Anonymiser ses données pour ChatGPT : guide pratique

Un collaborateur colle un contrat, un compte rendu d'entretien ou un échange avec un client dans ChatGPT pour gagner du temps. Pour anonymiser les données avant ChatGPT, il faut savoir quoi retirer, comment le remplacer et ce que cela garantit vraiment. Ce guide répond à la question que se posent les DSI et les équipes qui utilisent l'outil au quotidien : comment retirer les informations qui identifient quelqu'un sans empêcher l'IA de faire le travail.

Anonymisation ou pseudonymisation : la différence qui compte

Dans le langage courant, « anonymiser » veut dire « enlever ce qui est sensible ». Le droit est plus précis, et la distinction change vos obligations.

• L'anonymisation rend la réidentification impossible, pour tout le monde, y compris pour vous. Une donnée réellement anonymisée sort du champ du RGPD. C'est un standard très exigeant, rarement atteint sur un texte libre.
• La pseudonymisation remplace les identifiants par des substituts (un jeton comme [PERSON_1], un code) tout en conservant, de votre côté, la table qui permet de revenir aux valeurs réelles. Les données restent des données personnelles pour votre entreprise, mais le risque est réduit.

Quand vous masquez un nom avant d'envoyer un texte à ChatGPT, puis que vous remettez le vrai nom dans la réponse, vous faites une pseudonymisation. C'est utile et recommandé, mais il ne faut pas la présenter comme une anonymisation : vos obligations de responsable de traitement subsistent. La CNIL a publié des recommandations sur l'usage de l'IA générative, à consulter sur sa page consacrée à l'intelligence artificielle.

Pourquoi masquer les informations avant l'envoi

Ce que vous saisissez dans ChatGPT part chez un fournisseur tiers. Même si les conditions d'utilisation évoluent et varient selon l'offre (grand public ou entreprise), le principe reste simple : ce qui n'a pas besoin de sortir ne doit pas sortir. Pour une profession réglementée, l'enjeu est plus lourd. La révélation d'une information couverte par le secret professionnel est réprimée par l'article 226-13 du code pénal, et chaque profession a son propre texte (secret de l'avocat, secret médical, etc.).

Le masquage ne remplace pas une politique d'usage (quels outils, pour quels dossiers), mais il réduit ce qui sort quand quelqu'un se trompe. C'est une question de protection des données autant que de confidentialité des données : les informations confidentielles d'un client ou d'un dossier, comme les données sensibles d'un salarié, n'ont pas à figurer dans un message envoyé à un service externe. La gestion des données dans les systèmes d'IA doit suivre des règles écrites, connues de tous. Si vous cherchez le cadre général, voyez notre article sur le Shadow AI en entreprise.

Ce qu'il faut masquer : identifiants directs et indirects

Les identifiants directs

Ce sont les informations qui désignent une personne ou une entreprise sans effort :

• noms et prénoms, adresses email, numéros de téléphone, adresses postales ;
• numéro de sécurité sociale (NIR), carte d'identité, passeport, plaque d'immatriculation, date de naissance ;
• IBAN, numéro de carte bancaire ;
• SIRET, SIREN, numéro de TVA, qui identifient une société, et par ricochet son dirigeant ;
• références propres à votre métier : numéro de dossier, de minute, de lot de copropriété, référence cadastrale, numéro de DPE, matricule salarié.

Les identifiants indirects

C'est là que les méthodes manuelles échouent le plus souvent. Un texte sans aucun nom peut encore désigner quelqu'un : « la directrice financière de la filiale lyonnaise, arrivée en mars, en arrêt depuis juin ». Aucune donnée directe, et pourtant n'importe quel collègue sait de qui on parle. Les fonctions rares, les lieux précis, les dates, les montants atypiques et les circonstances d'un événement fonctionnent ensemble comme une signature.

Les données de santé, d'opinion, d'appartenance syndicale ou d'orientation relèvent en plus des catégories particulières de l'article 9 du RGPD, soumises à un régime plus strict. Pour ces textes, la question n'est pas seulement « comment masquer » mais « faut-il l'envoyer ».

Les méthodes manuelles et leurs limites

On peut très bien commencer à la main. Voici les techniques courantes et ce qu'elles valent.

Remplacer par des initiales ou des mots génériques

« Jean Dupont » devient « JD » ou « le client ». Rapide, mais deux personnes avec les mêmes initiales se confondent dans le texte, et les initiales restent un indice.

Rechercher et remplacer dans le document

Utile pour un nom que vous connaissez. Les fautes de frappe, les variantes (« M. Dupont », « Dupont Jean », « J. Dupont ») passent entre les mailles, et on oublie les en-têtes, les signatures et les pieds de page.

Généraliser les valeurs rares

Remplacer une date exacte par un mois, une adresse par une ville, un montant par une fourchette. C'est la bonne réponse aux identifiants indirects, mais elle demande du jugement à chaque texte et prend du temps.

Nettoyer les métadonnées

Un fichier Word ou PDF embarque le nom de l'auteur, le chemin du fichier, parfois l'historique des modifications. Copier-coller le texte brut évite une partie du problème.

