Anonymisation des données : définition

L’anonymisation des données permet de transformer des données personnelles en données qui ne permettent plus d’identifier une personne, selon les conditions applicables. Mais supprimer un nom ne suffit pas toujours.

Une date de naissance, une localisation, une profession ou un historique peuvent permettre une identification indirecte. Le risque augmente encore lorsque plusieurs sources de données peuvent être croisées.

L’anonymisation dans les textes

Le RGPD distingue les données personnelles des informations anonymes. Son considérant 26 précise que les principes de protection des données ne s’appliquent pas aux informations anonymes, c’est-à-dire aux informations qui ne concernent pas une personne identifiée ou identifiable. Il précise aussi qu’il faut tenir compte des moyens raisonnablement susceptibles d’être utilisés pour identifier une personne.

En juillet 2026, le CEPD (Comité européen de protection des données) a adopté ses lignes directrices 02/2026 sur l’anonymisation. Elles proposent un cadre pratique actualisé et présentent notamment deux approches d’évaluation : une approche contextuelle et une approche simplifiée. Ces lignes directrices sont actuellement soumises à consultation publique.

Voyons comment appliquer ces principes concrètement.

1. Anonymisation des données : de quoi parle-t-on ?

L’anonymisation des données vise à faire en sorte qu’une personne ne soit plus identifiable à partir du jeu de données concerné.

La CNIL définit l’anonymisation comme un traitement qui utilise un ensemble de techniques pour rendre l’identification impossible en pratique, et ce, de manière irréversible.

Cette notion doit être distinguée de la pseudonymisation.

Anonymisation des données et pseudonymisation : quelle différence ?

La pseudonymisation consiste notamment à remplacer des données directement identifiantes par un code, un alias ou un identifiant.

Exemple :

Le nom disparaît comme tout autre identifiant direct (l’email, par exemple).

Mais l’identifiant permet toujours de distinguer Jean Dupont des autres personnes. Une information supplémentaire peut aussi permettre de retrouver son identité.

Les données pseudonymisées restent donc des données personnelles dans les conditions prévues par le RGPD. La CNIL rappelle clairement cette différence.

Exemple :

Une entreprise remplace tous les noms de ses salariés par un numéro.

Elle obtient :

• SALARIE-001
• SALARIE-002
• SALARIE-003

Elle n’a plus les noms dans le fichier d’analyse. Mais si un autre fichier permet de faire la correspondance entre le numéro et le salarié, l’identification reste possible.

Ce n’est donc pas, à lui seul, un procédé d’anonymisation.

2. Pourquoi réaliser une anonymisation des données ?

Le RGPD n’impose pas une obligation générale d’anonymiser toutes les données personnelles.

La CNIL présente l’anonymisation comme l’une des solutions permettant de réutiliser ou de partager certaines données sans conserver leur caractère personnel, lorsque l’anonymisation est effectivement réalisée.

Elle peut notamment être pertinente dans des projets :

• d’analyse statistique ;
• de recherche ;
• d’open data ;
• d’exploitation de données historiques ;
• de pilotage d’activité ;
• de partage de jeux de données ;
• de développement ou de test ;
• d’analyse de tendances.

Mais un objectif d’anonymisation ne suffit pas.

Il faut démontrer que le résultat obtenu résiste aux possibilités raisonnablement envisageables de réidentification.

3. Anonymisation des données : ce que dit réellement le RGPD

Le RGPD définit les données à caractère personnel comme des informations concernant une personne physique identifiée ou identifiable.

L’identification peut être directe, par exemple : nom + prénom + adresse

Mais elle peut aussi être indirecte, comme pour : date de naissance + commune + profession + événement particulier.

Le considérant 26 du RGPD demande de tenir compte de l’ensemble des moyens raisonnablement susceptibles d’être utilisés pour identifier une personne. Il invite donc à considérer les coûts d’une telle identification, le temps nécessaire, les technologies disponibles et leur évolution.

Si l’identification est possible, même indirectement, la donnée n’est pas anonymisée.

C’est un point essentiel. Il ne suffit pas, pour anonymiser, que l’identification ne soit pas immédiate. Une information reste une donnée personnelle si d’autres informations raisonnablement accessibles permettent de parvenir à l’identification de la personne concernée.

La CJUE a rappelé cette logique dans l’arrêt EDPS v SRB, C-413/23 P, rendu le 4 septembre 2025. La Cour a notamment examiné la notion de données personnelles dans le contexte de données pseudonymisées transmises à un tiers. 

