Pourquoi la question se pose avec l'IA#
Un modèle d'IA hébergé lit ce qu'on lui envoie sur les serveurs de son éditeur. Un contrat, un export de clients, une fiche de paie ou un courriel contiennent presque toujours des données personnelles : des noms, des adresses, des numéros, des coordonnées bancaires. Les envoyer tels quels, c'est les communiquer à un tiers.
Le RGPD ne l'interdit pas en soi, mais il impose un cadre : une base légale, une information des personnes, un contrat avec le prestataire, et surtout le principe de minimisation — ne traiter que les données nécessaires à la finalité. Or un modèle a rarement besoin de savoir qui est la personne pour faire son travail : il a besoin de comprendre le document.
Anonymisation et pseudonymisation : deux choses différentes#
C'est la distinction la plus importante, et la plus souvent confondue.
| Anonymisation | Pseudonymisation | |
|---|---|---|
| Principe | Rendre impossible, de façon irréversible, l'identification de la personne | Remplacer ce qui identifie par un substitut, la correspondance étant conservée à part |
| Réversible ? | Non | Oui, pour qui détient la correspondance |
| Statut au regard du RGPD | Les données ne sont plus personnelles : le RGPD ne s'applique plus | Les données restent personnelles : le RGPD s'applique toujours |
| Exemples | Statistiques agrégées, données généralisées et bruitées | Nom remplacé par un alias, identifiant haché avec une clé |
| Usage typique | Publier, partager largement, conserver sans limite | Travailler sur des données sans exposer les identités |
Le RGPD définit la pseudonymisation (article 4) et la présente comme une mesure de protection recommandée. Il précise aussi que des données pseudonymisées restent des données personnelles, tandis que des données réellement anonymes sortent de son champ.
Ce qui rend une anonymisation réelle#
Les autorités européennes de protection des données ont décrit trois risques qu'une anonymisation doit écarter :
- l'individualisation : pouvoir isoler une personne dans un jeu de données ;
- la corrélation : pouvoir relier des données concernant une même personne, y compris entre plusieurs jeux ;
- l'inférence : pouvoir déduire une information sur une personne.
Supprimer le nom ne suffit presque jamais. Une date de naissance, un code postal et un métier suffisent souvent à retrouver quelqu'un. C'est pourquoi la CNIL rappelle que l'anonymisation est difficile et qu'elle doit être évaluée au cas par cas.
Les techniques d'anonymisation des données#
Pour anonymiser#
- Supprimer les identifiants directs et les champs inutiles.
- Généraliser : remplacer une date de naissance par une tranche d'âge, une adresse par un département.
- Agréger : ne publier que des totaux ou des moyennes sur des groupes suffisamment grands.
- Ajouter du bruit : perturber les valeurs de façon contrôlée pour empêcher de remonter à un individu.
Ces techniques dégradent l'information : elles conviennent à la statistique, pas au traitement d'un dossier individuel.
Pour pseudonymiser#
- Remplacer chaque valeur identifiante par un substitut, en gardant la table de correspondance à part.
- Hacher avec une clé secrète, pour obtenir un identifiant stable sans révéler la valeur d'origine.
- Chiffrer les champs sensibles.
La pseudonymisation garde l'utilité des données : le même substitut désigne toujours la même personne, et le raisonnement reste possible.
Protéger les données envoyées à une IA#
Pour un travail d'entreprise — analyser un contrat, préparer une réponse, compléter un tableau —, l'anonymisation est rarement adaptée : on a besoin de retrouver, à la fin, les vraies personnes dans le résultat. La pseudonymisation avant envoi répond à ce besoin :
- Détecter les données personnelles dans le texte, sur le poste, avant tout envoi.
- Remplacer chacune par un substitut cohérent, de même forme : un nom par un nom, un IBAN par un IBAN valide mais faux, pour que le raisonnement du modèle reste juste.
- Envoyer le texte transformé au modèle.
- Restituer les vraies valeurs dans la réponse, à l'affichage.
- Consigner ce qui a été protégé, et ce qui a été laissé passer.
Les pièges#
- Une même valeur, plusieurs substituts. Si « SÉRIEN » et « Sérien » reçoivent deux leurres différents, le modèle croit avoir affaire à deux personnes.
- Les nombres. Remplacer un nombre par un autre nombre fausse un calcul sans que rien ne le montre. Une détection doit savoir distinguer un numéro de téléphone d'une référence de produit.
- Les tableaux. Un export ne se juge pas comme une phrase : c'est la colonne qui dit si une valeur est un nom ou un code.
- Le modèle non prévenu. S'il ignore que le texte a été transformé, il cherche en vain une société introuvable. Il faut le lui dire.
- La détection n'est jamais parfaite. Un outil reconnaît ce qu'il sait reconnaître. Il faut donc pouvoir vérifier, valider avant l'envoi, et retrouver ce qui est parti.
Ce que disent la CNIL et le cadre européen#
La CNIL a publié des recommandations sur le développement et l'usage des systèmes d'intelligence artificielle, qui appliquent les principes du RGPD à ces usages : finalité déterminée, minimisation, sécurité, information des personnes. Le règlement européen sur l'intelligence artificielle, adopté en 2024, ajoute des obligations graduées selon le niveau de risque des systèmes ; il ne remplace pas le RGPD, il s'y ajoute.
Pour une entreprise qui utilise un modèle hébergé, trois réflexes découlent de ce cadre :
- savoir ce qui part vers le fournisseur, et pourquoi ;
- réduire ce qui part au strict nécessaire, par la pseudonymisation ;
- pouvoir en rendre compte, par un journal.
Ce que fait AIKeep#
AIKeep protège les données par AIGuard, qui fait de la pseudonymisation avant envoi : la détection s'exécute sur le poste, les données sensibles sont remplacées par des leurres de même forme, le modèle est prévenu que le texte a été transformé, et les vraies valeurs reviennent à l'affichage. Ce n'est pas de l'anonymisation, et nous ne la présentons pas comme telle : la correspondance existe, sur le poste, pour que vous retrouviez vos données dans la réponse.
Les pièges décrits plus haut y sont traités : une même valeur reçoit le même leurre quelle que soit son écriture, un tableau se juge par colonne, chaque catégorie se désactive, et le mode supervisé vous montre ce qui va être remplacé avant l'envoi. Le journal des protections conserve ce qui a été remplacé et ce qui a été laissé passer en clair, avec qui l'a décidé — voir l'IA conforme au RGPD.