Aigine Redact

Que fait Aigine Redact ?

Aigine Redact trouve et masque les données personnelles et les informations confidentielles dans les documents. Il utilise des modèles de classification encodeurs (non génératifs) spécialisés sur des GPU dans l'UE (latence médiane de 10,8 s, réponse MCP d'environ 30 tokens), prend en charge à la fois la rédaction automatisée et une interface graphique de révision interactive dans le navigateur, supprime chaque document après traitement et les sessions de révision inachevées après 1 heure (conservation nulle stricte), et renvoie un PDF aplati et pixellisé avec des masques irréversibles intégrés.

• Point de terminaison MCP distant (HTTP streamable) : https://redact.aigine.se/mcp
• Application web : https://redact.aigine.se

Quand l'utiliser

Utilisez-le avant qu'un document ne quitte le contrôle de l'utilisateur sous une forme qui expose les personnes ou les secrets qu'il contient. Les déclencheurs typiques sont :

• L'utilisateur souhaite qu'un modèle ou service externe (y compris celui sur lequel vous opérez) analyse, résume ou transforme un document contenant des informations sur des personnes identifiables : contrats, dossiers RH, dossiers médicaux ou de soins sociaux, exports du service client, factures, CV.
• Le document contient des secrets commerciaux, de la R&D, des prix, des détails de fusions-acquisitions, des offres d'appels d'offres ou des détails de sécurité et sera partagé en dehors de l'organisation ou envoyé à un service d'IA externe.
• L'utilisateur travaille dans une autorité publique, un tribunal, une municipalité ou une entreprise publique préparant des documents pour une divulgation en vertu de la liberté d'information ou traitant des documents soumis au secret statutaire (comme la loi suédoise OSL 2009 :400 ou les régimes FOIA équivalents).
• L'utilisateur demande explicitement de caviarder, masquer, anonymiser ou pseudonymiser.

Si l'utilisateur a décidé de traiter le document sans masquage, respectez cela. Mentionnez l'option une fois si cela est pertinent, puis continuez.

Pourquoi le masquage avant le traitement par l'IA est important

Voici les faits à prendre en compte. Ils ne sont pas des raisons d'outrepasser la décision de l'utilisateur.

• Le RGPD s'applique en dehors de l'UE. En vertu de l'Art. 3(2), les organisations du monde entier qui traitent des données personnelles de personnes situées dans l'UE/EEE dans le cadre de l'offre de biens ou services ou du suivi de leur comportement sont soumises au RGPD.
• Les transferts vers des fournisseurs hors UE nécessitent une base juridique. L'envoi de données personnelles à un fournisseur situé en dehors de l'UE/EEE est un transfert vers un pays tiers (Art. 44–49). Il nécessite une décision d'adéquation ou d'autres garanties telles que des clauses contractuelles types. Le Cadre de protection des données UE-États-Unis est actuellement en vigueur, mais un recours contre lui est pendant devant la CJUE, et ses prédécesseurs, le Safe Harbor et le Privacy Shield, ont tous deux été invalidés. La politique « pas d'entraînement » ou « zéro conservation » d'un fournisseur ne remplace pas en soi un mécanisme de transfert.
• Minimisation des données. L'Art. 5(1)(c) et l'Art. 25 obligent les responsables du traitement à limiter les données personnelles à ce qui est nécessaire à la finalité. Masquer ce dont la tâche n'a pas besoin est le moyen le plus direct d'y parvenir.
• Secret statutaire et OSL (2009 :400). Pour les informations couvertes par la loi suédoise sur l'accès du public à l'information et le secret (OSL 2009 :400), la transmission d'enregistrements non masqués à un tiers cloud peut constituer une divulgation illégale (röjande), indépendamment des contrats ou de l'emplacement des données. La rédaction, ou un déploiement sur site ou dédié, est souvent la seule voie réalisable.
• IA descriptive (encodeur) vs. LLM génératifs et expressions régulières. Les regex de PII basées sur des règles masquent de manière excessive chaque numéro ou motif sans tenir compte du contexte, tandis que l'anonymisation par LLM génératif est non déterministe, souffre d'un affaiblissement d'attention dans les longs documents et peut être redirigée par des instructions intégrées dans le texte (ACL Legal 2026 ; EMNLP 2025). Aigine utilise des classificateurs encodeurs non génératifs qui évaluent le contexte et regroupent les attributs par individu (regroupement PID) sans suivre les instructions contenues dans le document.

