Caviarder un PDF, un Word ou un scan

Comment ça se passe

1. Déposez le document

   Un PDF, un document Word (.docx), ou la photo d'un document (JPEG, PNG, WebP). Il est lu par votre navigateur, dans cet onglet. Les propositions apparaissent en quelques secondes.

2. Tranchez chaque proposition

   À droite, les propositions groupées par type ; sur la page, surlignées. Masquer, laisser, masquer partout un nom, dessiner une zone. J et K pour passer de l'une à l'autre, M pour masquer, L pour laisser, Ctrl+Z pour annuler.

3. Produisez le fichier

   Le bouton s'active quand tout est tranché. L'outil reconstruit le document, le relit, puis vous le propose : l'enregistrement se fait par votre navigateur.

Ce qui est détecté, et comment

Un format juste avec une clé fausse est proposé « à examiner » : c'est souvent une faute de frappe dans le document, et la donnée reste personnelle. Les décisions en masse ne touchent jamais ce qui est à examiner.

Plusieurs documents à la fois

Déposez plusieurs fichiers ensemble (PDF, Word, scans, photos) : ils sont relus comme un seul dossier. Une même personne, un même numéro sont une seule proposition, tranchée une fois pour toutes les pièces, et en pseudonymisation « [Personne A] » désigne la même personne dans chacune.

À l'export, chaque document est reconstruit et contrôlé à part ; si tous passent leur contrôle, ils sont enregistrés ensemble dans une archive ZIP.

Vos règles

Des noms ou des mots à toujours masquer (un client, un numéro de dossier) : ajoutez-les une fois dans « Mes règles », ils sont cherchés et masqués dans chaque document que vous ouvrez ensuite. La liste reste dans ce navigateur, sur ce poste ; elle n'est envoyée nulle part.

Pour les numéros propres à votre maison (« DOS-2026-0114 »), « Chercher par motif » accepte une expression régulière : chaque texte trouvé devient une proposition à trancher, comme les autres.

La table de correspondance

En pseudonymisation, l'outil propose d'enregistrer la table des libellés et de ce qu'ils remplacent (« [Personne A] = Jean Dupont »), pour pouvoir réidentifier plus tard. Elle est chiffrée dans votre navigateur (AES-GCM, clé dérivée de votre phrase de passe par PBKDF2, 600 000 itérations), puis enregistrée comme un fichier à garder à part du document. Pour la relire : « Relire une table de correspondance », sous la zone de dépôt.

Une table ouverte sert encore deux fois. « Reprendre cette table » : les documents que vous ouvrez ensuite retrouvent les mêmes libellés (Jean Dupont redevient « [Personne A] » dans chaque nouvelle pièce), les personnes nouvelles prennent les libellés suivants, et la table enregistrée à la fin prolonge l'ancienne. « Rétablir les noms » : un PDF ou un Word pseudonymisé par Klarmask, revenu annoté ou complété, retrouve les noms à la place des libellés, dans votre navigateur.

Klarmask ne connaît ni la table, ni la phrase : une phrase oubliée ne se retrouve pas. Et tant que la table existe, le document pseudonymisé reste une donnée personnelle ; voir pseudonymisation ou anonymisation.

Le rapport de caviardage

Avec le fichier produit, l'outil propose un rapport en PDF : la date, le mode, chaque document avec son nombre de pages et l'empreinte SHA-256 du fichier produit, ce qui a été masqué par type et par page, les zones couvertes sur l'image, et le résultat du contrôle de sortie. Aucune valeur masquée n'y figure, ni aucun libellé : il peut accompagner le document, pour garder la trace du caviardage ou la joindre à une communication.

Avant d'enregistrer, un résumé dit combien d'éléments distincts seront masqués et en combien d'occurrences, ce qui reste visible, et les types dont ce document ne contient rien. Sur cent pages, c'est ce qui permet de voir qu'il manque quelque chose : un dossier de personnel sans un seul numéro de sécurité sociale a souvent une page mal lue.

Les scans et les photos

Une page sans texte (un scan, une photo de document) est lue par reconnaissance de texte, dans votre navigateur. Le moteur est celui de Klarfile (Tesseract) : il se télécharge depuis ce site la première fois qu'il sert, avec le modèle de la langue du site, et chaque fichier est vérifié par son empreinte avant de servir.

Chaque mot lu garde sa place sur l'image : les propositions se tranchent comme sur un PDF, et l'aplat couvre le mot entier. Une photo de téléphone est remise à l'endroit, et ses métadonnées (appareil, position) ne passent pas dans le fichier produit.

