Importer
Importer un fichier, coller du texte, ou utiliser la Data Room pour traiter plusieurs documents.
Guide
Comment SafeDoc anonymise vos documents (visuellement).
SafeDoc sécurise l’usage des IA externes grâce à un processus simple : anonymiser, analyser, désanonymiser.
Un flux contrôlable : import → détection → remplacement → vérification → export (et restauration optionnelle).
Vue d’ensemble (1 minute)
Entrée
Document unique, texte collé, ou traitement multi-documents via Data Room.
Protection
Choisissez le type de remplacement et le niveau N1 → N2 (N3 en roadmap Q3 2026) selon votre risque.
Sorties
Texte prêt à copier + mapping (si réversible) + indicateurs de risque résiduel.
1) Importer : Fichier, Texte, ou Data Room
Restaurer
Réinjecter localement les valeurs à partir d’un mapping_xxx.json et d’une réponse IA tokenisée.
Data Room
Analyse multi-documents avec pseudonymes cohérents sur tout le lot.
Options d’import
- Importer un fichier : glisser-déposer ou sélectionner un document (PDF/DOCX/TXT).
- Coller du texte : pratique pour un e-mail, un extrait, une note.
- Data Room (multi-documents) : importer plusieurs documents d’un coup pour une analyse multi-documents.
Fichier
Texte
Data Room
Pourquoi Data Room est utile
En mode pseudonymisation, l’entité “Carrefour” reste le même pseudonyme dans tous les documents.
Document 1
Document 2
Carrefour
Carrefour
[ORG_2]
[ORG_2]
Idéal pour due diligence, lots contractuels, dossiers multi-pièces.
2) Choisir le mode : Anonymisé, Pseudonymisé, ou Fictif
Anonymisé
Remplacement par tokens génériques : [PERSONNE], [LIEU]…
Quand vous ne voulez conserver aucun lien entre occurrences.
Pseudonymisé
Tokens numérotés et cohérents : [PERSONNE_1], [ORG_2].
Parfait pour garder le “fil” narratif (même entité → même identifiant).
Données fictives
Remplacements lisibles (noms/adresses inventés) pour un texte “naturel”.
Pratique pour relire ou présenter, sans exposer les vraies valeurs.
3) Monter en protection : N1, N2, N3 (roadmap)
Principe
Plus vous montez en niveau, plus SafeDoc réduit la capacité de ré-identification par le contexte (dates, montants, lieux, style).
N1
Standard
Tokenisation PII / nettoyage de base.
N2
Avancé
Généralisation et réduction contextuelle renforcées.
N3
Haute sécurité
Protections supplémentaires. Roadmap Q3 2026.
Exemple visuel
« 17,3 M— – 12 février 2026 – Rouen »
↓
N2 (N3 roadmap) : réduction du contexte
↓
« mid-teen millions – T1 2026 – Nord de la France »
Le but est de conserver le sens utile tout en diminuant l’identifiabilité.
4) Vérifier : entités détectées et scan résiduel
Entités détectées
Vérifier, filtrer et ajuster ce qui doit être anonymisé.
Texte prêt
Copier le résultat anonymisé + récupérer mapping/rapport si nécessaire.
Ce que vous contrôlez
- Entités détectées : personnes, organisations, lieux, emails, téléphones, IBAN, montants…
- Choix utilisateur : vous pouvez décocher ce que vous ne souhaitez pas anonymiser.
- Comparaisons : vues par source (ex. IA vs regex) selon l’interface.
Pourquoi la relecture reste clé
La détection peut produire des faux positifs (masquage excessif) ou des faux négatifs (oubli). Les indicateurs (scan résiduel / leakage score) aident à évaluer le risque, mais ne remplacent pas une vérification humaine.
5) Exporter + Restaurer (optionnel)
Sorties principales
- Texte anonymisé : prêt à copier dans un outil d’IA.
- Mapping JSON : correspondance “original → token” si vous activez un mode réversible.
- Rapport : éléments d’audit et indicateurs (selon le niveau).
Restaurer une réponse IA
Collez la réponse de l’IA contenant les tokens, puis importez votre mapping pour réinjecter localement les valeurs.
Prêt à tester sur un document réel ?