Limites¶

piighost n'est pas une solution miracle. Cette page liste les limites connues, leur raison d'être et comment les atténuer.

La couverture linguistique dépend du modèle¶

L'ensemble des langues que piighost peut anonymiser est déterminé par le modèle NER branché sur le détecteur NER (GlinerDetector dans la configuration par défaut, qui encapsule GLiNER2). Par exemple, fastino/gliner2-multi-v1 couvre plusieurs langues mais pas toutes avec la même précision. Avant de déployer sur une nouvelle locale, lisez la fiche du modèle et exécutez un petit jeu de validation.

Mitigation : chargez un modèle spécifique à la locale pour une meilleure précision, ou combinez plusieurs détecteurs via le détecteur composite (CompositeDetector).

Les faux négatifs NER sont inhérents¶

Aucun modèle NER n'est parfait. Des noms rares, des orthographes inhabituelles ou des entités hors distribution peuvent être manquées. Pour les catégories critiques (emails, numéros de téléphone, identifiants nationaux), s'appuyer uniquement sur la NER est risqué.

Mitigation : chaînez le détecteur NER (GlinerDetector) avec un détecteur à motif (RegexDetector) via le détecteur composite (CompositeDetector) pour une couverture déterministe des formats de PII structurés. Voir Étendre PIIGhost pour les recettes.

Les PII générées par le LLM ne sont pas liées¶

La liaison d'entités fonctionne sur les détections issues de l'entrée. Si le LLM hallucine un nom qui n'est jamais apparu dans les messages de l'utilisateur (par exemple en inventant un nom de client plausible), cette PII hallucinée n'est pas dans le cache et n'est donc pas anonymisée lorsque la réponse repasse par le middleware.

Mitigation : exécutez une étape de validation post-réponse au niveau applicatif. Redétectez les PII sur la sortie du LLM et décidez s'il faut les supprimer, les signaler ou les réanonymiser avant affichage à l'utilisateur.

Le choix de la stratégie outil dépend du placeholder factory¶

PIIAnonymizationMiddleware expose trois stratégies d'appel outil (FULL, INBOUND_ONLY, PASSTHROUGH) via le paramètre tool_strategy. La frontière outil ne peut pas s'appuyer sur le cache, uniquement sur du remplacement de chaîne, donc elle exige des placeholders uniques pour rester réversible. LabelHashPlaceholderFactory est le défaut le plus sûr ; FakerPlaceholderFactory peut collisionner avec de vraies valeurs dans les réponses d'outils ; LabelPlaceholderFactory et MaskPlaceholderFactory sont rejetés à la construction par ThreadAnonymizationPipeline.

Mitigation : voir Placeholder factories pour la taxonomie et Stratégies d'appel outil pour choisir un mode.

Le cache est en mémoire par défaut¶

La pipeline d'anonymisation (AnonymizationPipeline) utilise aiocache avec un backend en mémoire par défaut. C'est correct pour un déploiement mono-processus, mais cela casse dès que vous passez à l'échelle horizontalement (deux workers, deux caches, deux espaces de placeholders indépendants).

Mitigation : configurez un backend de cache externe supporté par aiocache (Redis, Memcached). Voir Déploiement pour les exemples de configuration.

La latence ajoutée n'est pas encore mesurée¶

Il n'existe pas de benchmark officiel de la latence ajoutée par le pipeline sur des charges typiques. L'overhead dépend du détecteur (inférence du NER choisi), de la longueur du texte, et de la présence de hits dans le cache.

Mitigation : mesurez sur votre propre charge avant de dimensionner le trafic de production. Gardez les détecteurs sur GPU quand c'est possible pour les chemins à forte densité NER.

Couverture minimale des menaces¶

piighost traite l'exfiltration vers le LLM et son hébergeur. Elle ne remplace pas le chiffrement au repos, le contrôle d'accès, ni les bonnes pratiques de journalisation du reste de votre système. Voir Sécurité pour le modèle de menaces complet.