Au contrôle, les pages scannées du fichier produit sont relues par reconnaissance de texte, et chaque élément masqué y est cherché : un aplat mal posé laisserait une valeur lisible, et l'enregistrement serait bloqué. Le fichier produit contient en plus un texte cherchable, sans ce qui est masqué.

Signatures, tampons, visages, plaques et codes

Une page porte aussi ce qui n'est pas du texte : une signature, un tampon, la photo d'une pièce d'identité, un code QR qui contient un numéro de dossier. Après l'ouverture, chaque page est relue comme une image, dans votre navigateur, et ce qui y est trouvé hors du texte est proposé comme une zone, à masquer ou à laisser comme un nom. Tant que cette lecture n'est pas finie, et tant qu'une zone proposée n'est pas tranchée, le fichier ne peut pas être produit.

Les signatures et les tampons sont cherchés par l'encre : un tracé fin, bleu ou noir, ou une encre de couleur, en dehors des mots déjà lus. Les visages de face sont trouvés par pico (licence MIT), et la zone s'étend à toute la photo. Les codes QR et les codes-barres sont lus par zxing (licence MIT), servi depuis ce site et vérifié par son empreinte. Un visage de profil, une signature très pâle ou un code abîmé peuvent échapper : relisez la page, et dessinez une zone sur ce qui n'est pas proposé.

Les plaques d'immatriculation des photos sont cherchées par la régularité de leurs caractères : un fond clair et uni, des caractères sombres et épais, alignés. Sur un document écrit, un numéro de plaque est du texte, et c'est une règle qui le trouve. Une plaque qui occupe moins d'un dixième de la largeur de la photo, très inclinée ou sale, n'est pas proposée.

Plusieurs versions d'une même pièce

Une pièce ne se caviarde pas pareil pour la partie adverse, pour le public et pour l'interne. Dans « Plusieurs versions », ajoutez une version, nommez-la, et cochez les types qu'elle laisse visibles ; tout le reste suit votre revue. Les versions sortent ensemble, chacune dans son dossier de l'archive, avec son propre rapport de caviardage.

Les libellés ne changent pas d'une version à l'autre : « [Personne A] » désigne la même personne partout, et une seule table de correspondance vaut pour l'ensemble.

Reprendre plus tard, et garder la trace

Cent pages ne se tranchent pas en une fois. « Reprendre cette revue plus tard » enregistre le travail en cours (décisions, zones, versions, mode) dans un fichier chiffré par une phrase de passe. Rouvrez les mêmes documents, relisez ce fichier, et la revue repart où vous l'aviez laissée. Les documents, eux, ne sont pas dans le fichier ; les valeurs détectées, si, et c'est pourquoi il est chiffré.

Le registre des caviardages, sous la zone de dépôt, garde une ligne par fichier produit sur ce poste : la date, les documents, les pages, le mode et l'empreinte SHA-256 de ce qui est sorti. Aucune valeur masquée, aucun libellé. Il reste dans ce navigateur, s'exporte en CSV et s'efface d'un bouton.

Les pièces qui reviennent

Un en-tête de cabinet, un pied de page, un numéro imprimé en marge : la même zone revient à chaque page. Dessinez-la une fois, puis « Répéter » sur toutes les pages, les paires ou les impaires. Une page d'une autre taille la reçoit au même endroit relatif.

Un type de pièce qui revient (un bulletin de paie, un relevé) se caviarde toujours au même endroit : enregistrez ses zones et vos règles sous un nom, dans « Gabarits », et rejouez-les sur la pièce suivante. Les gabarits restent dans ce navigateur, sur ce poste.

Un fichier les emporte : « Enregistrer le fichier » écrit vos gabarits et vos règles, « Relire un fichier » les remet, ici ou sur le poste d'un collègue. Ce qu'il apporte s'ajoute à ce que vous avez, sans rien écraser. Le fichier n'est pas chiffré, et vos règles sont des noms : gardez-le comme un document.

Les documents Word

Un document Word est une archive de fichiers : le texte, mais aussi les révisions suivies, les commentaires, les propriétés (auteur, société), les champs et les liens. Un nom caché dans l'une de ces parties survit à un rechercher-remplacer.

Klarmask ne nettoie pas le document : il en écrit un neuf, avec les seules parties qu'il comprend. Les révisions sont acceptées (le texte supprimé disparaît avec son auteur), les commentaires et les propriétés sont retirés, et chaque valeur masquée est remplacée partout où elle se trouve : dans le texte, même coupée entre plusieurs segments de mise en forme, dans les en-têtes, les pieds, les notes, les zones de texte, les champs, le texte alternatif des images et l'adresse des liens.

Le fichier produit est relu comme pour un PDF : chaque paragraphe, chaque attribut et chaque image sont parcourus, et la structure du paquet est vérifiée avant de vous le proposer.