Un générateur de numéro de sécurité sociale aléatoire produit des NIR syntaxiquement conformes, destinés aux environnements de test et de développement. L’enjeu n’est pas anecdotique : exposer un NIR réel dans une base de données hors production, c’est traiter une donnée à caractère personnel sans base légale ni mesure de sécurité adaptée, en violation directe du RGPD.
Structure du NIR français et contraintes de génération valide
Le Numéro d’Inscription au Répertoire (NIR) suit un format à 15 chiffres : sexe, année de naissance, mois, département, commune, numéro d’ordre, puis une clé de contrôle à deux chiffres calculée par la formule 97 – (NIR modulo 97). Un numéro généré aléatoirement doit respecter cette cohérence interne pour être syntaxiquement valide.
Cette contrainte technique soulève un risque précis : un NIR généré par calcul peut, par coïncidence, correspondre à un numéro attribué à une personne réelle. La validité de format ne garantit pas l’absence de lien avec un individu. Pour les jeux de données de test, il faut donc s’assurer que les NIR synthétiques ne sont jamais associés à des attributs personnels réels (nom, adresse, date de naissance exacte).
Les générateurs en ligne sérieux tiennent compte de ces contraintes. Ils produisent des numéros cohérents sur le plan formel, sans les ancrer dans le registre civil ni les relier à une identité réelle.
Cas d’usage légitimes d’un générateur de données synthétiques NIR
Le premier cas d’usage est le développement et les tests de logiciels de paie, de RH ou de gestion de dossiers médicaux. Ces systèmes intègrent des champs NIR dont la validation syntaxique doit être testée sans jamais injecter de données de production dans l’environnement de développement.
La CNIL recommande explicitement d’utiliser des données fictives ou anonymisées pour les tests ordinaires, dans un environnement distinct de la production. Les données réelles ne sont envisageables qu’en préproduction, uniquement si elles sont nécessaires, et avec un niveau de sécurité équivalent à celui de la production.
- Tests de validation de formulaires : vérifier que le champ NIR d’une application accepte les formats corrects et rejette les formats incorrects, sans manipuler de vrais identifiants.
- Jeux de données de démonstration : alimenter une instance de démonstration ou une formation sans exposer les données de salariés ou d’assurés réels.
- Intégrations et migrations : tester les flux d’échange entre systèmes (paie, DSN, base RH) en s’assurant que le pipeline traite correctement les NIR, sans risque de fuite de données réelles.
- Conformité RGPD par défaut : réduire la surface d’exposition aux données personnelles en aval, dès la phase de conception des traitements.
Le décret du 19 avril 2019 encadre spécifiquement les organismes et finalités autorisés à utiliser le NIR. Un générateur de numéros fictifs ne dispense pas de respecter ce cadre pour les traitements en production, mais il permet de ne pas l’activer inutilement pendant les phases de développement.
Pseudonymisation, anonymisation : où se situe le générateur de NIR
Un point souvent mal compris : remplacer un NIR réel par un code ou un identifiant pseudonymisé ne sort pas la donnée du champ du RGPD. La réidentification reste possible si le lien avec la donnée d’origine est conservé. La pseudonymisation réduit le risque, elle ne le supprime pas.
Un NIR généré aléatoirement, sans lien avec aucune personne physique, se rapproche davantage de l’anonymisation au sens du RGPD. Pour que cette qualification tienne, la CNIL invite à vérifier trois critères : l’impossibilité d’isoler une personne dans le jeu de données, l’impossibilité de relier deux jeux de données pour identifier un individu, et l’impossibilité d’inférer des informations sur une personne à partir des données.
Un jeu de test composé de NIR générés aléatoirement, dissociés de tout attribut personnel réel, satisfait en général ces trois critères. C’est précisément ce que les générateurs en ligne permettent d’obtenir rapidement.
Choisir un générateur de numéro de sécurité sociale en ligne : critères techniques
Tous les outils disponibles ne se valent pas. Le critère principal est la conformité algorithmique au calcul de clé : un outil qui produit des NIR sans vérifier la clé de contrôle génère des numéros rejetés par tout système de validation réel, ce qui les rend inutilisables pour les tests.
Parmi les autres critères à vérifier :
- Paramétrage des champs : la possibilité de fixer le sexe, l’année ou le département pour tester des cas limites spécifiques (numéros pour les nés à l’étranger, les départements d’outre-mer, les numéros provisoires commençant par 7 ou 8).
- Génération en volume : pour alimenter des jeux de données de test, un outil doit permettre d’exporter plusieurs centaines de numéros en un seul appel, idéalement en CSV ou JSON.
- Absence de stockage des données générées : un outil qui conserve les NIR produits crée lui-même un fichier de données potentiellement problématique. Préférer les outils qui génèrent côté client ou qui ne journalisent pas les sorties.
Pour les équipes de développement qui travaillent avec des pipelines automatisés, des bibliothèques open source intégrables directement dans le code (Python, JavaScript, Go) offrent plus de contrôle qu’une interface web. Elles permettent de générer les données synthétiques au moment du build ou du seed de base de données, sans dépendance externe.
NIR et RGPD : ce que le générateur ne résout pas
Utiliser des NIR synthétiques en développement est une bonne pratique, mais elle ne couvre qu’une partie du risque. Le NIR n’est pas classé parmi les données sensibles au sens de l’article 9 du RGPD (qui liste les données de santé, l’origine ethnique, les convictions religieuses, etc.), mais son traitement reste soumis à des règles spécifiques en droit français.
En production, les obligations s’appliquent pleinement : base légale, minimisation, durée de conservation, sécurité des traitements. Le fait d’avoir utilisé des données fictives pendant le développement ne crée pas de présomption de conformité pour le traitement en production. Les deux sujets sont distincts.
Le générateur de NIR est un outil de réduction du risque en phase de développement. Il ne remplace pas une analyse d’impact (AIPD) pour les traitements qui impliquent des NIR réels à grande échelle, ni une politique de gestion des accès aux données de production.
