Docx Anonymizer reconnaît 50 catégories de données et prend en charge neuf formats

Envoyer un contrat ou un tableur dans un chat d'IA est facile. S'assurer qu'avec le texte principal ne partent pas aussi des données de passeport, des commentaires de collègues, une feuille Excel masquée ou le nom de l'auteur contenu dans les métadonnées l'est beaucoup moins. C'est précisément ce problème banal, mais désagréable, que résout l'extension Chrome Docx Anonymizer : elle recherche les données personnelles avant le téléversement d'un fichier vers un service externe et permet de supprimer les traces que l'utilisateur ne voit généralement pas.

Dans la nouvelle version, l'auteur a étendu la prise en charge au-delà des documents Word. L'outil fonctionne avec les tableurs et présentations Microsoft Office, ainsi qu'avec les formats TXT, Markdown, CSV, JSON et les logs. Le nombre de catégories reconnues est passé de 21 à 50. Pour un développeur ou une équipe produit, l'intérêt est simple : avant de confier à une IA un export de clients, un compte rendu de réunion ou un log technique, le fichier peut être vérifié avec un seul et même outil.

À quoi cela ressemble en pratique

Imaginons un tableau de demandes au support. Dans les cellules visibles figurent le nom du client, son téléphone et la description du problème. Sur une feuille masquée subsiste une extraction de service, un gestionnaire a noté un numéro de contrat dans un commentaire, et une formule fait référence à une cellule contenant une adresse e-mail. Si l'on se contente de copier la feuille principale ou de remplacer quelques valeurs évidentes, une partie des données reste à l'intérieur du fichier.

Docx Anonymizer ne recherche pas seulement les noms et les coordonnées. L'ensemble annoncé couvre les données des passeports russes et étrangers, du permis de conduire, du livret militaire, du titre de séjour (VNJ), des documents migratoires, de la carte d'assurance maladie obligatoire (OMS), du certificat d'immatriculation (STS) et du titre du véhicule (PTS). Sont également reconnus séparément les VIN, les numéros d'immatriculation et cadastraux, les adresses IP et MAC, les informations de santé et d'autres catégories sensibles. Le passeport est désormais décomposé en quatre champs distincts : série et numéro, autorité de délivrance, date de délivrance et code du service.

Pour les formats texte, une limitation importante du périmètre de remplacement est prévue : les séparateurs CSV et les clés JSON ne sont pas modifiés, de sorte que la structure des données doit être préservée et le JSON rester valide. C'est utile pour les jeux de test, les logs et les exports qu'il faut, une fois anonymisés, recharger dans une application ou traiter par script.

Les données cachées, un risque à part

L'extension affiche les commentaires, l'historique des modifications, le texte masqué, les feuilles et diapositives cachées, ainsi que le cache des formules et des graphiques. Avant l'envoi du document, ces éléments peuvent être supprimés. Cette vérification est particulièrement importante pour les fichiers Office : un document visuellement propre ne l'est pas forcément à l'intérieur de l'archive qui compose techniquement un DOCX, XLSX ou PPTX.

Mais l'automatisation ne garantit pas l'absence de fuites. Les heuristiques peuvent passer à côté d'un identifiant saisi de manière inhabituelle ou, au contraire, prendre un nombre ordinaire pour une donnée personnelle. L'auteur avertit également que le remplacement de valeurs à l'intérieur des formules peut casser certaines d'entre elles. Il faut donc vérifier le résultat et conserver le fichier d'origine séparément.

Que doit faire une équipe

L'outil doit être considéré comme une barrière supplémentaire avant la transmission de documents à une IA, et non comme un remplacement complet du processus de protection des données. Commencez par déterminer quels fichiers peuvent être téléversés vers des modèles externes. Supprimez ensuite les feuilles superflues, les commentaires et l'historique des modifications, lancez l'anonymisation et vérifiez manuellement le fichier obtenu. Pour un usage régulier, il est utile de constituer un jeu de documents de contrôle contenant des types de données connus et d'y tester chaque mise à jour de l'extension.

La principale valeur du projet ne réside pas dans le nombre de formats pris en charge, mais dans le rappel de la surface réelle de fuite. Les données personnelles ne se trouvent pas uniquement dans les paragraphes. Elles se cachent dans les formules, les métadonnées et les couches techniques — et ce sont elles que l'on oublie le plus souvent de vérifier avant de discuter avec une IA.