Pseudonymiser les données avant de les envoyer à un LLM

Pseudonymiser avant l'appel à un modèle de langage (LLM, large language model), c'est remplacer dans le texte les noms, adresses, numéros et autres identifiants par des étiquettes neutres (« [PERSONNE_1] », « [CLIENT_42] »), envoyer ce texte à l'API (interface de programmation) du fournisseur, puis remettre les vraies valeurs dans la réponse, chez vous, grâce à une table de correspondance que le fournisseur ne voit jamais. C'est l'une des mesures que l'article 32 du RGPD (règlement général sur la protection des données) cite en premier, avec le chiffrement. Et c'est la traduction directe du conseil de la CNIL (Commission nationale de l'informatique et des libertés) pour l'usage d'une API, où la maîtrise du système est « quasi exclusivement dans les mains du fournisseur » : éviter autant que possible d'y envoyer des données personnelles.

Pseudonymiser n'est pas anonymiser

La CNIL définit la pseudonymisation comme un traitement qui empêche d'attribuer les données à une personne « sans information supplémentaire ». Comme cette information existe (votre table), les données « conservent donc un caractère personnel ». Votre traitement reste entièrement soumis au RGPD.

La question se pose autrement du côté du destinataire. Dans son arrêt C-413/23 P du 04/09/2025, la Cour de justice de l'Union européenne a confirmé que des données pseudonymisées ne sont pas, « en toute hypothèse et pour toute personne », des données personnelles : selon les circonstances, la pseudonymisation peut empêcher des tiers d'identifier la personne. L'affaire portait sur le règlement applicable aux institutions européennes (règlement 2018/1725), dont les notions sont proches du RGPD. La Cour a aussi précisé que l'obligation d'information s'apprécie au moment de la collecte, du point de vue du responsable : informer les personnes reste donc à votre charge, pseudonymisation ou non.

Le schéma technique

Pour la détection, la CNIL cite, dans sa fiche sur la gestion des données d'entraînement, les expressions régulières et la reconnaissance d'entités nommées, ainsi que des outils comme Octopii ou PiiCatcher. Les expressions régulières conviennent aux formats stables (adresse électronique, numéro de téléphone, numéro de compte bancaire) ; la reconnaissance d'entités nommées sert pour les noms de personnes et de lieux dans un texte libre. Combinez les deux.

Gardez des étiquettes typées (« [PERSONNE_1] », « [VILLE_1] ») : le modèle comprend mieux le texte qu'avec des chaînes aléatoires, et la réidentification reste simple.

Les limites à connaître

• Les identifiants indirects : une fonction rare, une date précise, un lieu, un événement peuvent suffire à reconnaître quelqu'un. Un texte libre en est plein. Généraliser (« au printemps » plutôt qu'une date, « une commune du département » plutôt que le nom) réduit ce risque.
• Les faux négatifs : aucun détecteur n'est parfait, surtout sur des noms peu courants ou mal orthographiés. Testez sur un échantillon réel et mesurez ce qui passe.
• Les pièces jointes et images : un PDF scanné, une photo de document échappent à une détection sur le texte.
• Les journaux : si votre application journalise la requête avant pseudonymisation, la donnée en clair se retrouve là. Voir journaliser un système d'IA.
• La liste noire : la CNIL, à propos des filtres sur les modèles, juge préférable de généraliser par détection et pseudonymisation d'entités nommées plutôt que de tenir une liste des personnes à masquer, qui crée elle-même un risque.

Ce que la pseudonymisation ne remplace pas

Elle réduit l'exposition, sans dispenser du reste :

• le contrat avec le fournisseur, s'il est sous-traitant (voir la qualification du fournisseur) ;
• la vérification de ce qu'il fait des requêtes (entraînement, durée de conservation) ;
• l'encadrement des transferts hors de l'Union (voir le Data Privacy Framework) ;
• l'information des personnes et l'exercice de leurs droits.

Et l'omnibus numérique ?

Le volet « données » de l'omnibus numérique pourrait toucher à la définition de la donnée personnelle et à la pseudonymisation. Au 15/11/2026, ce n'est qu'une proposition : selon l'analyse publiée sur nicfab.eu le 21/10/2026, le mandat du Conseil conserve la définition actuelle et ajoute une disposition sur la pseudonymisation et l'identification, et le Parlement européen n'a pas encore sa position. Rien n'est modifié tant que le texte n'est pas adopté et publié.

Cette page décrit une mesure technique ; l'appréciation de son effet juridique sur votre traitement relève de votre délégué à la protection des données.