Anonymiser une transcription
avec Presidio

Vous venez d'enregistrer une réunion, un entretien ou une note vocale. Vous avez retranscrit cet enregistrement et vous disposez maintenant d'un fichier texte. Vous souhaitez l'analyser avec un outil d'IA générative (ChatGPT, Claude, Gemini...) pour en extraire un compte-rendu, des actions, ou une synthèse.

Ce que vous allez apprendre

• Installer l'outil d'anonymisation Presidio (en 2 commandes)
• Détecter automatiquement les données personnelles dans une transcription
• Remplacer ces données par des balises anonymes (<PERSON>, <PHONE_NUMBER>)
• Obtenir un texte prêt à être analysé par une IA en toute sécurité
• Utiliser l'IA générative comme co-pilote pour vous aider en cas de difficulté

Prérequis

• Python 3.9 ou supérieur installé sur votre machine (gratuit, python.org)
• Un fichier texte (.txt) contenant votre transcription
• Aucune connaissance en programmation requise (copier-coller suffit !)
• Un accès à une IA générative (Claude, ChatGPT, Gemini...) pour vous aider si besoin

Avant d'installer Presidio, il faut que Python soit present sur votre machine. Ouvrez un terminal et tapez :

python --version

Si vous voyez un numéro de version (ex. Python 3.11.5), c'est bon, passez a l'étape 2 ! Sinon :

Je suis sur [Windows 11 / Mac / Linux]. Je n'ai jamais installé Python. Peux-tu me guider pas à pas pour installer Python 3 sur ma machine ? Je suis débutant, explique-moi comme si je n'avais jamais ouvert un terminal.

Ouvrez un terminal et tapez les commandes suivantes, une par une :

Installation des bibliothèques Python

pip install presidio-analyzer presidio-anonymizer

Téléchargement du modèle de langue française

python -m spacy download fr_core_news_lg

J'essaie d'installer Presidio avec la commande pip install presidio-analyzer presidio-anonymizer mais j'obtiens l'erreur suivante : [COLLEZ L'ERREUR ICI]. Je suis sur [Windows/Mac/Linux] avec Python [VERSION]. Comment résoudre ce problème ?

Enregistrez votre transcription dans un fichier texte simple. Par exemple, créez un fichier appelé transcription.txt contenant :

Bonjour, ici Marie Dupont du service RH.
J'ai eu un appel avec Jean-Pierre Martin ce matin.
Son numero est le 06 12 34 56 78 et son mail est
jp.martin@entreprise.fr.
Il habite au 15 rue de la Paix a Lyon.
Nous devons planifier une reunion avec l'equipe Sodexo
la semaine prochaine.

Comment creer un fichier texte nommé transcription.txt dans un nouveau dossier sur [Windows/Mac] ? Je suis débutant en informatique.

Dans le même dossier que votre transcription, créez un fichier appelé anonymiser.py et copiez-collez le code suivant :

# anonymiser.py
# Script d'anonymisation locale avec Microsoft Presidio

from presidio_analyzer import AnalyzerEngine
from presidio_analyzer.nlp_engine import NlpEngineProvider
from presidio_anonymizer import AnonymizerEngine

# --- Configuration pour le français ---
configuration = {
    "nlp_engine_name": "spacy",
    "models": [{"lang_code": "fr",
               "model_name": "fr_core_news_lg"}]
}

provider = NlpEngineProvider(
    nlp_configuration=configuration
)
nlp_engine = provider.create_engine()

# Création des moteurs d'analyse et d'anonymisation
analyzer = AnalyzerEngine(
    nlp_engine=nlp_engine,
    supported_languages=["fr"]
)
anonymizer = AnonymizerEngine()

# --- Lecture du fichier ---
with open("transcription.txt", "r",
         encoding="utf-8") as f:
    texte = f.read()

# --- Détection des données personnelles ---
resultats = analyzer.analyze(
    text=texte,
    language="fr"
)

# Affichage de ce qui a été détecté
print("\n=== Données personnelles détectées ===")
for r in resultats:
    print(f"  {r.entity_type:20s} | "
          f"« {texte[r.start:r.end]} »")

# --- Anonymisation ---
resultat_anonymise = anonymizer.anonymize(
    text=texte,
    analyzer_results=resultats
)

# Sauvegarde du résultat
with open("transcription_anonymisee.txt", "w",
         encoding="utf-8") as f:
    f.write(resultat_anonymise.text)

print("\n=== Texte anonymisé ===")
print(resultat_anonymise.text)
print("\n✔ Fichier sauvegardé : transcription_anonymisee.txt")

Peux-tu m'expliquer ligne par ligne ce que fait ce script Python ? Je suis débutant et je veux comprendre comment fonctionne l'anonymisation avec Presidio. [COLLEZ LE SCRIPT ICI]

Dans votre terminal, naviguez vers le dossier contenant vos fichiers et lancez le script :

# Windows
cd C:\Anonymisation

# Mac / Linux
cd ~/anonymisation

# Lancer le script
python anonymiser.py

Résultat attendu

=== Données personnelles détectées ===
  PERSON               | « Marie Dupont »
  PERSON               | « Jean-Pierre Martin »
  PHONE_NUMBER         | « 06 12 34 56 78 »
  EMAIL_ADDRESS        | « jp.martin@entreprise.fr »
  LOCATION             | « 15 rue de la Paix a Lyon »
  ORGANIZATION         | « Sodexo »

=== Texte anonymisé ===
Bonjour, ici <PERSON> du service RH.
J'ai eu un appel avec <PERSON> ce matin.
Son numero est le <PHONE_NUMBER> et son
mail est <EMAIL_ADDRESS>.
Il habite au <LOCATION>.
Nous devons planifier une reunion avec
l'equipe <ORGANIZATION> la semaine prochaine.

