IA générative et données sensibles : la méthode pour protéger ses informations

Un assistant d’IA générative peut résumer un texte, reformuler un courriel ou extraire des informations d’un document en quelques secondes. Le risque apparaît lorsque la demande contient des données qui ne devraient pas être transmises à un service externe : coordonnées de clients, contrats, informations de santé, identifiants, données financières ou secrets commerciaux.

La bonne approche n’est pas d’interdire toute utilisation de l’IA. Il faut plutôt déterminer quelles données peuvent être utilisées, dans quel environnement et avec quelles vérifications. Cette méthode permet de conserver les bénéfices de l’outil tout en réduisant les erreurs de confidentialité, de conformité et de sécurité.

Quelles informations faut-il considérer comme sensibles ?

Une donnée sensible n’est pas uniquement un mot de passe. Il s’agit plus largement de toute information dont la divulgation pourrait porter préjudice à une personne, à une organisation ou à son avantage concurrentiel. Le niveau de risque dépend à la fois du contenu, du contexte et de la personne qui pourrait y accéder.

Un document peut aussi devenir sensible par recoupement. Un prénom seul présente généralement peu de risque ; associé à une entreprise, une fonction et un numéro de dossier, il peut permettre d’identifier précisément une personne. La question à se poser est donc : quel dommage surviendrait si ce contenu était consulté par un tiers ou réutilisé hors de son contexte ?

Le test rapide avant de coller un contenu dans une IA

Avant chaque utilisation, appliquez un contrôle en quatre questions. Il prend moins d’une minute lorsque l’habitude est installée.

1. Le contenu permet-il d’identifier une personne, un client ou un partenaire ? Recherchez les noms, coordonnées, numéros de dossier, signatures et détails indirectement identifiants.
2. Le texte contient-il un secret ou un accès technique ? Les mots de passe, clés, jetons et configurations internes doivent être retirés sans exception.
3. Le résultat attendu nécessite-t-il vraiment le document complet ? Pour obtenir une reformulation, un extrait anonymisé suffit souvent.
4. Sais-je ce que le service fait des données transmises ? Vérifiez les conditions de l’outil, les réglages de conservation et les règles applicables dans votre organisation.

Si une réponse reste incertaine, ne transmettez pas le contenu brut. Reformulez la demande avec un exemple fictif ou demandez une validation à la personne responsable des données et des outils numériques.

Anonymiser un document sans détruire son utilité

L’anonymisation ne consiste pas à remplacer uniquement le nom visible en haut d’une page. Un document peut contenir des informations identifiantes dans le corps du texte, le nom du fichier, les propriétés du document ou une capture d’écran.

Remplacer les identifiants directs

Substituez les noms, adresses, téléphones, e-mails et numéros de contrat par des marqueurs cohérents. Par exemple, utilisez [CLIENT_A], [VILLE] ou [MONTANT]. Évitez de remplacer chaque élément par une valeur différente si l’IA doit comprendre qu’il s’agit de la même personne ou du même dossier.

Généraliser les détails indirects

Un âge exact, une date précise, un intitulé de poste rare ou une combinaison de lieux peut rendre une personne identifiable. Remplacez ces éléments par des catégories plus larges lorsque la précision n’est pas nécessaire : « une entreprise de moins de vingt salariés » plutôt que son effectif exact, ou « au deuxième trimestre » plutôt qu’une date complète.

Retirer les métadonnées et les éléments invisibles

Avant de partager un fichier, contrôlez son nom, son historique de modifications, ses commentaires, les feuilles masquées et les propriétés du document. Une capture d’écran doit également être vérifiée : notifications, onglets ouverts, noms de fichiers et informations affichées dans la barre d’adresse peuvent révéler davantage que le texte principal.

Pour tester une procédure, créez un jeu de données fictif qui conserve la structure du cas réel sans reprendre ses valeurs. Une IA peut apprendre à classer des demandes, résumer un contrat-type ou rédiger une réponse à partir d’un scénario simulé ; elle n’a pas besoin de recevoir le dossier original pour démontrer la méthode.

