Caviardage de PDF numérisés : masquer les données sans les laisser récupérables
Avant de partager un PDF issu de la numérisation, masquer un nom avec un rectangle noir ne suffit pas toujours. Si le texte OCR reste sélectionnable, si une annotation peut être retirée ou si une métadonnée contient encore l’information, le destinataire peut parfois récupérer ce qui semblait caché. La méthode fiable consiste à décider précisément ce qui doit être occulté, utiliser un véritable outil de caviardage qui retire les données sous-jacentes, puis vérifier le fichier exporté avec des tests indépendants.
Ce guide s’adresse aux responsables documentaires, aux équipes juridiques, RH et aux personnes qui préparent la transmission de dossiers numérisés. Il leur permet de définir les informations à ne pas communiquer, de distinguer travail sur l’original et copie destinée au partage, puis de contrôler le résultat avant diffusion.
Décider ce qui peut être communiqué avant de modifier le PDF
Le caviardage n’est pas une opération de décoration : il suppose une décision sur les informations auxquelles le destinataire doit avoir accès. Commencez par identifier la finalité du partage, les catégories de destinataires et les éléments réellement nécessaires. Une donnée peut être utile dans le dossier de travail tout en n’ayant aucune raison de figurer dans la copie transmise.
Ne partez pas du principe que tout nom propre doit toujours disparaître ou, inversement, qu’une donnée présente dans un document initial peut être partagée sans examen. La décision dépend du contexte, de la base juridique du traitement, des droits des personnes et d’éventuels secrets protégés. En particulier, une demande d’accès à ses données personnelles doit être examinée en tenant compte des droits des tiers : la CNIL indique qu’il peut être nécessaire de masquer leurs identités ou des éléments permettant de les identifier indirectement.
Exemple fictif : une entreprise prépare la copie d’un échange interne pour répondre à une demande portant sur un salarié. Le document contient des données le concernant et des appréciations relatives à un autre salarié. L’équipe chargée de la réponse doit déterminer ce qui peut être communiqué au demandeur sans porter atteinte aux droits du tiers ; un masquage mécanique de tous les noms ne répond pas à lui seul à cette analyse.
Ce qu’un rectangle noir ne retire pas nécessairement
La couche OCR derrière l’image
Un PDF numérisé peut afficher une image de page et contenir, en parallèle, du texte reconnu automatiquement. Un rectangle noir ajouté par-dessus l’image peut masquer visuellement un passage sans supprimer les mots présents dans la couche OCR. Selon le logiciel et la manière dont le fichier est construit, une recherche, une sélection de texte ou une extraction automatique peut alors faire réapparaître l’information.
Les annotations, calques et objets du PDF
Un simple dessin superposé peut rester modifiable. Le destinataire peut parfois déplacer ou supprimer l’objet qui cache le texte. Il faut employer une fonction de caviardage conçue pour retirer le contenu visé et appliquer définitivement l’opération dans une copie destinée à la diffusion, plutôt qu’une fonction de surlignage ou de dessin.
Les métadonnées et les pièces jointes
La zone visible n’est qu’une partie du fichier. Vérifiez également le titre du PDF, les champs de description, les commentaires, les pièces jointes éventuelles, les signets, les propriétés de document et les noms de fichiers. Une information correctement retirée du corps d’une page peut subsister ailleurs dans le paquet transmis.
Préparer deux versions distinctes : source conservée et copie communicable
Travaillez sur une copie du document à diffuser et protégez la source selon les règles de conservation applicables. Cette séparation évite qu’une opération d’occultation altère la seule version disponible. Elle ne signifie pas qu’il faut conserver l’original indéfiniment : sa durée de conservation relève de la catégorie documentaire et des règles réellement applicables.
Si un traitement OCR ou une indexation doit être réalisé, définissez l’ordre des opérations et les responsabilités. Il est généralement plus simple de vérifier l’absence de texte résiduel après la dernière transformation du document. Toute opération ultérieure de conversion, d’OCR ou de regroupement de fichiers doit conduire à une nouvelle vérification de la copie finale.
Une procédure de caviardage contrôlable en cinq décisions
- Délimiter les passages concernés : identifier les pages et zones à masquer, avec la raison de chaque occultation et un responsable de décision.
