piishade

PIIShade Tout ce que le modèle sait faire, rien de ce qu'il n'a pas à savoir.

PIIShade remplace les données confidentielles de vos prompts par des jetons avant qu'elles n'atteignent le modèle, puis restitue les vraies valeurs dans la réponse. Détecteurs au choix (regex, NER ou LLM), et des proxys compatibles OpenAI et Anthropic avec le serveur piighost-api.

Démarrer Lire la documentation

Se branche sur

  • LangChain
  • Pydantic AI
  • LlamaIndex
agent.py pipeline.py
from langchain.agents import create_agentfrom piighost.integrations.langchain import PIIAnonymizationMiddleware middleware = PIIAnonymizationMiddleware(pipeline=pipeline) agent = create_agent(    model="openai:gpt-5.6",    tools=[send_email],    middleware=[middleware],)# le modèle ne voit que des jetons ; send_email reçoit les vraies valeurs

Le problème

Vous ne devriez pas avoir à choisir entre de bons modèles et la confidentialité

  • Modèle hébergé

    Qualité
    oui, La meilleure
    Données exposées
    non, Toutes
    Contrainte
    oui, Aucune
    Gains
    oui, Oui

  • Modèle local

    Qualité
    non, Dégradée
    Données exposées
    oui, Aucune
    Contrainte
    non, GPU et exploitation
    Gains
    en partie, Partiels

  • Interdire

    Qualité
    non, Aucune
    Données exposées
    oui, Aucune
    Contrainte
    oui, Rien
    Gains
    non, Aucun, et contourné

  • PIIShade

    Qualité
    oui, La meilleure
    Données exposées
    oui, Aucune
    Contrainte
    en partie, Une infra CPU
    Gains
    oui, Oui

Une limite à connaître. PIIShade fait de la pseudonymisation au sens du RGPD, pas de l'anonymisation : les correspondances entre valeurs et jetons sont conservées chez vous le temps de la conversation, et se protègent comme des données personnelles.

Pourquoi PIIShade

Plus qu'un détecteur de PII

Les détecteurs regex et NER savent repérer les données confidentielles. Dé-identifier un échange avec un LLM demande en plus de les remplacer, de les suivre d'un message à l'autre et de les restituer. PIIShade orchestre tout cela pour vous.

Des détecteurs composables

Regex, NER ou LLM, dans un même pipeline. Vous gardez celui en qui vous avez confiance.

Des jetons qui reviennent seuls

Le modèle lit <<PERSON:1>>, votre utilisateur et vos outils lisent le vrai nom.

Le même jeton tout au long

Une valeur garde son jeton d'un message à l'autre, et le modèle ne perd pas le fil.

Un fichier, votre infrastructure

Tout le pipeline tient dans un TOML, validé en ligne de commande, exécuté chez vous.

Détecteurs pris en charge

  • Regex
  • GLiNER2
  • spaCy
  • Transformers
  • Presidio

Fonctionnement

Une couche entre votre agent et le modèle

  1. Utilisateur → piishade

    Envoie le dossier #ACME-9123 à marie.lambert@acme.com

  2. piishade → Modèle

    Envoie le dossier <<ID:1>> à <<EMAIL:1>>

  3. Modèle → piishade

    send_email(to=<<EMAIL:1>>)

  4. piishade → Outils

    send_email(to=marie.lambert@acme.com)

  5. Outils → piishade

    E-mail envoyé à marie.lambert@acme.com

  6. piishade → Modèle

    E-mail envoyé à <<EMAIL:1>>

  7. Modèle → piishade

    Le dossier <<ID:1>> a été envoyé à <<EMAIL:1>>.

  8. piishade → Utilisateur

    Le dossier #ACME-9123 a été envoyé à marie.lambert@acme.com.

La colonne du modèle ne contient que des jetons. Même ce que renvoient les outils est dé-identifié avant que le modèle ne le lise.

L'écosystème

Une couche de confidentialité, plusieurs projets

Commencez par la bibliothèque. Passez au serveur quand plusieurs services partagent un pipeline, et voyez l'ensemble à l'œuvre dans la démo de chat et le relecteur de CV.

piighost

La bibliothèque centrale. Construisez des pipelines de dé-identification pour vos agents IA.

