---
icon: lucide/code
---

# Dé-identifier et restaurer un texte

Vous avez un texte contenant des données confidentielles et vous voulez le dé-identifier, l'envoyer à un LLM, puis restaurer les valeurs d'origine dans la réponse. Ce guide fait l'aller-retour avec le seul cœur de `piighost`, sans modèle ni dépendance optionnelle. Les motifs du détecteur viennent du [catalogue piighost](https://catalog.piighost.dev). Ils sont récupérés à chaque construction du détecteur, ce qui demande un accès réseau.

Installez le cœur.

=== "uv"

    ```bash
    uv add piighost
    ```

=== "pip"

    ```bash
    pip install piighost
    ```

## Faire l'aller-retour

Un pipeline enchaîne un détecteur, un linker et un anonymiseur. Seul le détecteur est obligatoire. Le linker vaut par défaut `ExactEntityLinker` et l'anonymiseur `Anonymizer(LabelCounterPlaceholderFactory())`. `anonymize` renvoie le texte dé-identifié et le jeton attribué à chaque entité. `deanonymize` rejoue cette correspondance en sens inverse.

```python
import asyncio

from piighost.components.detector import RegexDetector
from piighost.pipeline import AnonymizationPipeline

detector = RegexDetector.from_catalog("catalog:piighost/generic")
pipeline = AnonymizationPipeline(detector)


async def main() -> None:
    result = await pipeline.anonymize("Contact alice@example.com from 192.168.1.42.")
    print(result.text)

    restored = pipeline.deanonymize(result.text, result.tokens)
    print(restored)


asyncio.run(main())
```

La sortie doit être :

```text
Contact <<EMAIL:1>> from <<IPV4:1>>.
Contact alice@example.com from 192.168.1.42.
```

`result.text` porte `<<EMAIL:1>>`{ .placeholder } à la place de `alice@example.com`{ .pii }. `result.tokens` associe chaque entité à son jeton. Passez-le tel quel à `deanonymize` pour retrouver le texte d'origine.

## Restaurer une réponse du LLM

`deanonymize` restaure n'importe quel texte portant les jetons, pas seulement celui que le pipeline a produit. Si le LLM répond avec `<<EMAIL:1>>`{ .placeholder }, réinjectez les vraies valeurs avec la même correspondance `result.tokens`.

```python
async def main() -> None:
    result = await pipeline.anonymize("Contact alice@example.com from 192.168.1.42.")

    llm_reply = "I sent the message to <<EMAIL:1>>."
    print(pipeline.deanonymize(llm_reply, result.tokens))


asyncio.run(main())
```

La sortie doit être :

```text
I sent the message to alice@example.com.
```

## Regrouper les occurrences répétées

Une même valeur citée plusieurs fois reçoit un seul jeton, donc le LLM garde le fil. `ExactEntityLinker` regroupe les occurrences par valeur et par label.

```python
from piighost.components.detector import ExactMatchDetector

detector = ExactMatchDetector({"Patrick": "PERSON", "Paris": "LOCATION"})
pipeline = AnonymizationPipeline(detector)


async def main() -> None:
    result = await pipeline.anonymize("Patrick habite à Paris. Patrick aime Paris.")
    print(result.text)


asyncio.run(main())
```

La sortie doit être :

```text
<<PERSON:1>> habite à <<LOCATION:1>>. <<PERSON:1>> aime <<LOCATION:1>>.
```

`ExactMatchDetector` détecte des valeurs littérales fixées. L'exemple reste ainsi reproductible sans charger de modèle. Pour du texte libre, remplacez-le par un détecteur NER (reconnaissance d'entités nommées) ou LLM, voir la [référence des détecteurs](../reference/detectors.md).

## Changer la forme des jetons

`LabelCounterPlaceholderFactory`, la factory par défaut, produit `<<LABEL:N>>`{ .placeholder }. Si vous voulez une autre forme de jeton, passez au pipeline un `Anonymizer` construit sur une autre factory. Ici, `LabelHashPlaceholderFactory` remplace le numéro par une empreinte courte.

```python
import asyncio

from piighost.components.anonymizer import Anonymizer
from piighost.components.detector import ExactMatchDetector
from piighost.components.placeholder import LabelHashPlaceholderFactory
from piighost.pipeline import AnonymizationPipeline

detector = ExactMatchDetector({"Patrick": "PERSON", "Marie": "PERSON"})
anonymizer = Anonymizer(LabelHashPlaceholderFactory())
pipeline = AnonymizationPipeline(detector, anonymizer=anonymizer)


async def main() -> None:
    result = await pipeline.anonymize("Patrick, Marie, Patrick.")
    print(result.text)


asyncio.run(main())
```

La sortie doit être :

```text
<<PERSON:09ef3b74>>, <<PERSON:c4912b76>>, <<PERSON:09ef3b74>>.
```

L'empreinte est calculée à partir du label et du rang de l'entité, jamais à partir de la valeur. `Patrick`{ .pii } garde donc le même jeton à ses deux apparitions, et `Marie`{ .pii } en reçoit un autre.

Pour restaurer les valeurs, la factory doit préserver l'identité, c'est-à-dire donner un jeton distinct à chaque valeur. `LabelCounterPlaceholderFactory` le fait. `LabelPlaceholderFactory` ne le fait pas, parce qu'elle donne le même `<<PERSON>>`{ .placeholder } à deux personnes distinctes. Voir la page [Fabriques de placeholders](../placeholder-factories.md).

## Voir aussi

- [Détecteurs prêts à l'emploi](detectors.md) pour combiner groupes du catalogue et détecteurs.
- [Référence du pipeline](../reference/pipeline.md) pour les étages optionnels.
- [Étendre piighost](../extending.md) pour écrire vos propres composants.