Comment anonymiser des transcriptions et respecter le RGPD avec l'IA (2026)

Chaque transcription de réunion, d'entretien ou d'appel est un petit fichier de données personnelles : noms, postes, entreprises, numéros de téléphone dictés à voix haute, et parfois des données de santé ou d'opinion dont vous ne vous souvenez même plus qu'elles ont été mentionnées. Pendant que le texte dort dans un dossier partagé, c'est vous qui en répondez au regard du RGPD.

La bonne nouvelle : bien anonymiser n'est plus un travail artisanal. Dans ce guide, vous verrez ce qu'exige exactement le RGPD, la différence pratique entre anonymiser et pseudonymiser, le flux complet avec l'IA, les prompts prêts à copier et les erreurs qui laissent des transcriptions « anonymes » parfaitement réidentifiables.

Pourquoi les transcriptions sont un risque RGPD

Une transcription ressemble à un document de travail anodin, mais selon l'article 4 du RGPD, presque tout ce qu'elle contient est une donnée personnelle :

• Identifiants directs. Noms et prénoms des participants, e-mails et téléphones dictés à voix haute, entreprises et postes qui identifient une personne précise.
• La voix elle-même. L'enregistrement original est une donnée biométrique en puissance ; le couple audio + transcription identifie davantage que chaque pièce prise séparément.
• Catégories particulières (article 9). Dans les réunions et entretiens se glissent des données de santé (« j'étais en arrêt maladie pour... »), d'affiliation syndicale, d'opinions ou d'orientation. Leur traitement exige une protection renforcée et, souvent, un consentement explicite.
• Identifiants indirects. « La directrice financière du site de Valence » identifie une personne sans dire son nom. Le RGPD les considère aussi comme des données personnelles s'ils permettent la réidentification.
• Conservation sans limite. Le vrai risque du quotidien : des transcriptions avec des données identifiables accumulées pendant des années dans des dossiers partagés, hors de tout délai de conservation justifiable.

Anonymiser vs pseudonymiser : la différence qui compte

Ce sont des termes constamment confondus, avec des conséquences juridiques opposées :

Le piège habituel : enlever les noms et appeler cela de l'anonymisation. Si, par le contexte (poste, site, projet, dates), quelqu'un peut déduire qui parle, le RGPD continue de considérer le texte comme une donnée personnelle. Le test pratique : un collègue de cette entreprise pourrait-il identifier les locuteurs en lisant le texte nettoyé ? Si oui, vous n'avez pas encore fini.

Pas à pas : de l'enregistrement au texte propre

Étape 1 — Transcrivez l'audio avec un outil de qualité

Convertissez l'enregistrement en texte avec un moteur précis. Ce n'est pas un détail pour l'anonymisation : si le moteur écrit « Jorge Sanchís » comme « jorge san chís », la passe automatique de nettoyage ne le reconnaîtra pas comme un nom et le laissera passer. Des outils comme VOCAP renvoient un texte propre et ponctué sur lequel la détection d'entités fonctionne bien. Le même principe s'applique aux entretiens de recherche UX ou aux séances de thérapie et de coaching, deux des cas où l'on anonymise le plus.

Étape 2 — Faites l'inventaire des données personnelles

Avant de nettoyer, listez ce que contient le document : uniquement des noms et des entreprises, ou aussi des téléphones et e-mails dictés ? Y a-t-il des données de santé, syndicales ou d'opinion (catégories particulières) ? Combien y a-t-il de locuteurs et comment se désignent-ils entre eux ? Cet inventaire détermine le niveau de nettoyage nécessaire et si vous pouvez utiliser une IA dans le cloud ou s'il vaut mieux une première passe en local.

Étape 3 — Remplacez les identifiants avec un prompt d'IA

Passez la transcription dans Claude ou ChatGPT avec le prompt de la section suivante. Les clés : des marqueurs cohérents (la même personne est toujours [PERSONNE_1] dans tout le document, pour que la conversation reste lisible), une couverture complète (noms, entreprises, postes, téléphones, e-mails, adresses, plaques d'immatriculation, identifiants) et demander la table de correspondances à part, jamais incrustée dans le texte.

Étape 4 — Vérifiez les identifiants indirects

La passe humaine est là où se décide si le résultat est vraiment anonyme. Cherchez ce que l'IA ne marque pas par défaut : postes uniques (« le seul ingénieur de l'usine »), projets nommés, lieux et dates marquantes, anecdotes reconnaissables. Généralisez ces passages (« la responsable du service » au lieu du poste exact, « une ville du nord » au lieu de la commune) jusqu'à ce que le test du collègue-de-l'entreprise cesse de fonctionner.

Étape 5 — Gérez la table de correspondances et supprimez les originaux

Décidez du sort de la table : si vous avez besoin de réidentifier (études longitudinales, suivi de clients), conservez-la chiffrée, à un emplacement séparé et à accès restreint — c'est de la pseudonymisation et le RGPD continue de s'appliquer. Si vous n'en avez pas besoin, détruisez-la et vous aurez anonymisé. Dans les deux cas, supprimez l'audio original et la transcription non nettoyée à l'expiration de leur durée de conservation : garder les trois fichiers pour toujours annule tout le travail.

Prompts prêts à copier

Collez la transcription et ajoutez l'un de ces prompts au-dessus. N'oubliez pas d'utiliser des comptes ou des API avec engagement de non-entraînement pour le matériel sensible.

