Entraîner un modèle, tester une application ou confier un échantillon à un prestataire demande des données réelles. Les copier telles quelles, c'est copier les personnes qu'elles décrivent. La pseudonymisation y répond : routtx remplace les noms, coordonnées, dates de naissance et identifiants par des jetons, et garde ce qui fait la valeur de vos documents : les clauses, les compétences, l'historique commercial.
Photo : Mike Stoll / Unsplash
Inès dirige l'équipe data d'un cabinet de recrutement. Elle veut entraîner un modèle qui rapproche les CV des offres, et donner à un prestataire un échantillon de contrats de mission et de fiches clients pour développer l'outil.
Son délégué à la protection des données pose une condition : aucun candidat, aucun client ne doit être reconnaissable dans ce qui sort du cabinet.
Inès dépose les fichiers par lots de 50 PDF ou documents Word. Noms, adresses, téléphones, emails, dates de naissance et numéros de sécurité sociale sont remplacés par des jetons.
L'export est découpé en blocs de 50 000 caractères. Chaque appel reprend la correspondance du bloc précédent : un client garde le même jeton dans tout l'export.
Chaque document laisse un rapport des catégories masquées. Le délégué à la protection des données vérifie l'échantillon avant qu'il ne sorte.
Une donnée personnelle copiée dans un jeu d'entraînement ou de test ne se rattrape plus.
Un modèle entraîné sur des CV en clair peut restituer un nom, un numéro ou une adresse vus pendant l'entraînement. Le retirer ensuite suppose de réentraîner.
La paradeLes données personnelles sont remplacées par des jetons avant l'entraînement.
Confier des contrats et des fiches clients à un prestataire, c'est lui transmettre les personnes qui y figurent, avec les obligations qui vont avec.
La paradeL'échantillon part sans les noms, les coordonnées ni les identifiants.
Une adresse, une référence cadastrale ou une plaque d'immatriculation suffisent souvent à retrouver quelqu'un, même une fois le nom masqué.
La paradeLes identifiants indirects repérés sont masqués comme les identifiants directs.
Quatre points à connaître avant de pseudonymiser vos documents.
Remplacer les données par des jetons est une pseudonymisation au sens du RGPD. Les données pseudonymisées restent des données à caractère personnel tant qu'une table de correspondance existe ou qu'une personne reste reconnaissable par recoupement. L'anonymisation, elle, doit rendre impossible en pratique toute réidentification : la conclure revient à votre délégué à la protection des données, après examen du résultat.
routtx conserve la correspondance entre jetons et valeurs d'origine jusqu'à la suppression du lot. Supprimez le lot une fois les données pseudonymisées récupérées.
Le traitement par lots accepte les PDF, les documents Word et les emails. Un export CRM ou un tableur s'envoie à l'API texte, par blocs de 50 000 caractères.
Dans un lot, chaque document a sa propre numérotation : une même personne présente dans deux contrats y porte deux jetons différents. Le traitement par lots est inclus dans les offres Business et Enterprise.
La pseudonymisation des données est un traitement de données à caractère personnel après lequel les données ne peuvent plus être attribuées à une personne précise sans recours à des informations supplémentaires, conservées à part : c'est la définition de l'article 4 du RGPD. En pratique, elle remplace les données directement identifiantes (nom, prénom, numéro de sécurité sociale) par des pseudonymes, et la table de correspondance joue le rôle d'information supplémentaire. Le RGPD la cite comme une mesure de sécurité, mais les données pseudonymisées restent soumises au règlement. Un jeu de données RGPD, préparé pour entraîner un modèle, tester une application ou être partagé, s'appuie le plus souvent sur elle : la CNIL la distingue de l'anonymisation, qui seule fait sortir les données du champ du RGPD.
La pseudonymisation remplace les données directement identifiantes par des pseudonymes : avec la table de correspondance, on peut réidentifier la personne, et le RGPD s'applique. L'anonymisation rend la réidentification impossible en pratique, y compris par recoupement avec d'autres informations : les données sortent alors du RGPD.
Pas automatiquement. Remplacer les données par des jetons est une pseudonymisation au sens du RGPD : les données restent personnelles tant qu'une table de correspondance existe ou qu'une personne reste reconnaissable par recoupement.
Un jeton numéroté qui garde la catégorie de la donnée : [PERSON_1], [ADDRESS_1]. D'autres techniques existent, comme le hachage ou le chiffrement des informations ; elles produisent des valeurs illisibles qui ne disent plus de quoi il s'agit, alors qu'un modèle ou un testeur a besoin de savoir qu'il lit un nom ou une adresse.
Les PDF, les documents Word et les emails, par lots de 50 fichiers de 10 Mo au plus. Un export CRM passe par l'API texte, par blocs de 50 000 caractères.
Oui à l'intérieur d'un document, et d'un bloc à l'autre d'un export quand l'appel reprend la correspondance du bloc précédent. D'un document à l'autre d'un lot, la numérotation repart de zéro.
Non. Le masquage se fait chez routtx, hébergé en France, avant que le jeu de données ne soit confié à un modèle, à un prestataire ou à un environnement de test.
Une démo de 30 minutes : nous traitons devant vous un lot de CV ou de contrats fictifs, et vous regardez ce qui en sort.
Un CV, avant et après
Regardez routtx traiter un CV : ce qui désigne la personne est remplacé, ce qui décrit son parcours reste lisible.
Dans le dashboard
Les lots de documents se déposent depuis la page de traitement par lots.
Dans vos scripts
Un pipeline de préparation des données appelle l'API de routtx avant d'écrire les données d'entraînement.
CV d'un candidat
Ce qui entre dans le jeu de donnéesDonnées fictives. Les compétences et l'expérience restent lisibles : c'est ce dont le modèle a besoin.