Meilleures API de caviardage de documents et PII (2026)

Le tableau ci-dessous compare les principaux critères à prendre en compte pour choisir une API de caviardage de documents en production : types de contenus pris en charge, options de déploiement, suppression définitive des données, langues disponibles, tarification et conformité.

Utilisez ce tableau pour réduire votre sélection en fonction de vos besoins. Vous trouverez ensuite une analyse détaillée de chaque solution.

Qu’est-ce qu’une API de caviardage de documents ?

Une API de caviardage de documents détecte les informations sensibles et les supprime, les masque ou les remplace dans le cadre d’un workflow de traitement documentaire. La plupart combinent la reconnaissance d’entités nommées avec des règles de détection par motifs et utilisent l’OCR lorsque le fichier d’entrée est un PDF scanné ou une image.

Le principal choix technique concerne ce qu’il advient des données après leur détection. Certaines API suppriment définitivement les informations sensibles, tandis que d’autres se contentent de les masquer ou de les remplacer. Cette différence est importante pour la conformité, car une donnée simplement masquée visuellement peut parfois rester récupérable.

Le caviardage et l’anonymisation sont également deux opérations différentes. Le caviardage supprime certaines informations confidentielles, tandis que l’anonymisation vise à rendre une personne non identifiable, notamment en remplaçant parfois les PII par des données synthétiques.

Les formats les plus couramment pris en charge incluent les PDF, fichiers DOCX et images, tandis que certaines solutions prennent également en charge l’audio et la vidéo.

Meilleures API de caviardage de documents en 2026

1. Limina (anciennement Private AI)

Idéal pour : le caviardage multimodal de données sensibles

Limina détecte et caviarde les PII, PHI et autres informations sensibles dans les textes, documents, images, fichiers audio et vidéos, avec une prise en charge de plus de 50 langues. La solution peut remplacer les entités détectées par des données synthétiques plutôt que par de simples caractères de masquage, flouter les visages dans les images et masquer les informations sensibles dans les fichiers audio.

Les options de déploiement incluent le cloud, le VPC, l’on-premise et les environnements conteneurisés.

Limina répond aux exigences de conformité HIPAA, RGPD et CPRA. Le fournisseur annonce une précision de 99,5 %. La tarification combine une facturation par document et par entité dans le cadre d’une offre entreprise, sans formule gratuite publique.

Limites : Limina ne publie pas de grille tarifaire détaillée. Son taux de précision annoncé de 99,5 % repose sur des tests réalisés par le fournisseur sur un jeu de données non communiqué et ne doit donc pas être considéré comme un benchmark indépendant.

2. Google Cloud Sensitive Data Protection

Idéal pour : la détection configurable et la désidentification des données sensibles

Google Cloud Sensitive Data Protection propose plus de 200 détecteurs infoType intégrés, auxquels peuvent s’ajouter des détecteurs personnalisés reposant sur des dictionnaires, des expressions régulières et le contexte. Le service fonctionne sur du texte, des images et des données structurées.

Les options de désidentification comprennent le caviardage, le masquage, le chiffrement préservant le format et le décalage de dates. Pour les images, le service masque les informations sensibles détectées à l’aide d’un rectangle opaque.

La tarification débute à 0,03 $/Go analysé, avec un quota mensuel gratuit. La combinaison de détecteurs intégrés et personnalisés permet aux développeurs de contrôler précisément les types de données sensibles à identifier ainsi que la manière dont elles doivent être transformées.

Limites : le service est étroitement intégré à l’écosystème GCP. Il était auparavant appelé Cloud DLP, ce qui signifie que la documentation reste répartie entre les appellations Sensitive Data Protection et Cloud DLP.

3. Azure AI Language PII

Idéal pour : le masquage par lots des PII dans les formats de documents courants

Azure AI Language PII propose un traitement natif des PII pour les fichiers PDF, Word et texte brut. Son fonctionnement est principalement orienté vers le traitement par lots plutôt que vers l’édition page par page d’un document.

Le déploiement peut se faire à l’aide de conteneurs Docker, aussi bien dans des environnements connectés que dans des infrastructures totalement isolées d’Internet. Dans cette configuration, Microsoft ne reçoit jamais le texte analysé.

