Protection des données avec l’IA : le guide pratique

Commencez par identifier ce que l’IA voit vraiment

La question « puis-je utiliser cet outil d’IA ? » est trop générale. La bonne question est plutôt : « quelles informations cet outil reçoit-il, dans quel but et pendant combien de temps ? ». Une demande apparemment anodine peut contenir un nom, une adresse, une voix, une photo reconnaissable ou un détail professionnel qui permet de retrouver une personne.

Avant de copier un texte dans une interface, faites un inventaire rapide. Notez la source du document, les personnes citées, les pièces jointes, les métadonnées et le résultat attendu. Un compte rendu de réunion peut inclure des opinions, un CV des données sensibles, et une capture d’écran les notifications d’autres applications. La protection des données avec l’IA commence donc avant le premier prompt.

La CNIL rappelle que les principes du RGPD restent applicables dès qu’un traitement concerne des personnes identifiables. Cela vaut pour un modèle entraîné sur des données comme pour un service utilisé au quotidien. Vous n’avez pas besoin de connaître tous les détails techniques du modèle pour réduire le risque : vous devez surtout savoir quelles informations sortent de votre environnement.

Faites trois listes simples

Séparez les données en trois groupes. Les données publiques peuvent être mentionnées sans identifier directement une personne, comme un thème général ou un texte que vous avez écrit vous-même. Les données internes concernent votre organisation : procédures, contrats, statistiques ou échanges non publiés. Les données personnelles identifient ou décrivent une personne : coordonnées, identifiants, situation financière, santé, image ou voix.

Ajoutez une quatrième étiquette pour les données sensibles ou très personnelles. Elle couvre notamment la santé, les opinions politiques, les croyances, la vie sexuelle, les données biométriques et les informations concernant des mineurs. Avec l’IA, une information sensible peut apparaître indirectement dans une phrase. Un message sur un rendez-vous médical suffit parfois à révéler une situation de santé.

Cette classification n’a pas besoin d’être parfaite. Son intérêt est de déclencher une décision. Les données publiques peuvent servir à tester un outil. Les données internes demandent un service professionnel avec des garanties contractuelles. Les données sensibles devraient rester hors d’un outil grand public, sauf cadre validé et nécessité clairement documentée.

Réduisez les informations avant de les envoyer

Le geste le plus efficace est souvent la minimisation. Gardez uniquement les éléments nécessaires à la tâche. Pour résumer un dossier, remplacez les noms par des rôles. Pour reformuler un e-mail, conservez le contexte utile mais retirez la signature, le numéro de téléphone et les références de commande. Pour classer des demandes, utilisez un identifiant interne plutôt qu’une adresse e-mail.

L’anonymisation cherche à rendre une personne non identifiable de façon raisonnable. La pseudonymisation remplace les identifiants par des codes, mais une table de correspondance permet encore de retrouver la personne. Cette différence compte : un texte pseudonymisé reste une donnée personnelle et doit être protégé comme tel.

Un protocole de préparation en cinq minutes

1. Copiez le document dans une zone de travail séparée et conservez l’original hors de l’outil d’IA.
2. Supprimez les noms, e-mails, numéros de téléphone, adresses et identifiants qui ne servent pas à la tâche.
3. Remplacez les dates exactes par une période lorsque le jour précis n’est pas nécessaire.
4. Retirez les pièces jointes et les commentaires cachés. Les fichiers bureautiques conservent parfois un historique ou des métadonnées.
5. Relisez le prompt comme si vous étiez la personne concernée. Pourriez-vous deviner son identité avec les détails restants ?

Si la réponse est oui, réduisez encore le contexte ou utilisez des données synthétiques. Des exemples inventés sont particulièrement utiles pour configurer un workflow, tester une consigne ou comparer deux modèles. Ils ne remplacent pas toujours les données réelles, mais ils évitent une exposition inutile pendant la phase de conception.

Choisissez un service en regardant ses réglages, pas seulement son modèle

La qualité d’un modèle ne dit rien de la politique de conservation de son interface. Avant d’utiliser un service, cherchez la durée de conservation des requêtes, l’usage éventuel pour l’amélioration du modèle, le lieu de traitement, les sous-traitants et la possibilité de supprimer un historique. Lisez aussi les réglages par défaut : une option de partage ou d’entraînement peut être activée sans que vous la remarquiez.

Un compte professionnel apporte parfois des contrôles supplémentaires, mais il ne transforme pas automatiquement un outil en solution conforme. Vérifiez les rôles entre votre organisation et le fournisseur, les journaux d’accès, la gestion des comptes et la procédure en cas d’incident. La CNIL recommande de documenter la finalité du traitement, la base légale applicable et les mesures de sécurité adaptées au risque.

