier de sortie ?
• Le relecteur et la version du processus ont-ils été consignés (audit interne) ?

La place d’Anonimatum

Anonimatum anonymise les fichiers Word (et d’autres formats bureautiques) avec détection automatique, aperçu et export natif lorsque votre offre et votre configuration le permettent. Le traitement s’appuie sur une IA locale dans l’UE. Si vous avez ensuite besoin d’un PDF d’archivage, convertissez-le de façon maîtrisée dans le même écosystème.