Outil de masquage et restauration des données PII Anonymisez avant l'IA, restaurez en un clic après

Qu'est-ce que l'outil de masquage et restauration des données PII ?

De plus en plus de personnes collent du contenu professionnel dans ChatGPT, Gemini ou Claude pour obtenir de l'aide, mais ce contenu contient souvent de vraies données personnelles : email d'un client, numéro de téléphone, numéro de pièce d'identité ou de carte bancaire. Le coller revient à transmettre ces données à un serveur tiers. Cet outil détecte automatiquement les formats de données sensibles courants directement dans votre navigateur, remplace chacun par un code comme [MASK_1] ou [MASK_2], et génère un tableau de correspondance « valeur originale ↔ code » pour que vous puissiez coller le texte masqué en toute sécurité dans un outil d'IA. Une fois la réponse de l'IA obtenue (les codes sont généralement repris tels quels), collez-la ici et utilisez le même tableau pour restaurer les données réelles en un clic. C'est la valeur centrale de cet outil : une IA peut masquer du texte, mais sans le tableau de correspondance elle ne peut structurellement pas le restaurer — c'est quelque chose qu'une IA seule ne pourra jamais faire.

Formats de détection pris en charge

• Adresses email : format email standard.
• Numéros de téléphone : formats internationaux et locaux courants.
• Numéros de carte bancaire : 13 à 19 chiffres avec séparateurs optionnels, validés par l'algorithme de Luhn pour réduire les faux positifs.
• Numéros de pièce d'identité / passeport : format SSN américain, format de carte d'identité taïwanaise, et formats courants de passeport (lettres + chiffres).
• Adresses IP : IPv4 et IPv6.
• Compte bancaire / IBAN : format international de numéro de compte bancaire.
• Marquage manuel : les données non structurées comme les noms ne peuvent pas être détectées de façon fiable par regex ; vous pouvez sélectionner le texte et l'ajouter manuellement.

Cas d'usage typique

Par exemple, avant de coller un email du service client dans une IA pour le relire, masquez d'abord le nom, l'email et le téléphone du client. Ou avant de demander à une IA de reformater un tableau contenant des données d'employés, anonymisez-le d'abord. Tant que les codes restent dans la réponse de l'IA, vous pouvez les restaurer en valeurs réelles grâce au tableau de correspondance — l'IA ne voit jamais que les codes, jamais les vraies données personnelles.

Foire aux questions (FAQ)

Q1 : Le tableau de correspondance est-il envoyé à vos serveurs ?

Non. Cet outil fonctionne à 100% dans votre navigateur (Chrome, Firefox, Safari, etc.) — détection, masquage et restauration se font localement. Nous n'avons aucun serveur backend recevant votre texte. Le tableau de correspondance n'existe que dans la mémoire de votre onglet actuel ; il disparaît si vous actualisez ou fermez l'onglet, donc téléchargez-le si vous voulez le conserver.

Q2 : Pourquoi ne pas simplement donner le tableau à l'IA pour qu'elle restaure elle-même ?

Si vous collez également le tableau de correspondance dans l'IA, celle-ci verrait à la fois les codes et les vraies valeurs, ce qui annulerait complètement l'intérêt de l'anonymisation. L'étape de restauration est volontairement conçue pour fonctionner entièrement hors ligne sur votre appareil, afin que les vraies données sensibles ne passent jamais par un serveur d'IA tiers.

Q3 : La détection par regex peut-elle manquer ou mal détecter des éléments ?

Oui — c'est une limite connue de la détection par motifs. Les données non structurées comme les noms ou adresses ne peuvent pas être identifiées de façon fiable par le format seul. Nous recommandons de relire le texte masqué une fois la détection terminée ; en cas d'oubli, utilisez « Marquer le texte sélectionné comme sensible » pour l'ajouter manuellement.

Q4 : Qu'est-ce que les PII et l'anonymisation ?

Les informations personnelles identifiables (PII) désignent toute donnée permettant d'identifier une personne précise, comme un nom, un numéro d'identité ou des coordonnées. L'anonymisation (De-identification) remplace ces données par des codes ou pseudonymes afin de réduire le risque d'exposition. Voir Wikipédia : Données personnelles pour en savoir plus.