La donnée personnelle se retire avant l’envoi

Le National Design Studio publie Rampart, un outil open source de 14,7 Mo qui masque 98,42 % des données personnelles en local avant leur envoi vers les IA.

Avec Rampart, le National Design Studio, structure rattachée à la Maison Blanche et chargée de moderniser les services numériques fédéraux américains, publie un système open source de masquage local pensé pour les chatbots et formulaires IA.

Le principe : détecter les informations personnelles directement dans le navigateur, puis les remplacer par des marqueurs stables avant qu’un message ne parte vers un serveur ou un fournisseur de modèle. La brique repose sur un petit modèle ONNX de 14,7 Mo, dérivé de MiniLM, associé à une couche de règles déterministes pour les éléments structurés comme les emails, cartes bancaires, adresses IP ou numéros de sécurité sociale US. National Design Studio revendique 98,42 % de rappel sur un jeu OpenPII couvrant sept langues latines, avec une latence médiane annoncée à 3,9 ms en WebGPU. La fiche technique reste toutefois prudente : les écritures non latines, certains identifiants gouvernementaux et les tentatives de contournement restent des points faibles documentés.

Rampart ressemble donc moins à une garantie de confidentialité totale qu’à une première barrière côté client, utile pour éviter que des données sensibles ne quittent trop vite l’appareil.