La tarification est disponible en paiement à l’usage ou via des niveaux d’engagement, avec une facturation au caractère. Pour les équipes souhaitant détecter et masquer des PII directement dans une infrastructure contrôlée, le déploiement en conteneur constitue son principal avantage.

Limites : Azure AI Language PII masque les informations sensibles au lieu de les supprimer définitivement du document source. L’OCR n’est pas inclus et nécessite l’utilisation du service Azure Document Intelligence.

4. AWS Comprehend PII

Idéal pour : la détection de PII dans du texte avec une sortie structurée

AWS Comprehend PII détecte 36 types d’entités PII, localisés pour les États-Unis, le Royaume-Uni, le Canada et l’Inde. L’opération DetectPiiEntities retourne le type d’entité, sa position dans le texte ainsi qu’un score de confiance, que les développeurs peuvent ensuite utiliser pour construire leur propre logique de caviardage.

Le service prend également en charge des traitements asynchrones via Amazon S3.

La tarification est de 0,0001 $ par unité de 100 caractères, avec un minimum facturé de 300 caractères, ainsi que 50 000 unités gratuites par mois pendant 12 mois. Pour les équipes traitant d’importants volumes de texte, l’API fournit une détection structurée sans imposer de workflow documentaire spécifique.

Limites : AWS Comprehend PII fonctionne uniquement sur du texte, prend seulement en charge l’anglais et l’espagnol et n’intègre pas d’OCR. Certaines fonctionnalités de Comprehend non liées aux PII sont passées en mode maintenance le 30 avril 2026.

5. Nutrient AI Redaction

Idéal pour : le caviardage définitif de PDF dans les workflows de conformité

Nutrient AI Redaction est spécifiquement conçu pour le caviardage de fichiers PDF. La solution supprime définitivement les données sensibles au lieu de simplement les masquer derrière une couche visuelle, ce qui est particulièrement important lorsque le document source lui-même ne doit plus contenir les informations caviardées.

La tarification est de 0,05 crédit par page. Les développeurs peuvent l’intégrer via une API REST, des SDK et des webhooks.

Le service est destiné aux workflows soumis à des exigences liées au RGPD, à HIPAA et à SOC 2. Son positionnement exclusivement centré sur les PDF le rend particulièrement adapté aux pipelines documentaires nécessitant une suppression définitive plutôt qu’un simple masquage ou une annotation.

Limites : Nutrient AI Redaction fonctionne uniquement avec les PDF. Les images nécessitent l’utilisation préalable de l’API OCR distincte de Nutrient.

6. Base64.ai

Idéal pour : le caviardage de documents d’identité et de différents formats de fichiers

Base64.ai caviarde les noms, dates, visages, signatures et adresses dans plus de 10 formats, notamment PDF, DOCX, JSON et PNG.

Son catalogue comprend plus de 2 800 modèles préentraînés couvrant notamment les pièces d’identité, passeports, permis, visas et cartes de sécurité sociale. La plateforme est avant tout conçue pour l’extraction documentaire, le caviardage venant compléter ce workflow plus large.

Base64.ai annonce une précision de 99,5 %. Pour les équipes qui extraient déjà des données structurées à partir de documents d’identité ou administratifs, le même pipeline peut donc également identifier et supprimer les champs sensibles dans plusieurs formats.

Limites : Base64.ai reste principalement une plateforme d’extraction documentaire à laquelle le caviardage a été ajouté. Elle est donc moins spécialisée qu’une API exclusivement dédiée au caviardage. La tarification est réservée aux offres entreprise.

7. Microsoft Presidio

Idéal pour : le caviardage de PII gratuit et auto-hébergé

Microsoft Presidio est un framework gratuit sous licence MIT permettant de détecter et de transformer des données sensibles dans du texte, des images et des données structurées.

Presidio sépare la détection de la transformation, ce qui permet aux équipes de contrôler précisément la manière dont les entités identifiées sont traitées après leur détection.

La solution est auto-hébergée et comptait 8 800 étoiles GitHub, 183 contributeurs et une version 2.2.362 publiée en mars 2026. Elle convient donc aux équipes souhaitant conserver le caviardage au sein de leur propre infrastructure plutôt que d’envoyer leurs documents vers une API managée.

Il n’y a aucun coût de licence logicielle, mais le déploiement, la maintenance et l’ajustement des modèles restent à la charge de l’utilisateur.

