Comment fonctionne anonymize.today

La détection basée sur des regex donne des résultats 100 % reproductibles — la même entrée produit toujours la même sortie. Les modèles d'IA et d'apprentissage automatique peuvent produire des résultats différents entre les exécutions, souffrent de dérive de modèle au fil du temps et fonctionnent comme des boîtes noires difficiles à auditer. Pour la conformité réglementaire sous le GDPR et l'ISO 27001, les organisations ont besoin de processus explicables et répétables, ce que la correspondance de motifs basée sur des regex fournit exactement.

anonymize.today fournit des scores de confiance de 0,0 à 1,0 pour chaque détection. Les utilisateurs peuvent définir des seuils de confiance minimum pour contrôler la sensibilité. Les entités basées sur des motifs comme les numéros de carte de crédit et les numéros de sécurité sociale atteignent une précision de 95 à 99 %, tandis que les entités basées sur le NLP comme les noms et les lieux atteignent une précision de 85 à 95 %. La plateforme prend en charge 256 types d'entités avec des motifs soigneusement élaborés pour chacun.

Oui, chaque détection dans anonymize.today montre le motif exact correspondant, le score de confiance et le type d'entité identifié. L'Analyseur met en évidence les entités détectées avec des couleurs spécifiques à la catégorie et des positions dans le texte. Cette transparence totale facilite l'explication des décisions de détection aux auditeurs, aux responsables de la conformité ou aux autorités de protection des données.

Le texte soumis à anonymize.today est envoyé via des connexions chiffrées TLS 1.3 vers des serveurs certifiés ISO 27001 en Allemagne. Le texte est traité en mémoire à l'aide de Microsoft Presidio, et les résultats sont retournés immédiatement. Aucun contenu utilisateur n'est stocké sur les serveurs après traitement. Les données ne quittent jamais l'Union Européenne.

anonymize.today prend en charge la détection automatique des langues pour identifier la langue principale d'un document. Pour les textes multilingues, les utilisateurs peuvent créer des préréglages personnalisés qui combinent des types d'entités à travers les frontières linguistiques. La plateforme prend en charge 27 langues de détection des PII utilisant spaCy, Stanza et des modèles Transformer, permettant la détection d'entités spécifiques à un pays comme les numéros fiscaux allemands, les numéros NIR français ou les numéros My Number japonais dans le même document.