Confidentialité : que deviennent vos données envoyées à une IA ?
Copier une liste de clients, un contrat ou un export de commandes dans une IA est devenu aussi simple que joindre un fichier à un email. Cette facilité donne l’impression que toutes les informations sont traitées de la même façon, alors que les règles dépendent du service, du forfait, des paramètres, de l’API et des outils tiers utilisés.
Cet article prolonge notre vidéo TikTok. Il ne remplace pas un avis juridique ou une analyse RGPD, mais fournit une grille pratique pour décider ce qui peut être envoyé, anonymisé ou conservé hors de l’outil.
Distinguer utilisation, conservation et entraînement
Trois questions sont souvent confondues. Les données servent-elles à produire la réponse ? Combien de temps sont-elles conservées ? Peuvent-elles être utilisées pour améliorer les modèles ?
Un service peut ne pas utiliser vos données pour l’entraînement tout en les conservant temporairement pour la sécurité. Un autre peut garder un fichier jusqu’à sa suppression. Lisez la politique correspondant exactement au produit utilisé.
Interface grand public et API
Dans ChatGPT, des contrôles permettent de refuser l’utilisation des nouvelles conversations pour améliorer les modèles. Les chats temporaires ne figurent pas dans l’historique et sont annoncés comme supprimés après une période limitée.
Pour l’API OpenAI, les données ne sont pas utilisées pour entraîner les modèles par défaut, mais les durées de conservation et l’état applicatif varient selon les endpoints et les options. D’autres fournisseurs ont leurs propres règles.
Les outils tiers changent le trajet
Un connecteur, un plugin, une extension de navigateur ou une plateforme d’automatisation peut recevoir une partie des données. Sa politique s’ajoute à celle du modèle.
Cartographiez le trajet : poste de travail, plateforme, fournisseur d’IA, stockage, journalisation et éventuel sous-traitant. Une promesse de confidentialité au niveau du modèle ne couvre pas automatiquement toute la chaîne.
La règle de minimisation
N’envoyez que ce qui est nécessaire. Remplacez les noms par des identifiants, retirez les emails, adresses, données bancaires, secrets, mots de passe et informations de santé. Coupez les colonnes inutiles.
L’anonymisation ne consiste pas seulement à supprimer le nom : une combinaison de poste, ville, date et montant peut réidentifier une personne.
Créer une classification interne
Classez les données en quatre niveaux : public, interne, confidentiel, interdit dans les outils non approuvés. Donnez des exemples propres à votre activité.
Une politique abstraite est peu appliquée. Une règle comme « aucun export client nominatif ; utiliser un identifiant et supprimer les coordonnées » est immédiatement compréhensible.
Questions à poser au fournisseur
- Les données servent-elles à l’entraînement par défaut ?
- Quelle est la durée de conservation ?
- Peut-on la réduire ?
- Où les données sont-elles hébergées ?
- Quels sous-traitants interviennent ?
- Les fichiers persistent-ils jusqu’à suppression ?
- Existe-t-il des journaux administrateur ?
- Comment supprimer ou exporter les données ?
Conservez les réponses et la date, car les politiques évoluent.
Les données les plus risquées
Soyez particulièrement prudent avec les informations de santé, ressources humaines, mineurs, secrets commerciaux, documents juridiques, identifiants, données de paiement et bases clients.
Pour ces cas, utilisez un environnement approuvé, un contrat adapté, des contrôles d’accès et une validation par votre responsable sécurité ou protection des données.
Le réflexe avant de cliquer sur envoyer
Demandez-vous : pourrais-je transmettre ce fichier à un prestataire externe sans contrat ni vérification ? Les personnes concernées s’attendent-elles à cet usage ? Puis-je atteindre le même objectif avec des données synthétiques ou anonymisées ?
Si la réponse est non, arrêtez l’envoi et choisissez une solution encadrée.
Mettre en place une règle de prétraitement
Avant tout envoi, passez le fichier dans une checklist : finalité, colonnes nécessaires, données personnelles, secrets, durée de conservation et fournisseur autorisé. Pour les exports fréquents, automatisez la suppression ou le hachage des champs sensibles.
Testez le résultat anonymisé : l’analyse reste-t-elle possible ? Dans beaucoup de cas, la ville exacte, le nom ou l’email n’apportent rien à l’indicateur recherché.
Former avec des exemples concrets
Montrez à l’équipe un fichier autorisé, un fichier à anonymiser et un fichier interdit. Expliquez aussi les risques des captures d’écran et copier-coller de conversations support. Ajoutez un canal de validation rapide pour les cas incertains. Une politique efficace ne repose pas sur la peur de l’IA, mais sur des décisions simples que les utilisateurs peuvent appliquer au moment où ils travaillent.
Checklist de validation avant de passer à l’action
Avant d’intégrer cette méthode à votre fonctionnement quotidien, contrôlez les points suivants :
- Cadrage : Seules les données nécessaires à la mission sont-elles envoyées ?
- Fiabilité : Les identifiants indirects, secrets et commentaires libres ont-ils été contrôlés ?
- Mise en œuvre : Les paramètres, contrats et durées de conservation du service ont-ils été vérifiés ?
Cette vérification évite de confondre une démonstration convaincante avec un processus réellement exploitable. Testez la méthode sur un cas représentatif, conservez la version utilisée et notez les corrections humaines nécessaires. Après plusieurs essais, vous pourrez distinguer ce qui doit être automatisé, ce qui mérite un gabarit et ce qui doit rester une décision humaine.
Le bon indicateur n’est pas le nombre de réponses générées. C’est la proportion de résultats suffisamment justes, utiles et cohérents pour être intégrés à votre activité sans créer davantage de relecture, de risque ou de confusion.
Ce qu’il faut retenir
Vos données ne disparaissent pas magiquement après la réponse et ne suivent pas une règle unique. Identifiez le produit, les paramètres et les intermédiaires ; minimisez les données ; classez les informations ; documentez les usages. La confidentialité est une architecture et une discipline.
Passer de l’idée au système
Idevart peut concevoir des workflows où les données sont filtrées, pseudonymisées et journalisées avant l’appel à l’IA. Le gain de productivité doit être compatible avec vos obligations et la confiance de vos clients.