Caviarder un PDF : pourquoi une barre noire ne suffit pas

Ce que la barre noire cache vraiment

Un PDF n'est pas une photo de la page. Le texte y est enregistré sous forme de caractères placés à des coordonnées précises, et le logiciel de lecture les dessine à l'écran. Quand on ajoute un rectangle noir par-dessus, que ce soit dans Word avant l'export ou dans un lecteur PDF avec un outil de dessin ou de commentaire, on ajoute une forme de plus, au-dessus. Les caractères en dessous restent là où ils étaient.

Le rectangle trompe l'œil, pas le fichier. Tout ce qui lit le texte plutôt que l'image le voit encore : la sélection à la souris, la recherche, le copier-coller, l'indexation par un moteur de recherche ou un logiciel de gestion documentaire, et la lecture vocale.

Cinq endroits où l'information survit

La couche de texte sous la barre est le cas le plus connu, mais pas le seul. Avant d'envoyer un document, il faut penser à cinq endroits.

1. Le texte sous la zone noire. C'est le cas décrit plus haut : le rectangle couvre, il ne retire rien.
2. Les propriétés du document. Titre, auteur, sujet, mots-clés : un PDF garde ces champs, souvent remplis automatiquement à partir du nom du fichier ou du dossier client. On les voit dans Fichier, puis Propriétés.
3. Les champs de formulaire. Dans un formulaire rempli, la valeur saisie est enregistrée dans le champ, à part du texte de la page. Un outil qui ne lit que le texte de la page ne la voit pas. Les formulaires ont leur propre article.
4. Les commentaires et annotations. Une note, un surlignage commenté ou une zone de texte ajoutée pendant la révision peuvent contenir le nom ou le numéro qu'on vient de masquer ailleurs.
5. Les versions précédentes. Le format PDF permet d'enregistrer une modification en l'ajoutant à la fin du fichier, sans réécrire ce qui précède (c'est l'« enregistrement incrémentiel » prévu par la norme). Selon l'outil, l'ancien contenu peut alors rester dans le fichier, invisible à l'écran mais récupérable.

Ce qu'est un caviardage réel

Caviarder, c'est retirer l'information du fichier, pas la couvrir. Deux approches le font vraiment.

• Supprimer le contenu sous la zone. Les outils de caviardage dédiés (par exemple celui d'Adobe Acrobat Pro) retirent le texte et les images situés sous la zone marquée, puis enregistrent un nouveau fichier. Il faut encore penser aux propriétés, aux formulaires et aux commentaires.
• Convertir la page en image. La page est dessinée en pixels, les zones sont peintes en noir dans l'image, puis la page d'origine est remplacée par cette image. Le texte d'origine n'existe plus dans le fichier. Contrepartie : le texte de ces pages n'est plus sélectionnable.

Dans les deux cas, la règle est la même : on ne se fie pas à l'écran. On vérifie le fichier obtenu.

Vérifier avant d'envoyer

1. Copier-coller le contenu de chaque page caviardée : aucun numéro ne doit réapparaître.
2. Rechercher (Ctrl + F) quelques chiffres de chaque numéro retiré.
3. Ouvrir les propriétés du document : titre, auteur et sujet ne doivent rien révéler.
4. Cliquer dans les zones qui étaient des champs : elles ne doivent plus être modifiables.
5. Ouvrir le panneau des commentaires : il doit être vide, ou ne rien contenir de sensible.

Comment Biffe s'y prend

Biffe repère le NAS, le numéro d'assurance maladie du Québec, le permis de conduire du Québec, les codes postaux, les numéros de téléphone et les courriels, y compris dans les champs de formulaire remplis. Vous confirmez chaque zone, ou en tracez d'autres à la main. À l'export, chaque page caviardée est convertie en image, et les pages qui portaient des champs ou des annotations le sont aussi, pour qu'aucune valeur cachée ne soit recopiée.

Avant de vous remettre le fichier, Biffe le relit : si du texte reste lisible sur une page caviardée, ou s'il reste un champ de formulaire, une pièce jointe ou un script, le téléchargement est bloqué. Les propriétés d'origine (titre, auteur) ne sont pas reprises. Tout se passe dans votre navigateur : le document n'est envoyé nulle part.

Ce que Biffe ne fait pas : il ne détecte pas les noms ni les adresses, et il ne lit pas le contenu des images (une numérisation, par exemple). Il signale les pages sans texte lisible, et ces zones se tracent à la main.