Limites : Presidio précise explicitement qu’il ne détectera pas nécessairement toutes les informations sensibles. Un travail d’ingénierie ML et de configuration est donc nécessaire pour atteindre un niveau de détection adapté à la production.

8. brighter AI (brighter Redact)

Idéal pour : l’anonymisation visuelle des visages et plaques d’immatriculation

brighter AI et brighter Redact se concentrent sur l’anonymisation des visages et plaques d’immatriculation dans les images et les vidéos.

La solution propose notamment Precision Blur, avec une détection précise des contours des plaques et un floutage ovale des visages, ainsi que DNAT, qui utilise des visages synthétiques générés de manière non réversible afin de préserver l’utilité des données pour les modèles de machine learning.

Le service est disponible via une API REST et une interface web, avec des serveurs situés dans l’Union européenne.

brighter AI positionne son produit pour répondre aux exigences du RGPD, du CCPA, de l’APPI et du PIPL. Son traitement est centré sur la confidentialité visuelle plutôt que sur le caviardage de texte ou de documents.

Limites : brighter Redact est exclusivement destiné aux données visuelles et ne prend pas en charge les PII présentes dans du texte ou des documents. La tarification est uniquement disponible sur devis pour les entreprises.

9. Tonic Textual

Idéal pour : le caviardage de PII dans les pipelines IA et data

Tonic Textual utilise des modèles basés sur des transformers pour détecter des informations sensibles dans du texte, du JSON, du HTML, des PDF, des images, des données tabulaires et de l’audio, avec une prise en charge de plus de 50 langues.

Les entités détectées peuvent être traitées individuellement par masquage, génération de données synthétiques ou remplacement déterministe. Le système préserve également la mise en forme, ce qui est important lorsque les contenus caviardés doivent continuer à être utilisés dans des traitements ultérieurs.

Les développeurs peuvent aussi connecter Tonic Textual à des workflows IA via les outils LangChain langchain-textual et un serveur MCP exposant 21 outils.

Sa large couverture des formats est particulièrement adaptée aux pipelines dans lesquels des données sensibles circulent entre données structurées, documents et entrées de modèles IA.

Limites : Tonic Textual est davantage orienté vers les pipelines IA et data que vers les workflows de caviardage documentaire spécialisés.

10. ReadyRedact

Idéal pour : le caviardage basé sur des règles dans les workflows documentaires

ReadyRedact applique un remplacement pixel par pixel afin de supprimer les contenus sensibles présents dans les documents. La solution prend en charge des règles de caviardage automatisées et l’analyse des fichiers, ainsi que des intégrations via API et partage de fichiers permettant d’ajouter le caviardage à des workflows existants.

Le produit est destiné aux organisations soumises à des exigences telles que le RGPD, le CCPA, la LGPD, la POPI et HIPAA. Son approche centrée sur les documents privilégie l’application de règles de caviardage reproductibles plutôt que la prise en charge d’un large éventail de formats multimédias.

Pour les équipes qui doivent supprimer des informations sensibles de fichiers à partir de politiques prédéfinies, les API et intégrations permettent de connecter facilement le caviardage aux systèmes de traitement documentaire existants.

Limites : ReadyRedact est centré sur les documents et ne prend pas en charge le caviardage audio ou vidéo. La solution est également moins orientée développeurs que certains concurrents conçus dès le départ autour d’une API.

Meilleurs outils gratuits et open source de caviardage

Microsoft Presidio

Microsoft Presidio est l’une des meilleures options open source pour les équipes qui souhaitent garder un contrôle total sur leur infrastructure de caviardage. Le projet est distribué sous licence MIT et compte 8 800 étoiles GitHub et 183 contributeurs. La version 2.2.362 date de mars 2026.

Presidio prend en charge le texte, les images et les données structurées. Il sépare la détection de la transformation :

• Détection : identifie les portions contenant des informations sensibles et leur attribue un score de confiance.
• Transformation : remplace, masque ou chiffre les informations détectées.

Une limite importante doit toutefois être prise en compte. Presidio avertit explicitement qu’il ne détectera pas nécessairement toutes les informations sensibles. Les équipes qui souhaitent l’utiliser en production doivent donc l’ajuster et le tester sur leurs propres documents.

