Dès qu’un projet IA touche à des données clients, salariés ou prospects, le RGPD entre dans la pièce. Et avec lui, souvent, une forme de paralysie : certaines équipes renoncent à des projets utiles par crainte de mal faire, d’autres avancent sans se poser la question et découvrent le problème au moment d’un audit ou d’une plainte. Les deux attitudes coûtent cher.
La bonne nouvelle, c’est que le RGPD n’interdit pas l’IA. Il impose de se poser les bonnes questions au bon moment. Cet article présente la checklist que nous parcourons avec nos clients avant d’envoyer la moindre donnée personnelle à un modèle. Il ne remplace pas l’avis de votre DPO ou d’un juriste, mais il permet d’arriver devant eux avec un dossier solide.
1. Y a-t-il vraiment des données personnelles ?
La première question semble évidente, et pourtant elle est souvent mal tranchée. Une donnée personnelle, c’est toute information qui permet d’identifier une personne, directement ou indirectement : un nom, bien sûr, mais aussi un e-mail professionnel, un numéro de dossier, une combinaison « poste + service + ville » qui ne désigne qu’une seule personne, ou le contenu libre d’un ticket de support.
Dans beaucoup de projets, la réponse honnête est « oui, un peu, sans l’avoir voulu ». C’est précisément là que les choses se jouent : une base de procédures internes qui contient, ici et là, des noms de salariés et des exemples tirés de cas réels n’est pas une base anonyme.
2. Pour quelle finalité, et sur quelle base légale ?
Chaque traitement doit avoir une finalité claire et une base légale. Pour un projet IA en entreprise, il s’agit le plus souvent de l’exécution d’un contrat ou de l’intérêt légitime, plus rarement du consentement. L’intérêt légitime n’est pas un passe-partout : il suppose de vérifier que l’usage reste proportionné et conforme à ce que les personnes peuvent raisonnablement attendre.
Le point de vigilance classique : la réutilisation. Des données collectées pour gérer des contrats clients ne peuvent pas automatiquement servir à entraîner un modèle de scoring commercial. Une nouvelle finalité doit être compatible avec la finalité initiale, sinon elle demande sa propre justification.
Le RGPD ne demande pas « avez-vous le droit d’utiliser l’IA ? », mais « avez-vous le droit d’utiliser ces données, pour ça ? ».
3. Envoie-t-on le strict nécessaire ?
Le principe de minimisation est sans doute le plus utile en pratique, parce qu’il réduit à la fois le risque juridique et le risque technique. Un modèle qui doit classer un ticket de support n’a pas besoin du nom ni de l’adresse du client. Un assistant qui résume un contrat n’a pas besoin des coordonnées bancaires en annexe.
- Exclure dès l’indexation les champs et documents qui ne servent pas le cas d’usage.
- Pseudonymiser avant l’envoi au modèle quand l’identité n’est pas utile au raisonnement.
- Ne jamais envoyer de données sensibles (santé, opinions, données biométriques…) sans analyse spécifique préalable.
4. Qui traite les données, et sous quel contrat ?
Dès qu’un fournisseur de modèle traite des données personnelles pour votre compte, il agit en tant que sous-traitant au sens du RGPD. Cela impose un contrat qui encadre ce qu’il a le droit de faire : c’est l’accord de traitement des données, ou DPA. Les grands fournisseurs en proposent un pour leurs offres professionnelles et leurs API, en général pas pour les offres grand public.
Il faut aussi regarder la chaîne complète : l’éditeur de l’outil, l’hébergeur, le fournisseur du modèle, l’outil de monitoring. Chacun est un sous-traitant ou un sous-traitant ultérieur, et doit figurer dans la documentation. Le même raisonnement s’applique à un prestataire comme nous : une équipe qui intervient sur vos données doit être encadrée contractuellement, avec des engagements clairs sur la confidentialité, la sécurité et la restitution ou suppression des données en fin de mission.
5. Les données quittent-elles l’Union européenne ?
Un traitement hors de l’Espace économique européen n’est pas interdit, mais il doit être encadré. Pour les États-Unis, le cadre de protection des données UE-États-Unis permet des transferts vers les entreprises certifiées ; ailleurs, on s’appuie le plus souvent sur les clauses contractuelles types de la Commission européenne. Dans tous les cas, ces transferts doivent être identifiés et documentés.
Concrètement, la question se pose pour chaque maillon : où tourne le modèle, où sont stockés les journaux, où se trouve l’équipe qui peut accéder aux données. Choisir une région d’hébergement européenne simplifie beaucoup les choses, sans dispenser de vérifier le reste de la chaîne.
6. Faut-il une analyse d’impact ?
Une analyse d’impact relative à la protection des données (AIPD) est obligatoire quand un traitement est susceptible d’engendrer un risque élevé pour les personnes. C’est fréquemment le cas avec l’IA : traitement à grande échelle, évaluation ou notation de personnes, croisement de sources, données sensibles, usage innovant. La CNIL a publié des listes de traitements concernés et des recommandations spécifiques aux systèmes d’IA, qui sont une bonne base de travail.
Même quand elle n’est pas obligatoire, une analyse de risques légère a le mérite de forcer les bonnes questions et de laisser une trace écrite des choix faits, ce qui est précieux en cas de contrôle.
7. Les droits des personnes restent-ils applicables ?
Les personnes concernées gardent leurs droits : information, accès, rectification, effacement, opposition. Il faut donc pouvoir répondre à une question simple : si un client demande la suppression de ses données, sait-on où elles se trouvent dans le système IA ? Dans un index RAG, la réponse est en général oui, à condition d’avoir prévu la suppression d’un document et de ses fragments. Dans un modèle fine-tuné sur ces données, c’est beaucoup plus compliqué, ce qui est une raison de plus de privilégier le RAG pour les données personnelles.
Enfin, quand une décision produisant des effets importants pour une personne (un refus de crédit, une candidature écartée) repose uniquement sur un traitement automatisé, le RGPD impose des garanties spécifiques, dont la possibilité d’obtenir une intervention humaine. Un humain dans la boucle n’est alors pas une option de confort.
Et l’AI Act dans tout ça ?
Le règlement européen sur l’IA ajoute une couche d’obligations qui dépend du niveau de risque du système : interdictions pour certains usages, exigences renforcées pour les systèmes à haut risque comme le recrutement ou l’évaluation de crédit, obligations de transparence pour d’autres. Il ne remplace pas le RGPD : les deux s’appliquent en parallèle. Nous y consacrons un article dédié.
Notre recommandation
Intégrez ces questions dès le cadrage du projet, pas au moment de la mise en production. Une demi-journée de travail avec votre DPO en amont évite des semaines de reprise plus tard, et transforme le RGPD en argument plutôt qu’en frein : un système IA dont on peut expliquer précisément quelles données il utilise, pourquoi, et où elles vont, est un système auquel vos clients et vos équipes peuvent faire confiance.