OCR en ligne : est-ce confidentiel ? Ce que deviennent vos images
Où va votre image quand vous utilisez un OCR en ligne, les questions à poser à une politique de confidentialité, et une façon simple de vérifier vous-même le traitement sur l'appareil.
Mis à jour le
Les images que l’on passe à l’OCR sont souvent privées : cartes d’identité, relevés bancaires, courriers médicaux, contrats, captures d’écran de conversations personnelles. Savoir si un outil en ligne est « confidentiel » revient à se poser deux questions. Où l’image est-elle lue ? Et que deviennent ensuite l’image et le texte ?
Ce guide ne juge aucun service en particulier. Beaucoup traitent les fichiers avec soin. C’est une méthode pour le vérifier vous-même, afin de choisir le bon outil pour chaque document.
Ce qui se passe généralement quand vous envoyez une image
Les outils d’OCR en ligne fonctionnent de l’une de ces deux façons, et certains combinent les deux.
Le traitement sur serveur
La plupart des outils en ligne envoient votre image sur leurs serveurs pour la lire. Votre navigateur transfère le fichier, généralement par une connexion HTTPS chiffrée, le serveur fait tourner l’OCR, et le texte revient sur la page. En chemin :
- Le fichier existe sur au moins un serveur, et peut être écrit sur un disque le temps d’attendre son tour dans une file de traitement.
- Les journaux du serveur enregistrent généralement des détails sur chaque requête, comme l’heure, l’adresse IP et la taille du fichier, parfois davantage.
- Les sauvegardes peuvent en garder des copies pendant un certain temps, même après la suppression de la copie principale.
- Le service peut transmettre l’image à d’autres entreprises sur lesquelles il s’appuie, comme un hébergeur cloud ou un service tiers d’OCR ou d’IA, chacune avec ses propres conditions.
- Le personnel peut avoir accès aux fichiers pour l’assistance ou le débogage.
- Selon la politique, les fichiers ou le texte extrait peuvent servir à améliorer le service, ce qui peut inclure l’entraînement de modèles.
Rien de tout cela n’est automatiquement un problème. Un service peut supprimer les fichiers rapidement, restreindre les accès et ne jamais s’en servir pour l’entraînement. Le fait est que vous comptez sur sa politique, et sur des pratiques conformes à cette politique.
Le traitement sur l’appareil
Certains outils téléchargent le moteur d’OCR dans votre navigateur et lisent l’image sur votre propre appareil. L’image n’est jamais envoyée au service : les questions de conservation, de journaux et d’entraînement ne la concernent tout simplement pas.
Les fonctions intégrées varient aussi
Les fonctions d’OCR des systèmes d’exploitation ne se valent pas sur ce point. Apple présente Texte en direct comme une fonction qui s’exécute sur l’appareil, et Microsoft indique que la reconnaissance de texte de l’Outil Capture d’écran fonctionne en local. La page d’aide de Google sur la fonction de capture de texte (Text capture) des Chromebook Plus précise que la zone sélectionnée est envoyée aux serveurs de Google. La documentation de chaque fonction est l’endroit où vérifier. Le guide sur les captures d’écran explique comment les utiliser.
Ce qu’il faut vérifier dans une politique de confidentialité
Lisez la politique en gardant ces questions en tête.
- Où l’image est-elle traitée ? Cherchez des formules comme « envoyé sur nos serveurs », « traité dans votre navigateur » ou « sur votre appareil ». Un flou sur ce point est déjà une réponse.
- Combien de temps est-elle conservée ? Un délai précis, comme « supprimée au bout d’une heure », veut dire bien plus que « aussi longtemps que nécessaire ». Vérifiez si ce délai couvre aussi les sauvegardes et les journaux.
- Sert-elle à l’entraînement ou à « améliorer nos services » ? Si c’est le cas, voyez si vous pouvez vous y opposer, et si ce refus couvre aussi les fichiers déjà envoyés.
- Qui d’autre la traite ? Cherchez une liste de sous-traitants ou de tiers, comme les hébergeurs, les prestataires d’OCR ou d’IA et les outils de mesure d’audience.
- Et le texte extrait ? Certaines politiques parlent des fichiers envoyés, mais ne disent rien du texte qui en est tiré.
- Où sont les serveurs ? Le pays où les données sont traitées influe sur les lois qui s’y appliquent. Si les serveurs sont hors de l’Union européenne, regardez comment la politique encadre ces transferts au regard du RGPD.
- L’historique est-il enregistré dans un compte ? Les résultats sauvegardés et liés à un compte restent sur un serveur jusqu’à ce que vous les supprimiez.
- Qui d’autre est présent sur la page ? Les régies publicitaires et les scripts de mesure d’audience présents sur une page reçoivent des informations sur votre visite. Ils ne reçoivent normalement pas votre image, mais mieux vaut les connaître.
- La politique est-elle précise et à jour ? Une politique datée et détaillée est meilleur signe qu’un modèle générique.
