IA et confidentialité des données industrielles : ce qu'il faut savoir

Une IA générative ne pense pas dans votre bureau. Quand vous tapez une demande, votre texte et vos pièces jointes quittent votre poste, traversent Internet et arrivent sur les serveurs d'un fournisseur qui, lui, fait tourner le modèle. C'est là que le calcul se passe. C'est aussi là que vos données atterrissent, ne serait-ce qu'un instant.

Pour un atelier d'usinage, un bureau d'études ou un service ADV, ça change tout. Un plan coté, une nomenclature, une grille de remises, la liste de vos donneurs d'ordre : ce sont des actifs. On ne les traite pas comme une recette de cuisine qu'on demande à un chatbot un dimanche soir. Le sujet mérite mieux que la panique ou l'insouciance. On va poser les faits.

Où passent vos données quand vous les confiez à une IA

Le trajet est presque toujours le même. Votre prompt part chiffré vers le fournisseur, le modèle produit une réponse, et cette réponse revient. Entre les deux, vos données sont traitées sur une infrastructure que vous ne contrôlez pas. Le chiffrement en transit protège contre l'interception sur le réseau. Il ne dit rien de ce qui arrive une fois les données arrivées à destination.

Deux mondes coexistent, et on les confond souvent.

D'un côté, les versions grand public : l'appli mobile, le chatbot gratuit ou l'abonnement perso. Pratiques, mais conçues pour un particulier. Les conditions y sont plus permissives, et l'historique de vos conversations peut nourrir l'amélioration du service.

De l'autre, les accès professionnels : offres entreprise et surtout les API, ces canaux techniques par lesquels un logiciel appelle le modèle sans passer par le chatbot. C'est ce que nous utilisons chez Essorio. Les règles y sont bien plus strictes, et l'entraînement sur vos contenus en est généralement exclu par défaut. Même modèle derrière, cadre juridique très différent devant.

Retenez ce point, parce qu'il commande tout le reste : la confidentialité ne dépend pas du modèle, elle dépend de la porte par laquelle vous entrez. Un salarié qui colle un appel d'offres dans son ChatGPT personnel et une automatisation qui envoie le même texte via une API d'entreprise ne courent pas du tout le même risque.

Ce que disent (et ne disent pas) les conditions des services d'IA

Personne ne lit les CGU. C'est humain, et c'est précisément là que se logent les mauvaises surprises. Trois choses valent le coup d'œil avant d'envoyer un fichier sensible.

La réutilisation pour l'entraînement. Sur les grands acteurs du marché, Anthropic avec Claude, OpenAI, Google, la règle est aujourd'hui assez lisible : les accès par API et les offres entreprise n'entraînent pas les modèles sur vos données, sauf accord explicite de votre part. Le grand public, lui, varie. Parfois vos échanges alimentent l'amélioration du produit, avec une option pour refuser qu'il faut aller chercher dans les réglages. La clause existe, encore faut-il la lire et la régler.

La durée de conservation. Même sans entraînement, vos données ne s'évaporent pas à la seconde. Les fournisseurs gardent souvent les échanges quelques jours à quelques semaines, le temps de détecter les abus et de faire tourner leur exploitation. Un délai court, mais pas nul. Pour une donnée vraiment sensible, ça compte.

Les sous-traitants et la localisation. Le fournisseur s'appuie lui-même sur des hébergeurs et des prestataires. Vos données peuvent transiter par des serveurs situés hors d'Europe, avec les questions juridiques que ça soulève. Les offres entreprise proposent parfois de choisir la région d'hébergement. À vérifier au cas par cas, selon ce que vous traitez.

Une nuance honnête pour finir sur ce point. Les conditions changent. Ce qui est vrai ce trimestre peut évoluer au prochain. D'où l'intérêt de ne pas fonder sa tranquillité sur une lecture ponctuelle des CGU, mais sur une organisation qui reste solide même si une clause bouge.

