Anonymiser un prompt IA : pourquoi retirer le nom ne suffit pas.
« J’ai retiré le nom » est une phrase rassurante, mais elle ne décrit pas toujours ce qui reste dans le texte. Une date, une commune, une fonction rare et un événement précis peuvent permettre de reconnaître quelqu’un. Le risque augmente lorsque plusieurs morceaux de récit sont réunis dans une même conversation. Ce guide aide les professionnels à préparer leurs demandes, choisir entre un cas fictif et un traitement de données personnelles, puis éviter qu’un nettoyage approximatif soit présenté comme une anonymisation certaine.
Supprimer les noms et remplacer les personnes par des initiales constitue souvent une pseudonymisation, pas une anonymisation. Des détails peuvent encore rendre la personne identifiable. Pour un prompt IA, commencez par supprimer les données inutiles et privilégiez une situation fictive lorsque la tâche le permet. Si des informations personnelles restent nécessaires, appliquez le cadre RGPD et les conditions du service autorisé. Le caractère anonyme doit être démontré selon le contexte, pas déduit d’une simple substitution de mots.
Examiner le contexte, pas uniquement les identifiants directs.
02
Préférer un cas fictif pour une tâche de méthode.
03
Contrôler les pièces jointes et les versions cachées.
04
Traiter les données restantes comme personnelles en cas de doute.
01
Distinguer anonymisation et pseudonymisation
La CNIL distingue l’anonymisation, qui vise une impossibilité pratique d’identification, et la pseudonymisation, qui retire l’attribution directe sans effacer nécessairement le caractère personnel. Le RGPD reste pertinent pour des données pseudonymisées. Dans une conversation, un alias peut être relié à une personne par le récit ou par un autre fichier. Cette distinction commande le choix du service et des garanties, même lorsqu’aucun nom n’apparaît à l’écran.
Évitez les affirmations globales comme « tous nos prompts sont anonymes ». Décrivez les transformations, le contexte et les vérifications. Un traitement destiné à anonymiser des données personnelles doit lui-même être encadré. Envoyer le dossier brut à un outil externe pour lui demander ensuite de l’anonymiser transmet déjà les données à cet outil. Le nettoyage préalable se réalise dans un environnement autorisé, avec les compétences et les accès adaptés.
Chercher les détails qui permettent de reconnaître une personne
Relevez les dates précises, lieux, professions rares, liens familiaux, événements et combinaisons singulières. Une description peut être banale dans une grande population et immédiatement reconnaissable dans une petite équipe. Demandez qui pourrait lire le résultat et quelles informations cette personne possède déjà. Un récit repris de plusieurs conversations peut aussi reconstituer une identité que chaque extrait séparé semblait masquer. Le contexte d’utilisation compte autant que la transformation du texte.
Pour les documents, vérifiez le nom du fichier, les en-têtes, les commentaires, les propriétés et les autres feuilles. Un tableau nettoyé peut conserver une colonne cachée ou un onglet nominatif. Une capture d’écran peut montrer une adresse dans l’interface. Préparez une copie de travail contrôlée et faites-la vérifier selon la sensibilité. Le tableau ci-dessous propose des gestes de préparation ; il ne constitue pas une preuve technique que toute réidentification est impossible.
Informations à examiner avant envoi
Élément
Pourquoi il compte
Option de préparation
Nom remplacé par un alias
Le récit peut identifier la personne
Créer un cas fictif si la tâche le permet
Lieu et date précis
Combinaison parfois très distinctive
Retirer ou généraliser les détails inutiles
Pièce jointe
Métadonnées ou onglets supplémentaires
Contrôler la copie complète avant import
Ancienne conversation
Accumulation de plusieurs indices
Éviter le mélange des contextes et dossiers
Méthode proposée par EUAIACT ; exemple pédagogique fictif
03
Choisir entre une situation fictive et une tâche sur un dossier réel
Une demande de méthode nécessite rarement un dossier individuel. Pour préparer une grille de rendez-vous ou une structure de courrier, inventez une situation qui conserve le problème professionnel sans reproduire une personne. Le cas fictif est explicitement présenté comme tel. Il permet de vérifier la qualité de la proposition sans exposer des données réelles. Une personne compétente compare ensuite la méthode à ses besoins avant de l’appliquer au terrain.
Une tâche de synthèse individuelle peut, en revanche, nécessiter des données exactes. Le choix doit alors porter sur un traitement autorisé, une finalité définie et un service adapté. Une transformation qui retire trop d’informations peut rendre la synthèse inutile ou trompeuse. La minimisation consiste à garder ce qui est nécessaire à la finalité, pas à produire un récit méconnaissable puis le réutiliser comme un compte rendu réel.