En savoir plus

piighost-api

Un serveur REST qui héberge un pipeline PIIShade derrière HTTP.

En savoir plus

piighost-chat

Un chatbot de démonstration qui dé-identifie les messages avant que le LLM ne les voie.

En savoir plus

piighost-proofreader

Un relecteur de CV par LLM qui dé-identifie les documents avant tout appel au LLM.

En savoir plus

Démarrage rapide

Branchez-le sur votre framework d'agent

Ajoutez PIIShade au framework que vous utilisez déjà. Votre code d'agent reste le même.

uv add 'piighost[langchain,gliner2]' 
from langchain.agents import create_agent from piighost.components.detector.ner import Gliner2Detectorfrom piighost.pipeline import ThreadAnonymizationPipelinefrom piighost.integrations.langchain import PIIAnonymizationMiddleware # N'importe quel détecteur convient : regex, NER ou LLM.detector = Gliner2Detector("fastino/gliner2-multi-v1", labels=["PERSON", "LOCATION"])pipeline = ThreadAnonymizationPipeline(detector)middleware = PIIAnonymizationMiddleware(pipeline=pipeline) agent = create_agent(    model="openai:gpt-5.6-terra",    tools=[lookup_city],    middleware=[middleware],) # Le modèle ne voit que <<PERSON:1>>, lookup_city reçoit « Patrick ».
Ajouté par PIIShade Le reste est votre agent, inchangé

FAQ

Questions fréquentes

Une question qui n'est pas ici ? La communauté et la documentation répondent.

Pourquoi dé-identifier plutôt qu'héberger le modèle soi-même ?
L'auto-hébergement protège le mieux, mais la facture GPU, la sécurité et les mises à jour sont pour vous, et le modèle est souvent moins bon. Avec PIIShade, vous gardez les meilleurs modèles et seuls des jetons comme <<PERSON:1>> sortent de chez vous. C'est une couche de défense, pas une solution miracle. La page Philosophie détaille le compromis.
De quoi ai-je besoin en production ?
La bibliothèque et un pipeline décrit en TOML, chargé par load_thread_pipeline pour une conversation (load_pipeline pour un texte isolé). pip install 'piighost[config]' suffit pour des regex ; ajoutez l'extra de votre détecteur (gliner2, spacy, transformers ou llm), et redis pour partager la mémoire entre processus. Plusieurs services ? Déployez piighost-api.
Puis-je utiliser PIIShade avec Claude Code ?
Oui, par ses hooks. Ils dé-identifient votre prompt et les sorties d'outils, et remettent les vraies valeurs dans les entrées d'outils. Ils s'appuient sur un serveur piighost-api, installé avec pip install 'piighost[client]'.
Quels frameworks sont pris en charge ?
LangChain, Pydantic AI et LlamaIndex, par un middleware, des hooks et un transformateur qui dé-identifie les nœuds. Pour tout autre client, les proxys compatibles OpenAI et Anthropic de piighost-api ne demandent qu'un changement de base_url.
PIIShade est-il conforme au RGPD ?
PIIShade fait de la pseudonymisation réversible au sens du RGPD : elle facilite la conformité sans remplacer votre analyse juridique. Les correspondances restent chez vous et se protègent comme des données personnelles.
Quelle différence entre anonymisation et dé-identification ?
L'anonymisation est irréversible : plus personne ne peut relier les données à une personne, et elles sortent du champ du RGPD. La dé-identification de PIIShade est réversible, pour que vos outils et vos utilisateurs retrouvent les vraies valeurs : au sens du RGPD, c'est une pseudonymisation. La correspondance entre valeurs et jetons reste chez vous, et se protège comme des données personnelles.
Qu'est-ce qui est réellement envoyé au modèle ?
Le texte dé-identifié seulement, où chaque valeur est devenue un jeton comme <<PERSON:1>>. La correspondance reste de votre côté le temps de la conversation, et PIIShade restaure les valeurs localement.

Tout ce que le modèle sait faire,
rien de ce qu'il n'a pas à savoir.

Livrez vos fonctionnalités d'IA sans donner les données confidentielles de vos clients. Installez PIIShade, branchez votre détecteur et gardez les données personnelles hors du modèle.

pip install piighost
Lire la documentation Mettre une étoile sur GitHub