Données d'entreprise et IA générative : ce qu'on peut y mettre, ce qu'on ne doit jamais y mettre

À chaque session de formation, la même question revient, en général vers la fin de la première demi-journée. Quelqu’un lève la main et demande : « et si je mets un vrai dossier client dedans, il se passe quoi ? »

C’est la bonne question. Presque personne ne sait y répondre, et la plupart des gens ont déjà collé le dossier avant de la poser. Le danger numéro un avec l’IA générative, ce n’est pas l’IA. C’est ce que l’humain met dedans.

Cet article donne une réponse utilisable : comment fonctionne réellement le trajet de vos données, comment classer ce que vous manipulez, et comment réécrire un prompt dangereux en trente secondes.

Arrêtez de demander si c’est sécurisé

« Est-ce que ChatGPT est sécurisé ? » n’appelle pas de réponse, parce que la question ne désigne rien de précis. Sécurisé contre quoi, pour qui, dans quelles conditions d’usage ?

Trois questions la remplacent avantageusement, et celles-là ont des réponses vérifiables :

1. La donnée sort-elle de votre réseau ? Sauf modèle installé sur vos propres machines, la réponse est oui, toujours. Votre prompt part chez un éditeur, transite par ses serveurs, et y est traité.
2. Combien de temps y reste-t-elle ? Entre trente jours et cinq ans selon le service et le réglage. Ce n’est pas un détail : c’est la fenêtre pendant laquelle une fuite chez l’éditeur peut vous concerner.
3. Qui a le droit de s’en servir, et pour quoi ? C’est le point décisif, et c’est le seul que vous contrôlez vraiment.

Les trois régimes d’un même modèle

Le point que presque tout le monde manque : ce n’est pas le modèle qui change d’un régime à l’autre. C’est le contrat. Le même moteur vous répond, avec les mêmes performances. Ce qui diffère, c’est le droit que vous avez cédé, ou pas, sur ce que vous lui envoyez.

Le compte personnel, gratuit ou payant, est le régime le plus permissif pour l’éditeur. Sur la plupart des services grand public, vos conversations peuvent servir à améliorer les modèles tant que vous n’avez pas désactivé le réglage vous-même. Chez OpenAI, il se trouve dans Réglages puis Contrôles des données. Chez Anthropic, le choix est proposé à l’inscription et modifiable dans les paramètres de confidentialité, avec une conséquence directe sur la durée de conservation : trente jours si vous refusez, cinq ans si vous acceptez. Payer un abonnement individuel ne change rien à cela. Vous achetez du quota, pas un régime juridique.

Le compte d’équipe, vendu sous les noms de Team, Business, Enterprise ou Workspace selon les éditeurs, inverse le réglage par défaut. Les données professionnelles ne servent pas à l’entraînement, et cet engagement est contractuel plutôt que laissé à une case à cocher que le premier stagiaire venu peut réactiver. C’est le minimum vital dès qu’une équipe entière utilise l’outil pour de vrai.

L’API et le contrat dédié ajoutent une couche technique. Aucune donnée d’entrée ou de sortie ne sert à l’entraînement par défaut, et certains contrats permettent d’obtenir une rétention nulle, c’est-à-dire l’effacement des échanges dès la réponse rendue. C’est le régime des agents et automatisations qu’on déploie en production, et c’est aussi le seul qui vous laisse choisir où la donnée est traitée.

Vous n’achetez pas un modèle plus sûr. Vous achetez un contrat.

Tout n’est pas sensible au même degré

L’erreur symétrique de l’imprudence, c’est la paranoïa. Une entreprise qui interdit l’IA générative ne l’a pas supprimée : elle l’a déplacée vers les téléphones personnels de ses salariés, hors de tout contrôle et hors de tout journal. Interdire ne protège rien.

Ce qu’il faut, c’est un classement que n’importe qui puisse appliquer en trois secondes, sans consulter le service juridique.

Deux catégories juridiques se cachent derrière ce classement, et les confondre coûte cher.

Les données personnelles sont toutes celles qui permettent d’identifier quelqu’un, directement ou non : un nom, une adresse, un numéro de dossier, un e-mail nominatif, le SIRET d’une entreprise individuelle. Elles relèvent du RGPD dans leur totalité.

Les données sensibles au sens strict forment un sous-ensemble étroit et bien plus protégé : santé, origine, opinions politiques, convictions religieuses, appartenance syndicale, orientation sexuelle, données biométriques, condamnations pénales. Leur traitement est interdit par principe, avec des exceptions limitées. Vous n’improvisez pas avec celles-là.

