Extraire des données d'un document avec l'IA sans fuite

Donnez une facture à un modèle. Demandez un tableau. Un contrat ? Des champs nommés. Un formulaire scanné ? Du JSON. Le résultat est bluffant. En quelques secondes, l'IA repère la mise en page, devine quel nombre est le montant et quelle ligne porte la date, puis vous rend une structure nette et exploitable. La qualité de l'extraction n'est pas en cause. Le vrai problème est ailleurs : pour fabriquer ce tableau, le modèle a dû lire le nom du client, son IBAN et son adresse, et tout ce paquet d'identités est parti, sans bruit, chez le fournisseur d'IA.

Les champs identifiants ressortent en pseudonymes, les valeurs utiles (dates, montants) restent : on extrait la donnée structurée sans l'identité.

Structurer, c'est exactement ce que l'IA fait de mieux

Repérer qu'une suite de chiffres est un montant. Comprendre que le bloc en haut à droite désigne l'émetteur. Voir qu'une cellule contient une date. Ce travail de mise en forme, ce flair pour la structure, c'est précisément là que les modèles excellent, et il ne doit rien aux identités. Le modèle structure aussi bien une facture au nom de « Martin Dupont » qu'une facture au nom de « [PERSONNE_1] ». Tout est dans la disposition. Jamais dans le nom.

Le piège : extraire aspire aussi l'identité

Pour produire ces champs nets, le modèle doit tout voir. Noms, coordonnées, numéros de compte, identifiants clients : chaque ligne transite par le fournisseur, même quand rien de tout cela ne figurera dans votre tableau final. Vous vouliez un montant et une date. Vous avez aussi expédié, à un tiers, un fichier d'identités complet.

Pseudonymiser avant, extraire la structure, remettre les vraies valeurs en local

La bonne séquence tient en trois temps. D'abord, on pseudonymise : chaque nom, chaque IBAN, chaque identifiant devient un pseudonyme stable, réutilisé partout où l'original apparaissait. Ensuite, cette version caviardée part vers l'IA, qui la structure sans jamais croiser une seule vraie identité. Enfin, le tableau revient, et la ré-identification se joue chez vous, en local, en réinjectant les valeurs d'origine à la place des pseudonymes. La table de correspondance, elle, ne quitte pas votre poste.

Quand le champ identifiant est justement ce qu'on veut

Parfois, la donnée utile, c'est justement l'identifiant. Vous voulez récupérer le nom du client ou son numéro de compte pour alimenter votre base. Aucun souci : le schéma fonctionne quand même. L'IA replace le pseudonyme au bon endroit dans la structure, et la clé conservée en local vous rend la vraie valeur au moment de l'écrire. Vous obtenez le champ identifiant voulu, sans l'avoir jamais exposé pendant le traitement.

Safe-Doc s'intercale. Il pseudonymise le document avant toute extraction par l'IA, puis ré-identifie les champs en local, une fois la structure revenue. Voir le guide ChatGPT et RGPD en entreprise.