LaPlume : un pipeline hybride de pseudonymisation des récits sociaux et médico-sociaux français. Conception, architecture et évaluation empirique

LaPlume est un pipeline de pseudonymisation NER hybride conçu pour les établissements et services sociaux et médico-sociaux (ESSMS) français. Il combine un modèle CamemBERT distillé (titibongbong v2, 11L→9L, 172 Mo FP16), un moteur de règles, des gazetteers sectoriels et une taxonomie à 101 catégories organisées selon une hiérarchie de criticité RGPD (CRIT, ELEV, MOY, FAIB, AUC). L'évaluation humaine sur 10 vrais rapports ESSMS complexes, avec protocole double aveugle et arbitrage complet (313 désaccords résolus), donne un F1 pondéré par criticité de 96,7 % (CRIT : 98,4 %, ELEV : 97,3 %). Une étude comparative exploratoire avec OpenAI Privacy Filter (OPF) documente une latence 3 à 11 fois plus faible pour LaPlume en CPU, un accord de 87–89 % sur les entités directes communes, et une absence de couverture sectorielle côté OPF que seul un pipeline spécialisé peut combler. Le modèle NER distillé et le corpus de distillation sont publiés sur Hugging Face (huggingface.co/jmdanto). Le pipeline complet (règles, gazetteers, resolver) demeure propriétaire. Cet article fait suite à un premier preprint (Danto, 2025, DOI : 10.5281/zenodo.17689395) présentant l'architecture initiale sous le nom ConfidensIA sur un corpus de 330 phrases.