Performance et latence

L’anonymisation est sur le chemin critique entre vos utilisateurs et le modèle, donc son coût compte. Cette page sépare les deux côtés, car ils se comportent très différemment.

La désanonymisation est négligeable

Restaurer les valeurs réelles dans une réponse est un passage unique sur le texte : chaque jeton de forme fixe est résolu contre la table de session en une lecture, indépendamment du nombre de jetons. Sur une réponse en streaming (SSE), où la restauration tourne à chaque delta, cela a été mesuré à environ 0,12s sur un flux de 50 deltas. Ça ne dégrade pas la fluidité interactive.

La détection croît avec la taille de l’entrée

Le coût est du côté détection, et il est lié au NLP, donc il augmente avec la longueur du texte analysé plutôt qu’avec une pénalité fixe par requête.

• Les modèles NLP sont chargés une fois au démarrage, donc pas de démarrage à froid par requête. La détection sur un prompt court est de l’ordre de quelques dizaines de millisecondes une fois chaud.
• Les détecteurs déterministes (emails, IP, IBAN, cartes, identifiants nationaux) sont peu coûteux : ce sont des vérifications de motif et de checksum.
• La partie plus lourde est la reconnaissance d’entités nommées pour les noms, organisations et lieux en texte libre. Un contexte volumineux, comme des fichiers entiers collés dans un prompt, ajoute un temps de détection proportionnel à sa longueur.

Charges interactives réalistes

Pour une charge interactive de développement ou de chat, le coût dominant est l’appel au modèle lui-même, pas l’anonymisation. La détection tourne sur le contenu sortant avant cet appel, et la restauration tourne sur la réponse streamée à coût négligeable.

La position honnête sur les chiffres exacts : ils dépendent de votre mélange de contenu (part de prose en texte libre versus identifiants structurés) et de votre matériel. Plutôt que d’annoncer un chiffre unique, nous mesurons sur vos contextes réels pendant un pilote et vous donnons des mesures concrètes pour vos propres charges.