Guide · Guide pratique · PDF
Comment anonymiser un PDF sans laisser de données sous le caviardage
Équipe Anonimatum
En bref
Anonymiser un PDF, c’est supprimer de façon irréversible les données personnelles du contenu visible, de la couche texte et des métadonnées. Un rectangle noir ou un surlignage noir ne suffit pas : le texte reste dans le fichier.
Le scénario est connu : un document « caviardé » circule, quelqu’un sélectionne le passage noirci, fait copier-coller… et le nom réapparaît. Il ne s’agit pas de piratage, seulement d’un rectangle dessiné au-dessus du texte au lieu d’une suppression du texte. Au regard du RGPD et de la loi Informatique et Libertés, le fichier contient toujours des données personnelles, et sa diffusion peut constituer une violation de données.
Ce guide explique ce que contient vraiment un PDF, une méthode valable quel que soit l’outil, la façon de procéder avec Anonimatum et, surtout, comment vérifier que le fichier est propre avant de le transmettre, par exemple dans le cadre d’une communication de document administratif.
Pas à pas
Listez les données à supprimer
Repérez les identifiants directs (nom, NIR, e-mail, téléphone, IBAN) et indirects (adresse, dates, fonctions uniques) selon l’usage : publication, communication à un tiers ou usage interne.
Vérifiez la présence de texte
Essayez de sélectionner un mot. Si c’est impossible, il s’agit d’un scan : lancez d’abord l’OCR pour que motifs et IA puissent le lire.
Importez le fichier et choisissez les méthodes
Dans Anonimatum, importez le PDF, cochez les motifs du catalogue ou vos motifs personnalisés, les options d’IA utiles et, si besoin, des ensembles de mots ou des zones pour les signatures et tampons.
Ajoutez une liste blanche
Indiquez les termes qui doivent rester visibles, comme l’administration, les textes cités ou le numéro de dossier, pour ne pas masquer plus que nécessaire.
Prévisualisez et relisez chaque marque
Lancez l’aperçu, parcourez le texte surligné en jaune, décochez ce qui n’est pas une donnée personnelle et ajoutez ce qui a échappé à la détection.
Appliquez et téléchargez
Appliquez l’anonymisation, ouvrez l’onglet du résultat et téléchargez le PDF anonymisé sous un nom de fichier neutre.
Vérifiez le fichier final
Copiez tout le texte, cherchez les données avec Ctrl+F, contrôlez propriétés, commentaires et pièces jointes, puis supprimez les métadonnées avant diffusion.
Pourquoi les caches noirs et le surlignage n’anonymisent pas
Un PDF n’est pas une photo de page. Dans un PDF exporté depuis Word ou un logiciel métier, chaque caractère est stocké sous forme de texte, avec sa police et sa position. Par-dessus, on peut ajouter des annotations (commentaires, surlignages, formes) qui n’effacent rien. Un rectangle noir ajouté avec l’outil de commentaire, un surlignage noir ou une police blanche laissent la donnée intacte : elle se copie, s’indexe et se lit avec un lecteur d’écran.
Imprimer puis rescanner n’est pas une bonne solution : le fichier devient lourd, inaccessible et, si quelqu’un lui applique un OCR, le texte revient. Le vrai caviardage consiste à supprimer le texte et les éléments graphiques de la zone, puis seulement à dessiner le cache qui signale l’occultation. Le glossaire détaille la notion de censure de documents.
Les trois couches à contrôler
- Couche visible : ce qui s’affiche ou s’imprime, y compris images, tampons et signatures numérisées.
- Couche texte : le texte réel que l’on copie, recherche avec Ctrl+F ou extrait. Dans un scan passé à l’OCR, c’est un texte invisible placé derrière l’image.
- Métadonnées et éléments cachés : auteur, titre, logiciel producteur, commentaires, signets, pièces jointes, calques et champs de formulaire.
La méthode générique pour anonymiser un PDF
Avant d’ouvrir un outil, dressez la liste de ce qui doit disparaître. Le risque de ré-identification dépend du contexte : un nom est évident, mais un numéro de dossier, une adresse et une date de naissance combinés suffisent aussi. En France, on vise en général les nom et prénom, le numéro de sécurité sociale (NIR), à 13 chiffres plus une clé de 2 chiffres (par exemple 2 84 05 75 123 456 78, fictif), l’adresse, le téléphone, l’e-mail, l’IBAN, l’immatriculation, la signature et les données de santé.
Vérifiez ensuite si le PDF contient du texte sélectionnable : essayez de surligner un mot. Si c’est impossible, il s’agit d’un scan et l’OCR s’impose d’abord ; voir notre guide pour anonymiser un PDF scanné. Utilisez ensuite un outil de caviardage réel, contrôlez chaque marque, enregistrez un nouveau fichier (jamais par-dessus l’original) et vérifiez le résultat.
