Guide · Édition 2026
Souveraineté, RGPD, pseudonymisation, comparatif honnête des outils du marché : tout ce qu’il faut comprendre avant de confier vos documents à une IA.
Un mardi matin, dans un cabinet comme le vôtre. Un collaborateur colle trois pages de conclusions dans ChatGPT pour dégrossir une synthèse. En dix secondes, le nom du client, les montants du litige et la stratégie de défense sont partis vers des serveurs situés hors d’Europe, sous un droit qui n’est pas le nôtre.
Cette scène se répète chaque jour, dans les cabinets d’Avocats, les services RH, les directions financières. Rarement par négligence. Le plus souvent parce que rien ne s’intercale entre une personne pressée et le modèle d’IA qui lui fait gagner une heure. Le régulateur, lui, a tranché : depuis sa fiche 7 de janvier 2026, la CNIL considère l’anonymisation ou la pseudonymisation forte des données en amont d’un modèle d’IA comme une mesure attendue au titre de l’article 32 du RGPD. En mars 2026, une PME française de 80 salariés a reçu 380 000 euros d’amende. Le défaut d’anonymisation des prompts a suffi à caractériser le manquement.
Souveraineté
Beaucoup d’outils d’anonymisation « par IA » fonctionnent en envoyant votre texte à un modèle hébergé chez un fournisseur américain. Le paradoxe mérite d’être posé calmement : pour protéger vos données avant de les confier à une IA américaine, vous les confiez d’abord à une autre IA américaine.
Ce paradoxe a des conséquences juridiques concrètes. Le CLOUD Act, adopté aux États-Unis en 2018, permet aux autorités américaines d’exiger d’un fournisseur de droit américain l’accès aux données qu’il traite, y compris lorsque les serveurs sont physiquement en Europe. Pour un Avocat, dont le secret professionnel est général, absolu et illimité dans le temps, ce simple fait devrait suffire à écarter l’option. Le secret ne souffre pas d’exception au motif que le sous-traitant est sérieux.
Notre position
Chez Zevra, nous avons fait un choix simple et nous l’assumons : l’IA qui anonymise vos documents tourne sur des processeurs OVH à Gravelines, dans le Nord. Vos données sont traitées en France, sous droit français et européen, en mémoire vive, puis effacées. Ce choix coûte plus cher que d’appeler une API californienne. Nous le maintenons, parce que c’est la condition pour que des professions réglementées puissent utiliser l’IA sans trahir la confiance de leurs clients.
Car derrière l’expression commode de « données personnelles », il y a des morceaux de vie que des gens vous ont confiés : le salarié qui vous a raconté son licenciement, le dirigeant qui vous a ouvert ses comptes, le couple qui se sépare. C’est cela que vous protégez quand vous anonymisez un document.
Comprendre
Un logiciel d’anonymisation par IA détecte automatiquement les données personnelles ou sensibles dans un document, puis les remplace, les masque ou les supprime, sans intervention manuelle. L’anonymisation classique repose sur des règles fixes : des expressions régulières qui reconnaissent le format d’un IBAN ou d’un numéro de téléphone. Les outils modernes ajoutent une couche de traitement du langage naturel (NLP) qui comprend le contexte. Le moteur sait qu’un mot est un nom de personne même s’il ne l’a jamais rencontré, distingue une adresse d’une simple suite de mots, repère une entreprise citée dans une tournure inhabituelle.
Le RGPD sépare deux notions souvent confondues.
Anonymisation
Rend impossible toute ré-identification de la personne. La donnée sort alors du champ d’application du RGPD (considérant 26).
Pseudonymisation
Remplace les identifiants par des étiquettes, mais conserve la possibilité de retrouver la personne grâce à une table de correspondance. Elle reste un traitement de données personnelles, soumis au RGPD.
La majorité des outils du marché font en réalité de la pseudonymisation réversible : « Aurélie Meunier » devient PERSON_1, et la correspondance est gardée quelque part. Cette réversibilité est utile, puisqu’elle permet de réinjecter les vrais noms dans la réponse de l’IA. Mais elle impose une question que nous vous invitons à poser à chaque fournisseur, nous y compris : où est stockée la table de correspondance, et qui peut y accéder ?
