En janvier 2019, les avocats de Paul Manafort déposent au tribunal un mémo « censuré » : les passages sensibles sont recouverts de rectangles noirs. Un simple copier-coller suffit à tout lire — y compris le partage de données de sondage avec un intermédiaire russe. Ce n’était pas une bévue isolée : l’échec de caviardage est un phénomène documenté, mesuré, étudié par la recherche en sécurité. Voici ce que la recherche a établi, et la méthode qui y répond.
Le premier niveau d’échec : un rectangle est un dessin, pas une suppression
Un PDF n’est pas une image : le texte vit dans un flux de contenu structuré, et le rectangle noir n’est qu’un objet graphique posé par-dessus. Tant que l’objet texte existe, n’importe quel lecteur peut le récupérer — sélection et copier-coller, extraction via pdftotext, ou indexation par un moteur de recherche.
Les échecs célèbres se comptent par dizaines. Outre le mémo Manafort, il y a le manuel de filtrage de la TSA publié en 2009 avec ses rectangles réversibles, et le rapport militaire américain sur la mort de l’agent italien Nicola Calipari (2005), dont les passages classifiés ont été récupérés de la même façon. Le défaut n’épargne pas les professionnels : dès 2011, une analyse d’environ 2 000 documents du système judiciaire américain PACER a compté près de 200 censures réversibles.
Trodat ID Protector — tampon confidentialitéRouleau encreur qui masque adresses et identifiants sur le papier avant destruction.affilié
Le deuxième niveau : supprimer le texte ne suffit pas non plus
La conclusion naturelle — « il suffit de retirer le texte du fichier » — est elle aussi insuffisante. C’est l’objet d’un article de recherche publié dans PoPETs en 2023, Story Beyond the Eye: Glyph Positions Break PDF Text Redaction (Maxwell Bland, Anushya Iyer, Kirill Levchenko, Université de l’Illinois).
Leur découverte : même quand le texte sous le rectangle est réellement retiré du fichier, les positions horizontales des caractères autour du trou trahissent ce qui s’y trouvait. La justification, le crénage et les métriques de police produisent des décalages mesurables inférieurs au pixel : en les comparant aux positions attendues pour chaque mot candidat, on réduit dramatiquement l’espace des possibles — parfois jusqu’au mot censuré lui-même.
Les résultats mesurés parlent d’eux-mêmes :
- 11 outils de caviardage populaires examinés, dont les workflows d’Adobe Acrobat : la majorité fuit de l’information ;
- certaines censures perdent plus de 15 bits d’entropie — l’espace des textes candidats se contracte d’un facteur d’environ 32 000 ;
- sur un corpus réel de 22 120 documents (dont 18 975 rapports d’Offices of Inspector General américains), 769 censures d’entités nommées s’avèrent vulnérables ; pour 164 d’entre elles, les auteurs réduisent le nom à moins de 494 candidats issus d’un dictionnaire de 7 millions de noms ;
- les chercheurs démontrent l’attaque sur des pièces des dossiers Epstein/Maxwell et Manafort ainsi que sur un document Snowden publié, et repèrent plus de 100 000 documents mal censurés dans la nature.
Les auteurs ont publié des algorithmes correctifs open-source et notifié Adobe, Microsoft, le Département de la Justice américain et PACER. La leçon : une censure qui conserve les objets texte de la page — même nettoyés — reste attaquable.
Le troisième canal : tout ce qui traîne autour du texte
Même une censure correctement exécutée peut fuir sur les bords. Titre et auteur du document, dates de création et de modification, flux de métadonnées XMP, annotations, pièces jointes, calques et miniatures survivent à une censure qui ne reconstruit pas le fichier. L’anonymat d’une page peut s’effondrer parce que le champ « Auteur » dit qui l’a produite.
La bonne réponse : détruire la page, pas le mot
La méthode qui ferme les trois canaux est la rastérisation destructrice : rendre la page en image. Dans une image, il n’y a pas d’objet texte à extraire, pas de positions de glyphes à mesurer, pas de flux à disséquer. Ce qui était du texte devient des pixels — et sous le rectangle, des pixels noirs.
C’est exactement la méthode appliquée par l’outil de caviardage de Document Flare, et c’est vérifiable dans le code : après le tracé des rectangles opaques, chaque page censurée est rendue sur un canvas (échelle 2x), convertie en JPEG (qualité 0,95) et réinsérée dans un PDF reconstruit de zéro. Les pages sans censure sont copiées telles quelles. Et comme la sortie est un fichier neuf, aucune métadonnée source n’est reportée — ni titre, ni auteur, ni dates d’origine ; seuls les champs Producer/Creator « Document Flare » sont écrits.
L’analyse qui repère les zones à censurer tourne aussi dans le navigateur : neuf types de données personnelles détectés (IBAN, numéros de sécurité sociale français, cartes bancaires, SIREN et SIRET, e-mails, téléphones, dates de naissance, adresses IPv4), plus un mode mots-clés pour les noms et références que le détecteur ne connaît pas. Le pas-à-pas complet est dans notre article sur caviarder les données personnelles d’un PDF.
Limites honnêtes
La rastérisation est la bonne méthode, pas une méthode gratuite :
- les pages censurées deviennent des images : le texte n’est plus sélectionnable, les liens et signets de ces pages disparaissent, et le fichier peut s’alourdir ;
- seules les pages contenant une zone censurée sont rastérisées — les autres conservent leur texte ;
- la détection automatique reste heuristique : un identifiant exotique, un nom sans contexte ou un scan sans couche texte peuvent lui échapper. Relisez et complétez par mots-clés ;
- la censure couvre le contenu visible ; pour les annotations ou pièces jointes, enchaînez avec l’outil de nettoyage (voir nettoyer un PDF avant partage).
Le test final est le même que pour tout outil : rouvrez le PDF produit et essayez de copier ce qui se trouve sous un rectangle noir. Rien ne doit en sortir. Et puisque tout se déroule dans votre navigateur, vous pouvez aussi vérifier dans l’onglet Réseau qu’aucune requête n’a transporté le document — le protocole est détaillé dans notre guide du traitement local et dans le pilier sur les outils PDF sans envoi.
Le bon matériel
Trodat ID Protector — tampon confidentialitéRouleau encreur qui masque adresses et identifiants sur le papier avant destruction.affilié
Fellowes 6M — micro-coupe P-4Micro-coupe P-4 : pour pièces d’identité et documents financiers.affilié
