LLM et RGPD : les points de conformité à vérifier avec ChatGPT, Claude et Gemini

Envoyer des données personnelles à un LLM commercial soulève des questions de conformité RGPD que beaucoup d'entreprises n'ont pas encore traitées : transferts hors UE, conservation, base légale, droits des personnes, analyse d'impact. Les garanties proposées par OpenAI, Anthropic ou Google varient selon l'offre, et c'est à chaque entreprise de les vérifier. Voici les points à examiner, ce que ça peut coûter, et comment réduire l'exposition sans renoncer à l'IA.

Le constat : un cadre souvent absent

Posez la question à votre DPO : "Est-ce qu'on a fait une DPIA pour notre usage de ChatGPT en interne ?" Dans bien des organisations, la réponse est non. Or cette analyse est obligatoire dès qu'un traitement présente un risque élevé pour les personnes concernées — ce qui peut être le cas de nombreux usages LLM.

Le problème n'est pas l'intelligence artificielle en elle-même. C'est l'absence de cadre pour l'utiliser dans des contextes qui impliquent des données personnelles. Contrat client analysé par GPT-4o, CV filtré par Gemini, ticket support résolu par Claude : chaque fois, des données personnelles partent chez un fournisseur dont le traitement peut avoir lieu hors UE, souvent sans que personne n'ait vérifié la base légale.

Rappel : ce que dit le RGPD

Le Règlement Général sur la Protection des Données (UE 2016/679) impose 6 grands principes pour tout traitement de données personnelles :

1. Licéité, loyauté, transparence — base légale définie, information claire
2. Limitation des finalités — usage strictement défini
3. Minimisation — seules les données nécessaires
4. Exactitude — données à jour
5. Limitation de la conservation — durée fixée
6. Intégrité et confidentialité — sécurité adaptée

À ces principes s'ajoutent les droits des personnes : accès, rectification, effacement, portabilité, opposition. Et pour les traitements à risque élevé, une Analyse d'Impact (DPIA) obligatoire avant mise en œuvre.

Les 5 points de conformité que soulèvent les LLM

1. Transferts de données hors-UE (arrêt Schrems II)

Selon l'offre et la région choisies, les prompts envoyés à OpenAI, Anthropic ou Google peuvent être traités aux États-Unis, ce qui constitue un transfert hors UE. Or depuis l'arrêt Schrems II (CJUE), les transferts vers les États-Unis nécessitent des garanties (clauses contractuelles types, DPA, mesures techniques) ou le recours à un cadre d'adéquation.

Le Data Privacy Framework (DPF) fournit un cadre de transfert vers les entreprises américaines certifiées, mais sa solidité juridique est contestée et il fait l'objet de recours. Une invalidation, comme pour les accords précédents, obligerait les entreprises à revoir leurs transferts dans l'urgence.

2. Conservation et réutilisation des données

Les DPAs (Data Processing Agreements) des fournisseurs prévoient des règles de conservation et d'accès variables selon l'offre (API, offre entreprise, offre grand public) :

• Durée de conservation des prompts et des réponses, propre à chaque fournisseur et à chaque offre
• Accès possible des équipes de support, de sécurité et de Trust & Safety
• Possibilité, sur certaines offres entreprise, de réduire la conservation : à vérifier et à négocier

Problème : des prompts contenant des données personnelles peuvent rester chez un tiers pendant la durée prévue par son offre. La minimisation et la limitation de conservation (articles 5.1.c et 5.1.e du RGPD) doivent pouvoir être démontrées.

3. Entraînement sur données clients

Les grands fournisseurs indiquent en général ne pas entraîner leurs modèles sur les données envoyées via les APIs payantes et les offres entreprise. À vérifier dans les conditions de chaque offre. Par ailleurs :

• Les offres grand public gratuites peuvent utiliser les données pour améliorer les modèles, selon les paramètres
• Les équipes Trust & Safety peuvent avoir accès aux prompts signalés
• Les données peuvent être utilisées pour la sécurité et le "red teaming" — ce qui reste un traitement

Même sans entraînement, la base légale pour envoyer des données personnelles à un tiers hors UE reste à démontrer. L'intérêt légitime de l'entreprise doit être mis en balance avec les droits des personnes, analyse rarement formalisée.

