Les assistants IA grand public envoient les requêtes de vos équipes sur des serveurs tiers, souvent hors Union européenne. Le RGPD et l'AI Act encadrent ces usages, et la CNIL attend une charte, une formation et une analyse d'impact pour les traitements sensibles. Une architecture RAG sur hébergement européen permet de connecter un assistant IA à vos données métier sans les exposer.
Pourquoi la confidentialité des données est devenue l'enjeu central de l'IA en entreprise
Depuis 2022, l'intelligence artificielle est entrée dans le quotidien des entreprises françaises. ChatGPT, Copilot ou Claude servent chaque jour à rédiger un texte, analyser un document, générer du code ou répondre à une question métier. Le gain de productivité est réel. La question utile porte donc moins sur l'interdiction que sur le périmètre : quelles données, dans quels outils, sous quelles garanties ?
Le sujet est loin d'être théorique. En mai 2023, Samsung a interdit l'usage de ChatGPT à ses salariés après la fuite de code source confidentiel par l'outil. La même année, l'Italie a suspendu temporairement ChatGPT pour non-respect du RGPD. Ces deux cas montrent que l'IA générative et la protection des données sensibles doivent désormais être traitées ensemble.
Que deviennent vos données dans une IA grand public ?
Lorsqu'un salarié saisit une requête dans un assistant gratuit, les informations quittent l'entreprise. Elles sont envoyées sur les serveurs du fournisseur, souvent hors Union européenne, traitées et parfois journalisées. Selon les conditions d'utilisation, les versions gratuites peuvent conserver ces contenus et les réutiliser pour l'entraînement du modèle.
Trois niveaux d'outils doivent être distingués :
- Assistant grand public gratuit (compte personnel ChatGPT, Gemini, etc.) : peu de garanties, rétention possible, données potentiellement réutilisées pour l'entraînement.
- Offre entreprise (ChatGPT Enterprise, Azure OpenAI) : clauses contractuelles, option d'exclusion de l'entraînement, hébergement contrôlé. Les données transitent toutefois par des prestataires américains.
- Assistant IA interne sur une infrastructure maîtrisée (serveur interne ou hébergement européen) : maîtrise complète du stockage, des accès et des journaux.
Les salariés utilisent souvent ces outils sans cadre défini, alors que la direction reste juridiquement responsable des usages, y compris sur des comptes personnels. Selon l'INSEE, 18 % des entreprises françaises de 10 salariés ou plus utilisaient l'IA en 2025, et cette part continue de progresser.
Quelles données ne doivent jamais sortir de l'entreprise via une IA générative ?
Certaines catégories d'informations ne doivent jamais être collées dans un outil grand public :
- Données personnelles : nom, adresse e-mail professionnelle, téléphone, CV, historique de commandes.
- Données RH : évaluations, salaires, situations disciplinaires.
- Données clients : contrats, montants, coordonnées, réclamations.
- Données médicales ou sociales : dossiers de santé, informations sur des mineurs ou des personnes vulnérables.
- Secrets d'affaires : feuille de route produit, algorithmes, code source, données de R&D, offres commerciales en cours.
- Données financières internes : budgets prévisionnels, marges, négociations de fusion-acquisition.
Un critère simple aide à décider : quelles données seriez-vous incapable de montrer à un concurrent ou dans un appel d'offres ?
Trois situations courantes : un juriste qui colle un projet de contrat avec ses clauses tarifaires dans un assistant gratuit, un développeur qui partage un dépôt Git privé, un responsable RH qui fait relire une lettre de licenciement avec le nom et le motif. À chaque fois, un secret industriel ou une donnée personnelle a quitté l'entreprise sans décision explicite.
Avant tout traitement, les données sensibles doivent être pseudonymisées ou anonymisées. La pseudonymisation remplace les identifiants directs par des identifiants indirects, avec une limite : des données combinées (petits effectifs, profils rares) peuvent redevenir identifiantes.
Les cinq risques de l'IA générative pour la confidentialité des données
Cinq risques dominent :
- Réutilisation des données pour l'entraînement : par défaut, certains outils conservent et exploitent les contenus saisis. Une suppression a posteriori n'efface pas les traces laissées dans le modèle.
- Transfert hors Union européenne et Cloud Act : le Cloud Act autorise les autorités des États-Unis à accéder aux données hébergées par des entreprises américaines, même sur des serveurs situés en Europe.
- Fuites involontaires et usages non déclarés : comptes gratuits, modules complémentaires et extensions de navigateur créent des angles morts (l'« IA fantôme »). Selon l'observatoire IA responsable KPMG/Impact AI, de nombreuses organisations ignorent une partie de leurs usages internes.
- Violation du secret professionnel : avocats, médecins, experts-comptables et professionnels de la finance sont particulièrement exposés, avec des conséquences disciplinaires, contractuelles et concurrentielles en cas de fuite.
- Absence de traçabilité : les modèles fonctionnent souvent comme des boîtes noires. Sans journaux, impossible de répondre à la CNIL ou à un client : où sont passées les données, pendant combien de temps, qui y a eu accès ?
Que demandent le RGPD, la CNIL et l'AI Act ?
Pour un DAF, un DSI ou un dirigeant, ces textes tiennent en quelques obligations opérationnelles.
- RGPD et requêtes : toute requête (prompt) contenant une donnée personnelle constitue un traitement soumis au RGPD, avec ses obligations de base légale et de transparence. Les sanctions sont réelles : l'Italie a infligé 15 millions d'euros d'amende à OpenAI pour collecte illégale et manque de transparence.
