Détection multicatégorie
E-mails, téléphones, cartes (contrôle de Luhn), adresses IP, IBAN et comptes bancaires, mots de passe, clés et JWT, adresses postales, dates de naissance, pièces d'identité, dictionnaire personnalisé et noms en contexte.
PARE-FEU DE CONFIDENTIALITÉ POUR LLM
Envoyez à l'IA
ce qu'elle a le droit de voir.
Veilforge détecte les données sensibles dans vos prompts, les remplace par des jetons réversibles, puis vous restitue la réponse de l'original. Les valeurs brutes restent sur votre machine.
Modèles et fournisseurs compatibles
OpenAI
Anthropic
Google Gemini
Mistral AI
Meta Llama
DeepSeek
Qwen
Perplexity
NVIDIA
Hugging Face
Ollama
LM Studio
OpenRouter
Amazon Bedrock
Microsoft Azure
IBM watsonx
DÉMONSTRATION
Un petit exemple, en dix secondes
Texte 100 % fictif. L'analyse s'exécute sur votre instance locale : aucun appel n'est envoyé à un modèle.
01Texte original
Visible par vousDonnées fictives destinées à la démonstration. Ctrl+Entrée pour lancer.
02Ce que l'IA recevra
Jetons locaux
En attente de lancement
Les données détectées apparaîtront ici sous forme de jetons réversibles.
03Restauration automatique
—La réponse revient chargée de jetons : Veilforge rétablit les valeurs d'origine, dans la même session.
ARCHITECTURE
Trois étapes, une seule frontière
Seul du contenu tokenisé franchit la frontière vers le fournisseur.
-
1
Vous écrivez
Votre prompt part vers Veilforge, jamais directement vers le modèle.
-
2
Veilforge masque
E-mails, téléphones, cartes, secrets… deviennent
[[EMAIL_001]], chiffrés dans un coffre de session. -
3
L'IA répond
La réponse revient avec les jetons : Veilforge restaure les valeurs d'origine avant de vous la rendre.
client → détecteur / coffre chiffré → fournisseur→fournisseur → coffre → client
CAPACITÉS
Ce que fait la passerelle
Jetons réversibles par session
Une même valeur reçoit toujours le même jeton dans une session, pour garder le contexte cohérent. Les correspondances sont chiffrées avec Fernet.
Compatible OpenAI
Pointez votre client existant sur /v1 : chat completions, y compris le streaming SSE démasqué à la volée.
Journal sans valeur brute
SQLite local chiffré, audit limité aux catégories, comptages et empreintes. Rétention et purge automatiques configurables.
Mode strict
Les formes de contenu non prises en charge et les pannes amont sont refusées plutôt que risquées en clair. Le diagnostic est audité.
Multilingue
Indices de détection en anglais, français, malgache, allemand et espagnol, sur une base de règles locale et vérifiable.
La détection par règles est une base fiable, pas une garantie de conformité. Ajoutez un détecteur NER local (spaCy/Presidio) via Detector pour un rappel plus élevé.
INTÉGRATION
Une ligne de configuration, aucun code à changer
Python · client OpenAI
from openai import OpenAI
client = OpenAI(
base_url="http://localhost:8787/v1",
api_key="local-dev-key",
)
client.chat.completions.create(
model="gpt-4o-mini",
messages=[{"role": "user",
"content": "Écris un mail à ana@example.com"}],
)Le même client OpenAI, seul le modèle change : VEILFORGE_UPSTREAM_URL doit pointer vers un amont compatible (par ex. OpenRouter) qui sert ces modèles.
Deux réglages suffisent
VEILFORGE_UPSTREAM_URL et VEILFORGE_UPSTREAM_API_KEY orientent la passerelle vers votre fournisseur.
Sans fournisseur, la passerelle renvoie un écho de développement, jamais présenté comme une réponse de modèle.
Testez sur vos propres données fictives
La démonstration fonctionne sans fournisseur, sans clé et sans envoi réseau vers un modèle.