4. Droits des personnes concernées impossibles à exercer

Un client vous demande l'effacement de ses données (article 17 du RGPD, "droit à l'oubli") ? Il est difficile de garantir que ses données seront effacées de tous les logs du fournisseur, de ses sauvegardes, de ses exports et de ses systèmes d'audit, dans le délai réglementaire d'un mois.

Même chose pour le droit d'accès (article 15) : vous ne pouvez pas fournir au client la liste exhaustive des prompts où il a été mentionné, ni leur contenu exact.

5. DPIA absente ou incomplète

L'article 35 du RGPD impose une Analyse d'Impact relative à la Protection des Données quand le traitement présente un "risque élevé". Exemples de cas nécessitant une DPIA :

• Évaluation ou scoring (tri de CV par IA)
• Surveillance systématique (analyse de tickets support par LLM)
• Données à grande échelle (chatbot client grand volume)
• Données sensibles (santé, religion, opinions)
• Traitement automatisé avec effets juridiques

Dans la pratique, cette analyse est souvent négligée pour les chatbots et les outils internes. Son absence, lorsqu'elle est requise, est un manquement sanctionnable même en l'absence de dommage.

Ce que ça coûte : les sanctions

Les sanctions RGPD peuvent atteindre 20 millions d'euros ou 4% du chiffre d'affaires mondial annuel (le montant le plus élevé). Les autorités de protection des données ont déjà sanctionné des acteurs de l'IA pour des manquements de base légale ou de transparence, et des transferts de données vers les États-Unis sans garanties suffisantes : les décisions sont publiées par la CNIL et ses homologues européennes.

Au-delà de l'amende, il y a l'obligation de mise en conformité immédiate (souvent impossible rapidement), la perte de confiance client et, selon les cas, l'information des personnes concernées.

L'AI Act aggrave la situation

Le Règlement européen sur l'Intelligence Artificielle (AI Act, 2024) s'applique progressivement depuis 2025. Il ajoute des obligations spécifiques, selon le niveau de risque :

• Systèmes à haut risque (tri de CV, scoring de crédit…) : obligations de transparence, documentation technique, surveillance humaine, évaluation de conformité.
• Modèles à usage général (GPAI) : les fournisseurs de modèles (OpenAI, Google, Anthropic…) doivent fournir une documentation technique, un résumé des données d'entraînement et respecter le droit d'auteur.
• Systèmes interdits : notation sociale, certains usages de reconnaissance biométrique, manipulation subliminale.

Les sanctions AI Act peuvent atteindre 35 millions d'euros ou 7% du CA mondial pour les pratiques interdites. Elles s'ajoutent à celles du RGPD lorsque les deux régimes sont méconnus.

Les pistes pour réduire l'exposition

Se passer des LLM n'est plus réaliste pour beaucoup d'équipes. Voici des approches pour les utiliser en maîtrisant le risque.

Solution 1 : Self-hosting de modèles open-source

Llama 3.3, Mistral, DeepSeek sont open-source. Vous les hébergez sur vos serveurs (ou chez un hébergeur de votre choix) : la question du transfert disparaît, mais pas les autres obligations RGPD (base légale, sécurité, durées).

Limites : coût d'infrastructure (GPU), compétences MLOps, qualité inférieure aux modèles SOTA payants, maintenance. Réaliste pour les grandes entreprises, difficile pour les PME.

Solution 2 : Providers européens

Des fournisseurs européens, comme Mistral, proposent un traitement au sein de l'Union ; la localisation, les sous-traitants et la conservation sont à vérifier dans le contrat. Leurs modèles sont capables, mais l'offre est moins diversifiée que celle d'OpenAI ou de Google.

Limites : moins de modèles disponibles, et certains cas d'usage demandent les modèles d'autres fournisseurs.