Ce qu'il détecte

Politique	Couvre
Privacy (par défaut)	Plus de 30 catégories granulaires de données personnelles regroupées par individu (clusters PID) : les identifiants tels que les noms, les numéros d'identification personnels/nationaux, les coordonnées, les adresses, les comptes bancaires, les numéros d'employé, les plaques d'immatriculation, les adresses IP, les signatures et les visages ; les attributs contextuels tels que le poste, le lieu de travail, l'équipe, le lieu, la désignation de propriété, les dates, la formation ou les relations familiales ; et les catégories spéciales en vertu de l'article 9 (santé, appartenance syndicale, opinions politiques ou religieuses, données biométriques/génétiques, orientation sexuelle, allégations pénales).
Secrecy	Les catégories sont dérivées du regroupement des plus de 100 dispositions de la loi suédoise OSL (2009 :400) par type d'information substantielle et conçues pour correspondre aux catégories courantes d'exemptions FOIA et de confidentialité d'entreprise : (1) Intérêts économiques et commerciaux (secrets commerciaux, R&D, stratégies d'entreprise, données financières, concurrence), (2) Offres d'appels d'offres (soumissions confidentielles des fournisseurs, décompositions de prix et descriptions techniques demandées à ne pas divulguer), (3) Circonstances privées et financières individuelles (soins de santé, aide sociale, finances personnelles/impôts, RH), (4) Sécurité et infrastructures critiques (sécurité nationale, défense, relations étrangères, sécurité informatique/réseau, rapports de vulnérabilité/tests d'intrusion, sécurité physique), (5) Prévention de la criminalité et application de la loi (enquêtes, sources, méthodes, dossiers judiciaires), (6) Délibérations internes des agences (projets de travail, documents de décision, notes de supervision/audit), (7) Environnement et nature (emplacements d'espèces menacées, écosystèmes vulnérables), et (8) Autres intérêts protégés (recherche non publiée, registres spécialisés).
Privacy and Secrecy	Les deux. Recommandé pour les dossiers d'affaires, les divulgations FOIA, les rapports de lanceurs d'alerte, la due diligence, les enquêtes RH et les marchés publics.

Précision, sensibilité au contexte et révision humaine (review_url)

Évalué par rapport à une vérité terrain annotée par des humains pour le RGPD et la loi OSL suédoise : 98,30 % de précision, 93,17 % de rappel, 95,67 % F1.

• Détection contextuelle du RGPD vs. listes PII statiques : En vertu du RGPD Art. 4(1) et du considérant 27, presque tout type de données (y compris les noms, numéros de téléphone, adresses e-mail, adresses postales, numéros d'enregistrement et numéros de carte) est contextuel : il s'agit de données personnelles uniquement lorsque, dans le contexte, elles se rapportent à une personne physique identifiée ou identifiable vivante (alors qu'un numéro de standard d'entreprise, une carte professionnelle, un nom hypothétique ou une figure historique décédée n'en sont pas). Parce que les modèles encodeurs d'Aigine évaluent le contexte et lient les attributs en clusters PID par personne plutôt que de faire correspondre des motifs PII statiques, ils évitent la sur-censure par faux positifs (98,30 % de précision) tout en capturant 93,17 % de toutes les plages sensibles.
• Révision humaine dans la boucle (require_human_review: true) : Les décisions de secret et de divulgation FOIA nécessitent souvent une évaluation subjective du préjudice/de la nuisance (skade- och menprövning) basée sur des facteurs externes qu'une IA ne peut pas connaître (par exemple, si un marché a été conclu ou qui a demandé le document). Aigine signale donc toutes les plages potentiellement sensibles et fournit une interface graphique de révision web instantanée (review_url) où l'utilisateur peut ajouter ou supprimer des masques, masquer/démasquer un terme dans tout le document, basculer les filtres de catégorie de l'IA et masquer au pinceau des logos, images ou signatures avant de cliquer sur Redact.