N’oubliez pas qu’une politique de confidentialité est une déclaration d’intention, pas une preuve. Avec un outil qui fonctionne sur l’appareil, vous pouvez vérifier l’affirmation vous-même.
Ce qui change avec le traitement sur l’appareil
Quand l’OCR tourne dans votre navigateur, la confidentialité de l’image ne dépend ni des serveurs, ni du personnel, ni du calendrier de conservation de qui que ce soit d’autre. Il y a des contreparties : la première visite télécharge le moteur et les données de langue, et la vitesse de lecture dépend de votre appareil, si bien qu’un téléphone ancien prend plus de temps.
Votre appareil compte toujours. Les résultats peuvent se retrouver à des endroits que vous maîtrisez mais que vous pourriez oublier : le stockage du navigateur si vous activez une fonction d’historique, votre dossier Téléchargements et votre presse-papiers. L’historique du presse-papiers de Windows (Windows+V) et la synchronisation du presse-papiers entre appareils peuvent garder des copies de ce que vous avez copié.
Comment vérifier par vous-même
Surveillez l’onglet Réseau
Les navigateurs intègrent des outils de développement qui montrent chaque requête effectuée par une page. Nul besoin d’être développeur pour s’en servir.
- Ouvrez l’outil dans un navigateur d’ordinateur. Dans Safari, activez d’abord les fonctionnalités pour les développeurs web dans les réglages Avancés de Safari.
- Ouvrez les outils de développement : F12 ou Ctrl+Shift+I sous Windows et Linux, ⌘+Option+I sur Mac.
- Sélectionnez l’onglet Réseau, videz la liste et activez l’option de conservation du journal si elle existe (« Conserver le journal » dans Chrome).
- Ajoutez une image et laissez l’outil la lire.
- Regardez les requêtes qui apparaissent. Un envoi se présente généralement comme une requête POST ou PUT dont la taille est proche de celle de votre fichier image. Trier par taille permet de repérer facilement les grosses requêtes sortantes.
Avec un outil qui fonctionne sur l’appareil, vous verrez peut-être le moteur et les fichiers de langue se télécharger à la première utilisation, et éventuellement de petites requêtes de mesure d’audience, mais rien de la taille de votre image qui part. Laissez le panneau ouvert une minute après la lecture, et vérifiez tous les types de requêtes, car des données peuvent aussi être envoyées par morceaux ou par une connexion WebSocket.
Essayez hors ligne
Chargez la page et lisez une image, pour que le moteur et les données de langue soient mis en cache. Coupez ensuite le Wi-Fi ou activez le mode Avion, et lisez-en une autre. Si cela fonctionne encore, la lecture a bien lieu sur votre appareil.
Le test hors ligne est rapide, mais il ne suffit pas à lui seul, car une page pourrait stocker une image et l’envoyer plus tard. L’onglet Réseau reste la vérification la plus solide.
Image to Text App fait tourner son OCR sur votre appareil exactement de cette façon, et vous êtes invité à le vérifier avec les deux tests. Deux fonctions facultatives font exception. La Lecture améliorée, là où elle est proposée, envoie dans le cloud la seule page que vous choisissez de faire lire, et vous demande d’abord confirmation. L’ajout d’une image par son adresse web peut faire transiter cette image publique par le serveur d’Image to Text App lorsque l’autre site bloque le téléchargement direct. Ni l’une ni l’autre ne conserve quoi que ce soit. Les détails sont sur sa page de confidentialité.
Conseils pour les documents sensibles
- Privilégiez le traitement sur l’appareil pour les pièces d’identité, les dossiers médicaux, les relevés financiers et les documents juridiques.
- Retirez ce dont vous n’avez pas besoin. Si vous ne voulez que l’adresse d’un courrier, recadrez pour exclure le numéro de compte. Avec un outil qui fonctionne sur serveur, recadrez avant l’envoi, car le recadrage dans l’outil a lieu après l’envoi.
- Évitez les ordinateurs partagés et publics. Si vous devez en utiliser un, laissez toute fonction d’historique désactivée, fermez l’onglet quand vous avez terminé et supprimez les fichiers téléchargés.
- Effacez l’historique de votre presse-papiers après avoir copié un texte sensible, surtout s’il se synchronise entre vos appareils.
- Réfléchissez avant de partager les résultats. Un lien qui place le texte dans la partie de l’adresse située après le # n’est pas envoyé au serveur du site quand quelqu’un l’ouvre. Mais toute personne qui a le lien peut lire le texte, et les messageries conservent les liens que vous envoyez. Traitez le lien comme le document lui-même.
- Vérifiez vos extensions de navigateur. Les extensions qui ont accès à tous les sites peuvent lire le contenu des pages que vous visitez. Pour les documents très sensibles, utilisez un profil de navigateur sans extensions, ou une fenêtre de navigation privée, où la plupart des navigateurs désactivent les extensions sauf si vous les y avez autorisées.
C’est avec les documents papier numérisés que ces questions se posent le plus souvent. Pour traiter vos scans et vos PDF, consultez la page PDF en texte.