AnonymIA

# Prompt – Application AnonymIA

## 1. Rôle et objectif
Tu es un développeur front-end senior et un spécialiste de la protection des données (RGPD / loi marocaine 09-08 / CNDP).

Crée l'application web **« AnonymIA »** qui :
1. **anonymise** un fichier Excel/CSV avant de l'envoyer à une IA (ChatGPT, Copilot…) ;
2. **ré-identifie** le fichier renvoyé par l'IA, c'est-à-dire remet les vraies valeurs.

Toute l'interface, les messages, les rapports et les exports doivent être **en français**. Les formats marocains (CIN, téléphone +212, RIB, ICE, CNSS) sont prioritaires.

## 2. Contraintes techniques (HTML5 / JavaScript)
- **Un seul fichier `index.html`**, autonome, sans étape de compilation.
- **HTML5 + CSS3 + JavaScript natif (ES2020+)**, sans framework.
- Bibliothèque **SheetJS** (xlsx.full.min.js) via CDN, version fixe, pour lire et écrire .xlsx, .xls, .ods et .csv.
- **100 % côté navigateur** : aucune donnée n'est envoyée sur Internet. Ajoute une balise Content-Security-Policy restrictive et explique-le dans un commentaire.
- **Sécurité XSS** : afficher les valeurs des cellules uniquement avec `textContent`, jamais avec `innerHTML`.
- **Aucune donnée réelle** stockée dans localStorage ou IndexedDB.
- **Logos** « Académie Groupe CDG » et « UIR Executive Education » intégrés en base64 dans l'en-tête. Couleurs : gris foncé #3a3f44, vert #6a9a3a, accent doré.
- Code organisé en modules commentés :
  - **Lecture** : lecture des fichiers
  - **Normalisation** : préparation des valeurs
  - **Détection** : repérage des colonnes sensibles
  - **Traitements** : application des techniques d'anonymisation
  - **Correspondance** : création du fichier JSON
  - **RéIdentification** : restauration des vraies valeurs
  - **Export** : création des fichiers à télécharger
  - **Interface** : affichage et interactions
  - **AutoTests** : tests intégrés

## 3. Interface (une seule page, simple et intuitive)
- **En-tête** : les deux logos, le titre « AnonymIA » et un bouton mode clair/sombre.
- **Deux grands onglets** : **Anonymiser** et **Ré-identifier**.
- **Étapes numérotées** avec une courte explication en français à chaque étape.
- **Retour à l'utilisateur** : gros boutons, zone de glisser-déposer, barre de progression, notifications (succès/erreur) et confirmation avant toute suppression.
- **Autres éléments** :
  - bouton « Charger un exemple » (jeu de données marocain fictif) ;
  - bouton « Effacer tout » ;
  - fenêtre « Aide » ;
  - accessibilité : libellés, navigation au clavier, contraste suffisant.

## 4. Mode ANONYMISER – étapes

### Étape 1 – Importer
- **Formats acceptés** : .xlsx, .xls, .ods, .csv. Taille maximale : 50 Mo, avec un message d'erreur clair en français au-delà.
- **CSV** : détection automatique du séparateur (`;` `,` tabulation) et de l'encodage (UTF-8, Windows-1252).
- **Classeur à plusieurs feuilles** : l'utilisateur choisit la feuille à traiter.
- **Lecture des cellules** : lire le **texte affiché** pour ne pas abîmer les RIB de 24 chiffres, les téléphones commençant par 0 et les dates.

### Étape 2 – Normaliser (pour comparer, jamais pour remplacer)
- **Texte** : supprimer les espaces en trop ; retirer les séparateurs (espace . - /) dans les identifiants.
- **Téléphone** : convertir au format **+212XXXXXXXXX**, que le numéro commence par +212, 00212 ou 0, ou qu'il s'agisse d'un nombre de 9 chiffres commençant par 5, 6 ou 7.
- **Email** en minuscules ; **CIN et IBAN** en majuscules.
- **Noms** : minuscules et sans accents. Pour l'arabe, retirer les voyelles courtes (tashkeel) et uniformiser les formes de l'alif.
- La **valeur d'origine** est toujours conservée dans la correspondance.

### Étape 3 – Détecter les colonnes sensibles
Analyser jusqu'à 500 lignes par colonne. Le score de confiance (0–100 %) combine :
- le taux de correspondance avec les expressions régulières ;
- les mots-clés de l'en-tête ;
- la proportion de chiffres ;
- la longueur des valeurs ;
- le taux de valeurs uniques ;
- les correspondances avec les dictionnaires.

Règles :
- **CIN** : `\b[A-Z]{1,2}\d{4,6}\b`, seulement si au moins 80 % des valeurs correspondent ou si l'en-tête contient cin, cni, carte nationale ou identité.
- **Téléphone** : mobiles et fixes marocains (05, 06, 07, +212, 00212).
- **RIB** : 24 chiffres. **IBAN** : `MA\d{26}`.
- **Carte bancaire** : 13 à 19 chiffres, avec vérification de Luhn.
- **Email, dates** : JJ/MM/AAAA, AAAA-MM-JJ et dates Excel.
- **ICE, CNSS, passeport** : seulement si l'en-tête contient le mot-clé correspondant.
- **Noms** : mots-clés d'en-tête (nom, prénom, client, bénéficiaire, titulaire, contact) et dictionnaire de prénoms et noms marocains et français, avec variantes (Mohamed / Mohammed / Mhamed).
- **Ville / adresse** : mots-clés d'en-tête et liste des villes marocaines.
- **Texte libre** : longueur moyenne supérieure à 40 caractères, ou en-tête commentaire, remarque, note, description ou observation.
- **Ne pas signaler** un code comme « REF2024 » sans en-tête CIN.

