Microsoft Purview : types d’informations sensibles personnalisés, créer des expressions régulières et des preuves à l’appui qui fonctionnent vraiment

By Mirko Peters · 2026-10-27

Maîtrisez les types d’informations sensibles personnalisés de Microsoft Purview. Découvrez comment écrire des expressions régulières efficaces, utiliser des preuves à l’appui et éliminer les faux positifs.

Automatically translated with AI from the original post. Read the English original

Découvrez comment créer des types d’informations sensibles personnalisés très précis dans Microsoft Purview en combinant expressions régulières, paramètres de proximité et mots-clés de preuve. Cessez de lutter contre les faux positifs et apprenez à concevoir des détecteurs de données de haute précision, capables de protéger les données propriétaires de votre entreprise sans submerger votre équipe informatique d’alertes parasites.

Points clés

• Les types d’informations sensibles personnalisés reposent sur des expressions régulières (regex) pour capturer des motifs propriétaires, tels que les identifiants de collaborateurs, les codes de projet internes et les numéros de contrat spécifiques.
• Un motif brut, sans contexte, ne suffit pas : combiner l’expression régulière à des mots-clés de preuve et à des règles de proximité strictes réduit considérablement les faux positifs.
• Les dictionnaires de mots-clés simplifient la gestion en vous permettant de regrouper des centaines de termes apparentés dans un seul objet réutilisable.
• Des tests rigoureux, réalisés avec des documents d’exemple issus de situations réelles avant le déploiement, garantissent que vos règles détectent les fuites réelles sans bloquer les opérations courantes de l’entreprise.
• Choisir les niveaux de confiance appropriés évite que votre tableau de bord se remplisse de bruit provenant de chaînes numériques génériques, comme les numéros de commande ou les extensions téléphoniques.

Les limites des détecteurs intégrés de Microsoft Purview

Microsoft propose des centaines de types d’informations sensibles prêts à l’emploi, allant des numéros de carte bancaire et des numéros de sécurité sociale américains aux IBAN européens et aux identifiants médicaux. Ces détecteurs intégrés sont indispensables pour répondre aux exigences de conformité générales. Toutefois, ils ne couvrent que les données dont la structure est identique d’une entreprise à l’autre. Votre activité repose sur des structures de données internes uniques, que aucun éditeur de logiciels n’a jamais rencontrées.

Lorsque vous devez protéger des informations propriétaires, comme les numéros de série internes des collaborateurs, les codes de projet confidentiels, les numéros de compte client spécifiques ou les formats de tickets de systèmes hérités, les détecteurs intégrés sont totalement insuffisants. C’est alors qu’il faut dépasser les modèles génériques et concevoir des types d’informations sensibles personnalisés. Leur élaboration demande un réglage minutieux, afin que vos règles reconnaissent avec précision l’empreinte numérique propre à votre organisation, sans traiter chaque suite de chiffres aléatoire comme une faille de sécurité à haut risque.

Rédiger des expressions régulières efficaces pour la détection de données

Le moteur principal de tout type d’informations sensibles personnalisé est une expression régulière, ou regex. Une regex est un code compact qui décrit la structure stricte d’une chaîne de caractères plutôt que son contenu littéral. Par exemple, si vos numéros de contrat internes commencent toujours par les lettres « CN », suivies d’un tiret, d’une année sur quatre chiffres, d’un autre tiret et de six chiffres finaux, une expression régulière correctement structurée reconnaîtra toutes les chaînes respectant exactement ce format.

Cependant, la correspondance de modèles seule présente des risques graves si elle n’est pas correctement maîtrisée. Écrire une expression régulière trop permissive, par exemple une expression qui correspond à tout nombre à sept chiffres parce que cela semblait rapide et pratique lors des premiers tests, échouera immédiatement en production. Une fois déployé, un motif trop large signalera les numéros de téléphone, les codes postaux standard, les numéros de factures et les feuilles de calcul financières courantes. Une expression régulière sans rigueur structurelle se comporte simplement comme un détecteur de nombres aléatoires, noyant vos journaux d’audit Purview sous un flot de bruit.

La puissance des éléments de corroboration et de la proximité

Pour transformer un simple motif de caractères en détecteur de données intelligent, vous devez intégrer des éléments de corroboration et des règles de proximité. La forme seule ne suffit pas à établir le sens. Un identifiant d’employé interne constitué de la lettre « E » suivie de sept chiffres peut facilement se confondre avec des références produit de fournisseurs ou des références d’expédition standard.

