Nom
private_person Noms et identifiants personnels.
Privacy Filter Online
Détectez localement noms, e-mails, numéros de téléphone, adresses, numéros de compte, dates, URL et secrets dans votre navigateur — un outil gratuit qui les masque en un clic, sans aucun envoi.
Modèle non chargé
Le premier lancement télécharge le modèle depuis Hugging Face. Chrome ou Edge avec WebGPU recommandé.Texte d'entrée
Résultats
0Texte annoté
En attente de détection.
Texte anonymisé
En attente de détection.
Image en entrée
OCR local et étiquetage PII — directement dans votre navigateur.
Résultat
0Choisissez une image de démo ou téléversez la vôtre.
Debug OCR
100% local L'inférence se fait dans votre navigateur. Aucun texte n'est envoyé.
Modèle ouvert Basé sur les poids publics openai/privacy-filter.
WebGPU + WASM Accélération matérielle quand disponible, repli sur WASM sinon.
Gratuit pour toujours Sans inscription, sans quota, sans tracking — collez et c'est parti.
Comment fonctionne Privacy Filter
- Chargez le modèle dans votre navigateur
Les poids openai/privacy-filter sont téléchargés une seule fois depuis Hugging Face puis mis en cache.
- Classification de tokens en local
Transformers.js exécute le modèle sur WebGPU quand c'est possible, avec WebAssembly en repli.
- Vérifiez et copiez
Inspectez les entités surlignées, copiez le texte anonymisé ou collez du nouveau contenu — rien ne quitte votre appareil.
Types d'entités pris en charge
Le modèle produit 8 catégories de segments privés (étiquetage BIOES au niveau du token).
E-mail
private_email Adresses e-mail personnelles.
Téléphone
private_phone Numéros de téléphone personnels.
Adresse
private_address Adresses postales ou résidentielles.
Numéro de compte
account_number Identifiants de comptes financiers ou de services.
Date
private_date Dates personnelles comme les anniversaires.
URL
private_url URL ou adresses web personnelles.
Secret
secret Identifiants, jetons, clés API et autres secrets.
Cas d'usage
Faites un nettoyage rapide avant de coller dans ChatGPT, Claude, Gemini ou tout autre chatbot — supprimez les données personnelles en une passe.
Retirez les données client des tickets de support, logs d'erreur et rapports de bug avant partage.
Masquez noms, adresses et numéros de compte avant d'envoyer captures ou extraits de texte.
Repérez les clés API et jetons oubliés dans la documentation, README ou conversations.
Questions fréquentes
Mon texte est-il envoyé sur un serveur ? +
Non. L'inférence s'exécute entièrement dans votre navigateur via Transformers.js. Après le téléchargement initial du modèle depuis Hugging Face, votre texte ne quitte plus l'appareil.
Quels types d'informations personnelles sont détectés ? +
Noms, e-mails, téléphones, adresses, numéros de compte, dates, URL et secrets comme les clés API ou jetons.
Quels navigateurs sont pris en charge ? +
Chrome et Edge avec WebGPU offrent les meilleures performances. Les autres navigateurs modernes basculent automatiquement sur WebAssembly.
Pourquoi la première détection est-elle lente ? +
Le premier lancement télécharge les poids openai/privacy-filter. Les exécutions suivantes utilisent le cache du navigateur et sont nettement plus rapides.
Privacy Filter est-il gratuit ? +
Oui. La page est gratuite et le modèle openai/privacy-filter est publié en poids ouverts sur Hugging Face.
Peut-il remplacer un système de masquage par regex ? +
Pour du texte en langue naturelle, un modèle contextuel attrape des entités que les regex laissent passer (noms multilingues, adresses libres). Combiner les deux donne la meilleure couverture.