Seules les données personnelles
passent au noir.
Noir est un petit LLM dédié au masquage : il reçoit un document et la consigne « quoi masquer », et renvoie la liste des passages concernés. Les documents se traitent avant de sortir, sur les seuls CPU de l’entreprise. Faites défiler : un trait de lumière traverse le document.
JA担当の山田太郎です。お電話は03-0000-1234までお願いします。
ENPlease call Emily Carter at (555) 010-4477 before March 3.
DEFrau Anna Becker wohnt in der Lindenstraße 12, 10115 Berlin.
HRIvan Horvat (42 godine) javio je da je na bolovanju.
* Les textes, les noms et les numéros sont tous fictifs. L’animation ci-dessus est un aperçu rejoué.
La consigne,
en mots de tous les jours.
« Données personnelles », « coordonnées », « sauf l’âge » : donnez la consigne comme vous la diriez, et pour un même document, les passages masqués changent. Cliquez sur les boutons, ou laissez simplement défiler.
Objet : Exemple Négoce — vérification de votre contrat
À l’attention de Jean Dupont, Services généraux, Exemple Négoce
Bonjour, ici Claire Durand, de Neko Data SAS.
Je souhaiterais faire le point avec vous sur le renouvellement de votre contrat, le vendredi 20 novembre. La mensualité reste de 480 €.
J’ai appris que votre collègue Louis Moreau (42 ans) est absent aujourd’hui en raison d’un mal de dos.
Vous pouvez me joindre au 01 99 00 12 34 ou à [email protected].
Adresse d’envoi : 12 rue de l’Exemple, 5e étage, 75000 Paris
* Cette zone est un aperçu : elle rejoue des réponses préparées (aucun modèle réel n’y tourne). Tous les textes sont fictifs.
Moins d’excès
que le 120B.
Sur 100 documents en japonais et 100 en anglais, nous avons donné les mêmes consignes à gpt-oss-120b (117 milliards de paramètres) et comparé. Les feuilles du haut montrent un exemple de chaque erreur. Les barres du bas indiquent la fréquence de ces erreurs : plus elles sont courtes, mieux c’est.
* Mesures sur un test conçu par nos soins (novembre 2026, Q4_K_M, avec en complément des règles génériques pour les e-mails, téléphones, URL et dates). Conditions détaillées en fin de page.
Plus la consigne est vague,
plus l’écart se creuse.
Une balance compare le nombre d’oublis : le plateau qui en compte le plus descend. Quand la consigne liste clairement les types, les deux modèles font jeu égal ; avec une consigne vague comme « données personnelles », ou avec un « sauf… », l’écart se creuse.
Noir0%
gpt-oss-120b0%
* Japonais et anglais cumulés. Taux d’oublis (en %, 1 case = 1 %). Répartition des consignes : 69 documents avec types listés, 104 avec consigne vague, 27 avec exception.
4 langues,
à chacune ses résultats.
Chaque langue a son propre Noir (commun au japonais et à l’anglais). En jaune, les chiffres meilleurs que ceux de gpt-oss-120b.
- En croate et en allemand, le taux d’oublis est presque le même que celui de gpt-oss-120b. La plupart des oublis sont des dates et des heures à l’européenne, comme « 02.11.2026 » ou « 14:12 Uhr ».
- En ajoutant deux règles qui repèrent ces formats de date et d’heure, les oublis tomberaient, d’après nos estimations, de 31 à 23 % en croate et de 25 à 15 % en allemand, sous ceux de gpt-oss-120b (24 % et 19 %). L’intégration au produit est prévue. à venir
En retour :
du JSON.
Noir renvoie la liste des passages trouvés, regroupés quand ils désignent la même chose. Ce sont les chaînes exactes du document : il suffit de les rechercher dans le texte et de les remplacer.
Le téléphone de M. Moreau est le 01 99 00 12 34,
son e-mail [email protected].
- id : une même personne ou une même chose forme une seule entrée (« Louis Moreau » et « Moreau »).
- type : le nom de l’un des 48 types. Il est renvoyé dans la langue du prompt (ici : « Nom de personne »).
- mentions : les chaînes telles qu’elles sont écrites dans le document. Si rien ne correspond :
[].
Dans le document suivant, trouvez tous les
éléments qui correspondent à la cible. … (abrégé)
Sortie : uniquement un tableau JSON : [{"id": "E1",
"type": "...", "mentions": ["..."]}]
Cible :
Données personnelles, sauf l’âge
Méthode : masquage (sans replacements)
Document :
(le document ici)Un document,
environ 20 secondes.
Sur le CPU d’un PC portable (sans GPU), voici la lecture d’un document d’environ 900 caractères, jusqu’au renvoi des passages à masquer. La lecture est accélérée 5 fois ; le chronomètre affiche les secondes réelles.
0.0 svitesse ×5
Lire le documentÉcrire les passages à masquer
Passages masqués : 0 / 0
- Consigne
- Nom de personne, numéro de téléphone, adresse e-mail, adresse postale
- Lecture
- env. 140 tokens/s
- Écriture
- env. 24 tokens/s
- Matériel
- Core i7-11800H, 8 threads
- À ce rythme, document après document, une seule machine traite environ 170 000 caractères par heure.
- Sur GPU, avec 16 documents traités en parallèle, 100 documents ont pris environ 20 secondes (environ 90 secondes pour gpt-oss-120b). mesure interne
* Le document et les passages masqués sont un aperçu (aucun modèle ne tourne dans cette page). Les durées sont calculées à partir des vitesses de lecture et d’écriture mesurées en interne. Les différentes façons de désigner une même personne sont regroupées et masquées d’un coup.
Découpez en morceaux
de 1 000 caractères.
Un document long se découpe en morceaux de 1 000 caractères environ, transmis un par un. En restant sur la longueur vue à l’entraînement, on réduit les oublis. Les résultats sont réunis à la fin et complétés par des règles qui repèrent les formats fixes : e-mails, téléphones, URL, dates.
Lancement (llama.cpp)
llama-server -m noir-ja-en-Q4_K_M.gguf \ -c 16384 -t 8 -np 1 --jinja --port 8191
DisponibleTélécharger les poids →
- À utiliser sans le mode réflexion (
enable_thinking: false) et avectemperature 0. - Choisissez le modèle selon la langue : ja-en pour le japonais et l’anglais, de-en pour l’allemand, hr-en pour le croate.
- Sur CPU (Core i7-11800H, 8 threads), un morceau de 1 000 caractères prend environ 20 secondes. mesure interne
Même document,
autre consigne, autre masque.
Choisissez une consigne et essayez-la sur un document d’exemple. En changeant de consigne, les passages masqués changent pour un même document. Vous pouvez aussi voir tels quels le prompt envoyé au modèle et le JSON renvoyé.
1 Choisir un document
2 Choisir une consigne lancement immédiat
Ou choisir vous-même les types
Prompt envoyé au modèle
JSON renvoyé
[]
La méthode,
et un échange.
- Documents : 100 par langue, en japonais, anglais, allemand et croate. Ce sont des documents fictifs rédigés pour le test (e-mails, comptes rendus, notes RH, factures, informations médicales…), où les passages à masquer sont annotés.
- Consignes : pour chaque document, l’une des trois formes « types listés », « consigne vague » ou « avec exception ». gpt-oss-120b (reasoning effort medium) a reçu le même prompt.
- Critères : oublis = part des passages attendus restés lisibles ; excès = part des passages masqués sans nécessité ; hors consigne = part des masquages d’un type non demandé.
- Réalisation : novembre 2026, Q4_K_M. Ces chiffres seront revus avant la publication officielle.