Philter

Philter, développé par Philterd, est une autre solution open source adaptée aux équipes qui ont besoin d’un déploiement auto-hébergé ou totalement isolé d’Internet. Il utilise la licence Apache 2.0 et peut fonctionner dans un VPC, on-premise ou dans un environnement air-gapped.

Philter repose sur des politiques configurables et des modèles entraînés plutôt que sur de simples expressions régulières. Il prend également en charge une pseudonymisation cohérente avec intégrité référentielle, permettant à une même personne d’être associée au même identifiant de remplacement dans plusieurs documents.

Cette fonctionnalité est utile lorsque les analyses en aval doivent conserver les relations entre différents enregistrements.

Versions gratuites des API commerciales

Certaines API commerciales peuvent également convenir aux phases de test ou aux faibles volumes :

• AWS Comprehend : 50 000 unités gratuites par mois pendant 12 mois
• Google Sensitive Data Protection : quota mensuel gratuit
• Tonic Textual : offre gratuite disponible

Le véritable coût du « gratuit »

Un logiciel gratuit n’implique pas un fonctionnement sans coût. L’auto-hébergement nécessite toujours du temps d’ingénierie pour la configuration, les tests sur vos propres documents, les ressources GPU ou CPU, le déploiement et la maintenance continue.

Pour une petite équipe traitant de faibles volumes, une API payante peut revenir moins cher que le temps d’ingénierie nécessaire pour exploiter et maintenir une solution open source de caviardage.

Caviardage on-premise, VPC et air-gapped

Certaines données ne peuvent pas quitter le réseau de l’organisation pour des raisons réglementaires, contractuelles ou liées à leur niveau de classification. Dans les secteurs de la santé, du gouvernement, de la défense ou de la finance, cette contrainte peut éliminer une grande partie des API de caviardage avant même que le prix ou la précision n’entrent en ligne de compte.

La première question à se poser est simple : la détection et la transformation peuvent-elles fonctionner entièrement dans une infrastructure que vous contrôlez ?

Azure AI Language PII

Azure AI Language PII prend en charge les conteneurs Docker en mode connecté comme en mode déconnecté.

L’option déconnectée est conçue pour les environnements ne disposant d’aucune connexion sortante et repose sur une tarification par niveau d’engagement. Microsoft reçoit des données de télémétrie liées à la facturation, mais ne reçoit jamais le texte analysé.

Cette configuration convient donc aux équipes qui doivent maintenir le traitement des PII entièrement au sein d’un environnement contrôlé.

Limina

Limina prend en charge les déploiements en conteneur, VPC et on-premise. Sa couverture multimodale reste disponible dans ces différents environnements, notamment pour le texte, les documents, les images, l’audio et la vidéo.

Cette caractéristique est importante lorsque les données sensibles ne se limitent pas à des PDF ou à des fichiers texte.

Microsoft Presidio

Microsoft Presidio est entièrement auto-hébergé et distribué sous licence MIT. Les équipes contrôlent elles-mêmes l’environnement de déploiement et de traitement au lieu de dépendre d’un service de caviardage managé.

Philter

Philter prend en charge les déploiements en VPC, on-premise et dans des environnements air-gapped. Disponible sous licence Apache 2.0, il constitue une autre option pour les infrastructures où les documents sensibles ne peuvent pas être transmis en dehors du réseau.

Points à vérifier avant un déploiement on-premise

La simple mention « on-premise » ne suffit pas. Avant de choisir une solution, vérifiez :

• Parité fonctionnelle : la version on-premise prend-elle en charge les mêmes types d’entités et formats d’entrée que la version cloud ?
• Mises à jour des modèles : comment les nouveaux modèles sont-ils déployés lorsque les connexions sortantes sont désactivées ?
• Licence hors ligne : comment l’utilisation est-elle mesurée ou facturée dans un environnement air-gapped ?

Dans les environnements fortement réglementés ou isolés, ces contraintes opérationnelles peuvent être aussi importantes que les performances du modèle de caviardage lui-même.

Conformité : HIPAA, RGPD et pistes d’audit

Une API de caviardage ne rend pas automatiquement un workflow conforme. Les développeurs doivent adapter la détection, la transformation, la journalisation et le lieu de traitement aux obligations réglementaires qu’ils cherchent à respecter. Il s’agit ici de recommandations techniques pratiques et non de conseils juridiques.