Sous le capot
01
Détection
Le moteur identifie les informations personnelles identifiables (PII) : noms, adresses, emails, téléphones, IBAN, numéros de sécurité sociale, montants, identifiants internes. Les outils sérieux combinent trois techniques : la reconnaissance par motifs pour les formats stricts, la reconnaissance d’entités nommées par un modèle NLP pour le texte libre, et l’analyse contextuelle pour lever les ambiguïtés.
02
Classification
Chaque donnée détectée est catégorisée (personne, organisation, coordonnée bancaire) et associée à un niveau de sensibilité.
03
Transformation
La donnée devient un jeton neutre (COMPANY_1, PERSON_2), est masquée, ou est remplacée par une donnée synthétique cohérente. La cohérence compte : si un nom apparaît trois fois dans le document, il doit devenir trois fois le même jeton, sinon l’IA perd le fil du dossier.
04
Restauration ou effacement
Selon l’usage, la table de correspondance permet de réinjecter les vraies valeurs dans la réponse de l’IA, ou le document anonymisé est utilisé tel quel puis la table est détruite.
L’anonymisation doit couvrir la réponse de l’IA autant que le prompt d’entrée. Une protection unidirectionnelle laisse une faille. C’est exactement ce que fait lexform dans les deux sens : masquage à l’envoi, restauration locale au retour.
Comparatif
Microsoft Presidio
Open source
Le framework open source de référence pour la détection et l’anonymisation de PII dans le texte. Il s’appuie sur la bibliothèque NLP spaCy, combinée à des reconnaisseurs par expressions régulières, supporte le français et s’étend avec des reconnaisseurs personnalisés. Gratuit, auto-hébergeable (licence MIT), contrôle total. En contrepartie, il faut une équipe technique pour l’installer, l’ajuster et le maintenir. C’est une brique, pas un produit fini.
Emvista / Prevyo
SaaS souverain français
L’une des solutions françaises les plus abouties pour l’anonymisation de texte en contexte de secret professionnel. Ses algorithmes NLP anonymisent noms, lieux et identifiants sans altérer le sens du texte. API REST, adaptable par secteur, positionnement entreprise.
Doxis, Klippa
Gestion documentaire IA
Ces plateformes combinent OCR et IA pour détecter et pseudonymiser les données personnelles dans les documents, y compris manuscrits ou en image : contrats, factures, dossiers RH ou médicaux. Elles visent les organisations qui traitent de gros volumes documentaires.
Datanaos, DOT Anonymizer
Bases de données
Outils orientés anonymisation de bases de production, avec préservation de l’intégrité relationnelle. Le bon choix pour créer des environnements de test conformes ou partager des jeux de données entre équipes.
Lexform
Notre outil · pare-feu navigateur souverain
Nous avons construit Lexform en partant d’un constat de terrain : les personnes qui exposent des données sensibles à l’IA ne sont pas des ingénieurs, et aucune charte interne ne tiendra face au gain de temps d’un ChatGPT. La protection doit donc être automatique et invisible.
Lexform est une extension de navigateur qui anonymise à la volée tout ce que vous écrivez à une IA comme Claude, avant l’envoi. L’IA ne reçoit que des jetons neutres. Le traitement tourne sur notre IA souveraine à Gravelines, la table de correspondance reste sur votre poste et n’est jamais conservée côté serveur : personne d’autre que vous ne peut désanonymiser. Une API ouverte, avec SDK Node et Python, permet aussi d’intégrer l’anonymisation dans vos propres workflows.
Et pour être complet : si votre besoin est d’anonymiser des bases de données de production entières, Lexform n’est pas le bon outil. Regardez plutôt Datanaos ou DOT Anonymizer.
Installer l’extension ChromeMéthode
| Critère | Ce qu’il faut vérifier |
|---|---|
| Formats supportés | Texte, PDF, DOCX, Markdown, images, bases de données. Un cabinet traite surtout du PDF et du DOCX ; une équipe data, des bases relationnelles. |
| Granularité de détection | Seulement les noms, ou aussi les IBAN, montants, identifiants internes, données de santé ? Limiter la détection aux noms propres laisse passer environ 70 % des données réellement sensibles. |
| Réversibilité | Table de correspondance pour réinjecter les vraies valeurs, ou anonymisation définitive ? Et surtout : où cette table est-elle stockée ? |
| Souveraineté | Traitement en France ou envoi vers un cloud soumis au CLOUD Act ? Pour les professions réglementées, le critère déterminant est que les données ne quittent jamais un périmètre que vous contrôlez. |
| Rétention | Le document est-il stocké, journalisé, réutilisé pour entraîner un modèle ? Le traitement en mémoire vive suivi d’un effacement immédiat est le standard le plus protecteur. |
| Conformité RGPD | L’outil documente-t-il le processus ? La CNIL fait de cette documentation une exigence vérifiable. |
| Intégration | Extension prête à l’emploi, API REST, SDK ? Si l’anonymisation demande un effort, elle sera contournée. |
Un dernier réflexe, quelle que soit la solution retenue : auditez les faux négatifs. Aucun outil n’atteint 100 % de détection, le nôtre inclus.
