Caviarder un PDF automatiquement

Par motif, et gratuitement : adresses électroniques, numéros de téléphone, numéros de carte de paiement (vérifiés par Luhn pour ne pas proposer des numéros de facture), IBAN (vérifiés par leurs propres chiffres mod-97), numéros CPR danois (la date est validée), numéros de sécurité sociale britanniques et américains, adresses IP, codes postaux britanniques et danois, et adresses web. Il devine aussi deux choses qu'une règle ne peut normalement pas : un nom de rue suivi d'un numéro, et un nom introduit par un titre comme Dr ou Mme. Avec la passe d'IA : les noms de personnes et les adresses postales en général, seule façon dont il peut retirer des noms d'un PDF — aucune règle ne trouve un nom sans titre. Il ne propose délibérément ni raisons sociales, ni intitulés de poste, ni dates, ni montants.

La moitié par motif ne quitte jamais votre navigateur — c'est un jeu de règles appliqué à du texte sur votre propre machine. La moitié par IA envoie le **texte** du document, pas le fichier, car les mots sont tout ce dont un modèle a besoin pour repérer un nom. Rien n'est conservé dans un cas comme dans l'autre, et si vous n'utilisez que la moitié gratuite, rien n'est transmis du tout.

Parce que trouver des données personnelles dans le texte d'un document est un jugement, que les deux moitiés se trompent, et en sens opposés. Les motifs sont littéraux : un long numéro de référence peut ressembler à un téléphone. Un modèle n'est pas littéral : il peut manquer un nom rare ou proposer une rue qui est en réalité une raison sociale. Agir sans surveillance sur l'un ou l'autre n'est pas sûr, et l'échec serait silencieux — vous ne le découvririez qu'après l'envoi. Cocher une liste prend vingt secondes et supprime ce risque entièrement.

Il le supprime. La page est rendue puis aplatie : les caractères ne sont plus dans le fichier — vous pouvez le vérifier en ouvrant le résultat et en essayant de sélectionner la zone caviardée, il n'y a rien à sélectionner. Cela compte plus qu'il n'y paraît : l'échec classique est un rectangle noir posé sur un texte qui reste dans le document en dessous, et il a embarrassé cabinets d'avocats, journaux et ministères à répétition.

Un scan est une image de page sans couche de texte : il n'y a rien à lire et rien ne sera trouvé. L'outil le dit plutôt que d'annoncer un document propre, ce qui serait la réponse dangereuse. Pour un scan, passez-le d'abord par un OCR, ou utilisez l'outil de caviardage manuel et tracez les cadres vous-même.

Parce que c'est la partie qui a un coût réel par exécution — un modèle lit le texte du document à chaque fois. La moitié par motif ne nous coûte rien, elle ne vous coûte donc rien, et elle trouve l'essentiel de ce que les gens veulent réellement retirer de factures et de formulaires. Le crédit achète les noms et les adresses, la partie qu'aucune règle ne peut trouver.