Le problème de départ
Les modèles de langage peuvent être utiles pour analyser des documents ou préparer des textes, mais ces documents contiennent parfois des informations sensibles. Le projet partait d’une question : une couche entre l’utilisateur et un modèle externe pouvait-elle limiter les informations exposées tout en préservant une réponse utile ?
Le fonctionnement
La plateforme masque les données sensibles avant leur envoi à un modèle externe, puis rétablit les valeurs d’origine dans la réponse. Ce mécanisme permet d’explorer l’analyse de documents et la rédaction avec une mesure de confidentialité supplémentaire entre les informations sources et le service externe.
Suivre les données du début à la fin
La transformation du texte envoyé n’est qu’une partie du problème. La réponse doit rester compréhensible lorsque les valeurs d’origine sont rétablies. Le lien entre le document initial, le texte transformé et le résultat final est donc central. C’est un problème de circulation des données autant qu’un problème d’intelligence artificielle.
Ce que ce projet m’a apporté
IAProTech m’a donné une manière plus concrète d’aborder le développement produit. Il fallait partir d’un besoin précis, définir le rôle de l’outil et tenir compte des contraintes de son usage. C’est avec ce projet que j’ai commencé à passer des essais avec des outils d’IA à la conception d’un service.
Le périmètre
Le projet explore une approche technique de protection des données. La pseudonymisation constitue une mesure parmi d’autres dans un dispositif de confidentialité et de sécurité ; elle ne garantit pas à elle seule la conformité juridique. Je présente le projet dans ce cadre, sans confondre fonctionnalité technique et solution globale de conformité.