Identifier les données personnelles et sensibles dans vos fichiers et vos bases

Quelles colonnes, quels fichiers, quels documents contiennent des données personnelles ?

Dans la plupart des entreprises, la réponse reste approximative.

On se fie aux noms des colonnes, à la mémoire des équipes, à une cartographie faite il y a des années.

Or on ne peut pas protéger correctement des données que l’on n’a pas identifiées.

Donnée personnelle ou donnée sensible : quelle différence ?

Les deux notions sont souvent confondues.

Elles n’appellent pas le même niveau de protection.

	Donnée personnelle	Donnée sensible
Définition	Toute information se rapportant à une personne physique identifiée ou identifiable (article 4 du RGPD)	Catégorie particulière de données personnelles (article 9 du RGPD)
Exemples	Nom, e-mail, téléphone, adresse, date de naissance, adresse IP, identifiant client, IBAN	Santé, origine raciale ou ethnique, opinions politiques, convictions religieuses ou philosophiques, appartenance syndicale, données génétiques, biométriques, vie ou orientation sexuelle
Règle	Traitement encadré : finalité, minimisation, sécurité	Traitement interdit par principe, sauf exceptions prévues par le texte

Une personne est identifiable directement (nom, numéro de sécurité sociale) ou indirectement, par recoupement (code postal, date de naissance, profession).

Ces identifiants indirects doivent eux aussi être repérés.

Où se cachent les données personnelles et sensibles ?

Les colonnes email, telephone ou date_naissance sont évidentes.

Le risque se trouve surtout ailleurs.

1. Les champs de texte libre.
   Une colonne « notes » ou « commentaire » peut contenir une adresse complète, un numéro de sécurité sociale ou une information médicale saisie à la main.
2. Les colonnes mal nommées.
   Une colonne info_client, reference ou metadata ne dit rien de son contenu réel.
3. Les comptes rendus et documents rédigés.
   Dans un courrier ou un compte rendu, les noms et les informations de santé sont dans le corps du texte, comme le montre notre article sur les comptes rendus médicaux en texte libre.
4. Les commentaires de cellules et les métadonnées.
   L’auteur d’un fichier, le dernier modificateur ou une note ajoutée dans une cellule passent inaperçus à l’écran.
5. Les exports CSV et les fichiers Excel.
   Ils circulent par e-mail, entre services, vers des prestataires, souvent considérés à tort comme « techniques ».
6. Les PDF, Word et PowerPoint.
   Contrats, dossiers, présentations : les données personnelles y sont mêlées au contenu utile.
7. Les copies de bases.
   Environnements de test, sauvegardes, tables héritées d’anciens systèmes, imports historiques jamais documentés.

Pourquoi le repérage manuel échoue

1. Le volume.
   Des centaines de tables, des milliers de fichiers : personne ne relit tout.
2. Le nom ne reflète pas le contenu.
   Un audit fondé sur les intitulés laisse de côté le texte libre, là où se trouve une bonne part du risque.
3. Les données bougent.
   Nouvelles colonnes, nouveaux imports, nouveaux exports : la cartographie devient obsolète dès qu’elle est terminée.
4. L’erreur humaine.
   Un œil fatigué rate un numéro au milieu d’un paragraphe, surtout dans le centième document.

Comment fonctionne la détection automatique

Une détection crédible combine plusieurs signaux.

1. Les règles.
   Elles reconnaissent les formats connus : structure d’une adresse e-mail, d’un IBAN, d’un numéro de téléphone, d’une adresse IP, d’un numéro de sécurité sociale.
2. L’analyse contextuelle.
   Elle tient compte de la phrase qui entoure un mot pour repérer un nom de personne ou une information personnelle, même sans format fixe.
3. Le croisement avec la structure.
   Le nom de la colonne, le type de valeurs observées et leur répétition confirment ou nuancent chaque détection.
4. Un niveau de confiance.
   Chaque détection est classée, pour que les équipes vérifient d’abord les cas incertains.

C’est cette combinaison qui permet de repérer la colonne « notes » d’un export client, mal nommée mais sensible dans les faits.

Cartographier avant d’agir

La détection n’est pas une fin en soi.

Elle sert à décider, données en main.

Prenons un cas courant : une équipe prépare des tests à partir d’un export CRM jugé « interne ».

Après analyse, le fichier contient des e-mails, des numéros de téléphone, des identifiants clients, des adresses IP de connexion et des dates de naissance dans une colonne secondaire.

Le risque ne vient pas d’une intention malveillante, mais d’un manque de visibilité.

La bonne séquence commence avant l’export.

C’est celle-ci :

1. Identifier.
   Analyser le fichier ou la base sans rien modifier.
2. Qualifier.
   Décider ce qui est nécessaire à l’usage prévu, au nom du principe de minimisation.
3. Anonymiser.
   Choisir la méthode adaptée à chaque type de donnée, en s’appuyant sur notre guide des méthodes d’anonymisation.
4. Tracer.
   Garder un rapport de ce qui a été détecté et traité, utile pour le registre des traitements (article 30) et les mesures de sécurité (article 32).
5. Partager si nécessaire.
   Seule la version anonymisée circule.

Avec NymData

NymData détecte et anonymise les données personnelles de vos fichiers (PDF, Word, Excel, PowerPoint, CSV, texte) et de vos bases PostgreSQL et MySQL, sur vos serveurs :

1. Mode Cartographie.
   L’analyse s’exécute sans rien modifier ; le rapport des données trouvées se consulte avant toute action.
2. Détection par règles et par analyse contextuelle.
   Les formats connus comme le texte libre sont analysés, y compris les commentaires de cellules Excel.
3. Revue par niveau de confiance.
   Les détections sont classées en confiance élevée, moyenne ou faible.
4. Liste blanche.
   Les termes à ne jamais anonymiser, comme le nom de votre établissement, restent intacts.
5. Anonymisation au choix.
   Étiquette de type ([PERSONNE], [EMAIL]), noms fictifs, identifiant constant pour une même personne, ou méthode par type de donnée ; l’auteur des fichiers Office est effacé.

Pour les tableurs, voir notre page dédiée à l’anonymisation Excel et CSV.

Voir comment fonctionne NymData