Affichage :
- **Couleurs de l'en-tête** : rouge = sensible, orange = probable, vert = non sensible.
- **Badge** : type et pourcentage de confiance.
- **Infobulle** : explique pourquoi la colonne a été détectée.

### Étape 4 – Choisir la technique par colonne
Une liste déroulante par colonne, avec la meilleure option présélectionnée :
- **Ne rien faire**.
- **Pseudonymiser (réversible)** : remplacer chaque valeur par un code typé `[[TYPE-NNNN]]`.
  - Types : NOM, CIN, TEL, EMAIL, RIB, IBAN, CB, ADR, VILLE, ICE, CNSS, PASS, DATE, ID.
  - La **même valeur normalisée** reçoit toujours **le même code**, quelle que soit la colonne.
  - Vérifier qu'aucun code de ce format n'existe déjà dans les données.
- **Supprimer la colonne** : la colonne disparaît du fichier anonymisé, mais ses valeurs sont gardées dans le JSON (par ID_LIGNE) pour pouvoir être restaurées.
- **Nettoyer le texte libre** : dans les commentaires, remplacer les identifiants cachés dans l'ordre IBAN → RIB → carte → email → CIN → téléphone → noms. Remplacer aussi les noms déjà présents dans les colonnes Nom/Prénom de la même ligne. Prévenir que des noms inconnus peuvent passer.
- Options possibles (non réversibles) :
  - **Masquage partiel** : j***@domaine.ma, AB****56, 4 derniers chiffres pour un RIB ;
  - **Hachage** : HMAC-SHA-256 avec Web Crypto ;
  - **Généralisation** : âge en tranches de 10 ans, date en mois ou année, ville en région.
- **Aperçu** des 10 premières lignes avec un bouton Avant / Après et les cellules modifiées surlignées.

### Étape 5 – Anonymiser et télécharger
- Ajouter une **colonne `ID_LIGNE`** en première position (L-00001, L-00002…). Elle sert à relier les lignes au retour de l'IA.
- **Protection contre l'injection de formules** : préfixer d'une apostrophe toute cellule commençant par = + - @ tabulation ou retour chariot.
- **Reconstruire un classeur propre** : valeurs seules, sans formules, commentaires, liens, feuilles masquées ni propriétés (auteur, société).
- **Deux téléchargements**, nommés à partir du fichier d'origine :
  1. `NomDuFichier_anonymise.xlsx` (ou .csv), à envoyer à l'IA ;
  2. `NomDuFichier_correspondance.json`, à garder en sécurité. Afficher l'avertissement : « Ne jamais envoyer ce fichier à l'IA ».
- **Contenu du JSON** :
  - version, date et nom du fichier d'origine ;
  - feuille traitée ;
  - liste des colonnes avec leur type et la technique appliquée ;
  - table `code → valeur d'origine` ;
  - valeurs des colonnes supprimées, rangées par ID_LIGNE.
- **Consigne à copier pour l'IA** : « Les valeurs de la forme [[TYPE-NNNN]] sont des identifiants anonymisés. Conserve-les exactement tels quels, sans les modifier, traduire ni inventer de nouveaux identifiants. Conserve la colonne ID_LIGNE. »

## 5. Mode RÉ-IDENTIFIER – étapes
1. **Importer** le fichier traité par l'IA (n'importe quelle structure ; il peut avoir de nouvelles colonnes ou des lignes réordonnées) et/ou coller le texte de l'IA, puis importer le **fichier JSON de correspondance**.
2. **Rechercher** dans chaque cellule et dans le texte les codes `\[\[[A-Z]+-\d{4,}\]\]` et les remplacer par la valeur d'origine.
3. **Accepter les variantes** que l'IA peut produire (crochets simples, espaces, minuscules) et les marquer « à vérifier ».
4. **Restaurer les colonnes supprimées** en les rattachant par `ID_LIGNE`.
5. **Rapport** :
   - ✅ restaurés ;
   - ⚠️ à vérifier ;
   - ❌ inconnus (codes peut-être inventés par l'IA) ;
   - ℹ️ lignes ajoutées ou manquantes.
6. **Télécharger** `NomDuFichier_restaure.xlsx` (classeur propre) ou copier le texte restauré.

## 6. Tests intégrés
Fonction `runSelfTests()` (bouton + console), avec résultats en français (réussi / échoué). Elle teste :
- chaque règle de détection avec des exemples positifs et négatifs ;
- la normalisation ;
- la cohérence des codes ;
- l'aller-retour complet anonymiser → ré-identifier ;
- un code corrompu ;
- la protection contre l'injection de formules.

## 7. Critères d'acceptation
- **Détection** :
  - détecte AB123456, « 06 12 34 56 78 », « +212 7 00 11 22 33 », 00212612345678, un RIB de 24 chiffres, MA + 26 chiffres, une carte valide (Luhn) et un email ;
  - ne signale pas « REF2024 ».
- **Cohérence** : la même CIN dans deux colonnes donne le même code.
- **Aller-retour** : anonymiser, ajouter une colonne contenant des codes dans des phrases, réordonner les lignes, puis ré-identifier : 100 % des valeurs sont restaurées. Une colonne supprimée est restaurée par ID_LIGNE.
- **Code inventé** : il est signalé comme inconnu, sans être restauré.
- **Formules** : une cellule `=HYPERLINK(...)` est neutralisée à l'export.
- **Réseau** : aucune requête après le chargement de la page.
- **Tests** : tous les tests intégrés réussissent.

Livre le fichier `index.html` complet et fonctionnel, sans espace réservé ni « TODO ».