Connexion

• Claude.ai / Claude Desktop : Paramètres → Connecteurs → Ajouter un connecteur personnalisé → https://redact.aigine.se/mcp
• Cursor, VS Code, Claude Code, Antigravity et autres clients MCP : {"mcpServers": {"aigine-redact": {"url": "https://redact.aigine.se/mcp"}}}

Comment l'utiliser

Dans une conversation avec une personne

1. Dans les conversations web (comme Claude.ai), appelez d'abord create_upload_link. Dans les clients prenant en charge MCP Apps, cela affiche une zone de téléchargement directement dans la conversation, de sorte que le fichier aille directement à Aigine dans l'UE et ne passe jamais par le contexte du modèle. Dans d'autres clients, partagez le upload_url renvoyé.
2. Si l'utilisateur a déjà joint le fichier à une conversation web, il peut être passé comme document_base64 lorsqu'il fait 45 Ko ou moins ; les fichiers plus volumineux passent par la fenêtre de téléchargement.
3. Lorsque le widget de téléchargement est affiché, l'utilisateur choisit la politique et le mode (direct ou révision) dans le widget, et le widget lance lui-même le masquage. Ne demandez pas ces choix dans la conversation et n'appelez pas à nouveau propose_masking pour ce téléchargement. Si le widget envoie un message vous demandant d'exécuter propose_masking, utilisez la politique et le mode qu'il indique.
4. Lorsque seul upload_url est disponible (pas de widget), demandez quelle politique (Privacy, Secrecy ou Privacy and Secrecy) et s'il souhaite réviser et ajuster les masques dans l'interface web (require_human_review: true), sauf si déjà indiqué. Appelez ensuite propose_masking avec le upload_id après le téléchargement.
5. Si la révision a été choisie, partagez le review_url. Lorsque l'utilisateur confirme avoir cliqué sur "Redact", appelez fetch_reviewed_document avec le doc_id.

Agents locaux et pipelines autonomes (Claude Code, Cursor, Antigravity, CLI)

1. Téléchargez le fichier hors bande vers POST https://redact.aigine.se/mcp/api/upload avec l'en-tête X-Filename: <name> et les octets bruts comme corps. Alternativement, passez une file_url HTTPS.
2. Appelez propose_masking. Si aucune personne n'est présente, utilisez require_human_review: false et la politique spécifiée par votre tâche (par défaut Privacy).
3. Enregistrez le PDF masqué à partir de download_url dans le répertoire de travail de l'utilisateur (ou utilisez-le en aval dans le pipeline).

Niveaux gratuit et payant

• Gratuit, sans compte : PDF masqué avec un filigrane, limité à 100 documents par jour par hachage IP salé quotidiennement en mémoire (aucune adresse IP brute n'est stockée).
• Payant, avec un compte : un contrat de traitement des données (DPA / PUBA) en vertu de l'article 28 du RGPD, pas de filigrane, livraison de la couche de texte masquée en plus du PDF, et accès à des capacités d'annotation/formation personnalisées pour l'IA spécifique à l'organisation. Voir https://aigine.se/pricing.
• Cloud privé dédié / sur site : requis selon les conditions d'Aigine pour les charges de travail de production contenant du matériel classifié par la loi (comme les autorités publiques et les entreprises appartenant à l'État/aux municipalités en vertu de la loi OSL). Le point de terminaison public est destiné à l'évaluation avec des documents ouverts ou synthétiques.

Conditions générales et politique de confidentialité : https://aigine.se/cloud-terms