4. Anonymisation des données : les 3 critères du CEPD

Les nouvelles lignes directrices 02/2026 du CEPD actualisent le cadre d’analyse de l’anonymisation.

Elles proposent une approche simplifiée fondée sur trois critères :

1. absence d’isolement d’un enregistrement (No Record Isolation) → impossible d’isoler un individu dans le jeu de données.
2. absence de couplage (No Linkage) → impossible de relier différents enregistrements ou sources à la même personne.
3. absence de déduction (No Inference) → impossible de déduire, avec un niveau de certitude élevé, une information sur une personne.

Le CEPD précise que ces critères servent à tester l’efficacité des techniques de réidentification possibles. Si les trois critères sont satisfaits, les données peuvent être considérées comme anonymes selon le cadre présenté. Si un critère n’est pas satisfait, une analyse complémentaire peut être nécessaire.

Attention : ces trois critères ne sont pas trois articles du RGPD. Il s’agit du cadre technique présenté par le CEPD dans ses lignes directrices 02/2026. Ces lignes directrices ont été adoptées le 7 juillet 2026 pour consultation publique.

4.1 Anonymisation des données : l’absence d’isolement

La première question consiste à déterminer si l’on peut isoler un individu dans le jeu de données.

Prenons une base contenant :

Le nom n’apparaît plus.

Pourtant, l’âge de 101 ans peut constituer une donnée permettant l’identification de la personne dans ce contexte.

La suppression du nom n’a donc pas nécessairement supprimé le risque.

Le CEPD souligne que les données présentant une forte granularité et une forte dimensionnalité peuvent être davantage exposées aux techniques de réidentification.

4.2 Anonymisation des données : l’absence de couplage

Le deuxième critère concerne la possibilité de relier plusieurs informations.

Imaginez un fichier :

Pris seul, cet enregistrement semble peu parlant.

Mais une autre source contient : Mme Dupont a réalisé à Brest un achat de 1 250 € en 2025.

Le croisement de ces deux sources peut alors réduire fortement l’incertitude.

C’est le principe du recoupement des données.

La CNIL rappelle déjà que l’analyse doit prendre en compte les autres sources de données susceptibles de lever l’anonymat.

4.3 Anonymisation des données : l’absence de déduction

Le troisième critère concerne la possibilité de déduire une information sur une personne.

Par exemple, une entreprise publie qu’un groupe de salariés a suivi une formation particulière. Ce groupe est très petit.

Si une autre information permet de connaître les personnes qui composent ce groupe, la publication peut révéler une caractéristique qui n’était pas directement affichée.

L’enjeu n’est donc pas seulement : « Peut-on retrouver le nom ? »

Il faut aussi se demander : « Que peut-on déduire sur une personne à partir des informations disponibles ? »

Le CEPD intègre explicitement cette question dans son cadre d’évaluation.

5. Anonymisation des données : une méthode en 6 étapes

Une bonne méthode d’anonymisation des données commence avant la transformation technique.

5.1 Anonymisation des données : cartographier le jeu de données

Commencez par identifier :

• les données concernées ;
• leur origine ;
• leur finalité ;
• les personnes concernées ;
• les utilisateurs du futur jeu de données ;
• les destinataires ;
• les autres sources susceptibles d’être croisées ;
• le niveau de précision nécessaire.

Cette étape permet de comprendre ce que vous cherchez réellement à anonymiser.

Elle permet aussi de définir pour qui les données doivent être anonymes.

Le CEPD insiste sur cette notion de perspective. L’anonymisation peut être appréciée différemment selon les capacités de l’entité qui reçoit ou exploite les données.

5.2 Identifier les identifiants directs et indirects

Les identifiants directs sont les plus faciles à repérer :

• nom ;
• prénom ;
• adresse e-mail ;
• numéro de téléphone ;
• numéro de client ;
• numéro de dossier ;
• plaque d’immatriculation.

Les identifiants indirects demandent davantage d’analyse :

• âge précis ;
• date de naissance ;
• adresse précise ;
• localisation ;
• profession rare ;
• dates précises ;
• événements rares ;
• combinaisons de caractéristiques.

La difficulté se trouve souvent dans ces données indirectes.

5.3 Évaluer les possibilités de réidentification

Il faut ensuite chercher comment une personne pourrait être identifiée.

