By · Last updated 2026-06-05

Retour au blogGDPR & Conformité

HDPA Grèce : Tourisme, Expédition et GDPR...

L'APD de Grèce a émis 89 décisions d'application en 2024 — contre 34 en 2022. Le tourisme représente 38 % des cas.

June 5, 20269 min de lecture
Greece HDPAAFM AMKA detectiontourism GDPRmaritime data protectionGreek identifiers

L'Autorité hellénique de protection des données (HDPA) a rendu 89 décisions d'application en 2024. C'est une hausse de 162 % par rapport aux 34 décisions de 2022. Deux secteurs subissent la pression la plus forte : le tourisme et le maritime.

Mis à jour pour 2026

Tourisme : traitement massif saisonnier

La Grèce a accueilli plus de 30 millions de visiteurs étrangers en 2024. Chaque séjour génère des enregistrements personnels. Les hôtels, les caisses enregistreuses, les voyagistes et les restaurants en collectent tous. Le problème central est le temps. Les enregistrements arrivent en masse de juin à septembre. Ils doivent être protégés bien plus longtemps.

Les audits hôteliers de la HDPA en 2024 ont révélé trois types de manquements courants.

Défauts de conservation des caisses : Les systèmes de caisse des restaurants conservaient les données de carte et les reçus au-delà des délais déclarés. La plupart des établissements n'avaient pas de plan de conservation écrit. Les données restaient sans date de fin, étiquetées « à des fins comptables ».

Lacunes des plateformes de réservation : Les hôtels utilisant des plateformes mondiales n'avaient souvent pas de contrat de sous-traitance. Beaucoup n'avaient pas non plus réalisé d'analyse d'impact sur les transferts vers des systèmes hors UE.

Problèmes d'accès saisonniers : Les travailleurs saisonniers obtenaient l'accès aux systèmes de gestion des clients. Les vérifications étaient rares. Les identifiants restaient souvent actifs des mois après leur départ.

Le tourisme représente la plus grande part sectorielle des affaires HDPA. Découvrez comment la détection des identifiants nationaux européens fonctionne à travers l'Europe pour une vue plus large.

Conformité maritime : dossiers d'équipage à grande échelle

Par tonnage de navires, le pays est le premier au monde en propriété navale. La flotte hellénique emploie plus de 90 000 marins. Les entreprises athéniennes gèrent les dossiers d'équipage pour des flottes avec des travailleurs de nombreux pays.

Les dossiers d'équipage soulèvent quatre problèmes RGPD distincts.

Droit de l'État du pavillon : Le droit de l'État du pavillon s'applique à bord du navire où qu'il navigue. Le RGPD couvre le traitement des dossiers d'équipage à bord, pas seulement au bureau à terre.

Équipages multinationaux : Beaucoup d'équipages n'ont aucun national local. Les travailleurs des Philippines, d'Ukraine, d'Inde et d'Indonésie sont fréquents. Leurs passeports, certificats STCW et dossiers médicaux transitent tous par des systèmes gérés depuis Athènes.

Dossiers médicaux : Les emplois maritimes nécessitent des examens d'aptitude réguliers. Les dossiers médicaux sont une catégorie spéciale au titre de l'article 9 du RGPD. Ils exigent une base légale claire, une sécurité renforcée et des règles d'accès strictes.

Numéros d'identification des marins : Les certificats STCW et les livrets de marin utilisent des formats de numéros uniques selon le pays émetteur. Ces identifiants apparaissent dans les systèmes d'équipage et nécessitent une détection pour une couverture PII complète. Pour le scoring de confiance entre types d'ID, voir détection binaire de PII et scoring de confiance.

Identifiants nationaux : AFM et AMKA

ΑΦΜ (numéro fiscal) : L'AFM est un numéro à 9 chiffres. Un chiffre de contrôle est validé par une règle de somme pondérée. C'est le principal identifiant commercial du pays. Il apparaît dans les transactions commerciales, les dossiers d'emploi et les services publics.

Les outils NLP génériques ratent souvent les AFM. Le modèle à 9 chiffres entre en conflit avec les dates et les codes de référence. Cela entraîne des faux positifs quand aucune étape de vérification de somme de contrôle n'est effectuée. Les outils ratent aussi les AFM sans espaces ou avec des séparateurs inhabituels.