Préférez un accès limité et réversible

Créez un espace dédié plutôt que de connecter votre compte personnel à une application inconnue. Activez l’authentification multifacteur et attribuez uniquement les permissions nécessaires. Un assistant qui résume des fichiers n’a pas besoin de supprimer des documents, d’envoyer des e-mails ou de lire tout votre agenda.

Lorsque c’est possible, désactivez l’utilisation des conversations pour l’entraînement, réduisez la durée de conservation et choisissez un traitement local pour les tâches qui le permettent. Un modèle exécuté sur votre ordinateur n’est pas sans risque : les journaux, les extensions et les sauvegardes peuvent aussi contenir les prompts. La sécurité se pense sur toute la chaîne, pas uniquement au moment de l’envoi.

Gardez une personne dans la boucle

Une réponse d’IA peut être fluide et fausse. Elle peut aussi reproduire un biais présent dans les données ou révéler un détail que vous ne vouliez pas diffuser. Ne donnez donc pas à une sortie automatique un pouvoir disproportionné. Pour une candidature, un crédit, une aide ou une décision disciplinaire, l’IA peut assister une analyse, mais une personne doit vérifier le résultat et pouvoir l’expliquer.

Définissez à l’avance les cas où l’outil doit s’arrêter. Une faible confiance, une donnée sensible, une demande de suppression ou une contradiction avec un document officiel doit déclencher une vérification humaine. Conservez la trace de la version du modèle, de la date, du prompt et de la correction apportée, sans stocker plus de données personnelles que nécessaire.

Contrôlez les sorties comme les entrées

Avant de partager une réponse, vérifiez les noms, les chiffres, les citations et les inférences. Demandez au modèle de séparer les faits des hypothèses, mais ne confondez pas cette précaution avec une preuve. Comparez la sortie à une source de référence et marquez clairement ce qui a été généré.

Faites aussi un test de fuite. Demandez-vous si la réponse contient une information que le modèle ne pouvait connaître qu’en mémorisant un document personnel. Dans ce cas, interrompez le workflow, isolez les données concernées et demandez conseil au référent sécurité ou au délégué à la protection des données.

Organisez les droits, la suppression et les incidents

Les personnes concernées peuvent disposer de droits d’accès, de rectification, d’effacement ou d’opposition selon le traitement. Un projet IA doit prévoir comment recevoir une demande, retrouver les données pertinentes et répondre dans les délais applicables. Une simple adresse de contact ne suffit pas si personne ne sait rechercher une donnée dans les journaux, les bases d’annotation ou les exports.

Préparez une fiche courte avec la finalité, les catégories de données, les destinataires, la durée de conservation et les mesures de sécurité. Pour un projet important ou risqué, une analyse d’impact sur la protection des données aide à repérer les scénarios d’atteinte et à choisir des mesures proportionnées. Elle est particulièrement utile lorsque les données sont nombreuses, sensibles, croisées ou associées à des personnes vulnérables.

En cas d’erreur, ne supprimez pas précipitamment toutes les traces. Préservez les éléments nécessaires à l’analyse, limitez les accès, avertissez le responsable désigné et évaluez l’obligation de notification. Un incident documenté permet de corriger le prompt, le connecteur, le réglage de conservation ou les droits d’un compte.

Les problèmes fréquents et leurs solutions

« Nous avons besoin du document complet pour obtenir une bonne réponse. » Commencez avec un extrait anonymisé et mesurez la perte de qualité. Ajoutez seulement les champs qui améliorent réellement le résultat. La plupart des tâches de reformulation, de classement ou de synthèse peuvent être préparées avec moins de contexte.

« Le fournisseur affirme que les données sont sécurisées. » Demandez des informations vérifiables : chiffrement, durée de conservation, sous-traitants, localisation, suppression et notification d’incident. Une promesse marketing ne remplace pas une configuration ni un contrat.

« Nous avons désactivé l’entraînement, donc tout est réglé. » Cette option réduit un risque, mais elle ne couvre pas les captures d’écran, les extensions, les comptes compromis, les erreurs de destinataire ou les réponses qui reprennent un contenu privé. Gardez une approche de défense en profondeur.

« L’outil local est forcément privé. » Vérifiez les journaux, les modèles téléchargés, les sauvegardes et les accès administrateur. Un poste partagé ou mal chiffré peut exposer davantage de données qu’un service cloud correctement configuré.

À retenir

Protéger ses données avec l’IA ne consiste pas à refuser toute innovation. Il s’agit de réduire ce qui sort de votre environnement, d’utiliser un service dont les règles sont compréhensibles et de garder une décision humaine lorsqu’une personne peut subir les conséquences. Cartographiez les informations, anonymisez avant l’envoi, limitez les permissions et testez la suppression. Ces gestes simples rendent les usages plus sûrs tout en laissant la place aux outils réellement utiles.

Pour aller plus loin, notre guide sur l’IA et le RGPD détaille la cartographie des traitements, les fournisseurs et la supervision humaine dans un cadre professionnel.