Pseudonymiser les données avant de les envoyer à un LLM
Retirer les noms d'une requête ne suffit pas à la rendre anonyme. Avant l'envoi de données à un modèle externe, l'objectif réaliste est de les pseudonymiser : remplacer les identifiants par des jetons et garder la table de correspondance chez vous. Ce guide décrit la méthode, ses limites et la place qu'elle doit occuper parmi vos règles d'usage.
Mis à jour le 8 octobre 2026
Ce que dit le droit, en bref
Une donnée pseudonymisée reste une donnée personnelle pour celui qui détient la table de correspondance ; seule une anonymisation démontrée fait sortir les données du champ du RGPD. Le Conseil d'État l'a rappelé le 13 février 2026 dans l'affaire Cegedim : désigner un patient par un code ne rend pas les données anonymes lorsque d'autres éléments permettent de le retrouver.
Pour un envoi à un modèle de langage, une précision s'impose. Lorsque le fournisseur traite les données pour votre compte, leur caractère personnel s'apprécie de votre point de vue, selon le projet de lignes directrices 02/2026 du Comité européen de la protection des données (CEPD) : les jetons ne font donc pas sortir la requête du champ du RGPD à son égard. Définitions, critères et jurisprudence sont détaillés dans le guide Anonymiser ou pseudonymiser : ce que dit le droit.
Pourquoi une requête s'anonymise mal
Pour juger une anonymisation, les autorités européennes retiennent trois critères, posés en 2014 et en cours d'actualisation dans un projet de lignes directrices du CEPD soumis à consultation en 2026 : il ne doit plus être possible d'isoler une personne, de relier des informations la concernant entre plusieurs jeux de données, ni d'en déduire de nouvelles informations sur elle.
Un texte libre conserve souvent des indices permettant d'identifier une personne. Après le retrait du nom dans un courriel, il reste parfois la fonction, le service, la ville, une date ou un événement. « La directrice financière du site de Lyon, en arrêt de travail depuis mars » suffit souvent à désigner une seule personne dans une entreprise. Un modèle de langage est d'ailleurs capable de recouper ces indices.
L'usage prévu compte également. Il faut parfois rétablir les noms pour adresser un courrier à la bonne personne ou citer les parties dans un résumé de dossier. Une anonymisation, irréversible par définition, l'interdit. La pseudonymisation est donc souvent plus adaptée à ces usages, à condition d'en maîtriser les limites.
Une chaîne de pseudonymisation avant l'envoi
Pour pseudonymiser les données avant un appel au modèle, procédez par étapes et conservez la table de correspondance dans votre environnement.
- DétecterRepérer dans la requête et dans le contexte documentaire les identifiants directs : noms, adresses électroniques, numéros de téléphone, adresses postales, numéros de sécurité sociale, IBAN, numéros de contrat.
- Remplacer de façon uniformeUne même personne reçoit le même jeton dans toute la requête, pour que le modèle garde le fil du raisonnement.
- Conserver la table de correspondance localementLa table est stockée dans un coffre, dans votre périmètre, avec des accès restreints.
- Envoyer et rétablirLe modèle travaille sur les jetons ; les valeurs d'origine sont rétablies chez vous, dans la réponse reçue.
- Journaliser sans le texte en clairLes journaux conservent la version pseudonymisée, jamais la requête en clair.
Ce que la détection automatique ne voit pas
Aucun détecteur n'est exhaustif. Échappent en particulier à la détection :
- Les identifiants indirects : fonction, service, lieu, date, événement rare. Ce sont eux qui permettent la réidentification, et ils ne ressemblent à aucun format connu.
- Les données sensibles en toutes lettres : « en traitement pour un cancer », « délégué syndical ». Aucun nom, mais une donnée sensible au sens de l'article 9 du RGPD.
- Les formats imprévus : fautes de frappe, identifiants internes, noms rares ou étrangers, texte extrait d'un document numérisé.
La pseudonymisation doit donc être complétée par des règles d'usage. Pour les données sensibles et les dossiers les plus confidentiels, privilégiez un modèle exécuté localement, même après pseudonymisation.
Choisir selon l'usage
| Usage | Technique adaptée | Ce que voit le fournisseur externe |
|---|---|---|
| Rédaction générique, veille, code non sensible | Aucune, pas de donnée personnelle | Le texte tel quel |
| Correspondance avec les clients, résumé de dossier courant | Pseudonymisation réversible | Des jetons et des identifiants indirects |
| Statistiques, jeux de test, entraînement | Anonymisation, vérifiée au regard des trois critères | Des données agrégées ou transformées |
| Santé, dossiers RH sensibles, contentieux | Modèle local, sans envoi externe | Rien |
Ce tableau applique aux données personnelles les critères du guide Souveraineté des données et IA générative. Le guide RGPD et IA générative traite de la base légale et de l'analyse d'impact ; le guide Cloud Act et IA examine l'exposition aux lois étrangères.
Questions fréquentes
Le fournisseur du modèle reçoit-il encore des données personnelles ?
Oui, dans la plupart des cas. Il reçoit des jetons à la place des identifiants directs, mais aussi le reste du texte, avec ses identifiants indirects. De plus, lorsqu'il agit pour votre compte, le caractère personnel des données s'apprécie de votre point de vue, selon le projet de lignes directrices du CEPD : elles restent personnelles pour lui. Le contrat de sous-traitance demeure donc nécessaire, ainsi que l'encadrement du transfert si le fournisseur est situé hors de l'EEE.
Remplacer les noms suffit-il à anonymiser un texte ?
Non. Un texte libre contient des identifiants indirects (fonction, lieu, date, événement) qui permettent souvent de retrouver la personne. Le résultat est au mieux pseudonymisé, et doit être traité comme une donnée personnelle.
Peut-on envoyer des données de santé pseudonymisées à un modèle externe ?
La pseudonymisation réduit le risque, mais la détection automatique ne repère pas toutes les mentions relatives à la santé exprimées en toutes lettres. Pour ces données, un modèle exécuté localement reste la solution la plus sûre, et l'analyse d'impact doit trancher la question explicitement.
Où se situe SmartAGT
En mode hybride, le coffre de confidentialité de SmartAGT détecte les identifiants directs et les pseudonymise de façon réversible avant l'envoi au modèle d'un fournisseur externe. La table de correspondance reste dans votre périmètre, et aucune requête en clair ne rejoint le journal d'audit.
Pour les usages les plus sensibles, le modèle peut être exécuté entièrement dans votre infrastructure, sans aucun flux sortant. Le détail figure sur la page Sécurité.