Solution 3 : Masquage avant envoi

C'est la solution la plus pragmatique pour les PME. Avant d'envoyer un prompt à OpenAI/Anthropic/Google, vous masquez les données personnelles repérées en les remplaçant par des jetons. Le LLM reçoit des jetons à la place des données repérées.

# Prompt original (contient des PII)
"Analyse le contrat de Jean Dupont, IBAN FR76 3000..."

# Envoyé au LLM (masqué)
"Analyse le contrat de [PERSON_1], IBAN [IBAN_1]..."

# Réponse (valeurs restaurées côté passerelle)
"Le contrat de Jean Dupont stipule que..."

Cette approche :

• Minimise les données transmises (principe de minimisation du RGPD)
• Réduit les données personnelles transmises hors UE pour les données repérées (la question du transfert se pose moins, sans disparaître pour ce qui n'est pas repéré)
• Peut alléger l'analyse de risques : le fournisseur ne voit que des jetons pour les données repérées. Il s'agit de pseudonymisation : l'entreprise garde la correspondance et ces données restent personnelles à son niveau.
• Permet de garder la qualité des modèles SOTA (GPT-4o, Claude, Gemini)

Guide détaillé sur la protection des données personnelles dans les prompts LLM.

Solution 4 : Passerelle LLM

Une passerelle comme routtx centralise vos appels LLM et applique des contrôles techniques (voir la page sécurité) :

• Masquage des données personnelles repérées par des jetons avant l'envoi, avec restitution des valeurs dans la réponse (ce qui n'est pas repéré part tel quel)
• Contrôle anti-injection : 396 motifs d'attaque répartis en 23 familles, complétés par Llama Guard 3 (pas de garantie à 100 %)
• Journal de chaque échange (qui, quel modèle, quand, menace repérée) : une base pour documenter vos traitements ; la durée de conservation est fixée au contrat

Checklist de conformité pour DPO

Si vous êtes DPO ou responsable de la conformité, voici la liste des documents et contrôles à avoir en place avant d'utiliser un LLM :

1. Cartographie des usages LLM dans l'entreprise (quel service, quelle donnée, quel provider)
2. Base légale documentée pour chaque traitement (intérêt légitime, consentement, exécution contractuelle)
3. DPIA pour tout usage à risque élevé (scoring, tri, surveillance, santé)
4. Registre des activités de traitement à jour, incluant les sous-traitants LLM
5. DPA signés avec chaque provider LLM utilisé
6. Garanties de transfert (adéquation, clauses contractuelles types…) pour les transferts hors UE
7. Information des personnes concernées (mention dans la politique de confidentialité)
8. Procédure de réponse aux droits des personnes (accès, effacement, portabilité) intégrant les LLMs
9. Mesures techniques : anonymisation, pseudonymisation, chiffrement des clés API
10. Formation des équipes : quels prompts autorisés, quelles données interdites
11. Audit annuel de conformité RGPD + AI Act

Le bon réflexe pour 2026

L'IA générative n'est plus une expérimentation. C'est devenu un outil métier. Mais les DPO, RSSI et directions juridiques peinent à suivre le rythme des déploiements par les métiers. La conséquence : des usages qui s'installent sans cadre, jusqu'au jour où une plainte ou un contrôle de la CNIL arrive.

Trois principes de précaution :

1. Masquer par défaut. Toute donnée personnelle envoyée à un LLM devrait être masquée, sauf si la base légale est solide et documentée.
2. Examiner la localisation du traitement pour les données sensibles. Pour les données de santé, financières ou juridiques, privilégier un traitement dans l'UE ou des garanties contractuelles renforcées.
3. Centraliser avec une passerelle. Pour faciliter l'audit et la traçabilité des échanges.

Le coût d'une mise en conformité anticipée est généralement inférieur à celui d'un manquement : l'amende maximale prévue par le RGPD est de 20 millions d'euros ou 4% du chiffre d'affaires mondial.

← Retour au blog