Tes équipes utilisent déjà l'IA. Les interdire ne marche pas — elles continuent en cachette. La vraie réponse tient en une phrase : anonymiser le document AVANT qu'il parte dans le LLM. Ce guide t'explique comment, avec Presidio — l'outil open source de Microsoft conçu exactement pour ça. Zéro jargon, et tu peux le tester en 5 minutes sans rien installer.
1C'est quoi Presidio, en clair
L'outil. Presidio est une boîte à outils open source publiée par Microsoft, sous licence MIT (gratuite, y compris en usage commercial). Son métier : repérer les données personnelles dans un texte, puis les masquer avant que le texte ne sorte de chez toi.
Deux temps, deux briques. Le Analyzer lit le texte et pointe les données sensibles (« ici un nom, là un email »). Le Anonymizer les remplace, les masque ou les chiffre. Deux briques complémentaires : l'une détecte, l'autre neutralise.
Ça tourne chez toi. Presidio s'installe sur ta machine ou ton serveur. La donnée brute n'est jamais envoyée à un service externe pour être analysée : elle est nettoyée localement, et seul le texte anonymisé part vers ChatGPT ou Claude.
2Ce qu'il repère dans un texte
Presidio détecte une longue liste de données sensibles « universelles ». Chaque type porte un nom technique (en majuscules) — utile à connaître, car c'est ce nom qui s'affiche dans la démo et dans le code. Les plus utiles au quotidien d'une PME :
| Nom technique | Ce que c'est | Exemple repéré |
|---|---|---|
| PERSON | Nom et prénom d'une personne | Jean Dupont |
| EMAIL_ADDRESS | Adresse email | j.dupont@acme.fr |
| PHONE_NUMBER | Numéro de téléphone | 06 12 34 56 78 |
| IBAN_CODE | IBAN / coordonnées bancaires (le cœur d'un RIB) | FR76 3000 6000 01… |
| CREDIT_CARD | Numéro de carte bancaire | 4111 1111 1111 1111 |
| LOCATION | Lieu, ville, adresse | 12 rue de Lyon, Paris |
| IP_ADDRESS | Adresse IP (IPv4 / IPv6) | 192.168.1.10 |
| DATE_TIME | Dates et heures | née le 04/07/1985 |
| URL | Adresse web | acme-interne.fr/dossier |
| CRYPTO | Portefeuille crypto (Bitcoin) | 1A1zP1eP… |
S'ajoutent des détecteurs propres à certains pays (numéros d'identité US, UK, Espagne, Italie…). Et tu peux créer tes propres règles : un format de matricule interne, une référence client maison — Presidio apprend à les repérer aussi.
3Comment il masque : 6 façons de neutraliser une donnée
Une fois la donnée repérée, tu choisis quoi en faire. Presidio propose plusieurs « modes » (appelés opérateurs). Les six les plus utiles :
| Mode | Ce qu'il fait | Résultat sur « Jean Dupont » |
|---|---|---|
| replace | Remplace par une étiquette neutre | <PERSON> |
| mask | Cache une partie des caractères | Jean D***** |
| redact | Supprime purement la donnée | (rien) |
| hash | Transforme en empreinte illisible (irréversible) | a3f9c1… |
| encrypt | Chiffre — récupérable avec une clé | kT8p…== (déchiffrable) |
| keep | Laisse la donnée intacte (au cas par cas) | Jean Dupont |
replace. Le LLM voit <PERSON> à la place du vrai nom — il comprend toujours « il y a un client ici », mais ne connaît jamais son identité. Garde encrypt pour les cas où tu dois pouvoir réafficher la vraie valeur ensuite.4Le tester en 5 minutes, sans rien installer
Avant de parler technique, Microsoft met à disposition une démo en ligne gratuite. Tu colles un texte, tu vois en direct ce qui est détecté et masqué. C'est la meilleure façon de comprendre l'outil en une pause-café.
1. Ouvre la démo → aka.ms/presidio-demo (lien officiel Microsoft, rien à installer).
2. Colle un faux exemple (jamais une vraie donnée client sur un site, même de démo) — par exemple : « Merci d'appeler John Smith au 212-555-0143, email john.smith@acme.com. »
3. Regarde le résultat. Les entités détectées se surlignent, et tu vois le texte anonymisé. Joue avec les modes (replace, mask, redact…) pour voir la différence.
5Le placer devant ChatGPT ou Claude
L'objectif : que le texte passe par Presidio avant d'atteindre le LLM. Concrètement, deux façons de t'y prendre selon ton niveau.
Option simple — le copier-coller assisté. Tes équipes collent leur texte dans un petit outil interne (alimenté par Presidio) qui leur rend la version anonymisée. C'est cette version-là qu'elles envoient à ChatGPT/Claude. Aucun changement d'habitude, juste une étape « nettoyage » au milieu.
Option intégrée — le sas automatique. Si tu appelles l'IA via une API (dans une appli, un workflow N8N…), tu glisses Presidio juste avant l'appel : chaque message est anonymisé automatiquement, sans que personne y pense. C'est le vrai « sas RGPD », invisible et systématique.
Avant → « Relire le contrat de Jean Dupont, jean.dupont@acme.fr, IBAN FR76 3000 6000 01. »
Après → « Relire le contrat de <PERSON>, <EMAIL_ADDRESS>, <IBAN_CODE>. »
Le LLM fait exactement le même travail de relecture — sans jamais voir une seule vraie donnée.
Côté installation. Presidio se pose via Python (pip install presidio-analyzer presidio-anonymizer) ou via Docker (images prêtes à lancer). Une brique technique, pas une appli en un clic — mais une fois en place, elle protège tous les envois, en continu.
Pour aller plus loin. Microsoft fournit un tutoriel pour héberger ta propre interface de test en interne (la même que la démo, mais chez toi) : le guide Streamlit officiel. Pratique pour donner un outil simple à tes équipes sans qu'elles touchent au code.
6Ce que Presidio ne fait PAS (à lire avant de te lancer)
Pour rester honnête — et parce que c'est important pour le RGPD — voici les limites réelles :
En résumé
| Question | Réponse courte |
|---|---|
| Ça sert à quoi ? | Masquer les données perso avant l'envoi dans un LLM |
| C'est payant ? | Non — open source, licence MIT |
| Où tourne la donnée ? | Chez toi (local), elle ne sort pas pour être analysée |
| Je teste comment ? | aka.ms/presidio-demo, sans rien installer |
| Français géré nativement ? | Non — modèle FR à configurer |
| Ça remplace l'humain ? | Non — ça réduit le risque, la relecture reste utile |