HIPAA : vérifier les 18 identifiants

La méthode Safe Harbor d’HIPAA exige la suppression de 18 catégories spécifiques d’identifiants. Un détecteur généraliste de PII optimisé pour les noms et adresses e-mail ne détectera pas nécessairement l’ensemble de ces 18 catégories.

Il est donc préférable de comparer les types d’entités couverts par l’API avec la liste Safe Harbor plutôt que de considérer que la simple mention « détection des PII » suffit.

RGPD : pseudonymisation et anonymisation sont différentes

Dans le cadre du RGPD, les données pseudonymisées restent des données à caractère personnel. Seules les données réellement anonymisées peuvent sortir du champ d’application du règlement.

Remplacer un nom par un identifiant cohérent peut réduire l’exposition des données, mais ne rend pas nécessairement une personne impossible à identifier. C’est pourquoi la distinction entre masquage et suppression définitive est importante.

Pistes d’audit : conserver une trace des opérations

Le processus de caviardage doit également pouvoir être audité. Votre système peut avoir besoin d’indiquer :

• Quelles informations ont été caviardées
• Quand le caviardage a été effectué
• Quelle version du modèle a réalisé la détection
• Qui a approuvé le résultat

Vérifiez si l’API fournit un journal structuré des entités détectées et des transformations appliquées, et si votre système peut conserver ces informations pour de futurs contrôles.

Résidence des données : savoir où le traitement est effectué

Le lieu de traitement des données peut être important dans le cadre du RGPD. brighter AI traite les données sur des serveurs situés dans l’Union européenne. Les conteneurs Azure et d’autres solutions auto-hébergées permettent de conserver le traitement documentaire au sein de votre propre infrastructure.

L’endpoint européen d’Eden AI permet également de maintenir les requêtes en Europe. En pratique, la conformité dépend de l’ensemble de la chaîne de traitement et pas uniquement de l’API de caviardage utilisée.

Caviardage vs masquage : pourquoi « caviardé » ne signifie pas toujours « supprimé »

Les acheteurs supposent souvent que lorsqu’une API indique qu’un document a été caviardé, les informations sensibles ont totalement disparu. Cette hypothèse peut être risquée.

Les solutions commercialisées comme API de caviardage peuvent en réalité effectuer trois opérations très différentes : suppression définitive, masquage ou simple détection. Ces différences déterminent si les PII d’origine restent récupérables après le traitement.

Suppression définitive

La suppression définitive détruit les données sensibles sous-jacentes dans le fichier de sortie. Nutrient présente son caviardage comme permanent, avec une suppression des données plutôt qu’un simple masquage. ReadyRedact utilise un remplacement pixel par pixel. Private AI supprime ou remplace les entités détectées tout en permettant également de flouter les visages dans les images et de masquer les informations sensibles dans l’audio.

Dans ces workflows, l’objectif est de produire un fichier dans lequel le contenu sensible d’origine n’existe plus sous sa forme initiale.

Masquage et détection sont différents

Le masquage recouvre ou remplace visuellement les informations sensibles, mais le workflow n’est pas nécessairement conçu pour détruire les données sous-jacentes.

Microsoft Azure AI Language, par exemple, masque le texte au lieu de le supprimer définitivement. Cette distinction devient importante lorsqu’une obligation de conformité porte sur l’existence même de l’information originale et pas uniquement sur sa visibilité.

La détection est encore différente. AWS Comprehend retourne le type d’entité PII, sa position dans le texte et un score de confiance. Il peut produire une version caviardée, mais la détection reste au cœur du service. Si vous utilisez ces résultats pour construire votre propre workflow d’API de caviardage de documents, la responsabilité de supprimer correctement les données repose alors sur votre implémentation.

Pourquoi les PDF présentent un risque particulier

Cette distinction est particulièrement importante pour les PDF, car dessiner un rectangle noir par-dessus du texte ne signifie pas nécessairement que celui-ci a été supprimé.

Si le rectangle n’est qu’une couche visuelle superposée, le texte original peut rester présent dans le fichier. Le destinataire peut alors parfois sélectionner le texte masqué, le copier et récupérer des informations qui semblent pourtant invisibles. Ce type de problème a déjà provoqué de véritables fuites de données.

