Anonymiser les certificats de travail pour benchmarking et audit RH – Anonymisation conforme au RGPD selon Code du travail L1234-19

Le certificat de travail délivré à la fin du contrat mentionne le nom du salarié, les dates d'emploi et les fonctions exercées, en application des obligations de l'article L1234-19 du Code du travail. anonym.legal pseudonymise ces éléments nominatifs afin que les certificats puissent alimenter des bases de données de benchmarking RH ou servir de modèles sans exposer les identités des anciens salariés.

Quand cela s'applique

Ce flux s'applique lors de la constitution d'une bibliothèque de modèles de certificats, d'un audit de cohérence des formulations utilisées, ou de la transmission de documents à un prestataire RH pour analyse.

  1. Téléversez les certificats de travail au format PDF ou DOCX.
  2. Le moteur détecte les données personnelles : nom, prénom, adresse et fonctions nominatives.
  3. Chaque salarié reçoit un pseudonyme cohérent.
  4. Les dates d'emploi, intitulés de poste génériques et mentions légales sont conservés.
  5. La correspondance est chiffrée et stockée en hébergement UE.
  6. Les certificats pseudonymisés sont exportés pour usage interne ou partage sécurisé.

Ce que vous fournissez

  • Certificats de travail en PDF ou DOCX
  • Indication des champs à pseudonymiser

Limites & précautions

  • La version pseudonymisée ne peut pas remplacer le certificat original remis au salarié conformément aux obligations légales.
  • Un intitulé de poste très spécifique peut demeurer identifiant même après pseudonymisation du nom.
  • Ce flux ne couvre pas la vérification de la conformité du contenu du certificat.

FAQ

Les dates d'emploi sont-elles conservées dans la version pseudonymisée ?

Oui. Les dates d'entrée et de sortie sont des données structurelles conservées en clair, sauf configuration contraire. Elles permettent des analyses de durées de contrat sans que le salarié concerné soit identifiable.

Peut-on traiter plusieurs centaines de certificats en une seule session ?

Oui. Le traitement en lot prend en charge des volumes importants. Les fichiers sont mis en file d'attente et vous êtes notifié à la fin du traitement.

Ce flux est-il pertinent pour une entreprise en cours de fusion-acquisition ?

Oui. Dans le cadre d'une due diligence, la direction de l'acquéreur peut avoir besoin d'analyser les typologies de fonctions et de durées de contrat sans avoir accès aux données nominatives des anciens salariés.

Droit social

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.