Les vrais risques, sans dramatiser

Le sujet attire les gros titres anxiogènes. On va rester concret. Trois risques méritent votre attention, dans cet ordre.

La donnée qui sert à entraîner le modèle

C'est la crainte numéro un, et elle est légitime sur les usages grand public non réglés. Si vos échanges nourrissent l'amélioration d'un modèle, une bribe de votre information pourrait, en théorie, réapparaître ailleurs. Le risque est faible et souvent surestimé, mais il n'est pas nul. La parade est simple : passer par un accès dont les conditions excluent l'entraînement, ce qui règle la question à la racine.

La fuite et l'accès non prévu

Un service en ligne, aussi sérieux soit-il, reste une cible. Faille technique, mauvaise configuration, erreur humaine : le risque de fuite ne disparaît jamais complètement, chez un fournisseur d'IA comme chez votre banque ou votre logiciel de paie. La bonne nouvelle, c'est que ce risque se réduit énormément quand vous n'envoyez au service que le strict nécessaire. On ne peut pas faire fuiter une donnée qu'on n'a jamais transmise.

Le copier-coller sauvage des équipes

À vrai dire, c'est souvent le risque le plus concret, et il ne vient pas de la technologie. Il vient de l'usage. Un commercial qui colle toute une base clients dans un chatbot perso pour rédiger une relance, un technicien qui téléverse un plan sous contrainte de confidentialité pour poser une question : ces gestes partent d'une bonne intention et créent une brèche. On appelle ça le « shadow AI », l'IA qui entre par la petite porte, sans règle ni contrôle. Aucun contrat fournisseur ne vous protège d'un fichier envoyé par la mauvaise porte.

Résultat : le maillon faible, c'est rarement le modèle. C'est l'organisation autour.

Garder la main : le principe des données maîtrisées

Notre parti pris tient en une phrase : une IA n'a pas besoin de tout savoir pour être utile. La plupart des tâches de back-office se traitent avec une fraction des informations, débarrassée de ce qui identifie vraiment un client ou une personne. Quatre réflexes, et le risque tombe.

Envoyer le minimum

Pour préparer un devis, le modèle a besoin des quantités, des matières, des tolérances et de vos règles de tarification. Il n'a pas besoin du nom du client, de son adresse ni de son numéro de compte. On coupe tout ce qui ne sert pas au calcul. Moins vous exposez, moins vous risquez. Cette discipline du minimum est la protection la plus efficace, et elle ne coûte rien.

Anonymiser ce qui identifie

Quand une donnée personnelle traîne dans le texte sans être utile au traitement, on la remplace. « Client Dupont » devient « Client A », un numéro de série devient un jeton neutre, une raison sociale s'efface. Le modèle raisonne aussi bien sur des données pseudonymisées, et ce qui sort peut être ré-associé chez vous, en local, une fois la réponse revenue. L'IA fait le travail lourd sans jamais voir l'identité réelle derrière.

Valider à la main tout ce qui engage

Un prix envoyé à un client, une commande passée en production, un document contractuel : rien de tout ça ne part sans qu'un humain relise et confirme. L'IA prépare, propose, pré-remplit. La décision reste chez vous. Ce principe, qu'on appelle l'humain dans la boucle, protège votre confidentialité autant que votre qualité, parce qu'une relecture attrape aussi bien une erreur de prix qu'une donnée qui n'aurait pas dû sortir.

Choisir le service selon l'enjeu

Toutes les données ne se valent pas, et le choix du fournisseur et de la formule doit suivre. Une reformulation d'e-mail anodine et le traitement d'un plan sous NDA n'appellent pas le même niveau de précaution. Pour le sensible, on passe par un accès professionnel dont les conditions excluent l'entraînement et encadrent la conservation, chez un acteur sérieux comme Anthropic. Le choix du modèle et du canal fait partie du travail, pas d'un détail qu'on règle après coup.

