Anonymiseur de données

Noms, e-mails, numéros de téléphone, adresses, numéros d'identification (SSN/ID), cartes bancaires, adresses IP et dates de naissance — détectés automatiquement d'après le nom de l'en-tête de colonne, ou attribués manuellement.

Non. Toute l'anonymisation s'effectue dans votre navigateur. Aucune donnée ne quitte votre machine.

Une même entrée produit toujours la même sortie anonymisée grâce à un PRNG à graine. Il préserve la cohérence référentielle dans l'ensemble de votre jeu de données.

Oui, le Data Anonymizer est 100 % gratuit, sans inscription, sans frais cachés et sans limite d'utilisation. Tout le traitement se fait localement dans votre navigateur, garantissant une confidentialité totale.

Oui, le Data Anonymizer est entièrement responsive et fonctionne sur smartphones et tablettes. Vous pouvez l'utiliser sur tout appareil doté d'un navigateur web moderne, sans téléchargement d'application.

Aucun compte ni inscription n'est nécessaire. Ouvrez simplement le Data Anonymizer dans votre navigateur et commencez à l'utiliser immédiatement. Pas de barrière d'inscription ni de restriction d'utilisation.

Saisissez simplement vos données dans le champ prévu, ajustez les paramètres selon vos préférences, et l'outil les traitera instantanément. Vous pouvez ensuite copier le résultat dans le presse-papiers ou le télécharger.

Le Data Anonymizer fonctionne dans tous les navigateurs modernes, dont Chrome, Firefox, Safari, Edge et Opera. Pour une expérience optimale, utilisez la dernière version de votre navigateur préféré.

Censurer (redact) supprime entièrement une valeur en la remplaçant par un espace réservé comme [REDACTED], si bien qu'il ne reste rien à lire. Le masquage cache une partie d'une valeur tout en conservant sa forme, comme un numéro de carte qui n'affiche que les quatre derniers chiffres. Anonymiser va plus loin : l'outil substitue des valeurs fictives mais réalistes — un nom différent, un numéro de téléphone imaginaire, une date décalée — de sorte que les données conservent l'apparence et le comportement des données d'origine tout en devenant impossibles à relier à une vraie personne. Cet outil fait les trois. Vous choisissez une règle par colonne, dont Masquer (redact) pour une suppression totale, Hachage pour un pseudonyme stable, ou un remplacement propre à chaque catégorie qui régénère des faux noms, emails, numéros de sécurité sociale et adresses au format correct. Choisissez la stratégie adaptée à l'usage prévu des données, puis exportez la copie nettoyée en CSV ou en JSON.

Activez le mode déterministe avant d'anonymiser. Par défaut, chaque exécution tire de nouvelles valeurs aléatoires, si bien que « John Smith » pourrait devenir un faux nom différent à chaque fois. Le mode déterministe utilise un générateur à graine (seed) fixe (valeur par défaut : 42) afin que la même entrée produise toujours la même sortie. Ainsi, « John Smith » devient le même faux nom identique dans chaque ligne et chaque fichier traité avec cette graine, et un identifiant client haché reste cohérent d'une table à l'autre, ce qui préserve vos clés étrangères et vos jointures. Cette cohérence référentielle est essentielle lorsqu'une même personne apparaît dans plusieurs jeux de données liés et que les relations doivent survivre à l'anonymisation. Changez la graine pour obtenir un mappage différent mais tout aussi cohérent. Activez le mode déterministe, définissez votre graine, et traitez chaque fichier de la même manière pour garder les enregistrements liés entre eux.

La détection automatique fonctionne en comparant les noms de vos en-têtes de colonnes à des motifs connus. Un en-tête nommé email, phone, ssn, dob ou address est reconnu et signalé comme colonne PII avant même que vous n'interveniez, et les colonnes détectées sont surlignées afin que vous puissiez évaluer votre exposition d'un coup d'œil. Les catégories recherchées incluent les noms, les emails, les numéros de téléphone, les adresses postales, les numéros de sécurité sociale et identifiants nationaux, les numéros de carte bancaire, les adresses IP et les dates de naissance. Comme la détection se base sur les noms d'en-têtes plutôt que sur la lecture de chaque cellule, une colonne au nom inhabituel peut ne pas être signalée automatiquement — mais vous pouvez assigner manuellement n'importe quelle règle à n'importe quelle colonne, rien n'est figé sur la détection automatique. Collez votre CSV ou JSON, vérifiez les colonnes surlignées, ajustez les affectations si nécessaire, puis anonymisez en toute confiance que les bons champs sont couverts.

Non. L'outil est conçu pour préserver la structure : le résultat conserve les mêmes colonnes, le même nombre de lignes et les mêmes formats de valeurs que vos données d'origine. Les valeurs de remplacement respectent le format attendu : un faux numéro de téléphone ressemble toujours à un numéro de téléphone, un numéro de sécurité sociale substitué conserve le bon motif de chiffres, et un email régénéré est une adresse valide. Pour les dates, vous pouvez utiliser la règle de décalage, qui déplace chaque valeur d'un intervalle aléatoire allant jusqu'à 30 jours dans un sens ou dans l'autre, préservant une chronologie approximative sans révéler la date exacte. Pour les colonnes numériques comme les salaires, la règle de bruit modifie les valeurs de dix pour cent maximum afin que la distribution reste réaliste. Les données anonymisées restent ainsi utilisables comme données de test, avec des types corrects et des relations intactes. Utilisez l'aperçu avant/après pour vérifier que la structure a bien été conservée avant d'exporter.

La règle Hachage convertit une valeur en les huit premiers caractères de son empreinte SHA-256, calculée dans votre navigateur avec l'API Web Crypto. Contrairement à Masquer (redact), qui remplace tout par [REDACTED] et supprime totalement la valeur, le hachage produit un pseudonyme stable : la même entrée donne toujours le même court résultat, ce qui vous permet encore de regrouper, compter ou effectuer des jointures sur cette colonne sans jamais exposer l'identifiant réel. Utilisez Hachage lorsque vous devez conserver des relations — par exemple relier des commandes à un identifiant client à travers plusieurs tables — mais sans révéler la valeur sous-jacente. Utilisez Masquer (redact) lorsque le champ n'a aucune valeur analytique et doit simplement disparaître, comme une colonne de notes en texte libre contenant des détails personnels épars. Assignez Hachage à vos colonnes clés et Masquer (redact) au reste, puis exportez le résultat en CSV ou en JSON.