Glossaire¶

Termes utilisés dans la documentation piighost. Chaque entrée définit le concept par ce qu'il fait. Les noms de classes restent en anglais.

PII: Personally Identifiable Information, en français donnée à caractère personnel. Toute valeur qui peut identifier une personne, c'est-à-dire nom, adresse, numéro de téléphone, email, lieu, organisation, numéro de compte. piighost trouve et remplace les PII pour qu'un LLM en aval ne voie jamais la valeur brute.
Dé-identification: Remplacement des PII par des placeholders tout en gardant la correspondance entre chaque valeur et son placeholder, de sorte que l'original peut être restauré ensuite. Le pipeline piighost par défaut dé-identifie. Au sens du RGPD c'est de la pseudonymisation, pas de l'anonymisation.
Anonymisation: Suppression des PII sans aucun moyen de les restaurer. Irréversible par définition. Une placeholder factory de caviardage anonymise, puisqu'elle ne garde aucune correspondance vers la valeur.
Placeholder: Token qui remplace une PII dans le texte dé-identifié, par exemple <<PERSON:1>> ou <<EMAIL:1>>. L'apparence d'un placeholder est décidée par une placeholder factory.
Placeholder factory: Composant qui produit les placeholders. Il décide la forme du token et ce que le token préserve, c'est-à-dire un label, une identité stable, les deux ou rien. Factories fournies : RedactPlaceholderFactory, LabelPlaceholderFactory, LabelCounterPlaceholderFactory, LabelHashPlaceholderFactory et MaskPlaceholderFactory.
Détecteur: Composant qui trouve les PII dans un texte et retourne des détections. Les détecteurs implémentent le protocole AnyDetector et sont interchangeables. Trois familles existent, chacune sous son entrée : regex, NER et LLM.
Détecteur regex: Détecteur qui reconnaît des motifs fixes, c'est-à-dire des chaînes de caractères qui suivent une structure connue comme un IBAN ou un numéro de téléphone. Efficace sur les formats structurés, inutilisable sur du texte libre comme un prénom ou une date écrite. RegexDetector.
Détecteur NER: Named Entity Recognition, reconnaissance d'entités nommées. Modèle d'IA qui classe les mots d'un texte dans des catégories décidées à l'avance, comme personne, lieu ou organisation. Fonctionne sur le texte libre là où un motif échoue. SpacyDetector, Gliner2Detector, TransformersDetector.
Détecteur LLM: Détecteur qui demande à un grand modèle de langage de retourner les PII trouvées en sortie structurée. Plus lent et moins déterministe que le regex ou le NER, mais capable de raisonner sur le contexte. LLMDetector.
Span: Intervalle de caractères semi-ouvert [start, end) dans un texte, calqué sur la sémantique du slice Python. Chaque détection porte un Span qui marque où se trouve la PII. Span.
Détection: Une occurrence de PII repérée par un détecteur, c'est-à-dire un Span, le texte apparié, un label et une confiance dans l'intervalle 0 à 1. Détecter Patrick comme PERSON en (0, 7) avec une confiance de 0.95 est une Detection.
Entité: Groupe de détections qui référent à la même valeur de PII. Chaque occurrence de la valeur est une détection. Le groupe partage un placeholder et restaure vers une valeur. Différent d'une détection, qui est une occurrence unique. Entity.
Linker: Composant qui regroupe les détections en entités. Il trouve les occurrences qui référent à la même valeur, afin qu'elles partagent un placeholder. Lier Patrick en (0, 7) et patrick en (34, 41) donne une entité. ExactEntityLinker.
Résolveur d'entités: Composant qui réconcilie les conflits d'entités, par exemple deux groupes qui devraient n'en faire qu'un quand leurs valeurs sont proches. MergeEntityResolver fusionne les groupes qui se recouvrent, FuzzyEntityResolver fusionne les valeurs presque identiques, SeparateEntityResolver laisse chaque groupe tel quel.
Guard rail: Composant qui revérifie le texte dé-identifié à la recherche d'une PII que le pipeline a manquée. Il tourne après le remplacement et lève une erreur si une PII résiduelle demeure. Un guard rail peut relancer un détecteur (DetectorGuardRail) ou interroger un LLM (LLMGuardRail).
Thread: Portée de conversation identifiée par un thread_id. La mémoire est isolée par thread, donc deux conversations parallèles ne partagent jamais l'état des PII. Un placeholder reste stable sur tous les messages d'un même thread.
thread_id: Chaîne qui identifie un thread. Le pipeline de thread et le middleware s'en servent pour cadrer la mémoire et router chaque message vers la bonne conversation.
Mémoire de conversation: Stockage qui accumule les entités d'un thread au fil des messages, de sorte qu'une valeur vue dans un message garde son placeholder dans le suivant. InMemoryConversationMemory la tient dans le processus. RedisConversationMemory la persiste dans Redis, avec les valeurs chiffrées par un cipher et les clés hachées.
Recognizer: Grammaire de tokens que le middleware utilise pour retrouver les placeholders d'un pipeline dans une réponse LLM, sans passer par l'anonymizer. Un pipeline l'expose via recognizer, un BaseDelimitedPlaceholderFactory ou None.
Tag de préservation de placeholder: Type fantôme sur une placeholder factory qui énonce ce que ses tokens préservent : PreservesNothing, PreservesLabel, PreservesIdentity ou PreservesLabeledIdentity. Le middleware exige PreservesRecognizableIdentity pour pouvoir restaurer les valeurs, et rejette une factory qui ne le fournit pas, au moment de la vérification de types.
Pepper: Secret qui clé un hasher, lu depuis la variable d'environnement PIIGHOST_HASH_PEPPER. Hacher une PII à faible entropie sans secret la laisse attaquable par force brute, donc le pepper est obligatoire. Utilisé par Sha256Hasher et Argon2Hasher.
Cipher: Composant qui chiffre et déchiffre des octets de façon réversible, de sorte qu'un stockage garde du chiffré au lieu du clair. Une fuite du stockage ne donne rien sans la clé, tenue en dehors. RedisConversationMemory en utilise un pour chiffrer les valeurs persistées. AesGcmCipher est le backend AES-GCM fourni.