Concrètement, voici la grille qu'on applique avant de laisser une donnée quitter votre système.

• Cette information est-elle nécessaire au résultat, ou peut-on la retirer ?
• Reste-t-il un nom, une adresse ou un identifiant client qu'on pourrait remplacer ?
• Le service utilisé exclut-il l'entraînement sur nos données, par contrat et non par option cochée à la va-vite ?
• Le résultat qui engage l'entreprise repasse-t-il par une validation humaine ?
• Sait-on où les données sont traitées et combien de temps elles sont conservées ?

La règle qui protège le mieux : cadrer l'usage des équipes

On l'a dit, le maillon faible est souvent humain. La réponse l'est aussi. Un système technique parfait ne sert à rien si, à côté, un salarié presse continue de coller des fichiers confidentiels dans son outil perso pour dépanner. La confidentialité se gagne autant dans les têtes que dans le code.

Une charte d'usage tient sur une page et évite l'essentiel des dérapages. Quelques lignes claires suffisent.

• Quels outils d'IA sont validés dans l'entreprise, et lesquels sont proscrits pour le travail.
• Quels types de fichiers ne partent jamais dans une IA grand public : plans sous NDA, bases clients complètes, contrats, données de paie.
• Le réflexe d'anonymiser avant d'envoyer, avec deux ou trois exemples concrets tirés de vos propres documents.
• À qui poser la question en cas de doute, plutôt que de trancher seul dans l'urgence.

Interdire l'IA aux équipes ne marche pas. Elles la trouvent utile, elles l'utiliseront de toute façon, et l'interdiction ne fait que pousser l'usage dans l'ombre, hors de tout contrôle. Mieux vaut leur donner un outil validé et une règle simple. Le jour où le service ADV dispose d'une automatisation qui traite déjà les commandes proprement, la tentation du copier-coller sauvage tombe d'elle-même. Le bon outil au bon endroit vaut toutes les interdictions.

Et le RGPD dans tout ça

Dès qu'une donnée personnelle entre en jeu, un nom de contact, un e-mail, une signature sur un bon de livraison, le RGPD s'applique. Utiliser une IA ne vous en exonère pas. Le fournisseur devient un sous-traitant au sens du règlement, ce qui suppose un contrat de traitement en bonne et due forme et une base légale claire pour l'usage que vous en faites.

La bonne pratique du minimum recoupe d'ailleurs directement une exigence du texte : la minimisation des données. Ne collecter et ne transmettre que ce qui sert. En anonymisant en amont, vous sortez une grande partie de vos traitements du périmètre le plus contraignant, tout en réduisant votre exposition. Le réflexe de sobriété est bon pour la conformité comme pour la sécurité.

On ne vous vendra pas une expertise juridique qu'on n'a pas. En revanche, la façon dont on branche l'IA à vos outils tient compte de ces contraintes dès la conception, plutôt que de les découvrir une fois le système en place.

Ce que ça donne en pratique

Prenons le traitement des commandes clients, un cas fréquent en ADV. Un e-mail arrive avec un bon de commande en PDF. Plutôt que de tout balancer dans un chatbot, une automatisation bien conçue extrait les seules lignes utiles, quantités et références, remplace le nom du client par un identifiant interne, envoie ça au modèle via une API d'entreprise, récupère une saisie ERP pré-remplie, puis rend la main à une personne qui vérifie et valide. La donnée nominative n'a jamais quitté votre maison. Le travail pénible, si.

C'est exactement ce type d'architecture qu'on met en place avec un agent IA pensé pour l'industrie, et ce qu'on cadre pièce par pièce pendant un audit d'automatisation. On regarde vos flux, on repère où l'IA aide vraiment, et on définit pour chacun ce qui sort, sous quelle forme et par quelle porte. La confidentialité n'est pas une case qu'on coche à la fin. Elle se décide au moment où l'on dessine le circuit de la donnée.