Chapter 1 · L'essentiel
Anonymiser pour de vrai (ou travailler sans les données)
Follow this course in your space: your progress is saved, and the community answers your questions.
Follow for free« J'ai remplacé les noms par Client A, B, C, donc c'est anonyme. » C'est le malentendu le plus courant. Voyons ce que dit la CNIL, puis la méthode la plus sûre de toutes : ne pas coller les données du tout.
Pseudonymiser n'est pas anonymiser
La CNIL fait une différence nette :
- Pseudonymiser, c'est remplacer les identifiants directs (nom, prénom) par un alias ou un numéro. C'est réversible : on peut souvent retrouver la personne, en croisant avec d'autres informations. Les données pseudonymisées restent des données personnelles, et le RGPD s'applique toujours.
- Anonymiser, c'est rendre l'identification impossible en pratique, de façon irréversible. Une fois les données vraiment anonymes, le RGPD ne s'applique plus.
Remplacer « Marie Durand » par « Client A » est donc une pseudonymisation. C'est mieux que rien, mais ce n'est pas un passe-droit.
Les 3 passes avant de coller
Si tu dois vraiment donner un extrait à l'IA, fais trois passes, dans ton fichier, avant de coller :
- Retire les identifiants directs : nom, prénom, e-mail, téléphone, adresse, numéro de client ou de commande, plaque d'immatriculation, photo.
- Retire ce qui trahit : un métier rare + une petite ville + une date précise, et tout le monde reconnaît la personne. Généralise : « commerçante » plutôt que « fleuriste à Saint-Flour », « au printemps » plutôt que « le 14 avril ».
- Garde le strict utile : pour écrire une réponse type, l'IA a besoin de la question du client, pas de son nom ni de son historique.
Exemple :
Avant : « Marie Durand ([email protected]), fleuriste à Saint-Flour, cliente depuis 2019, demande un report de son paiement du 14 avril à cause de son hospitalisation. »
Après : « Une cliente commerçante demande un report de paiement pour raison personnelle. »
La deuxième version suffit pour que Claude t'aide à rédiger une réponse bienveillante. Et elle ne contient plus de donnée de santé.
La méthode la plus sûre : les faux clients
Pour tout ce qui ressemble à du traitement de fichier (trier, calculer, préparer des relances, faire un modèle d'e-mail), il existe une méthode encore plus sûre : Claude travaille sur de faux clients, toi sur les vrais.
- Tu décris ton fichier sans le coller : les noms des colonnes et le genre de contenu (« une colonne ville, une colonne date du dernier achat, une colonne montant »).
- Claude invente cinq clients fictifs au même format.
- Il fait le travail sur ces faux clients : la formule du tableur, le tri, le modèle d'e-mail avec les champs à remplir.
- Il t'explique comment l'appliquer à ton vrai fichier.
- Tu l'appliques toi-même, dans ton tableur ou ton logiciel. Ton vrai fichier ne quitte jamais ton ordinateur.
Exemple concret : tu veux relancer les clients qui n'ont pas commandé depuis six mois. Claude te donne la formule pour repérer ces lignes dans ton tableur et un modèle d'e-mail avec [prénom] à remplir. Il n'a jamais vu un seul vrai nom.
Le prompt complet est le n° 1 de la leçon 4.
Et avec Claude Code ?
Avec Claude Code, la vigilance est la même, avec un piège en plus : tu ne colles rien, mais Claude lit tes fichiers. Le contenu d'un fichier qu'il ouvre fait partie de la conversation envoyée au modèle. Si ton dossier de projet contient un export de clients, il peut le lire.
Deux réflexes :
- range les fichiers clients hors du dossier de projet, ou dans un dossier interdit à la lecture ;
- ajoute une règle deny dans
.claude/settings.json, par exempleRead(./clients/**). Une consigne dans CLAUDE.md guide Claude, mais ne bloque rien ; une règle deny, si.
À toi de jouer
Prends une tâche que tu aimerais confier à Claude sur ton fichier clients. Écris la description du fichier (colonnes, sans contenu), puis lance le prompt des faux clients (leçon 4, n° 1). Tu as réussi quand tu as obtenu la méthode, appliquée toi-même, sans qu'aucune vraie donnée ne soit sortie.