Anonymiser un PDF avec Anonimatum
Anonimatum associe une IA propre, exécutée sur des serveurs situés dans l’Union européenne sans envoyer le texte à des API de modèles de langage externes, à des motifs et à une relecture humaine. Le déroulé : importer, configurer, choisir motifs, ensembles de mots, zones ou options d’IA, prévisualiser, relire et appliquer. Les catégories d’IA couvrent les données personnelles au sens du RGPD (immatriculations comprises depuis la version 1.9.0), les dates, les adresses, les montants et les QR codes. Depuis la 1.9.0, les documents en français sont reconnus automatiquement, y compris le numéro de sécurité sociale. La page de l’anonymiseur PDF présente l’ensemble des fonctions.
La liste blanche joue le rôle inverse : elle protège les termes qui ne doivent jamais être masqués, comme le nom de l’administration, l’article de loi cité ou la commune. Depuis la 1.9.0, lorsque vous retirez une marque pendant la relecture, vous pouvez demander qu’elle ne soit plus proposée, pour vous seul ou pour tout le groupe.
| Donnée | Méthode conseillée | Exemple fictif |
|---|---|---|
| NIR, e-mail, téléphone, IBAN | Motif du catalogue ou expression régulière personnalisée | 2 84 05 75 123 456 78 |
| Noms, adresses, dates, montants | Options d’IA relues dans l’aperçu | Claire Martin, 12 rue des Lilas, Lyon |
| Termes internes (codes client, surnoms) | Ensemble de mots | CLI-0042 |
| Signatures, tampons, logos, photos | Zone dessinée ou modèle de figures | Signature manuscrite en bas de page |
Vérifier que le PDF est propre
La vérification n’est pas facultative : le caviardage est irréversible et un document diffusé ne se rattrape pas. Ouvrez le fichier final avec un autre lecteur que celui qui l’a produit et procédez aux contrôles suivants :
Contrôles minimum avant diffusion
- Tout sélectionner (Ctrl+A), copier et coller dans un éditeur de texte : aucune donnée masquée ne doit réapparaître.
- Rechercher avec Ctrl+F le nom, le NIR et l’adresse e-mail : aucun résultat.
- Ouvrir les propriétés du document (auteur, titre, sujet, mots-clés).
- Vérifier l’absence de commentaires, signets, pièces jointes ou calques contenant des données.
- Contrôler le nom du fichier : « Rapport_ClaireMartin.pdf » ruine tout le travail.
- Relire en-têtes, pieds de page, notes et tableaux, où traînent souvent des données isolées.
Pour les métadonnées, l’outil pour supprimer les métadonnées d’un PDF efface auteur, dates et propriétés sans toucher au contenu visible. Le glossaire explique ce que sont les métadonnées et pourquoi elles trahissent souvent le rédacteur.
Les erreurs fréquentes
- Utiliser l’outil de dessin ou de commentaire du lecteur PDF au lieu d’une vraie fonction de caviardage.
- Se fier aveuglément à la détection automatique : aucune IA ni aucun motif n’est infaillible, la relecture humaine fait partie du processus.
- Oublier les identifiants indirects : une fonction unique (« la directrice des ressources humaines »), une date de naissance ou une adresse identifient autant qu’un nom.
- Trop masquer : occulter des dates, montants ou numéros de dossier qui devaient rester visibles rend le document inutile. La liste blanche évite cet écueil.
- Anonymiser le PDF mais envoyer le Word d’origine, ou laisser des versions de travail dans un dossier partagé.
- Ne pas nettoyer les métadonnées ni le nom du fichier.
Questions fréquentes
Un rectangle noir dans un PDF suffit-il ?
Non, s’il s’agit d’une annotation ou d’un dessin. Le texte reste dessous et peut être copié ou recherché. Il faut une fonction qui supprime le contenu de la zone avant de dessiner le cache.
Anonymiser et pseudonymiser, est-ce la même chose ?
Non. L’anonymisation supprime la donnée de façon irréversible ; la pseudonymisation la remplace par une valeur cohérente, réversible grâce à une information conservée à part. Les données pseudonymisées restent des données personnelles au sens du RGPD.
Peut-on annuler une anonymisation ?
Non, c’est voulu. Conservez l’original en lieu sûr et, si vous avez besoin de revenir en arrière, utilisez la pseudonymisation avec sa table de correspondance.
Et les PDF scannés ?
Ils exigent un OCR pour que motifs et IA lisent le texte, et l’image comme la couche texte doivent être occultées. Notre guide sur les PDF scannés détaille la démarche.
Caviardez vos PDF sans laisser de traces
Consultez les offres et commencez à anonymiser vos PDF avec une IA hébergée dans l’UE, des motifs et une relecture humaine avant application.