AInonymizer

Pseudonymiseur local 100 % RGPD : retirez les données personnelles de vos documents avant de les soumettre à un LLM, sans qu'aucune donnée ne quitte votre machine.

Pourquoi AInonymizer ?

Les LLM (ChatGPT, Claude, Gemini…) sont de puissants outils d'analyse — mais traiter des données clients, des contrats ou des dossiers RH avec ces services expose votre entreprise aux risques RGPD.

AInonymizer résout ce problème : il pseudonymise automatiquement vos documents en local, et vous travaillez ensuite avec l'IA sur la version anonymisée en toute sérénité.

Cas d'usage typiques :

• Analyse de contrats, CGV, avenants par un LLM
• Synthèse de dossiers clients ou fiches RH
• Revue de documents médicaux ou assurantiels
• Ingestion de données dans un RAG (Retrieval-Augmented Generation)
• Préparation de tout document contenant des données personnelles avant traitement IA

Fonctionnement

1. AInonymizer détecte les données personnelles dans vos PDF, DOCX ou Markdown
2. Il les remplace par des pseudonymes cohérents : [PERSONNE_001], [EMAIL_001], [ADRESSE_002]…
3. Il génère la table de correspondance pour pouvoir réinjecter les vraies valeurs après traitement IA

La pseudonymisation est cohérente sur tout le corpus : la même entité reçoit toujours le même pseudonyme, y compris sur plusieurs documents traités en lot.

Flux de travail recommandé

Documents originaux (contrats, fiches clients…)
        ↓  AInonymizer (local, aucun envoi réseau)
Documents pseudonymisés  ──→  LLM (ChatGPT, Claude…)  ──→  Résultat IA
        ↓                                                         ↓
  mapping.json  ←───────────────────────── Réinjection des vraies valeurs

Données détectées

Catégorie	Exemples
PERSONNE	Jean DUPONT, Marie Martin
EMAIL	jean.martin@exemple.fr
TEL	06 12 34 56 78
NIR	numéro de sécurité sociale
IBAN	FR76 3000 6000 ...
SIREN	552 032 534
PLAQUE	AB-123-CD
DATE_NAISSANCE	né le 15/03/1985
ADRESSE	12 rue de la Paix 75001 Paris
LIEU	domicilié à Lyon
PERSONNE_MORALE	SAS TechCorp, SARL Durand & Fils
AVOCAT	Maître Sophie DURAND
MAGISTRAT	Président Martin
JURIDICTION	Tribunal judiciaire de Paris
NUM_DOSSIER	RG n°24/05123

Les avocats et magistrats sont détectés mais désactivés par défaut (conformité CNIL 01-057) — ils apparaissent dans le mapping mais pas dans le texte pseudonymisé.

Installation

Option A — Exécutable Windows (sans Python ni Git)

Téléchargez ainonymizer.exe depuis la page Releases, placez-le dans le dossier contenant vos fichiers et double-cliquez.

L'exe est compilé pour Windows 10/11 64-bit uniquement.

Option B — Python (Windows, Linux, macOS)

Prérequis : Python 3.10+

pip install -r requirements.txt

Toutes les dépendances (pymupdf, python-docx, rapidfuzz) disposent de wheels Linux et macOS sur PyPI — aucune compilation requise.

Utilisation

1. Placez vos fichiers PDF, DOCX ou MD dans le même dossier que ainonymizer.py (ou ainonymizer.exe)
2. Lancez :

# Python
python ainonymizer.py

# Exécutable Windows
ainonymizer.exe

3. Récupérez les fichiers anonymisés dans le sous-dossier output/ :

output/
  rapport_client_anonymise.md    ← texte pseudonymisé, prêt pour le LLM
  rapport_client_mapping.json    ← table pseudonyme → valeur originale
  corpus_mapping.json            ← table globale du corpus

Exemple de sortie console

AInonymizer — 2 fichier(s) trouvé(s)

  rapport_q1.pdf
    12 entités (ADRESSE:1, DATE_NAISSANCE:1, EMAIL:1, IBAN:1, NIR:1, PERSONNE:3, SIREN:1, TEL:1)
  contrat_client.docx
    5 entités (PERSONNE:2, PERSONNE_MORALE:1, ADRESSE:1, DATE:1)

✓ Sortie : output/
  17 entité(s) pseudonymisée(s) au total
  Table globale : corpus_mapping.json

Exemple de texte pseudonymisé

[PERSONNE_001] ([PERSONNE_MORALE_001]) a signé le contrat le [DATE_001].
Son adresse de facturation est [ADRESSE_001], email : [EMAIL_001].
Titulaire du compte [IBAN_001], SIREN [SIREN_001].

Tests

python test_ainonymizer.py

Architecture

ainonymizer.py    — point d'entrée : découverte fichiers, orchestration, sortie MD + JSON
anonymizer.py     — pipeline 4 passes (détection → post-traitement → déduplication → pseudonymisation)
regex_fr.py       — patterns regex + checksums (IBAN, NIR, SIREN) pour le français
juritools.py      — post-traitements déterministes (propagation, variantes, reclassification dates)
pseudo_map.py     — table de correspondance cohérente sur tout le corpus
extractor.py      — extraction texte (PDF via MuPDF, DOCX via python-docx)

Dépendances

• pymupdf — lecture PDF (MuPDF, sans OCR)
• python-docx — lecture DOCX
• rapidfuzz — distance de Levenshtein (variantes orthographiques)

Limitations

• PDF scannés (images) non supportés — le texte doit être sélectionnable
• Détection basée sur des règles (pas de ML) : peut produire des faux positifs sur des termes ambigus
• Optimisé pour les textes en français

---

À propos

Je suis Florence Chatelot, formatrice en outils d'IA, déterminée à rendre l'intelligence artificielle plus simple et accessible pour tous. AInonymizer est né de longues heures d'échange avec Claude AI, avec une conviction simple : les entreprises ne devraient pas avoir à choisir entre travailler avec l'IA et respecter le RGPD.

Si cet outil vous fait gagner du temps, vous pouvez soutenir son évolution. Cela m'aidera à le maintenir, à l'améliorer, et à concevoir de nouveaux outils pratiques.

Soutenir ce projet