Posez-vous ces questions :

• Peut-on isoler un individu ?
• Peut-on relier plusieurs enregistrements ?
• Peut-on croiser le fichier avec une autre source ?
• Peut-on déduire une information sensible ou distinctive ?
• Qui pourrait avoir accès à ces données ou à des données complémentaires ?

Le CEPD recommande d’examiner les propriétés du jeu de données, son contexte, les informations complémentaires disponibles, les coûts et le temps nécessaires à l’identification, ainsi que les technologies disponibles pour ce faire.

5.4 Choisir les transformations adaptées

Il n’existe pas une technique universelle.

Selon l’objectif, on peut notamment utiliser :

• la suppression ;
• l’agrégation ;
• la généralisation ;
• la réduction de précision ;
• la randomisation ;
• l’ajout de bruit ;
• certaines techniques statistiques comme le k-anonymat ou la confidentialité différentielle.

La CNIL rappelle que le choix dépend de la finalité poursuivie et des caractéristiques du traitement.

Exemple : généraliser une date de naissance

• Avant : 12/05/1985
• Après : 40–49 ans

On perd de la précision. Mais on réduit aussi la capacité à distinguer une personne.

5.5 Tester le résultat

C’est une étape souvent oubliée.

Il ne suffit pas d’appliquer une technique. Il faut ensuite essayer de réidentifier les personnes.

Autrement dit : une anonymisation sérieuse doit être testée contre les méthodes de réidentification pertinentes.

Le CEPD indique que l’analyse technique doit tenir compte de l’état de l’art des techniques de réidentification et qu’une analyse au cas par cas peut être nécessaire. Concernant l’état de l’art, ne pas oublier qu’il faut désormais prendre en considération l’IA et des dispositifs tels que les outils de web scraping.

5.6 Documenter l’anonymisation des données

Conservez une trace :

• du jeu de données initial (champ, exemple de données fictives ­– mais pas de données réelles !) ;
• de la finalité ;
• des transformations réalisées ;
• des critères retenus ;
• des risques identifiés ;
• des tests réalisés ;
• des résultats ;
• des limites de l’analyse ;
• de la date de l’évaluation.

Les lignes directrices 02/2026 du CEPD indiquent que la documentation du processus d’anonymisation et des tests permet de démontrer la conformité du processus et son efficacité.

6. Anonymisation des données : exemples avant/après

Les exemples ci-dessous sont volontairement simplifiés. Ils illustrent une logique de transformation. Ils ne permettent pas, à eux seuls, de conclure qu’un jeu de données est réellement anonymisé.

Exemple 1 : fichier clients

Avant :

Après :

On a supprimé les identifiants directs (nom). On a aussi réduit la précision de certaines données.

Mais il faut encore tester les risques d’isolement, de couplage et de déduction.

Exemple 2 : données RH

Avant :

Si le poste est occupé par une seule personne dans l’entreprise, le nom peut être retiré sans supprimer la possibilité de distinguer cette personne.

Après

Le niveau de précision diminue. Le risque d’identification peut également diminuer.

Mais, là encore, l’anonymisation des données ne peut pas être déclarée sur la seule base de cette transformation.

7. Les erreurs fréquentes en anonymisation des données

Erreur n°1 : supprimer uniquement le nom et/ou l’email

C’est l’erreur la plus courante.

Supprimer : Jean Dupont et jean.dupont@gmail.com ne suffit pas nécessairement si les autres colonnes permettent d’identifier Jean Dupont.

Le remplacement des noms et prénoms par un numéro unique dans une base de CV permet encore d’individualiser la personne et relève de la pseudonymisation et non de l’anonymisation (exemple cité par la CNIL).

Erreur n°2 : remplacer le nom et/ou l’email par un code identifiant

Jean Dupont, jean.dupont@gmail.com → ID-45872

Ce traitement peut être utile pour sécuriser un traitement.

Mais il ne constitue pas automatiquement une anonymisation.

Pseudonymiser n’est pas anonymiser.

Erreur n°3 : supprimer quelques colonnes sans étudier les recoupements

Retirer le nom, l’adresse et l’e-mail peut donner une impression de sécurité.

Mais conserver une date précise, une localisation précise, une profession rare (comme DG, DRH, DPO, etc.), ou un événement particulier, peut maintenir le risque de réidentification.

Erreur n°4 : regarder uniquement le fichier

Un jeu de données ne doit pas être analysé isolément.

Il faut aussi examiner les informations complémentaires qui pourraient être raisonnablement utilisées pour identifier les personnes.

