L'anonymiseur automatique de décisions judiciaires du RIK — l'outil de ML estonien pour occulter les données personnelles dans près de 80 000 jugements

Les décisions des tribunaux estoniens doivent voir leurs données personnelles supprimées avant leur publication dans le Système d'information judiciaire public, mais l'anonymisation manuelle de jugements longs — certains dépassant 50 pages et contenant de multiples noms, numéros d'identification, dates de naissance, adresses, numéros de téléphone, IBAN et adresses email — est lente et sujette à erreurs. Le Centre des registres et systèmes d'information (RIK), l'agence gouvernementale informatique rattachée au ministère estonien de la Justice et des Affaires numériques, a chargé l'entreprise de technologie linguistique TEXTA OÜ d'automatiser ce processus.

TEXTA a construit un pipeline hybride combinant un modèle statistique de champs aléatoires conditionnels, un modèle neuronal de reconnaissance d'entités nommées Stanford Stanza, et des extracteurs à base de règles (regex) pour les identifiants structurés tels que les emails, IBAN et numéros d'identification, entraîné sur un corpus de textes judiciaires estoniens annoté sur mesure. Le RIK a utilisé l'outil pour anonymiser et republier près de 80 000 décisions de justice historiques dans le Système d'information judiciaire, un arriéré qu'il aurait été impossible de traiter manuellement.

Dans son propre test comparatif, le modèle obtenu par TEXTA a identifié 99 % de noms de personnes en plus et environ trois fois plus de noms d'organisations que le modèle open source EstNER déjà utilisé en Estonie, sur le même jeu de données judiciaires. En janvier 2026, le portail Interoperable Europe de la Commission européenne a mis en avant l'outil dans sa collection Justice & AI Toolbox comme bonne pratique réutilisable pour d'autres États membres de l'UE construisant des systèmes similaires de transparence judiciaire.

Aucun audit de précision indépendant réalisé par un tiers sur le modèle d'anonymisation — portant par exemple sur son taux d'erreur pour les formats de noms rares ou les mises en page non standard — n'a été publié par le RIK, TEXTA ou le ministère, et les chiffres de précision/rappel rapportés proviennent uniquement du test comparatif interne de TEXTA, et non d'une évaluation ordonnée par un tribunal ; le risque résiduel qu'une donnée personnelle non caviardée se retrouve dans une décision publiée n'est donc pas quantifié de manière indépendante.