Le défaut commun de ces méthodes : elles reposent sur l'attention d'une personne pressée, à chaque envoi. Elles ne laissent pas de trace, ne s'appliquent pas à l'équipe entière et ne gèrent pas le retour (remettre les vrais noms dans la réponse). Et il serait contradictoire d'envoyer d'abord le document intact à un autre service en ligne pour lui demander de l'anonymiser.

Remplacer par des jetons : la méthode qui garde le sens

La technique la plus fiable consiste à remplacer chaque donnée par un jeton typé, toujours le même pour la même valeur. Le modèle n'a pas besoin de connaître le nom pour raisonner ; il a besoin de savoir qu'il y a une personne, et que c'est la même d'un paragraphe à l'autre.

# Texte saisi par le collaborateur
"Rédige une réponse à Jean Dupont ([email protected]) qui conteste la facture. IBAN FR76 3000 4001 2345..."

# Ce que reçoit le modèle
"Rédige une réponse à [PERSON_1] ([EMAIL_1]) qui conteste la facture. IBAN [IBAN_1]..."

# Réponse du modèle
"Bonjour [PERSON_1], nous avons bien reçu votre contestation..."

# Réponse affichée au collaborateur (valeurs remises en place)
"Bonjour Jean Dupont, nous avons bien reçu votre contestation..."

Cette méthode a une limite à connaître : si la question porte sur l'identité elle-même (« cette personne est-elle citée ailleurs ? »), le masquage n'est pas adapté. Pour résumer, reformuler, analyser une clause ou rédiger un courrier, il fonctionne très bien. Et rappelez-vous : c'est une pseudonymisation, la table de correspondance doit rester chez vous.

L'outillage : automatiser sans changer les habitudes

Dès que plusieurs personnes utilisent ChatGPT, le masquage manuel ne tient plus. Il faut un outil qui agit avant l'envoi, sans demander d'effort supplémentaire.

Dans le navigateur. L'extension Chrome routtx Shield repère les données dans ce qu'un collaborateur saisit ou dépose sur ChatGPT, mais aussi sur Claude, Gemini, Mistral et copilot.microsoft.com, et les remplace par des jetons avant l'envoi. Elle remet les vraies valeurs dans la réponse. Elle ne couvre pas Microsoft 365 Copilot dans Word, Outlook ou Teams, et n'est pas encore disponible sur le Chrome Web Store.

Dans vos applications. Pour les équipes techniques, routtx s'insère comme passerelle devant l'API : le masquage s'applique à tous les appels, sans modifier le code applicatif. Les modes d'intégration sont détaillés sur la page Intégration. L'API est compatible OpenAI et Anthropic, avec model="auto" pour laisser routtx choisir le modèle selon la tâche.

Sur les documents. PDF, Word et emails sont analysés pour masquer les données et repérer les instructions cachées. Ce qui n'est pas repéré part tel quel, c'est la limite de tout outil automatique.

Ce qui est repéré

routtx repère notamment les noms, emails, téléphones, adresses, NIR, IBAN, SIRET, SIREN, numéros de TVA, cartes d'identité, passeports, plaques d'immatriculation, dates de naissance, références cadastrales, lots de copropriété, numéros de DPE et, pour les notaires, numéros CRPCEN et de minute. Vous ajoutez vos propres motifs (numéro de dossier, matricule), et vous pouvez désactiver des catégories. Le détail est sur la page Fonctionnalités.

Une démarche en cinq étapes pour la DSI

1. Cartographier les usages : qui utilise ChatGPT, pour quels types de documents. Le suivi des usages IA donne cette vue.
2. Classer les données : ce qui peut partir masqué, ce qui ne doit jamais partir (secret professionnel, santé, secret des affaires au sens de l'article L151-1 du code de commerce).
3. Choisir la méthode : consigne manuelle pour un usage ponctuel, outil automatique dès qu'il y a du volume.
4. Définir les motifs métier : références de dossier, matricules, formats propres à votre activité.
5. Garder une trace : un journal des échanges (qui, quel modèle, quand) pour pouvoir répondre à un contrôle ou à un incident.

Questions fréquentes

Peut-on vraiment anonymiser des données avant ChatGPT ?

Dans la plupart des cas, on pseudonymise plutôt qu'on n'anonymise. Une anonymisation au sens strict rend la réidentification impossible, y compris pour vous. Remplacer un nom par un jeton en gardant la correspondance de votre côté est une pseudonymisation : les données restent des données personnelles pour votre entreprise.

Remplacer les noms par des initiales suffit-il ?

Non. Les initiales, une fonction, une ville et une date peuvent suffire à reconnaître quelqu'un. Il faut aussi traiter les identifiants indirects : les recoupements entre plusieurs informations isolément anodines.

ChatGPT peut-il raisonner sur un texte dont les noms sont remplacés par des jetons ?

Oui, dans la grande majorité des tâches : résumer, reformuler, analyser une clause, rédiger une réponse. Le modèle a besoin de savoir qu'il y a une personne ou un montant, pas de savoir laquelle. Quand l'identité elle-même est l'objet de la question, le masquage ne convient pas.

Que faire des documents joints (PDF, Word, emails) ?

Ils contiennent souvent plus d'identifiants que le texte saisi : en-têtes, signatures, métadonnées, pieds de page. Il faut les traiter avant l'envoi, avec le même niveau de masquage que le texte, et vérifier le résultat avant de le déposer dans l'outil.

← Retour au blog