Choisir le bon niveau d’usage selon le risque

Tous les usages ne présentent pas le même niveau d’exposition. Une règle interne simple peut aider une équipe à prendre une décision sans interprétation permanente.

Cette grille ne remplace pas les règles de sécurité ou les obligations applicables à votre activité. Elle sert de filtre opérationnel. Une entreprise peut ensuite préciser quels outils sont autorisés, quels types de fichiers sont exclus et qui peut approuver les exceptions.

Les réglages et règles à vérifier dans l’outil

La confidentialité ne dépend pas uniquement du prompt. Examinez également le fonctionnement du service utilisé et les paramètres disponibles. Les intitulés changent selon les outils et les offres ; il faut donc vérifier la documentation ou les conditions à jour plutôt que supposer qu’un réglage existe.

• Le contenu envoyé peut-il être utilisé pour améliorer le service ?
• Combien de temps les conversations ou les fichiers sont-ils conservés ?
• Qui, au sein de l’organisation, peut consulter l’espace de travail ?
• Les comptes individuels et professionnels ont-ils les mêmes protections ?
• Peut-on désactiver l’historique, supprimer les données ou gérer les accès ?
• Le fournisseur propose-t-il des garanties adaptées à l’usage professionnel envisagé ?

Évitez également de partager un compte. Chaque utilisateur devrait disposer d’un accès correspondant à son rôle, avec une authentification solide et un retrait rapide des droits lorsqu’il quitte l’équipe. La gestion des accès limite les risques liés à l’outil, mais aussi ceux qui concernent l’ensemble des données déjà déposées.

Construire une procédure d’équipe en cinq étapes

Une politique utile doit être suffisamment courte pour être appliquée. Une page interne peut reprendre le processus suivant.

1. Classer la donnée : publique, interne, confidentielle ou critique.
2. Réduire la demande : ne transmettre que les passages nécessaires à la tâche.
3. Anonymiser : remplacer les identifiants et retirer les métadonnées inutiles.
4. Utiliser un outil autorisé : respecter les comptes, réglages et restrictions définis par l’organisation.
5. Contrôler le résultat et l’exposition : vérifier les faits, repérer une donnée réapparue et supprimer la conversation ou le fichier si la procédure le prévoit.

Ajoutez quelques exemples concrets à cette procédure. « Résumer une réunion avec les noms des participants » est différent de « résumer une réunion dont les noms et projets ont été remplacés ». Les exemples réduisent les interprétations et facilitent l’adoption par les personnes qui ne travaillent pas dans la technique.

Les erreurs qui exposent le plus souvent les données

Les incidents viennent rarement d’une intention malveillante. Ils résultent souvent d’un geste rapide réalisé dans un contexte de pression.

• Copier-coller tout un e-mail alors que trois phrases suffisent.
• Envoyer un fichier original au lieu d’une copie nettoyée.
• Demander à l’IA d’analyser un tableau contenant des identifiants dans une colonne apparemment secondaire.
• Utiliser un compte personnel pour traiter un document professionnel.
• Confondre « conversation supprimée de l’écran » et suppression complète chez le fournisseur.
• Considérer la réponse de l’IA comme confidentielle alors qu’elle reprend des informations sensibles.

Une erreur déjà commise doit être signalée rapidement selon la procédure de l’organisation. Ne tentez pas de la masquer en supprimant simplement l’onglet du navigateur : notez l’outil utilisé, le moment, le contenu transmis et les personnes potentiellement concernées. Ces éléments permettent d’évaluer correctement la situation.

Ce qu’il faut retenir avant chaque utilisation

La règle la plus simple est aussi la plus efficace : si vous ne transmettriez pas un document à un prestataire sans vérifier son cadre de traitement, ne le copiez pas automatiquement dans une IA. Commencez par retirer les secrets, limitez le contenu à la tâche demandée et utilisez des données fictives dès que la précision réelle n’est pas indispensable.

Pour une petite équipe, une grille de classification, une liste d’outils autorisés et une procédure d’anonymisation constituent déjà une base solide. L’objectif n’est pas de supprimer toute expérimentation, mais de faire en sorte que chaque gain de productivité repose sur une décision consciente plutôt que sur un transfert irréversible réalisé par habitude.