# Migrer depuis PresidioReversibleAnonymizer

Pour migrer depuis `PresidioReversibleAnonymizer`, enveloppez votre `AnalyzerEngine` Presidio dans un `PresidioDetector` et construisez un `ThreadAnonymizationPipeline` dessus. Appelez ensuite les méthodes `anonymize` et `deanonymize` du pipeline avec un `thread_id`. Presidio continue de détecter les valeurs, et `piighost` les remplace puis les restaure.

L'ancienne classe faisait partie de `langchain-experimental`, que LangChain a [abandonné](https://github.com/langchain-ai/langchain-experimental/issues/87) le 22 mai 2026. Son [dépôt](https://github.com/langchain-ai/langchain-experimental) est archivé, elle ne recevra donc plus de correctif.

> **Prérequis**
>
> `pip install "piighost[presidio,langchain]"`. L'`AnalyzerEngine` par défaut de Presidio charge le modèle spaCy `en_core_web_lg`, comme le faisait l'ancienne classe. L'extra `langchain` ne sert qu'à l'appel au modèle et au middleware.

## Avant, avec PresidioReversibleAnonymizer

L'ancienne classe détecte avec Presidio, remplace chaque valeur par une fausse valeur tirée de Faker, et garde la correspondance dans l'objet.

```python
from langchain.chat_models import init_chat_model
from langchain_experimental.data_anonymizer import PresidioReversibleAnonymizer

anonymizer = PresidioReversibleAnonymizer(analyzed_fields=["PERSON", "EMAIL_ADDRESS"])
model = init_chat_model("openai:gpt-5.6-terra")

safe_text = anonymizer.anonymize("Patrick Martin wrote from patrick@example.com.")
reply = model.invoke(safe_text)
print(anonymizer.deanonymize(reply.content))

anonymizer.save_deanonymizer_mapping("mapping.json")
```

Le LLM lit un nom inventé et un email inventé à la place de `Patrick Martin` et `patrick@example.com`. `deanonymize()` remet les vraies valeurs, et `save_deanonymizer_mapping()` écrit la correspondance dans un fichier JSON si vous voulez la garder.

## Après, avec piighost

Le même aller-retour avec `piighost` garde le moteur Presidio et remplace l'objet de l'ancienne classe par un pipeline conversationnel.

```python
import asyncio

from langchain.chat_models import init_chat_model
from presidio_analyzer import AnalyzerEngine

from piighost.components.detector.ner import PresidioDetector
from piighost.pipeline import ThreadAnonymizationPipeline

detector = PresidioDetector(
    AnalyzerEngine(), labels={"PERSON": "PERSON", "EMAIL": "EMAIL_ADDRESS"}
)
pipeline = ThreadAnonymizationPipeline(detector)
model = init_chat_model("openai:gpt-5.6-terra")

async def main() -> None:
    safe = await pipeline.anonymize(
        "Patrick Martin wrote from patrick@example.com.", thread_id="thread-42"
    )
    print(safe.text)

    reply = await model.ainvoke(safe.text)
    print(await pipeline.deanonymize(reply.content, thread_id="thread-42"))

asyncio.run(main())
```

La sortie doit être :

```text
<<PERSON:1>> wrote from <<EMAIL:1>>.
Thank you Patrick Martin, I will write to patrick@example.com.
```

Le LLM lit `<<PERSON:1>>` et `<<EMAIL:1>>`. Le dictionnaire `labels` renomme le type `EMAIL_ADDRESS` de Presidio en `EMAIL`. Il joue aussi le rôle de `analyzed_fields`, puisqu'un type qu'il ne liste pas est écarté. La mémoire de conversation garde la correspondance sous `thread-42`, donc le message suivant du fil reprend les mêmes placeholders.

## Dans un agent LangChain

Si l'ancienne classe était placée dans une chaîne LangChain devant un agent, donnez le même pipeline à `PIIAnonymizationMiddleware` au lieu de l'appeler à la main. Le middleware dé-identifie chaque message, restaure la réponse et, par défaut, donne les vraies valeurs aux outils. Voir [Middleware LangChain](https://docs.piighost.dev/fr/guide/getting-started/langchain/).

## Ce qui change

- Des placeholders remplacent les fausses valeurs. `<<PERSON:1>>` ne peut pas se confondre avec un vrai nom, alors qu'un nom tiré de Faker le peut. Une factory Faker est écartée exprès, voir la [FAQ](https://docs.piighost.dev/fr/guide/community/faq/#puis-je-obtenir-de-fausses-valeurs-realistes-plutot-que-des-jetons).
- La correspondance est propre à une conversation. Un ancien objet gardait une seule correspondance pour tous les textes qu'il voyait, alors que le pipeline en garde une par `thread_id` et l'efface avec `forget_thread`.
- La correspondance est stockée dans une mémoire de conversation, en RAM par défaut, ou dans Redis ou en SQL, qui peuvent chiffrer les valeurs. Elle remplace `save_deanonymizer_mapping()` et `load_deanonymizer_mapping()`. Voir [Déploiement](https://docs.piighost.dev/fr/guide/deployment/).
- Les méthodes sont asynchrones, il faut donc les attendre avec `await`.
- La détection s'ouvre à d'autres détecteurs. Presidio peut tourner à côté d'un groupe regex du catalogue ou d'un modèle GLiNER2, voir [Détecteurs prêts à l'emploi](https://docs.piighost.dev/fr/guide/examples/detectors/).
- L'argument `allow_list` de `anonymize()` devient une liste à laisser en clair dans le pipeline, voir [Masquer ou laisser en clair](https://docs.piighost.dev/fr/guide/examples/overrides/).
- Le middleware LangChain restaure aussi les arguments des appels d'outils et une réponse en flux, ce que l'ancienne classe ne faisait pas.