Un caviardage permanent de PDF doit supprimer le contenu sous-jacent récupérable, notamment en aplatissant ou en réécrivant le fichier afin qu’aucune couche de texte exploitable ne subsiste. L’apparence visuelle seule ne constitue donc pas une preuve de suppression.

Pour construire un workflow de conformité, la première question à poser au fournisseur devrait être : « Cette opération détruit-elle réellement les données sensibles ou se contente-t-elle de les masquer ? »

Posez cette question avant même celle de la précision. Un excellent modèle de détection ne résout pas le problème si le fichier de sortie contient encore des PII récupérables.

Comment choisir une API de caviardage de documents ?

Commencez par le critère susceptible d’éliminer immédiatement un fournisseur. Les contraintes de déploiement et les exigences liées à la suppression des données sont généralement plus importantes que les fonctionnalités secondaires.

1. Déploiement

Si les données ne peuvent pas quitter votre réseau, commencez par les conteneurs Azure AI Language PII, Private AI, Microsoft Presidio ou Philter. Azure prend en charge des conteneurs Docker en mode déconnecté. Private AI propose des déploiements en conteneur, VPC et on-premise. Presidio et Philter peuvent être auto-hébergés.

2. Modalités prises en charge

Si vous traitez uniquement des documents, Nutrient ou ReadyRedact sont de bonnes options. Si vous devez également traiter des images, de l’audio ou de la vidéo, Private AI est plus adapté. Tonic Textual prend aussi en charge le texte, les PDF, les images, les données tabulaires et l’audio.

3. Suppression définitive

Si les données sensibles doivent être définitivement supprimées du fichier de sortie, privilégiez Nutrient, ReadyRedact ou Private AI. Azure AI Language PII utilise le masquage plutôt que la suppression permanente.

Avant de comparer les scores de détection, vérifiez donc précisément ce qu’il advient des données sous-jacentes après traitement.

4. Couverture linguistique

Si la prise en charge multilingue est importante, Private AI et Tonic Textual couvrent plus de 50 langues. AWS Comprehend ne prend en charge que l’anglais et l’espagnol et ne devrait donc rester dans votre sélection que si ces deux langues couvrent vos besoins.

5. Volume et budget

Si vous traitez d’importants volumes de texte, une tarification cloud au caractère peut être plus adaptée. Si vos volumes sont faibles mais que vos exigences sont strictes, une solution à coût fixe peut être plus pertinente.

Comparez toujours les tarifs en fonction de vos formats d’entrée réels et de votre volume de traitement estimé.

Un seul fournisseur peut ne pas suffire

Les équipes ont souvent besoin de plusieurs fournisseurs, car aucune solution ne domine simultanément le traitement documentaire, la vidéo et le déploiement on-premise.

Une architecture multi-fournisseurs comme Eden AI permet d’orienter chaque workload vers l’outil qui correspond le mieux à ses contraintes.

Accéder à plusieurs fournisseurs de caviardage avec une seule API Eden AI

La plupart des équipes ne finissent pas par utiliser un seul fournisseur de caviardage pour tous leurs cas d’usage. Le format des documents, les contraintes de déploiement, la couverture linguistique et les exigences de suppression peuvent orienter différents workloads vers différentes solutions. Eden AI répond au problème d’intégration que cette fragmentation entraîne.

Avec Eden AI, les fournisseurs sont accessibles via une API standardisée, une seule clé API et un format de réponse unique. Changer de fournisseur revient à modifier un paramètre plutôt qu’à développer une nouvelle intégration, ce qui permet aux équipes de tester différentes solutions sans réécrire leur code applicatif.

Cette approche facilite également l’évaluation des fournisseurs. Au lieu de vous fier uniquement aux scores de précision communiqués par les éditeurs, vous pouvez comparer plusieurs fournisseurs sur le même échantillon annoté de vos propres documents, en utilisant la méthode d’évaluation présentée plus haut dans cet article. Une fois le fournisseur choisi, l’intégration existante reste inchangée.

Eden AI fonctionne avec une tarification à l’usage, ce qui évite aux équipes de devoir négocier des contrats distincts avec chaque fournisseur testé. Un endpoint européen est également disponible afin de conserver les requêtes et les données en Europe.

FAQ - API de caviardage de documents