Anonymiser un document avant ChatGPT : la méthode en cinq étapes

01

Décider si le document peut partir

La première question n’est pas technique. Certains documents ne doivent pas être confiés à un outil d’IA grand public, même anonymisés : un dossier médical, un secret professionnel d’avocat ou de notaire, une enquête interne, une opération non publique, un contrat dont les clauses interdisent la communication à des tiers. La CNIL rappelle que l’on ne doit soumettre que les informations que l’on est autorisé à partager, et l’ANSSI recommande la prudence pour tout usage professionnel d’une IA générative accessible sur Internet. Le risque est double : la confidentialité vis-à-vis de vos clients, et la conformité au RGPD. C’est aussi une question de sécurité : une fois les données envoyées, vous ne maîtrisez plus leur conservation ni leur utilisation.

Si le fichier peut partir, l’objectif devient de réduire le risque : ne transmettre que ce dont ChatGPT a besoin pour répondre.

02

Retirer ce qui ne sert pas à la question

C’est l’étape la plus efficace, et la plus oubliée. Pour l’analyse d’une clause, inutile d’envoyer le contrat entier ; pour résumer des notes de réunion, inutile de garder la liste des participants. Supprimez les annexes, les signatures, les en-têtes, les tableaux hors sujet. Moins il y a de texte, moins il y a de données personnelles à traiter, et meilleur est souvent le résultat.

03

Remplacer les identifiants directs

Les informations identifiantes directes sont celles qui désignent une personne à elles seules : noms et prénoms, adresses postales et électroniques, numéros de téléphone, numéro de sécurité sociale, IBAN, numéro de dossier, plaque d’immatriculation. Remplacez chacune par un marqueur cohérent : [CLIENT_1], [ADRESSE_1], [IBAN_1]. Le même client doit garder le même marqueur dans tout le fichier, sinon la réponse de ChatGPT devient incompréhensible.

Gardez de côté la table de correspondance entre marqueurs et vraies données : c’est elle qui permet de réintégrer les noms dans la réponse. Elle ne doit jamais être envoyée avec le texte.

04

Traiter les identifiants indirects

C’est là que la plupart des anonymisations échouent. Une date de naissance, une commune de 300 habitants, un montant exact, un poste unique dans l’entreprise ou un événement daté suffisent souvent à retrouver la personne, même sans son nom. Ce sont des données indirectes, mais des données personnelles quand même. Généralisez ces valeurs : une tranche d’âge plutôt qu’une date, une région plutôt qu’une commune, un ordre de grandeur plutôt qu’un montant exact, « un cadre de la direction financière » plutôt que le titre précis.

Le test à faire : un collègue qui connaît le dossier pourrait-il reconnaître de qui il s’agit en lisant le texte modifié ? Si oui, le risque de réidentification reste entier.

05

Nettoyer les métadonnées et relire

Un fichier Word ou PDF transporte des informations invisibles : auteur, société, historique des révisions, commentaires, propriétés du fichier. Copiez le texte dans un nouveau fichier, ou utilisez la fonction d’inspection de Word avant l’envoi. Relisez ensuite le résultat en entier, en particulier les en-têtes, les pieds de page et les noms de fichiers, qui portent souvent un nom de client.

Anonymisation ou pseudonymisation ?

Les deux mots sont souvent confondus. L’anonymisation est irréversible : plus personne, vous compris, ne peut retrouver la personne. Les données sortent alors du champ du RGPD. La pseudonymisation remplace les identifiants par des marqueurs (elle est définie à l’article 4 du RGPD), mais vous gardez la table de correspondance : les données restent des données personnelles au sens du RGPD, et la protection des données continue de s’appliquer.

Dans la pratique, pour utiliser ChatGPT sur un dossier client, c’est cette seconde méthode que l’on veut : elle protège la confidentialité des données pendant le traitement par l’outil d’IA, tout en permettant de remettre les vrais noms dans la réponse.

À la main ou avec un outil ?

À la main, la méthode fonctionne pour un document de temps en temps. Le risque augmente dès que l’usage se répète : une adresse oubliée en page 12, un IBAN dans un tableau, et l’information confidentielle est partie. Un outil d’anonymisation détecte ces informations de façon systématique.

Attention au choix de l’outil : un site en ligne à qui l’on envoie le document intact pour qu’il l’anonymise reçoit, lui, toutes les données. Il faut un outil qui tourne sur votre poste ou dans votre infrastructure, ou une solution hébergée en France dont le contrat encadre le traitement.

C’est la raison pour laquelle j’ai développé routtx, une passerelle hébergée en France qui pseudonymise le texte avant qu’il n’atteigne le modèle, puis remet les vraies données dans la réponse. Elle reconnaît les identifiants propres à la France (numéro de sécurité sociale, SIRET, IBAN, références cadastrales), et une extension de navigateur remplace le document que vous déposez dans ChatGPT, Claude, Gemini, Mistral ou Copilot par sa version pseudonymisée.

Et les réglages de ChatGPT ?

Ils complètent l’anonymisation, ils ne la remplacent pas. Sur un compte personnel, désactivez l’utilisation de vos conversations pour l’entraînement des modèles. En entreprise, préférez les offres professionnelles (ChatGPT Business ou Enterprise, Claude Team ou Enterprise), dont les données ne servent pas à l’entraînement par défaut, avec des comptes créés avec une messagerie professionnelle et un accord de traitement des données. Le document reste néanmoins transmis à un prestataire hébergé hors de France : pour un usage sensible, retirer les données personnelles reste nécessaire.

Questions fréquentes

Supprimer les noms suffit-il à anonymiser un document ?

Non. Les identifiants indirects (date de naissance, commune, montant exact, poste unique) permettent souvent de retrouver la personne. Il faut aussi les généraliser, puis vérifier qu’un lecteur qui connaît le dossier ne peut plus reconnaître personne.

Un document pseudonymisé est-il encore soumis au RGPD ?

Oui. Tant que la table de correspondance existe, les données restent des données personnelles au sens du RGPD. Seule une anonymisation irréversible les fait sortir de son champ.

Peut-on anonymiser un PDF scanné ?

Pas directement : un PDF scanné est une image, sans texte que l’outil puisse lire. Il faut d’abord le passer en reconnaissance de caractères (OCR), puis anonymiser le texte obtenu, et vérifier le résultat.

Sources et références : la fiche de la CNIL sur l’anonymisation, les recommandations de l’ANSSI pour l’IA générative, le RGPD.

Comment je vous accompagne

Je travaille avec des organisations soumises au secret professionnel, dont une étude notariale, sur l’usage de l’IA avec des données sensibles et de fortes contraintes de confidentialité. Concrètement, je peux :

• définir avec vous quels documents peuvent être confiés à un outil d’IA, et sous quelle forme ;
• installer routtx pour que les données soient protégées automatiquement, sans que vos équipes changent leurs habitudes ;
• former vos équipes à la méthode et aux bons réglages.

Voir aussi : le guide de l’IA souveraine en entreprise et le guide pour déployer Claude en entreprise.