Un nom visible à l’écran n’est pas toujours du texte. Dans un contrat numérisé, une lettre photographiée ou une capture d’écran de courriel insérée dans un rapport, le nom est une image. La fonction Rechercher et remplacer ne le détecte pas. Un outil d’IA peut le faire.
Où les données personnelles se cachent dans les images
- PDF numérisés. Chaque page est une image. Tout le texte, y compris les noms et les numéros, est constitué de pixels.
- Photos de documents. Photo prise avec un téléphone d’une lettre, d’une facture ou d’un formulaire.
- Captures d’écran dans Word ou PowerPoint. Courriel ou conversation inséré sous forme d’image pour « montrer ce qui a été dit ».
- Blocs de signature et tampons. Souvent des images, accompagnées d’un nom.
- En-têtes de lettre et logos. Nom et adresse de l’entreprise dans une bannière.
- Cartes de visite, tableaux blancs et formulaires photographiés lors d’une réunion.
- Métadonnées des photos. Les images peuvent contenir la date, l’appareil et parfois le lieu où elles ont été prises.
Pourquoi c’est important avec les outils d’IA
Les outils d’IA peuvent lire les images. Si vous téléversez la numérisation d’un contrat client, l’outil y lit les noms comme il le ferait dans un texte saisi. Supprimer les noms des parties tapées d’un fichier tout en laissant les images expose le client.
L’inverse se produit aussi. Un fichier qui semble être du texte propre peut contenir une annexe numérisée avec toutes les informations. Ouvrez chaque page, pas seulement la première.
Test rapide : pouvez-vous sélectionner le texte ?
Ouvrez le PDF et essayez de sélectionner une ligne avec le curseur. Si vous pouvez surligner des mots individuellement, la page comporte une couche de texte. Si la sélection porte sur la page entière comme un bloc, ou si rien n’est sélectionné, la page est une image. Les fichiers mixtes sont fréquents : pages tapées, puis page de signature ou annexe numérisée à la fin. Testez les dernières pages, et pas seulement la première.
Le même test fonctionne dans Word : cliquez sur une capture d’écran ; si elle est sélectionnée comme une image unique, son contenu n’est pas du texte consultable.
Captures d’écran de conversations et de courriels
Ces éléments méritent une mention particulière parce qu’ils paraissent inoffensifs. Une capture d’écran d’une conversation par SMS affiche un numéro de téléphone ou un nom de contact en haut, le nom de l’autre personne dans chaque bulle, et souvent une heure et un lieu dans les messages. Une capture d’écran d’un courriel affiche l’en-tête complet avec les deux adresses. Si vous avez besoin du contenu, copiez le texte, remplacez les noms et laissez l’image de côté. Si une capture d’écran constitue la preuve, traitez-la comme un document à part entière et ne l’insérez pas au milieu d’un rapport que vous prévoyez de partager avec un outil d’IA.
Comment procéder manuellement
- Repérez les images. Parcourez le document et notez chaque numérisation, capture d’écran et image.
- Demandez-vous si vous en avez besoin. Souvent, la réponse est non, ou bien le texte qu’elles contiennent tient en une ou deux lignes que vous pouvez ressaisir.
- Si vous avez besoin du contenu, ressaisissez ou copiez le texte et insérez les marqueurs, puis laissez l’image de côté.
- Ne floutez pas les images. Un nom flouté reste souvent lisible, et un flou peut parfois être inversé. Une forme opaque intégrée à l’image est plus sûre. Mieux encore, laissez l’image de côté.
- Supprimez les métadonnées de la photo si vous devez envoyer l’image.
Ce qu’un outil peut faire
Les PDF numérisés sont lus comme du texte, page par page. Pour les fichiers Word, PowerPoint, Excel, les courriels et les formats similaires, le texte contenu dans les images est reconnu et inséré à l’endroit où se trouvait l’image, dans un bloc intitulé « Texte extrait de l’image ». Il suit ensuite les mêmes étapes que le reste du document : les noms et les numéros sont détectés, vous les vérifiez, puis ils deviennent des marqueurs. Les images elles-mêmes ne sont pas incluses dans la copie sécurisée. Les petites icônes et les éléments décoratifs sont ignorés.
Dans ClientSafe, la barre au-dessus de la copie sécurisée indique le nombre d’images dont le texte a été lu. Le texte en anglais, espagnol, français, allemand et arabe est lu.
Un cas réaliste
Un client envoie un dossier : un contrat tapé, une lettre bancaire numérisée, trois photos d’une note manuscrite et un fil de courriels contenant des captures d’écran de SMS. Le contrat est simple. C’est dans le reste du dossier que se cachent les noms. Un outil qui traite uniquement le texte tapé en manquera la plupart, et une recherche rapide dans le contrat tapé indiquera qu’il est « propre ». Effectuer une recherche textuelle ne revient pas à vérifier les documents numérisés. La vérification doit également inclure les pages lues à partir d’images.
Les limites de la reconnaissance
La lecture du texte à partir d’images n’est pas exacte. L’écriture manuscrite, les photos de faible résolution, les pages inclinées, les tampons qui recouvrent le texte et les polices inhabituelles peuvent tous entraîner des erreurs. Un nom mal lu peut échapper à la détection parce qu’il ne ressemble plus à un nom. Si la lecture est incertaine, ClientSafe signale le document comme nécessitant une vérification. Ce sont les documents qu’il faut relire deux fois en comparant la copie sécurisée avec la page originale.
Une signature sous forme d’image ne contient aucun texte lisible. En revanche, un nom tapé à côté, comme dans « Signé : Maria Lopez », est du texte et est détecté.
Questions fréquentes
Puis-je laisser les images et simplement espérer que tout ira bien ?
Non. Une image d’un document est le document lui-même. Si elle contient des noms, un outil d’IA capable de lire les images les verra.
Un PDF numérisé est-il traité comme un fichier Word ?
Il est d’abord lu comme du texte. Ensuite, il suit les mêmes étapes.
La copie sécurisée inclut-elle mes photos ?
Non. Les images sont exclues. Leur texte, lorsqu’il a pu être lu, est inclus et sécurisé.
Qu’en est-il des notes manuscrites ?
Attendez-vous à des oublis. L’écriture manuscrite est le cas le plus difficile pour tout système de reconnaissance de texte. Examinez donc ces pages avec une attention particulière ou retapez-les.
ClientSafe lit les PDF numérisés et le texte contenu dans les images des documents, puis trouve et remplace les noms et les numéros comme il le fait pour le texte saisi. L’étape de vérification montre ce qui a été trouvé, et tout document sur lequel il a des doutes est marqué « À vérifier ».