BroadRouter

PII (données d’identification personnelle)

Mis à jour

Les PII (personally identifiable information) sont les informations permettant de distinguer ou de retrouver l’identité d’une personne, comme un nom, un numéro d’identité ou des données biométriques, et toute information qui lui est liée ou rattachable. Le RGPD parle plus largement de données personnelles. Avec les LLM, le masquage des PII les retire des prompts avant qu’ils quittent vos systèmes.

Aussi appelé : PII, IPI, données personnelles, informations personnelles identifiables, masquage des PII, anonymisation, personally identifiable information, PII redaction

Les PII les plus sûres sont celles que vous n’envoyez jamais. La plupart des prompts qui en contiennent n’en ont pas besoin.

Comment ça marche

La publication NIST SP 800-122 (avril 2010) retient une définition large : les PII sont « any information about an individual maintained by an agency, including (1) any information that can be used to distinguish or trace an individual’s identity, such as name, social security number, date and place of birth, mother’s maiden name, or biometric records; and (2) any other information that is linked or linkable to an individual, such as medical, educational, financial, and employment information. » (traduction : « toute information sur une personne détenue par un organisme, y compris (1) toute information permettant de distinguer ou de retrouver l’identité d’une personne, comme le nom, le numéro de sécurité sociale, la date et le lieu de naissance, le nom de jeune fille de la mère ou des données biométriques ; et (2) toute autre information liée ou rattachable à une personne, comme des informations médicales, scolaires, financières et professionnelles. »)

Le RGPD parle de données personnelles : « any information relating to an identified or identifiable natural person » (traduction : « toute information se rapportant à une personne physique identifiée ou identifiable »), y compris « a name, an identification number, location data, an online identifier » (traduction : « un nom, un numéro d’identification, des données de localisation, un identifiant en ligne »). La PDPL saoudienne définit les données personnelles en des termes proches.

Les outils de masquage fonctionnent en général en deux étapes. L’analyzer de Microsoft Presidio assure la « PII identification in text » (traduction : « identification des PII dans un texte »), à l’aide de motifs et de reconnaissance d’entités nommées. Son anonymizer applique ensuite un opérateur à chaque correspondance :

Opérateur Description de Presidio
replace « Replace the PII with desired value » (traduction : « remplacer la PII par la valeur voulue »)
redact « Remove the PII completely from text » (traduction : « supprimer complètement la PII du texte »)
mask « Replace the PII with a given character » (traduction : « remplacer la PII par un caractère donné »)
hash « Hashes the PII text using salted hashing for security » (traduction : « hache le texte de la PII avec un hachage salé, par sécurité »)
encrypt « Encrypt the PII using a given key » (traduction : « chiffrer la PII avec une clé donnée »)

Un schéma d’espaces réservés pour un ticket de support :

Before: Ahmed Al-Harbi (+966 5x xxx xxxx) says order 4471 never arrived.
After:  <PERSON_1> (<PHONE_1>) says order 4471 never arrived.

Vous gardez la correspondance de votre côté et réinsérez les vraies valeurs dans la réponse du modèle.

Pourquoi c’est important

  • Chaque copie est un risque. Le NIST conseille aux organisations de « minimize the use, collection, and retention of PII to what is strictly necessary » (traduction : « limiter l’utilisation, la collecte et la conservation des PII au strict nécessaire »). Les prompts et les logs sont des copies.
  • La détection laisse passer des choses. Presidio écrit : « there is no guarantee that Presidio will find all sensitive information » (traduction : « rien ne garantit que Presidio trouvera toutes les informations sensibles »). Les noms arabes, les formats de téléphone du Golfe et les textes mêlant plusieurs écritures sont des cas où les détecteurs génériques échouent souvent ; testez sur vos propres données.
  • Les sorties peuvent aussi fuiter. Appliquez les mêmes contrôles aux réponses. Des guardrails peuvent les bloquer ou les signaler.

Envoyer des données sensibles à une API LLM détaille le masquage, les espaces réservés et la journalisation, et journaliser l’usage avec des PII masquées traite de vos propres logs.

Sur BroadNet Inference

La déclaration de confidentialité de BroadNet indique qu’il ne conserve pas les prompts, l’audio, les images, les réponses ni les transcriptions, et qu’il n’utilise pas les données d’inférence pour entraîner, affiner ou évaluer des modèles. Cela limite ce qui est stocké après la requête. Mais il ne masque rien pour vous : les PII atteignent quand même le modèle pendant le traitement, alors minimisez d’abord. Voir conservation zéro des données.

BroadNet publie aussi un proxy de masquage open source, le LLM Sensitive Data Firewall (LSDF), sous Apache-2.0 ; l’article sur les données sensibles le présente, avec les chiffres d’évaluation de BroadNet. Cette page n’est pas un conseil juridique.

Questions fréquentes

Les PII sont-elles la même chose que les données personnelles du RGPD ?

Elles se recoupent sans être identiques. La définition des PII du NIST vient des recommandations fédérales américaines. Le RGPD définit les données personnelles comme toute information se rapportant à une personne identifiée ou identifiable, ce qui inclut les identifiants en ligne et les données de localisation.

Un outil peut-il trouver automatiquement toutes les PII d’un prompt ?

Non. La documentation de Presidio elle-même dit qu’il n’y a aucune garantie qu’il trouve toutes les informations sensibles. Combinez la détection avec l’envoi des seuls champs utiles à la tâche, et testez sur vos propres données.

Faut-il masquer les PII avant d’appeler une API LLM ?

Quand le modèle n’en a pas besoin, oui. Remplacez noms, numéros de téléphone et identifiants par des espaces réservés, et rétablissez-les après la réponse. Cela réduit l’exposition, quelles que soient les conditions du fournisseur.

Lire en MarkdownDemander à ChatGPTDemander à ClaudeDemander à Perplexity