November 2, 2026 at 2 PM (INRIA Lille)
L'anonymisation de texte permet de réutiliser des documents sensibles sans exposer les personnes qu'ils impliquent. Dans un texte ouvert, cependant, la confidentialité ne se limite pas aux identifiants explicites : elle est répartie à travers des indices sémantiques, contextuels et stylistiques dont la suppression peut également détruire de l'information utile. Une approche orientée tâche offre un moyen de rendre cette tension opérationnelle. Du côté de la confidentialité, les tâches d'évaluation de la confidentialité transforment un modèle de menace en un objectif mesurable, par exemple en testant ce qu'un attaquant peut inférer à partir du texte transformé. Du côté de l'utilité, les tâches en aval précisent quelles informations un usage particulier requiert, assouplissant ainsi la contrainte trop exigeante selon laquelle une méthode d'anonymisation devrait préserver le texte dans son ensemble. Comme les exigences de confidentialité et d'utilité varient selon le modèle de menace, le domaine et l'usage prévu, aucune transformation n'est universellement optimale. Cette thèse étudie donc l'anonymisation comme un problème d'optimisation confidentialité–utilité orienté tâche. Nous nous demandons comment ce cadre doit être formulé et mesuré, et comment les systèmes d'anonymisation peuvent s'adapter à différentes contraintes. Nous abordons d'abord l'évaluation. Nous introduisons un cadre modulaire qui associe une transformation de texte à texte à une tâche d'évaluation de la confidentialité fondée sur un modèle de menace explicite ainsi qu'à une tâche d'utilité en aval, tout en conservant des mesures génériques de la transformation elle-même. Des expériences menées dans des contextes hétérogènes montrent que les effets de l'anonymisation dépendent de la tâche considérée et que les mesures génériques de similarité constituent des approximations incomplètes et incohérentes de l'utilité opérationnelle. Nous étudions ensuite la sensibilité perçue comme tâche alternative d'évaluation de la confidentialité. En distillant les jugements d'un grand modèle de langue enseignant vers des encodeurs locaux compacts, nous obtenons un évaluateur passant à l'échelle qui approxime les jugements humains agrégés et complète l'évaluation de la confidentialité par des tâches d'attaque explicites. Nous passons ensuite de l'évaluation aux méthodes qui optimisent les transformations de texte au regard d'objectifs explicites de confidentialité et d'utilité. Dans le cadre de l'obfuscation d'auteur, nous formulons la réécriture générative comme une optimisation multi-objectifs de politique guidée par des récompenses de confidentialité et d'utilité. Les modèles obtenus réduisent l'attribution d'auteur tout en préservant l'information pertinente pour la tâche, et leurs gains en matière de confidentialité persistent face à des attaquants réentraînés sur des textes anonymisés. Nous déplaçons ensuite l'adaptation des poids du modèle vers les instructions. L'optimisation réflexive de prompts apprend des instructions d'anonymisation spécifiques à la tâche et au modèle pour des modèles de langue figés, et conserve une population de candidats dont l'évaluation a posteriori révèle plusieurs points de fonctionnement confidentialité–utilité non dominés. Ensemble, ces contributions rendent les compromis confidentialité–utilité suffisamment explicites pour être évalués et optimisés. Plutôt que de prescrire une transformation universelle, elles permettent la sélection de points de fonctionnement documentés, adaptés à un modèle de menace, un domaine et un usage en aval concrets.
M. Marc TOMMASI Professeur des universités Université de Lille Directeur de thèse, M. Damien SILEO Chargé de recherche Inria Lille Co-encadrant de thèse, Mme Aurélie NéVéOL Directrice de recherche LISN CNRS Rapporteure, M. Ivan HABERNAL Professeur Ruhr University Bochum Rapporteur, Mme Claire GARDENT Directrice de recherche LORIA Examinatrice, M. Pierre LISON Professeur associé Norsk Regnesentral Examinateur, M. Maxime MEYER Hornetsecurity Invité, M. Damien RIQUET Hornetsecurity Invité.
français
English