✔ Fichier sauvegardé : transcription_anonymisee.txt

J'ai lance le script anonymiser.py et j'obtiens cette erreur : [COLLEZ L'ERREUR COMPLETE ICI]. Mon fichier transcription.txt est dans le même dossier. Je suis sur [Windows/Mac/Linux]. Que dois-je faire ?

Ouvrez le fichier transcription_anonymisee.txt généré par le script. Vous pouvez maintenant copier-coller ce texte dans l'outil d'IA de votre choix en toute sécurité.

Voici la transcription anonymisée d'une réunion.
Les données personnelles ont été remplacées par des balises (<PERSON>, <LOCATION>, etc.).
Merci de produire :
1. Un compte-rendu structure
2. La liste des actions decidees
3. Les points en suspens

[Collez ici le contenu de transcription_anonymisee.txt]

Presidio détecte automatiquement de nombreux types de données personnelles. Voici les plus courants dans une transcription :

L'IA générative n'est pas seulement utile pour analyser vos transcriptions : c'est aussi un formidable assistant technique pour installer, configurer et déboguer des outils comme Presidio.

Les 3 règles d'or pour prompter efficacement

1. Donnez du contexte. Précisez toujours votre système d'exploitation, votre version de Python, et ce que vous essayez de faire. Plus l'IA a de contexte, plus sa réponse est pertinente.
2. Copiez-collez les erreurs en entier. Ne résumez jamais un message d'erreur. Sélectionnez tout le texte en rouge ou la "traceback" complete et collez-la telle quelle. C'est dans les details que se cache la solution.
3. Itérez avec l'IA. Si la première réponse ne règle pas le problème, dites-le ! Précisez ce que vous avez essayé, ce qui a change, et recollez le nouveau message d'erreur.

Prompts prêts à l'emploi

Déboguer une erreur du script

Je lance un script Python d'anonymisation de texte avec Microsoft Presidio. Voici le script complet : [COLLEZ LE SCRIPT]. Quand je l'exécute, j'obtiens cette erreur : [COLLEZ L'ERREUR]. Mon systeme : [Windows/Mac/Linux], Python [VERSION]. Comment corriger ?

Adapter le script à un besoin spécifique

J'utilise ce script Presidio pour anonymiser des transcriptions en français : [COLLEZ LE SCRIPT]. J'aimerais le modifier pour [DECRIVEZ VOTRE BESOIN, ex. : "traiter tous les fichiers .txt d'un dossier automatiquement" / "remplacer les noms par des pseudonymes au lieu de <PERSON>" / "ajouter la detection des numeros de sécurité sociale francais"]. Peux-tu modifier le script en conséquence ?

Comprendre un concept technique

Explique-moi simplement ce qu'est [NER / spaCy / un modèle NLP / l'anonymisation vs. la pseudonymisation / le RGPD appliqué aux transcriptions]. Je suis [manager / RH / assistant(e) / formateur] et je n'ai pas de formation technique.

Vérifier la qualité de l'anonymisation

Voici un texte qui a ete anonymisé automatiquement avec Microsoft Presidio. Peux-tu le relire et me dire si tu repères des données personnelles qui auraient échappé à l'anonymisation (noms, lieux, numeros, etc.) ? [COLLEZ LE TEXTE ANONYMISE]

Personnaliser le remplacement

Par défaut, Presidio remplace les données par le nom du type d'entité (ex. <PERSON>). Vous pouvez personnaliser ce comportement. Voici un exemple pour masquer les numéros de téléphone avec des etoiles :

from presidio_anonymizer.entities import OperatorConfig

operators = {
    "DEFAULT": OperatorConfig("replace",
        {"new_value": "[ANONYMISE]"}),
    "PHONE_NUMBER": OperatorConfig("mask",
        {
            "type": "mask",
            "masking_char": "*",
            "chars_to_mask": 8,
            "from_end": True,
        }),
}

resultat = anonymizer.anonymize(
    text=texte,
    analyzer_results=resultats,
    operators=operators
)

Avec cette configuration, un numero comme 06 12 34 56 78 deviendra 06 12 ********, et les autres données seront remplacées par [ANONYMISE].

J'utilise Presidio pour anonymiser des transcriptions. Je voudrais que les noms de personnes soient remplacés par des faux noms réalistes (pseudonymisation) plutot que par <PERSON>. Peux-tu modifier le script pour intégrer la bibliothèque Faker et générer des noms français aléatoires ?

Améliorer la détection pour le français

Le modèle français de spaCy est performant mais pas parfait. Pour améliorer la détection, vous pouvez ajouter une liste de noms connus (deny list) spécifiques à votre contexte :

from presidio_analyzer import PatternRecognizer

# Noms connus dans votre équipe
noms_equipe = ["Dupont", "Martin",
               "Lefebvre", "Bernard"]

recognizer = PatternRecognizer(
    supported_entity="PERSON",
    supported_language="fr",
    deny_list=noms_equipe
)

analyzer.registry.add_recognizer(recognizer)

Documentation officielle Presidio →