# Guide de confidentialité documentaire pour l'IA Utilisez des modèles IA de pointe avec des jetons à la place des données personnelles détectées. Évaluez la confidentialité documentaire. Avec la tokenisation réversible, Sluis remplace les données personnelles détectées à protéger par des jetons typés avant l'envoi de la requête au fournisseur du modèle. Le modèle ne reçoit pas ces valeurs originales. Sluis les restaure dans la réponse ; les correspondances entre jetons et valeurs originales ne sont jamais envoyées au fournisseur. Vous pouvez ainsi obtenir une invitation personnalisée sans communiquer ces valeurs protégées au modèle. ## Distinguer occultation documentaire et pseudonymisation L'occultation documentaire locale retire des informations sélectionnées du document produit. La pseudonymisation des prompts remplace des valeurs par des jetons réversibles dans le service géré Sluis. Cela ne signifie pas que tout reste sur votre appareil ou votre infrastructure. Distinguez l'achat d'un document expurgé à partager et celui d'un flux de requêtes protégées. Aucun de ces procédés ne garantit que le contexte restant ne permet plus d'identifier une personne. Scénario illustratif : une équipe juridique prépare une copie à communiquer et un résumé IA interne. Évaluez un document expurgé pour la communication et un processus distinct de prompt pseudonymisé pour le résumé. - [ ] Précisez le destinataire et le format attendu. - [ ] Décidez si la réidentification doit rester possible. - [ ] Faites examiner le contexte identificatoire restant. ### Exemple fictif : une invitation pour les RH Cet exemple inventé illustre le parcours des jetons ; ce n'est ni un test ni une preuve de détection. - **Avant protection :** vous envoyez à Sluis : “Rédigez une invitation à un entretien de présentation pour Camille Exemple et indiquez camille@personnel.example comme adresse de contact.” - **Ce que reçoit le fournisseur du modèle :** “Rédigez une invitation à un entretien de présentation pour «PERSON_NAME_1» et indiquez «EMAIL_1» comme adresse de contact.” - **Ce que vous recevez après restauration :** “Bonjour Camille Exemple, nous vous invitons à un entretien de présentation. Votre adresse de contact est camille@personnel.example.” Le modèle rédige le texte avec les jetons. Sluis restaure les valeurs originales au retour : les RH disposent d'un brouillon personnalisé à valider. ## Tester la chaîne locale avec des fichiers difficiles L'anonymisation documentaire Sluis utilise une API locale pour PDF, DOCX, images et texte, avec OCR. Les zones illisibles sont détruites plutôt que devinées, ce qui peut aussi supprimer du contenu utile. Pour les traitements réguliers ou par lots, testez vos fichiers réels avant intégration. Vérifiez lisibilité, omissions, débit requis et comportement API ; un outil ponctuel ne démontre pas une aptitude à la production. - [ ] Incluez scans, images et pages de mauvaise qualité. - [ ] Inspectez identifiants oubliés et pertes de sens. - [ ] Validez les besoins par lots et le périmètre local. ## Comprendre chaque mode de protection et ses limites Avec `tokenize`, les valeurs détectées deviennent des jetons réversibles. `mask` remplace les détections de manière irréversible ; `block` bloque la requête en cas de détection. `allow_log` consigne uniquement la détection : le texte original est transmis sans modification, ni transformation ni blocage. Ces modes n'offrent donc pas la même protection. La détection est imparfaite : des données personnelles non détectées et du contexte indirectement identificatoire peuvent subsister. Les définitions d'outils ne sont pas analysées ; les embeddings peuvent partir sans analyse si leur protection est désactivée. Les images, vidéos et contenus audio générés ne permettent pas de restaurer les jetons. L'analyse de sécurité reste facultative ; testez injections et fuites sans présumer une prévention complète. L'inspection facultative par un modèle hébergé reçoit le texte admissible restant après la protection locale, avec d'éventuels identifiants non détectés. Sluis vérifie les détections et applique la protection localement ; les correspondances des jetons ne sont pas envoyées au fournisseur. Cette option ajoute coût et latence et doit respecter votre politique de résidence. - [ ] Choisissez le mode selon la catégorie d'information. - [ ] Testez les identifiants manqués et le contexte indirect. - [ ] Vérifiez l'analyse et les chemins de contenu non protégés. ## Séparer les décisions de conservation et d'audit Vérifiez et configurez la conservation du contenu chez Sluis ainsi que les durées de conservation distinctes des valeurs originales et de l'historique dans Workspace. Examinez séparément les conditions et la conservation chez les fournisseurs des modèles. Les métadonnées sont conservées ; la tokenisation ne garantit pas une absence de conservation. Une piste d'audit chaînée par hachage aide à examiner l'activité enregistrée, sans établir sa licéité ni une détection complète. Convenez de la suppression, des accès de contrôle et des escalades avant tout usage sensible. - [ ] Configurez la conservation avant les données sensibles. - [ ] Vérifiez l'effacement et les métadonnées conservées. - [ ] Formalisez validation humaine et escalade des cas incertains. ## Questions avant de choisir ### La tokenisation réversible constitue-t-elle une anonymisation au sens du RGPD ? La réversibilité invite précisément à ne pas le supposer. Traitez-la comme une pseudonymisation et évaluez données restantes, accès à la réidentification et contexte juridique avec votre responsable vie privée. ### L'OCR peut-il reconstituer sûrement un texte illisible ? Le processus décrit détruit les zones illisibles au lieu d'en deviner le contenu. Vérifiez les pertes et demandez une meilleure source si le texte manquant est important. ### Le masquage signifie-t-il qu'aucune donnée n'est stockée ? Non. Transformation et conservation sont distinctes. Vérifiez séparément la conservation du contenu, les valeurs originales et l'historique dans Workspace, ainsi que les conditions des fournisseurs. Les métadonnées restent conservées. ## Documentation et prochaines étapes - [Consulter la source: /docs/data-protection](/docs/data-protection) - [Sluis Gateway](/gateway) - [Sluis Workspace](/sluis-workspace) - [Sluis Edge](/edge) - [Consulter la source: /pricing](/pricing) - [Consulter la source: /docs/limits](/docs/limits)