Glossaire¶

Termes clés utilisés dans la documentation piighost. Gardez cette page ouverte si vous débutez avec la bibliothèque ou avec la NER.

PII

Personally Identifiable Information, en français données à caractère personnel. Toute donnée qui peut identifier une personne : nom, adresse, numéro de téléphone, email, lieu, organisation, numéro de compte. piighost détecte et anonymise les PII pour que les LLM tiers ne voient jamais les valeurs brutes.

LLM

Large Language Model. Réseau de neurones entraîné sur de grands corpus textuels pour générer ou raisonner sur du texte (GPT, Claude, Gemini, Mistral, etc.). Dans ce projet, le LLM est le consommateur en aval qui ne doit recevoir que du contenu anonymisé.

NER

Named Entity Recognition, reconnaissance d'entités nommées. Tâche de machine learning qui identifie les entités nommées dans un texte (personnes, lieux, organisations, dates, etc.). piighost fournit des détecteurs pour plusieurs backends (Gliner2Detector, SpacyDetector, TransformersDetector), tous interchangeables via le protocole AnyDetector.

Détecteur

Composant qui trouve les PII dans un texte. Les détecteurs implémentent le protocole AnyDetector. Implémentations fournies : GlinerDetector (NER), RegexDetector (patterns), ExactMatchDetector (dictionnaire fixe), CompositeDetector (chaîne de détecteurs).

Span

Intervalle de positions caractères dans un texte : (start_pos, end_pos). Chaque détection porte un Span qui localise précisément où apparaît la PII. Les spans qui se chevauchent entre plusieurs détecteurs sont arbitrés par le résolveur de spans.

Détection

Sortie d'un détecteur : un tuple (texte, label, span, confiance). Par exemple, détecter Patrick comme PERSON en position (0, 7) avec une confiance de 0.95 produit une Detection.

Entité

PII logique qui peut apparaître plusieurs fois dans un texte. Produite par le linker d'entités en groupant les détections liées (variantes avec fautes de frappe, variantes de casse, mentions partielles). Différent d'une Detection qui est une occurrence repérée.

Liaison d'entités (entity linking)

Étape qui regroupe les détections référant à la même PII réelle. Par exemple, lier Patrick en position (0, 7) et patrick en position (34, 41) dans une seule Entity, afin que les deux occurrences partagent le même placeholder.

Placeholder

Jeton qui remplace une PII dans le texte anonymisé. Par défaut du type <<PERSON:1>>, <<LOCATION:1>>. La stratégie de nommage est contrôlée par une PlaceholderFactory (compteur, UUID, hash, masqué, caviardé).

Pipeline

Orchestration en 5 étapes qui transforme un texte brut en texte anonymisé : Detect, Resolve Spans, Link Entities, Resolve Entities, Anonymize. Implémenté par AnonymizationPipeline (sans état) et ThreadAnonymizationPipeline (portée conversation).

Résolveur

Composant qui arbitre les conflits. Deux types : SpanConflictResolver (détections qui se chevauchent) et EntityConflictResolver (groupes d'entités liés qui partagent une mention).

Middleware

Point d'extension LangChain qui s'exécute avant et après chaque appel au LLM et chaque appel d'outil. PIIAnonymizationMiddleware s'y branche pour intercepter et transformer les messages, ce qui applique l'anonymisation sans modifier le code de l'agent.

Thread

Portée de conversation identifiée par un thread_id. La mémoire et le cache sont isolés par thread de sorte que deux conversations parallèles ne partagent pas l'état des PII.