Nettoyer Markdown

Que fait exactement cet outil ?

Vous indiquez ce qui doit partir, et l’outil le retire de vos fichiers Markdown. En pratique, il s’agit le plus souvent de quelque chose que personne en dehors de l’équipe ne devrait voir : un vrai nom dans un compte rendu de réunion, un numéro de client dans une note technique, une adresse e-mail dans un journal des modifications. Vous saisissez les termes, l’outil les trouve dans chaque fichier importé, puis il les remplace, les caviarde ou les supprime.

Vous décidez trois choses :

1. Ce qui est recherché. Une liste de termes, un ou plusieurs modèles de motif (e-mail, téléphone, IBAN, tous les nombres, URLs) et, en option, votre propre motif de recherche.
2. Ce qui arrive aux correspondances. Retirer les supprime et referme l’espace. Caviarder les remplace par un marqueur comme ████. Remplacer les échange contre un texte que vous saisissez, comme [Client].
3. Avec quelle précision la recherche se fait. Mot entier, exact avec la casse, ou en partie à l’intérieur du mot.

Vous voyez ensuite un aperçu avant/après du premier fichier et un récapitulatif du nombre de correspondances retirées dans le nombre de fichiers. Vous téléchargez les fichiers nettoyés un à un ou tous ensemble en ZIP.

Pourquoi en local et pas via un serveur ?

Les fichiers Markdown contiennent souvent justement ce que vous ne voulez pas confier : des comptes rendus avec de vrais noms, des notes avec des identifiants, des exports d’un outil de connaissances pleins d’identifiants internes. Beaucoup d’outils en ligne de « remplacer du texte » ou « caviarder des données » envoient le fichier sur un serveur pour le traiter. Avec du contenu sensible, c’est précisément le problème que vous vouliez résoudre.

Cet outil n’a aucun envoi. La page est servie via un hébergement statique, tout le code s’exécute dans votre onglet de navigateur, et il n’existe aucun point d’accès qui pourrait recevoir le contenu des fichiers. La liste de termes reste locale elle aussi. Elle peut contenir le nom d’une personne réelle, qui n’a rien à faire sur le serveur de quelqu’un d’autre, donc elle n’est pas écrite dans le stockage du navigateur et disparaît dès que vous fermez l’onglet.

L’étape de confidentialité avant le chat d’IA

De plus en plus de gens collent des notes, des extraits de code ou des documents entiers dans un assistant d’IA pour les résumer ou les retravailler. C’est pratique, mais tout ce que vous collez voyage vers un service externe. S’il y a un nom de client, un numéro de contrat ou une adresse privée, vous le confiez aussi.

C’est là que l’outil intervient. Vous nettoyez le fichier Markdown une fois, en local, vous échangez les parties sensibles contre des marqueurs neutres, et seulement ensuite vous collez la version nettoyée dans le chat. L’assistant voit [Personne 1] au lieu du vrai nom et peut quand même résumer, réécrire ou répondre. Le mode Remplacer est fait exactement pour cela : des marqueurs cohérents plutôt que des barres noires.

Des modèles pour les motifs récurrents

Certaines choses ne se saisissent pas une par une, car elles apparaissent sous de nombreuses formes. Une adresse e-mail peut être marie.martin@entreprise.fr ou m.m+facture@sous.entreprise.co.uk. C’est à cela que servent les modèles. Un clic sur la puce, et l’outil trouve chaque adresse e-mail, chaque numéro de téléphone, chaque IBAN, chaque nombre ou chaque URL du texte. Les motifs sont vérifiés et construits pour capter les formats courants sans emporter de fragments de mots au hasard.

Si vous avez besoin de plus de contrôle, ouvrez le champ pour votre propre motif et entrez une expression régulière, par exemple CLI-\d{4} pour des numéros internes de client. Si le motif n’est pas valide, vous recevez un avertissement au lieu d’un plantage, et le reste du nettoyage continue normalement.

Comment fonctionne la détection des limites de mot ?

En mode Mot entier, Berlin ne devrait correspondre qu’au mot Berlin, pas à Berlinois. En coulisses, l’outil délimite chaque correspondance avec de véritables limites de mot Unicode. Cela paraît technique, mais l’effet est très concret pour le texte en français : les lettres accentuées et la cédille comptent comme des lettres ordinaires. Été est reconnu comme un mot et garçon n’est pas coupé après le ç par erreur. Les fonctions classiques de recherche-remplacement ne connaissent souvent que l’alphabet anglais et commettent exactement cette erreur.

Il y a trois niveaux de précision. Mot entier est le réglage sûr et ignore la casse. Exact ne correspond qu’à l’orthographe saisie, y compris sa casse. Partiel cherche partout, même au milieu de mots plus longs, et sert quand un terme apparaît sous de nombreuses formes fléchies.

Quels fichiers sont pris en charge ?

Entrées acceptées :

• Fichiers Markdown avec l’extension .md ou .markdown
• De 1 à 100 fichiers à la fois
• Jusqu’à 20 Mo par fichier

Sortie :

• Une version .md nettoyée de chaque fichier avec le suffixe -nettoye
• Téléchargement individuel ou tout ensemble en archive ZIP
• Un aperçu avant/après et un récapitulatif des correspondances par passe

Volontairement hors du périmètre :

• Le caviardage de PDF ou Word — il existe des outils dédiés pour cela, Markdown reste l’objectif
• La détection automatique de noms sans votre saisie — vous décidez de ce qui part, ce qui garde le résultat prévisible

Questions fréquentes

Comment retirer des données confidentielles d’un fichier avant de le confier à une IA ?

Importez le fichier Markdown ici, saisissez les termes sensibles ou activez un modèle, puis cliquez sur Nettoyer. L’outil vous rend un fichier propre que vous pouvez ensuite coller en toute sécurité dans un chat d’IA. Rien n’est envoyé au cours de l’opération.

Mes fichiers sont-ils envoyés lors du nettoyage ?

Non. La lecture, la recherche et le nettoyage se font dans votre onglet de navigateur. Aucun serveur ne peut recevoir le contenu, et les termes de recherche ne sont pas stockés non plus.

Le texte retiré peut-il être récupéré plus tard ?

Non. Markdown est du texte brut, donc retirer ou caviarder supprime le caractère lui-même au lieu de le masquer. Rien de caché ne reste dans le fichier téléchargé.

Est-ce que cela gère les accents et les caractères accentués ?

Oui. Les limites de mot utilisent l’alphabet Unicode complet, donc é, è, à, ç et ü fonctionnent correctement. Müller est reconnu proprement comme un mot entier et Grüße n’est pas coupé.

Outils associés

• Nettoyer CSV — corrige automatiquement l’encodage, le séparateur et le format des nombres dans les exports CSV.
• Retirer les métadonnées — supprime localement les métadonnées cachées des images et des PDF.
• Markdown vers PDF — convertit le fichier Markdown nettoyé en un PDF finalisé.