- Produire une copie de diffusion distincte : appliquer les occultations avec une fonction de suppression définitive du contenu visé, et non avec une forme graphique superposée.
- Traiter les données annexes : contrôler les commentaires, champs, métadonnées, fichiers attachés et, si nécessaire, les informations d’indexation fournies avec le document.
- Réaliser un test de récupération : tenter de sélectionner, rechercher, copier ou extraire les termes supprimés, puis vérifier le résultat avec un lecteur ou un outil différent.
- Valider l’envoi : faire contrôler la version finale par une personne autorisée, enregistrer la version diffusée et s’assurer que seuls les bons fichiers sont joints.
Ces cinq décisions sont une méthode opérationnelle, pas une procédure obligatoire identique pour chaque organisation. Un document particulièrement sensible peut justifier une double validation ou des vérifications complémentaires définies par l’analyse de risque.
Comment tester réellement un PDF caviardé ?
Le contrôle visuel ne suffit pas. Pour chaque terme occulté dans un échantillon représentatif, essayez une recherche plein texte dans le PDF final, une sélection ou une copie autour de la zone, puis une extraction du texte avec un outil distinct si votre environnement le permet. Vérifiez également que les zones sont bien masquées dans les pages imprimées ou rendues en image.
Testez les cas difficiles : plusieurs occurrences du même nom, mentions répétées dans des tableaux, pages orientées différemment, texte en marge, images incorporées et documents regroupés. La recherche du seul nom masqué peut manquer un identifiant, une adresse ou une combinaison de détails permettant d’identifier indirectement la personne.
Si un test retrouve une information qui aurait dû être occultée, bloquez la diffusion, corrigez la copie et reprenez les vérifications. Ne présentez pas une exportation comme sécurisée uniquement parce que son apparence visuelle semble satisfaisante.
Masquage, pseudonymisation et anonymisation : trois résultats différents
Le caviardage consiste ici à retirer des passages déterminés de la copie remise à un destinataire. Il peut contribuer à réduire la divulgation, mais ne rend pas automatiquement le document anonyme : les autres informations, isolément ou recoupées, peuvent encore permettre d’identifier une personne.
La pseudonymisation consiste notamment à remplacer des identifiants directs par des codes, avec des informations supplémentaires permettant de réattribuer les données, protégées séparément. Les données pseudonymisées demeurent des données personnelles soumises au RGPD. L’anonymisation effective suppose, quant à elle, de rendre l’identification des personnes impossible dans les conditions appréciées pour le traitement ; selon la CNIL, il n’existe pas de technique universelle et le risque de réidentification doit être évalué.
Évitez donc de qualifier un PDF « anonymisé » parce que quelques champs ont été recouverts. Le terme exact dépend du traitement effectué et de ce qu’un destinataire pourrait encore déduire du document.
Répartir les responsabilités lorsque la numérisation est externalisée
Si des documents numérisés doivent ensuite être partagés sous une forme occultée, précisez qui sélectionne les données à masquer, qui exécute la transformation, qui réalise le contrôle et qui autorise l’envoi. Ces responsabilités ne sont pas automatiquement incluses dans une prestation de scan ou d’indexation.
Le site Documerize présente des prestations de préparation, numérisation, indexation et contrôle qualité des livrables numériques. Cette description ne permet pas d’affirmer qu’un service de caviardage est systématiquement proposé. Pour un besoin de diffusion partielle, il faut donc demander explicitement si cette opération relève du périmètre contractuel, avec quelles méthodes et quels livrables de contrôle.
Le bon cahier des charges distingue le fichier complet remis à l’organisation, sa version destinée à des destinataires limités et les opérations de confidentialité éventuellement réalisées après la numérisation. Une copie communicable ne se définit pas par sa seule qualité visuelle.
Avant l’envoi, une dernière question
Une personne qui reçoit le fichier, sans accès à vos outils internes, peut-elle retrouver une donnée que vous avez décidé de ne pas transmettre ? Tant que ce test n’a pas été réellement effectué sur la version finale, l’occultation n’est pas validée. Le contrôle du texte OCR, des éléments annexes et des fichiers joints doit faire partie de la préparation à la diffusion.
Pour cadrer la numérisation initiale et les livrables attendus, vous pouvez consulter la présentation du processus de numérisation Documerize, puis définir séparément votre besoin de caviardage et de validation avant partage.