Cas pratique : préparer une réponse sans partager une réclamation
Une entreprise fictive veut aider un collaborateur à structurer une réponse à un client. Le message contient une date, un déplacement rare et un litige concernant une prestation particulière. Le salarié commence par demander une méthode sur un cas entièrement inventé : retard de livraison, réponse attendue et informations à confirmer. L’assistant propose une structure, mais n’a reçu ni le message d’origine ni le récit reconnaissable du client.
Le collaborateur complète ensuite la réponse dans le système interne autorisé, vérifie les engagements et fait relire les points sensibles. L’équipe sépare ainsi la génération d’une trame de la rédaction sur un dossier réel. Si elle souhaite automatiser toute la tâche, elle devra examiner les données, les contrats et les contrôles nécessaires à ce nouveau traitement. Le premier cas ne sert pas à déclarer que toutes les réclamations futures seraient anonymes.
Méthode proposée par EUAIACT ; exemple pédagogique fictif
05
Éprouver la préparation avant de la généraliser
Construisez une petite série de documents de test avec différents formats et des détails reconnaissables fictifs. Une personne prépare la version destinée au modèle, une autre cherche les informations encore révélées. L’examen couvre le texte, les fichiers et le contexte de conversation. Les outils de détection automatiques peuvent aider, mais leurs erreurs doivent être connues. Un élément rare peut échapper à une reconnaissance de noms tout en suffisant à identifier quelqu’un.
Le résultat décrit les cas vérifiés et les limites restantes. Si une anonymisation robuste ne peut pas être démontrée, traitez la version comme contenant encore des données personnelles. Évaluez alors le fournisseur, les accès et les restrictions correspondantes. Ce choix prudent évite qu’une politique se fonde sur un mot mal employé. Le propriétaire de l’usage reste capable d’expliquer les informations réellement transmises et les garanties attachées à leur traitement.
Méthode proposée par EUAIACT ; exemple pédagogique fictif
06
Former les utilisateurs et prévoir la conduite à tenir en cas d’erreur
La procédure donne des exemples de demandes acceptables et les cas qui nécessitent une aide. Elle précise les services autorisés et la façon de vérifier une pièce jointe. Les ateliers utilisent des contenus fictifs et montrent le problème des informations indirectes. Une consigne trop abstraite, comme « ne transmettez aucune donnée sensible », laisse beaucoup de place à l’interprétation. Les utilisateurs ont besoin de repères et d’un interlocuteur accessible.
Si une donnée est envoyée par erreur, conservez les faits utiles et alertez selon la procédure. Le responsable examine la suppression possible, l’accès aux données et les obligations liées à une éventuelle violation. La notification à la CNIL et l’information des personnes suivent des conditions distinctes, à apprécier dans le contexte. Supprimer une conversation visible ne démontre pas l’effacement chez tous les acteurs. Notre guide AIPD aide à intégrer ces scénarios au plan de maîtrise.
Dossier remis après formulaire professionnel, avec un lien sécurisé valable sept jours. Les communications restent facultatives. Ces outils se personnalisent à votre contexte et ne constituent pas une certification de conformité.
Questions fréquentes
Questions fréquentes
?Des initiales rendent-elles un prompt anonyme ?
Elles peuvent réduire l’identification directe, mais le récit et d’autres informations peuvent encore désigner la personne. Il s’agit souvent de pseudonymisation. Analysez les éléments restants et ne considérez pas le traitement automatiquement hors du champ du RGPD.
?Peut-on demander à un chatbot public d’anonymiser un dossier ?
Le dossier lui serait transmis avant sa transformation. Il faut donc examiner ce premier traitement et les conditions du service. Pour une tâche de méthode, un cas fictif préparé dans un environnement autorisé évite souvent d’envoyer un dossier individuel.
?Les données synthétiques sont-elles toujours anonymes ?
Leur mode de génération et leur contenu doivent être examinés. Une reproduction trop proche d’un dossier ou d’un événement peut rester identifiable. L’étiquette synthétique ne suffit pas à prouver l’absence de données personnelles ou de risques de réidentification.
?Que faire si la tâche exige le dossier exact ?
Définissez la finalité et utilisez un service autorisé avec les garanties adaptées. Limitez les informations nécessaires, les destinataires et les durées. Ne dégradez pas les faits puis ne présentez pas le résultat comme une synthèse fidèle de la personne.
Précisez les outils, les données et les accès concernés. Nous vous aiderons à définir le périmètre de travail et les compétences ou interlocuteurs à mobiliser.