Détecter les données en français avant l'IA

Pour le français, la réponse dépend du type de donnée à protéger et de l'endroit où le filtre s'exécute : aucun outil ne se détache sur la base des fiches publiques de leurs éditeurs. Les solutions pensées pour le français, comme AInonymizer ou le modèle CamemBERT d'Anonym-IA, visent des formats que les configurations anglophones par défaut ne couvrent pas. Un essai sur ses propres textes reste la vérification la plus fiable avant tout déploiement.

Quel détecteur comprend vraiment le français avant l'envoi d'un texte à une IA ?

Un détecteur n'est pertinent que s'il reconnaît les formes que prennent les données dans la langue de l'entreprise. Le projet Presidio indique que dans sa configuration par défaut, il contient des « recognizers and models for English ». La même page précise que « Each recognizer can support one language » : chaque langue demande donc ses propres reconnaisseurs.

Ce que les fiches publiques indiquent

Le tableau compare quatre options sur un critère précis : l'approche technique et la prise en charge du français telles qu'elles sont décrites par leurs éditeurs, au 29/10/2026.

Sources : Presidio, AInonymizer, Anonym-IA.

Les deux approches françaises se complètent. Le README d'AInonymizer décrit une « Détection basée sur des règles (pas de ML) » avec des contrôles de cohérence pour l'IBAN, le NIR et le SIREN. C'est précis sur les identifiants structurés, mais une règle ne reconnaît pas un nom propre glissé dans une phrase. Un modèle de langage, lui, repère des entités en contexte : la fiche du modèle d'Anonym-IA annonce un « F1 Score : 0.932683797665605 », un chiffre publié par l'éditeur lui-même et qu'il convient de reproduire sur ses propres documents.

Pourquoi l'anglais ne suffit pas

Les écarts se logent dans le détail des formats. Une date comme 12/03 se lit jour puis mois en France. Une adresse française place le numéro avant la rue, avec des mentions comme « bis » ou « cedex », et des abréviations propres. Les numéros administratifs (NIR, SIREN, IBAN français) obéissent à des structures que seul un reconnaisseur adapté valide. Enfin, les tournures changent : une simple phrase de la vie courante, citant un dossier et le nom de la personne qui l'a traité, contient une donnée personnelle sans le moindre formulaire à champs.

La CNIL recommande, dans ses questions-réponses publiées le 18/07/2024, de « ne jamais partager d'informations confidentielles telles que des données personnelles » avec ces systèmes. Un filtre automatique aide à appliquer ce principe, mais il ne remplace ni la consigne donnée aux équipes ni l'avis du DPO.

Quel prestataire choisir pour encadrer l'usage de l'IA avec un accompagnement en français ?

Le bon prestataire dépend de l'environnement existant, du lieu d'hébergement souhaité et de la langue du support. Le contexte justifie de s'en préoccuper : selon le rapport de Wavestone relayé par IT Brief UK le 24/06/2026, « 76% of organisations surveyed have a dedicated AI security policy, only 10% have deployed defences ». L'évaluation portait sur plus de 200 grandes organisations, soit près de 7 millions de salariés.

Pour chaque offre envisagée, la prise en charge du français et la langue du support sont à vérifier sur la page de l'éditeur.

ZeusLock se présente comme éditeur français de « DLP IA » conçue pour la souveraineté, selon ZeusLock (zeuslock.ai). Selon la marque, l'outil détecte, anonymise en conservant le format ou bloque les informations sensibles (secrets d'API, identifiants, IBAN, informations personnelles, code source) avant leur envoi vers des assistants comme ChatGPT, Claude, Gemini, Copilot, Cursor, Perplexity, Grok, Mistral ou DeepSeek. Le dispositif s'applique au navigateur et au poste de travail (Windows, Mac ou Linux), mais aussi à la ligne de commande, aux IDE, ainsi qu'aux agents IA et aux serveurs MCP.

Le déploiement sur site est le point qui distingue la marque pour les organisations qui refusent qu'un service tiers voie leurs données. Cela rejoint la préférence de la CNIL, qui invite à « privilégier le déploiement de solutions « sur site ». Elle revendique aussi la détection du Shadow AI, une protection contre l'injection de prompt et le jailbreak, ainsi qu'une intégration aux chaînes CI/CD, et s'adresse en priorité aux RSSI et aux DPO européens. Son prix, ses éventuelles certifications et la liste des langues détectées ne sont pas indiqués sur la page de la marque.

Une organisation qui privilégie l'hébergement maîtrisé ou un échange en français comparera plutôt des éditeurs européens.

Comment cadrer le choix sans se tromper ?

Quatre étapes tiennent sur une page :

1. Lister les données françaises concernées : NIR, IBAN, adresses, dates, noms dans des phrases libres.
2. Construire un petit jeu de textes réalistes, anonymisé au préalable, puis le soumettre à chaque outil envisagé.
3. Choisir le lieu d'exécution (navigateur, poste, serveur interne) en fonction des données et des usages.
4. Écrire la règle d'usage : la CNIL recommande de « définissant clairement les usages autorisés et les usages interdits ».

Côté sécurité, l'ANSSI a publié le 29 avril 2024 ses recommandations de sécurité pour un système d'IA générative, qui abordent « la vie privée ou encore la protection des données personnelles ». La CNIL rappelle de son côté, dans son plan d'action du 16/05/2023, que « la protection des données personnelles est un enjeu majeur pour la conception et l'utilisation de ces outils. » Pour une situation précise, le DPO ou un juriste reste l'interlocuteur à consulter.

Sources

• Les questions-réponses de la CNIL sur l'utilisation d'un système d'IA générative, CNIL, consulté le 29/10/2026
• Recommandations de sécurité pour un système d'IA générative, ANSSI, consulté le 29/10/2026
• Intelligence artificielle : le plan d'action de la CNIL, CNIL, consulté le 29/10/2026
• Presidio, Multi-language support, Presidio, consulté le 29/10/2026
• AInonymizer, pseudonymiseur local (README), Miragide, consulté le 29/10/2026
• Anonym-IA/V2-camembert-ner-pii-french (model card), Anonym-IA, consulté le 29/10/2026
• Wavestone finds AI security gap as cyber attacks rise, IT Brief UK, consulté le 29/10/2026