- Attentes de la CNIL : minimisation des données, documentation des systèmes d'IA générative, analyse d'impact (AIPD) en cas de risque élevé, information claire des personnes. La FAQ de la CNIL de juillet 2024 recommande d'associer le délégué à la protection des données (DPO) dès le démarrage du projet.
- AI Act (règlement UE 2024/1689) : classification des systèmes par niveau de risque (minimal, limité, élevé, interdit), transparence sur les contenus générés (marquage lisible par machine à partir d'août 2026) et obligations renforcées pour les systèmes à haut risque, avec un contrôle humain sur les décisions automatisées.
- Droits des personnes : les données intégrées dans un modèle doivent rester soumises aux droits d'accès, de rectification et de suppression.
L'AIPD en pratique : elle doit être réalisée pour les systèmes d'IA sensibles (RH, santé, notation, surveillance) et évalue la nature des données, les finalités, les risques et les mesures correctives avant tout déploiement.
Charte IA, formation et gouvernance : remettre de l'ordre dans les usages
Interdire tous les outils grand public est illusoire : les collaborateurs trouveront des contournements. Un cadre clair et court donne de meilleurs résultats.
- Une charte IA d'une page : plus efficace qu'une politique longue, elle définit le traitement des données sensibles, les outils autorisés (versions entreprise pour les cas critiques), les interdictions et le contact en cas de doute.
- Une formation d'une demi-journée : reconnaître une donnée sensible, anonymiser un document, choisir le bon outil selon le cas d'usage. C'est la mesure la plus rentable.
- Une gouvernance légère : un référent IA ou un comité, une revue trimestrielle des outils, une mise à jour du registre RGPD et des règles strictes d'accès aux données sensibles.
- Un audit initial : cartographier les services qui utilisent déjà des assistants IA, avec quelles données et sur quels comptes, et vérifier les conditions de chaque fournisseur.
Comment connecter un assistant IA à vos données sans les exposer ?
Un assistant IA interne peut interroger vos bases métier (CRM, ERP, GED, LMS) sans exposer l'ensemble de vos données, grâce à la génération augmentée par recherche (RAG). Le modèle ne conserve pas vos données : il y accède au moment de la requête, récupère le passage pertinent et génère une réponse.
Cette architecture repose sur quelques principes :
- Seules les informations strictement nécessaires sont transmises au modèle, avec anonymisation ou masquage lorsque c'est possible.
- Les échanges sont chiffrés en transit (TLS) et au repos, et chaque accès est contrôlé et journalisé.
- La maîtrise des sources et de l'infrastructure reste indispensable : segmentation réseau, intégration par des API sécurisées.
Cas d'usage typique : un assistant IA qui répondra aux questions des équipes support en se connectant à la base de connaissances interne, sans jamais envoyer la base complète chez un tiers.
C'est le type de projet que Genesii conçoit : applications métier et assistants IA sur mesure intégrés au système d'information, RGPD by design et hébergés en Europe.
Modèles d'IA souverains et architecture recommandée
Pour les données sensibles, Genesii préconise des modèles d'IA souverains : modèles à poids ouverts (Llama, Mistral, etc.) exécutés sur un serveur interne ou sur un hébergement européen (Infomaniak ou OVHcloud), avec des garanties contractuelles fortes.
L'architecture type pour une PME ou une collectivité comporte quatre couches :
- Stockage : un cloud privé ou un centre de données européen conserve les données sous juridiction de l'Union européenne.
- API : une couche sécurisée filtre les requêtes, anonymise les contenus et contrôle les accès avant qu'ils n'atteignent le modèle.
- Moteur IA : un modèle génératif sans rétention traite la requête, sans réutilisation des données pour l'entraînement.
- Supervision : des journaux centralisés et des audits réguliers assurent la traçabilité et la conformité.
Une fois en place, cette architecture accueillera de nouveaux cas d'usage sans remettre en cause le socle. Nos équipes accompagnent chaque projet du premier atelier jusqu'à la mise en production, de l'étude de faisabilité au suivi de conformité, selon notre méthode, avec des options de continuité (hébergement, supervision, évolutions).
Par exemple, pour Resadoc, nos équipes ont conçu une plateforme qui combine IA générative, computer vision (lecture automatique de documents) et automatisation pour traiter des flux documentaires complexes, avec un temps de traitement des dossiers réduit et sans compromis sur la confidentialité.
Plan d'action en 90 jours pour sécuriser l'IA générative
Une feuille de route réaliste pour passer d'un usage non maîtrisé à une ligne de conduite claire :
- Semaines 1 à 2, cartographier : identifier qui utilise quoi, avec quelles données, dans quels services, et recenser les comptes personnels et professionnels.
- Semaines 2 à 4, cadrer : rédiger la charte IA d'une page, lister les outils autorisés en version entreprise et formaliser les interdictions par catégorie de données.
- Mois 2, sécuriser : lancer un premier assistant IA pilote sur un périmètre limité (FAQ interne, assistance informatique), choisir les outils (solutions professionnelles ou internes) et valider l'architecture technique.
- Mois 2 à 3, mettre en conformité : mettre à jour le registre RGPD, réaliser une AIPD pour les traitements à risque élevé, revoir les contrats et les clauses des prestataires cloud et IA.
- Fin du mois 3, former et industrialiser : former l'ensemble des équipes lors d'une session courte, désigner un référent IA et planifier le déploiement progressif des usages sécurisés.
Bien encadrée, l'IA générative devient un levier de valorisation des données de l'entreprise plutôt qu'une source d'exposition.