Le RGPD et les orientations européennes invitent à tenir compte des moyens raisonnablement susceptibles d’être utilisés.

Erreur n°5 : considérer l’anonymisation comme définitive

Le risque évolue. De nouvelles bases deviennent disponibles. Les techniques progressent. Les capacités de calcul évoluent.

La CNIL recommande donc une veille régulière afin de préserver le caractère anonyme des données.

Le CEPD indique également qu’une réévaluation périodique constitue une bonne pratique pour les données anonymisées. Des données qui pouvaient être considérées comme anonymes il y a quelques années peuvent ne plus l’être actuellement, notamment avec l’usage d’outils IA ou de web scraping.

8. Anonymisation des données et IA : pourquoi le sujet devient stratégique ?

L’intelligence artificielle augmente l’intérêt des entreprises pour les jeux de données.

Elle augmente aussi l’importance de leur qualité et de leur disponibilité.

Mais avant de transmettre un jeu de données à un outil d’analyse, il faut savoir exactement ce qu’il contient.

Une base dans laquelle les noms ont été remplacés par des identifiants n’est pas nécessairement anonyme.

Une base qui ne contient plus de nom peut encore contenir des données personnelles.

La question doit donc rester la même :

Une personne peut-elle encore être identifiée, isolée, ou faire l’objet d’une déduction à partir des données disponibles et des moyens raisonnablement susceptibles d’être utilisés ?

Les nouvelles lignes directrices du CEPD ont précisément été élaborées dans un contexte marqué par l’évolution technologique, l’IA et le développement de nouveaux espaces de données.

9. Anonymisation des données : quelle checklist utiliser ?

Avant de considérer un jeu de données comme anonymisé, vérifiez au minimum :

Identification

• Les noms et autres identifiants directs ont-ils été traités ?
• Existe-t-il des identifiants indirects ?
• Certaines valeurs sont-elles particulièrement rares ?

Recoupement

• Existe-t-il d’autres bases permettant un rapprochement ?
• Des données publiques permettent-elles un croisement ?
• Les destinataires disposent-ils d’informations complémentaires ?

Isolement

• Peut-on distinguer une personne dans le jeu de données ?
• Certains enregistrements sont-ils uniques ou presque uniques ?

Déduction

• Peut-on déduire une caractéristique concernant une personne ?
• Le croisement de plusieurs variables permet-il d’obtenir une information nouvelle ?

Méthode

• Les transformations sont-elles adaptées à la finalité ?
• La perte de précision reste-t-elle acceptable ?
• Les tests de réidentification ont-ils été réalisés ?

Documentation

• Les choix sont-ils documentés ?
• La date de l’évaluation est-elle connue ?
• Une réévaluation est-elle prévue ?

Cette checklist ne remplace pas une analyse juridique et technique. Elle constitue un point de départ opérationnel.

10. FAQ sur l’anonymisation des données

Conclusion : l’anonymisation des données est une démarche, pas un simple effacement

Anonymiser des données ne consiste pas à effacer un nom.

• Il faut analyser ce qui reste.
• Il faut regarder les croisements possibles.
• Il faut tester les possibilités de réidentification.
• Il faut documenter les choix.
• Et il faut accepter qu’une anonymisation puisse nécessiter de réduire la précision ou l’utilité du jeu de données.

Le cadre européen évolue lui aussi. Les lignes directrices 02/2026 du CEPD apportent une grille d’analyse actualisée autour de l’absence d’isolement, de couplage et de déduction. Elles sont toutefois, à la date de rédaction de cet article, ouvertes à consultation publique jusqu’au 30 octobre 2026.

Pour une entreprise, l’enjeu est donc double : protéger les personnes et conserver autant que possible la valeur des données.

C’est précisément ce qui rend l’anonymisation des données à la fois technique, juridique et stratégique.

Chez DMOuvrard, nous accompagnons les organisations dans leur démarche de conformité RGPD avec une approche pragmatique et pédagogique. L’objectif est simple : transformer les exigences du RGPD en actions concrètes et applicables.

Vous avez un jeu de données que vous souhaitez anonymiser ou réutiliser ?
Contactez DMOuvrard ou prenez rendez-vous sur https://meet.brevo.com/mickael-ouvrard/diagnostic-flash pour échanger sur votre situation.

Si vous souhaitez en savoir plus, découvrez également ici l’ensemble de nos services et l’ensemble de nos formations.

DMOuvrard, l’atout des petites structures !

Sources de référence