À côté, le secret des affaires ne relève pas du RGPD mais du code de commerce, et il obéit à une règle simple qui surprend toujours : il n’est protégé que tant qu’il reste secret. Une marge, une méthode ou un fichier client qui a circulé n’est plus opposable à personne. En 2023, des ingénieurs de Samsung ont collé du code source propriétaire dans un assistant public. Aucune faille technique, aucune attaque : trois copier-coller, et le secret n’en était plus un.

Le test des quatre questions

C’est le moment où l’article devient utile. Avant d’appuyer sur Entrée, quatre questions, dans cet ordre.

Quatre façons de réécrire un prompt dangereux

Ce sont les quatre techniques que je fais pratiquer en formation IA générative, parce qu’elles couvrent la totalité des cas rencontrés en entreprise.

L’abstraction remplace la donnée réelle par sa catégorie. « Madame Clara Duval » devient « la cliente ». « 25 000 euros » devient « le montant prévu au contrat ». Le raisonnement de l’IA ne perd rien, votre dossier ne sort pas.

L’anonymisation supprime purement et simplement l’information. Un numéro de SIRET n’apporte strictement rien à la qualité d’une réponse : retirez-le, ne le remplacez par rien.

La pseudonymisation substitue une donnée fictive mais plausible. « Entreprise Alpha », « Client A », « un local de 120 mètres carrés ». Utile quand la structure du cas compte et que vous avez besoin de plusieurs acteurs distincts dans le même texte.

La reformulation neutre est la plus efficace, et la plus négligée. Elle consiste à demander un modèle plutôt qu’un document.

Le second prompt produit un meilleur document que le premier, parce qu’il demande une trame réutilisable au lieu d’un cas particulier. Vous ne perdez rien en sécurisant. C’est le point que les gens ont le plus de mal à croire avant de l’avoir essayé.

Les outils qui évitent le problème au lieu de le gérer

Réécrire ses prompts fonctionne, mais repose sur la discipline de chacun, tous les jours. À l’échelle d’une équipe, mieux vaut une architecture qui rend la faute difficile.

• Un compte d’équipe pour tout le monde. C’est la mesure au meilleur rapport effet sur coût. Elle supprime d’un coup le risque du réglage laissé actif sur trente comptes personnels.
• Un outil de RAG plutôt qu’un copier-coller. NotebookLM, ou un assistant branché sur vos documents, travaille sur un corpus que vous avez choisi et cité, au lieu de recevoir des extraits collés à la va-vite dans une conversation qui restera dans l’historique.
• L’API avec rétention nulle pour tout ce qui est automatisé. Dès qu’un traitement est répétitif, il n’a rien à faire dans une interface de chat.
• Un modèle hébergé en Europe, Mistral par exemple, quand la localisation du traitement est un critère contractuel chez vos propres clients. Attention toutefois : l’hébergement européen règle la question du transfert, pas celle de la base légale.
• Un modèle local pour les cas vraiment sensibles. La donnée ne quitte jamais la machine. Le prix à payer est réel : qualité en retrait et matériel à financer. À réserver aux traitements qui le justifient.
• La prudence sur les connecteurs. Brancher un assistant sur l’intégralité d’un Drive partagé, c’est ouvrir en lecture tout ce que le compte peut voir, y compris les dossiers RH qu’on avait oubliés. Connectez un dossier, pas un espace entier.

La charte d’usage, en une page

Une charte de quarante pages ne sera pas lue. Une page tient sur un mur. Sept points suffisent.

Une fuite déclarée le jour même se traite. Une fuite cachée trois semaines, non. C’est aussi ce que je répète en formation cybersécurité : la personne qui vous signale sa bêtise vous fait gagner de l’argent.

État des lieux au 26 août 2026

Voici le seul passage de cet article qui périmera. Les principes ci-dessus tiendront des années ; les réglages ci-dessous bougent tous les trimestres. Vérifiez toujours dans les conditions en vigueur, elles font foi, pas cette page.

Sources officielles à consulter avant toute décision : la page d’OpenAI sur l’usage des données, celle d’Anthropic, et le dossier IA de la CNIL pour la partie réglementaire française.

Ce qu’il faut retenir

• La donnée sort toujours, sauf modèle local. Ce que vous choisissez, c’est le contrat qui l’encadre.
• Un abonnement individuel payant ne change pas de régime. Un compte d’équipe, si.
• Classez avant de coller : public, interne ordinaire, confidentiel, personnel et sensible.
• Quatre questions, trente secondes. Un seul « oui », et vous réécrivez.
• Demandez la trame, jamais le document. Vous obtiendrez un meilleur résultat, et vous ne risquerez rien.

Si vous voulez que vos équipes prennent ces réflexes sur vos propres dossiers plutôt que sur des exemples inventés, c’est exactement ce qu’on fait en formation. Et si la question porte sur votre organisation entière, sur ce qui circule déjà sans que personne l’ait décidé, c’est un audit qu’il vous faut, pas un support de cours.