ΑΜΚΑ (numéro de sécurité sociale) : L'AMKA est un numéro à 11 chiffres. Il encode la date de naissance, le sexe et un code séquentiel. Il figure sur les contrats de travail, les ordonnances et les formulaires hospitaliers.

Carte d'identité nationale (Αστυνομική Ταυτότητα) : Une lettre suivie de six ou sept chiffres, avec les règles d'émission helléniques.

Passeport : Format UE standard avec les règles d'émission locales.

NER pour les textes helléniques

L'écriture locale n'est pas latine. La plupart des modèles NLP commerciaux sont entraînés sur du texte latin. Un outil entraîné sur du texte latin ne peut pas détecter des noms ou des adresses dans des documents en écriture hellénique.

Un bon NER pour cette langue nécessite quatre choses :

  • Le modèle spaCy el_core_news ou un pipeline NLP hellénique équivalent
  • Une tokenisation correcte pour les plages de caractères locaux
  • Des modèles de noms locaux, qui diffèrent des conventions anglaises et allemandes
  • La reconnaissance des termes d'adresse : « Οδός » (rue), « Πλατεία » (place), « Λεωφόρος » (avenue)

Pour les entreprises opérant dans le tourisme ou le maritime ici, une détection PII conforme HDPA nécessite la validation des sommes de contrôle AFM et AMKA ainsi qu'un NER hellénique dans une seule pipeline.

Sources

Prêt à protéger vos données ?

Commencez à anonymiser les PII avec plus de 285 types d'entités dans 48 langues.

About this page

We update this page when our platform or the law changes.

Read our founder note for how we work.

Each change shows up in the timestamp at the top.

Related reading

We follow these rules

  • GDPR (EU 2016/679).
  • ISO/IEC 27001:2022.
  • NIS2 (EU 2022/2555).
  • HIPAA safe harbor under 45 CFR § 164.514(b)(2).

Our promise

We do not sell your data.

We do not train models on your text.

We store your files in Germany.

You can delete your account at any time.

You own your work.

Where we run

Our servers live in Falkenstein, Germany.

We use Hetzner. They hold ISO 27001 certification.

All data stays in the EU.

Backups run every day.

Need help?

Email support@anonym.legal.

We reply within one business day.

How we test

We run a full check suite on every release.

Each surface gets its own sweep script and report.

Human reviewers spot-check the output each week.

We track recall and precision on a labelled set.

Bad runs block the deploy.

What we never do

  • We never sell your information to third parties.
  • We never train models on what you upload.
  • We never keep your work after you delete it.
  • We never share keys with any outside firm.
  • We never run ads inside the product.

Plans in plain words

We sell credits, not seats.

One credit covers one short job.

Long jobs use a few credits each.

You can top up at any time.

Unused credits roll over each month.

Read the plans page for current rates.

Who built this

A small team of engineers and lawyers built this.

We ship from Europe and work in the open.

Our founder note spells out why we started.

Where to start

How the parts fit

A browser add-on cleans text inside Chrome.

A Word plug-in handles drafts in Office.

A small desktop tool works on whole folders.

An agent protocol link feeds large models safely.

All four share one core engine and one rule set.

Words from our team

We started this work after a lunch about cookies.

One friend kept getting odd ads on her phone.

We asked why a court file leaked through a draft.

We sketched the first build on a napkin that week.

By month three we had a tiny demo for a friend.

She used it on her first case the next day.

Common questions we hear

Can the tool read scanned PDFs? Yes, with OCR.

Does it work on long files? Yes, in small chunks.

Can I roll my own rule set? Yes, save it as a preset.

Does it run offline? The desktop build runs offline.

Do you keep my files? No, the cloud build wipes after each run.

Will it learn from my work? No, we never train on inputs.

A short tour of the workflow

Upload a file or paste a snippet of prose.

Pick the entities you want gone from the draft.

Choose a method: replace, mask, hash, encrypt, or redact.

Press run and watch the side panel show each hit.

Skim the result and tweak any rule that misfired.

Save the cleaned file or send it to a teammate.