Anonymiser les dossiers obstétricaux pour audit périnatal et recherche – Anonymisation conforme au RGPD selon RGPD art. 9 ; CSP L1110-4 ; Loi 78-17 art. 66

Le dossier obstétrical couvre la grossesse, l'accouchement et le post-partum et contient des données de santé sensibles concernant à la fois la mère et le nouveau-né, soumises à l'article 9 du RGPD et au secret professionnel (CSP L1110-4). Son anonymisation est nécessaire pour les audits périnataux, les études épidémiologiques et les commissions régionales de périnatalité.

Quand cela s'applique

Ce flux est adapté aux maternités, aux réseaux de périnatalité et aux agences régionales de santé (ARS) qui analysent des indicateurs de morbi-mortalité périnatale ou préparent des rapports épidémiologiques régionaux ou nationaux.

  1. Exportez les dossiers obstétricaux depuis le SIH ou le dossier maternité au format PDF, XML ou CSV.
  2. Téléversez les fichiers ; le moteur détecte les identifiants de la mère (nom, prénom, date de naissance, adresse, numéro de Sécurité sociale) et du nouveau-né (nom, date de naissance, INS).
  3. Les identifiants directs sont supprimés ou pseudonymisés selon la finalité de l'analyse.
  4. Les dates (début de grossesse, date d'accouchement) sont généralisées à la semaine de gestation et au mois.
  5. Les données cliniques (parité, terme, mode d'accouchement, scores Apgar, complications) sont conservées.
  6. Les données relatives au père ou au co-parent sont anonymisées au même titre que celles de la mère.
  7. Le dossier anonymisé est exporté pour remise aux auditeurs du réseau de périnatalité ou à l'équipe de recherche.

Ce que vous fournissez

  • Dossiers obstétricaux au format PDF, XML ou CSV depuis le SIH maternité
  • Liste des indicateurs périnataux à conserver (terme, mode d'accouchement, Apgar, complications)
  • Finalité : audit interne, commission régionale ou publication épidémiologique
  • Période de naissance à analyser

Limites & précautions

  • Les dossiers de grossesse issue de techniques d'assistance médicale à la procréation (AMP) contiennent des données génétiques additionnelles nécessitant un traitement spécifique.
  • Le risque de réidentification est plus élevé pour les naissances rares (jumeau, prématurité extrême avant 24 SA) qui doivent faire l'objet d'une attention particulière.
  • Le moteur ne génère pas de consentement éclairé ni ne vérifie la base légale du traitement — cette responsabilité incombe au responsable de traitement.

FAQ

Les données du nouveau-né sont-elles soumises aux mêmes règles que celles de la mère ?

Oui. Le nouveau-né est une personne physique dès sa naissance ; ses données (nom, date de naissance, données de santé) sont protégées par le RGPD comme celles de tout autre individu. Elles doivent être anonymisées au même titre que les données maternelles. Avant la naissance, les données fœtales sont considérées comme données de santé de la mère.

Faut-il une autorisation CNIL pour un audit périnatal régional ?

Un audit périnatal régional portant sur des données identifiantes nécessite une base légale (art. 9(2)(h) RGPD pour la gestion des systèmes de santé ou art. 9(2)(j) pour la recherche scientifique) et une conformité à une MR CNIL ou une autorisation spécifique. Si les données sont préalablement anonymisées, les obligations CNIL ne s'appliquent plus à l'analyse elle-même.

Données de santé

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.

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.