Deux minutes pour protéger vos prompts.
L’extension s’installe en un clic et anonymise automatiquement tout ce que vous écrivez à Claude.
Sur le terrain
Une Avocate en droit social reçoit quarante pages de pièces adverses la veille d’une audience. L’IA peut les résumer en dix minutes, à condition de ne pas livrer l’identité de sa cliente au passage. Un DPO découvre, sondage interne à l’appui, que la moitié des équipes utilise déjà ChatGPT sans le dire. Un expert-comptable voudrait automatiser l’analyse de ses liasses, mais chaque liasse porte un SIREN, des rémunérations, des noms.
Les mêmes situations se retrouvent dans la santé, où les dossiers médicaux relèvent de règles renforcées, dans les services RH qui manipulent des dossiers de personnel, dans les équipes IT qui archivent des logs de production, dans les services publics qui partagent des données entre administrations. Le point commun : une donnée confiée par quelqu’un risque de partir vers un modèle hébergé dans le cloud, où elle pourrait, selon les conditions du fournisseur, servir à entraîner de futurs modèles.
Décision
1
Que traitez-vous, et sous quel format ?
Du texte que vous soumettez à une IA au quotidien, ou des bases de données entières ? Dans le premier cas, une extension de navigateur ou une API légère suffit. Dans le second, il faut un outil spécialisé bases de données.
2
Quel est votre niveau de contrainte réglementaire ?
Une profession soumise au secret professionnel a une exigence non négociable : les données ne quittent jamais un périmètre qu’elle contrôle. Cela oriente vers une solution souveraine, hébergée en France, avec zéro rétention et table de correspondance conservée localement.
3
Disposez-vous d’une équipe technique ?
Si oui, un framework open source comme Presidio, intégré dans un pipeline, offre le contrôle maximal. Sinon, une solution prête à l’emploi vous évite des mois de développement et de maintenance.
Essayer
Lexform démarre à 0 euro : 8 000 mots d’anonymisation offerts chaque mois, soit environ vingt pages, sans carte bancaire ni engagement, avec toutes les détections et la table de correspondance incluses. Au-delà, la facturation se fait au mot, en crédits prépayés valables 12 mois : 0,90 euro pour 100 000 mots, soit environ 0,04 euro pour un contrat de dix pages.
Les garanties sont identiques sur toutes les offres, gratuites ou payantes : traitement en mémoire vive puis effacement, hébergement en France chez OVH, zéro stockage, aucune réutilisation pour entraîner un modèle, table de correspondance conservée sur votre poste.
FAQ
Non. Un bon outil vous aide beaucoup, il ne vous absout pas à lui seul. La conformité suppose aussi de documenter le processus, d’anonymiser les réponses de l’IA, d’auditer les faux négatifs et de former les équipes. Une protection technique parfaite ne sert à rien si les utilisateurs la contournent.
Parce que le CLOUD Act permet aux autorités américaines d’accéder aux données traitées par un fournisseur de droit américain, même sur des serveurs européens. Un traitement en France, par un acteur français, place vos données sous le seul droit français et européen. Pour le secret professionnel, la différence est décisive.
Le masquage supprime ou caviarde la donnée. La pseudonymisation la remplace par une étiquette réversible via une table de correspondance. La génération de données synthétiques crée de fausses données cohérentes qui préservent les propriétés statistiques du jeu d’origine, utile pour tester ou entraîner un modèle sans exposer de vraies personnes.
La question à poser à tout fournisseur. Si elle est conservée côté serveur, un tiers peut techniquement désanonymiser vos données. Avec Lexform, elle reste sur votre poste et n’est jamais conservée chez nous.
Oui. Lexform expose une API ouverte, avec SDK Node et Python : un seul endpoint, une facturation au mot dont le décompte est renvoyé dans chaque réponse. De quoi rendre l’anonymisation systématique et invisible, en amont de chaque appel à un modèle d’IA.