En ajoutant des mots clés de corroboration, tels que « numéro de personnel », « dossier RH » ou « profil employé », vous donnez au moteur de détection un contexte sémantique. De plus, vous devez définir des règles de proximité qui déterminent la distance maximale entre ces mots clés et le motif détecté. Si un mot clé figure dans le pied de page d’un document, à trois pages d’une chaîne numérique, il ne doit pas déclencher de correspondance. Resserrer la fenêtre de proximité garantit que le contexte est réellement lié à la valeur de la donnée.

Exploiter les dictionnaires de mots clés pour gagner en échelle

Gérer de longues listes de termes directement dans chaque règle devient rapidement un cauchemar administratif. Plutôt que de saisir des dizaines, voire des centaines de mots dans chaque règle personnalisée, les organisations doivent exploiter les dictionnaires de mots clés. Un dictionnaire de mots clés regroupe une liste importante de termes apparentés, par exemple des noms de code de systèmes internes, des étiquettes de projets confidentiels ou des entités clientes sous accord de non-divulgation (NDA) actif, dans un seul objet facile à gérer.

Lors de la création de dictionnaires, la qualité prime largement sur le volume. Ajouter deux mille termes génériques comme « plan », « synthèse » ou « révision » ruinera la précision de votre détection, car ces mots apparaissent toute la journée dans les communications professionnelles courantes. Chaque terme ajouté à un dictionnaire doit être suffisamment spécifique pour indiquer de manière significative une sensibilité lorsqu’il est associé à votre motif sous-jacent.

Tests et validation avant le déploiement en production

L’erreur la plus fréquente des équipes de conformité consiste à déployer directement un type d’informations sensibles personnalisé nouvellement créé dans une stratégie d’application, sans test empirique. Ne vous fiez jamais uniquement à des exemples fictifs que vous avez rédigés vous-même pour prouver que la règle fonctionne. Collectez plutôt des documents et des courriels réels issus de l’environnement de travail.

Microsoft Purview vous permet de charger directement dans le portail des exemples de fichiers afin de vérifier ce que votre type personnalisé détecte ou manque. Constituez un jeu de test équilibré comprenant des documents qui doivent correspondre, des documents qui ne doivent explicitement pas correspondre et des cas limites. Si votre détecteur personnalisé signale un élément qu’il ne devrait pas, analysez la cause : le plus souvent, le problème provient d’une expression régulière trop large, d’une fenêtre de proximité mal calibrée ou d’un mot clé qui apparaît trop fréquemment dans les communications professionnelles courantes. Affinez votre règle, testez à nouveau et itérez jusqu’à ce que le rapport signal/bruit soit parfaitement net. Pour une vision plus large de la manière dont ces éléments personnalisés s’intègrent aux stratégies de déploiement complètes, écoutez l’épisode complet et découvrez comment concevoir des stratégies qui protègent réellement votre environnement cloud sans éloigner vos collaborateurs.

Questions fréquentes

Quelle est la finalité principale d’un type d’informations sensibles personnalisé dans Microsoft Purview ?

Les types d’informations sensibles personnalisés permettent aux organisations de détecter et de protéger des formats de données propres à leur activité, comme les identifiants internes des employés, les codes de projets spécifiques ou les numéros de comptes particuliers, qui ne sont pas couverts par la bibliothèque de détection intégrée de Microsoft.

Comment les paramètres de proximité évitent-ils les faux positifs dans les règles basées sur des expressions régulières ?

Les paramètres de proximité limitent la distance maximale qui sépare les mots clés de corroboration du motif détecté. En exigeant que ces mots clés apparaissent dans une distance de caractères déterminée, le moteur évite de déclencher des correspondances sur des termes sans rapport, disséminés dans différentes sections d’un document.

Pourquoi éviter d’utiliser des mots génériques dans un dictionnaire de mots clés ?

Les termes génériques reviennent fréquemment dans les communications quotidiennes ordinaires. Inclure des mots courants dans un dictionnaire de mots-clés provoque en permanence de faux positifs du moteur de détection, ce qui érode la confiance des utilisateurs et génère un bruit administratif inutile.

Comment tester un type d’informations sensibles personnalisé avant de le déployer ?

Microsoft Purview vous permet de charger dans le portail des documents et des courriels réalistes afin d’évaluer les performances. Vous pouvez tester vos règles personnalisées sur un mélange de fichiers positifs, négatifs et limites, afin de vérifier leur précision avant d’activer la stratégie pour les utilisateurs finaux.