Anonymisation complète avec marqueurs

Anonymise cette transcription pour respecter le RGPD. Remplace chaque
donnée personnelle par un marqueur entre crochets, en utilisant toujours
le même marqueur pour la même entité dans tout le texte : personnes
([PERSONNE_1], [PERSONNE_2]...), entreprises ([ENTREPRISE_1]...), lieux
([LIEU_1]...), et [TELEPHONE], [EMAIL], [ADRESSE], [ID] pour les données
de contact. Ne modifie rien d'autre dans le contenu et ne résume pas.
À la fin, dans un bloc séparé intitulé TABLE, liste chaque marqueur
avec la valeur d'origine qu'il remplace. Transcription : [colle ici le texte]

Pseudonymisation lisible pour les rapports

Pseudonymise cette transcription d'entretien pour un rapport de
recherche : renomme les locuteurs en "Participant A",
"Participant B", etc., de façon cohérente, et remplace les entreprises
et les lieux par des descriptions génériques équivalentes ("une entreprise
du secteur logistique", "une ville moyenne"). Conserve le ton et les
citations textuelles. Renvoie le texte nettoyé et, à part, la table de
correspondances. Transcription : [colle ici le texte]

Audit de réidentification

Agis comme un auditeur en protection des données. Examine cette
transcription déjà anonymisée et signale tout passage qui permet encore
de réidentifier une personne par le contexte : postes uniques,
combinaisons de date et de lieu, projets nommés, anecdotes reconnaissables
ou données de catégories particulières (santé, opinions, affiliation).
Pour chaque constat, cite le passage et propose une reformulation plus
générique. Texte : [colle ici la transcription anonymisée]

Ce qui compte comme donnée personnelle : checklist rapide

Lors de la relecture d'une transcription, voici ce qui doit déclencher l'alarme :

• Identifiants directs : noms et prénoms, surnoms, e-mails, téléphones, adresses postales, numéros d'identité, plaques d'immatriculation, identifiants de réseaux sociaux.
• Identifiants professionnels : entreprise + poste (surtout si le poste est unique), numéro d'employé, projets avec un nom interne.
• Identifiants indirects : combinaisons de lieu + date + rôle (« l'intervenant du vendredi à Bilbao »), caractéristiques physiques ou biographiques distinctives.
• Catégories particulières (article 9) : santé physique ou mentale, données génétiques ou biométriques, vie ou orientation sexuelle, opinions, religion, affiliation syndicale. Si elles apparaissent, montez le niveau de protection : passe en local d'abord et accès minimal.
• Données de tiers absents : les clients, patients ou collègues mentionnés qui n'étaient pas dans la conversation comptent aussi ; ce sont ceux qui échappent le plus souvent.

Comment gérer les tables de correspondance et les délais

La différence entre un flux qui est conforme et un flux qui en a seulement l'apparence tient à la gestion en aval :

• Séparation physique. La table de correspondances ne vit jamais dans le même document, le même dossier ni le même système de permissions que la transcription nettoyée. Si les deux sont partagées ensemble, vous n'avez rien pseudonymisé.
• Accès minimal. Seules les personnes ayant besoin de réidentifier accèdent à la table ; chiffrée et avec journal des accès si le matériel est sensible.
• Délais écrits. Définissez combien de temps vous conservez l'audio original, la transcription intégrale et la table (par exemple : audio 30 jours, transcription identifiable jusqu'à la clôture du projet, version anonymisée indéfiniment) et respectez-les avec des suppressions programmées.
• Documentez le processus. Une note d'une page indiquant ce qui est anonymisé, comment, qui accède à la table et quels délais s'appliquent est votre preuve de responsabilité (accountability, article 5.2) si quelqu'un pose la question.
• Le reste de la chaîne compte aussi : l'outil de transcription, le stockage et l'IA que vous utilisez font partie du traitement. Notre guide sécurité et confidentialité de la transcription avec IA couvre comment évaluer chaque maillon.

Erreurs courantes qui laissent des transcriptions réidentifiables

• N'enlever que les noms. L'erreur classique. « La directrice financière du site de Valence » identifie autant que le nom. Sans la passe sur les identifiants indirects, il n'y a pas d'anonymisation.
• Marqueurs incohérents. Si Juan est [PERSONNE_1] à la page 2 et [PERSONNE_3] à la page 7, l'analyse ultérieure se casse et les étourderies se multiplient. Cohérence dans tout le document.
• Stocker la table à côté du texte nettoyé. Une « anonymisation » avec la clé de déchiffrement dans le même dossier partagé n'est qu'une gêne pour le lecteur, pas une mesure de protection.
• Oublier l'audio original. Anonymiser le texte et conserver l'enregistrement identifiable pour toujours laisse la donnée personnelle intacte ; l'ensemble reste dans le champ du RGPD.
• Envoyer du matériel sensible à la mauvaise IA. Des catégories particulières de données dans un compte gratuit grand public, sans DPA ni engagement de non-entraînement, c'est créer un problème pour en résoudre un autre. Pour le très sensible : première passe en local et comptes entreprise.
• Faire confiance à 100 % à l'automatisation. Les modèles échouent sur les surnoms, les noms mal transcrits et les références croisées. La relecture humaine finale — ou le prompt d'audit ci-dessus — est celle qui signe le résultat.

Questions fréquentes