Projet d’IA et RGPD : les questions clés à examiner avant de se lancer
Une PME souhaite trier automatiquement les demandes reçues par son service client. Une autre veut aider ses équipes RH à repérer les compétences dans les candidatures. Dans les deux cas, l’intelligence artificielle peut faciliter le travail, mais elle traite parfois des données personnelles et transforme la manière dont une décision est préparée.
Avant de choisir un outil, il faut donc préciser l’objectif, vérifier les données utilisées et expliquer le fonctionnement aux personnes concernées. Le RGPD fournit un cadre pour mener cette réflexion. L’enjeu n’est pas de bloquer un projet, mais de le concevoir avec des limites compréhensibles et des responsabilités claires.
En bref, les points à vérifier
- Définissez une finalité précise avant de sélectionner l’outil ou de transmettre des données.
- Identifiez une base légale adaptée au traitement, sans considérer le consentement comme un choix automatique.
- Appliquez la minimisation des données en écartant les informations qui ne servent pas réellement au projet.
- Informez les personnes et prévoyez une intervention humaine lorsque le traitement peut les affecter.
- Examinez les risques, la sécurité des données et la nécessité d’une analyse d’impact.
Clarifier la finalité du projet
La première question est simple : quel problème l’IA doit-elle résoudre ? Une finalité comme « améliorer l’efficacité » est trop générale pour guider les choix. Il vaut mieux décrire une tâche observable, par exemple classer les demandes entrantes afin de les transmettre au bon service.
Prenons l’exemple d’une entreprise fictive, Atelier Nord, qui reçoit des demandes de maintenance par courriel. Son équipe veut utiliser un système pour repérer le type d’incident et proposer une catégorie. Le projet porte alors sur l’orientation des messages, et non sur l’évaluation des techniciens ou la prédiction de leur performance.
Cette distinction compte, car un même outil peut servir à plusieurs usages. Réutiliser les messages pour évaluer les salariés ou entraîner un modèle constitue un autre objectif, qui doit être examiné séparément. L’article 5 du règlement (UE) 2016/679, le RGPD, pose notamment le principe de limitation des finalités : les données doivent être recueillies pour des objectifs déterminés et explicites.
Avant le test, consignez la tâche visée, les utilisateurs de l’outil, les personnes concernées et les décisions susceptibles d’être influencées. Notez aussi ce que le système ne doit pas faire. Une finalité étroite aide à choisir les données nécessaires, à tester le résultat et à expliquer le projet aux équipes.
Choisir la bonne base légale
Le RGPD exige une base légale pour chaque traitement de données personnelles. L’article 6 du règlement (UE) 2016/679 énumère les bases possibles, dont le consentement, l’exécution d’un contrat et l’intérêt légitime. Le choix dépend de la finalité et du contexte concret, il ne se déduit pas du seul fait qu’une entreprise utilise une IA.
Le consentement n’est donc pas une réponse universelle. Dans une relation de travail, par exemple, il faut examiner attentivement si le choix de la personne est réellement libre. Pour un outil qui aide à classer des demandes clients, une autre base peut être pertinente selon le service rendu et la manière dont les données ont été recueillies.
Atelier Nord doit aussi vérifier les contrats et les rôles des acteurs. L’entreprise reste responsable de ses choix lorsqu’elle décide pourquoi et comment les données sont utilisées. Un prestataire qui traite des informations pour son compte peut avoir le rôle de sous-traitant, avec des obligations à formaliser conformément à l’article 28 du RGPD.
Préparez une fiche qui relie chaque finalité à sa base légale et explique le raisonnement retenu. Si plusieurs usages sont envisagés, documentez-les séparément. En cas de doute sur la base applicable ou sur la relation avec un prestataire, demandez une validation à votre juriste ou à votre délégué à la protection des données.
Réduire les données utilisées
La minimisation des données consiste à ne collecter et n’utiliser que les informations nécessaires à l’objectif poursuivi. C’est un principe prévu par l’article 5 du RGPD. Pour un projet d’IA, il s’applique aux données envoyées dans l’outil, aux historiques conservés et aux informations intégrées dans un jeu de test.
Dans l’exemple d’Atelier Nord, le classement d’un message peut nécessiter le texte décrivant la panne et le type d’équipement. Le nom du salarié, son adresse personnelle ou des détails médicaux éventuellement présents dans un échange ne sont probablement pas utiles à cette tâche. Les retirer ou les masquer avant traitement peut réduire l’exposition.
Faites l’inventaire des champs transmis et demandez, pour chacun : sert-il à produire le résultat attendu ? Peut-on atteindre le même objectif avec une donnée moins précise ? Combien de temps faut-il conserver les entrées et les sorties ? Ce travail met souvent en évidence des informations héritées de formulaires ou d’exports conçus pour un autre usage.
Un test limité est plus facile à maîtriser qu’un branchement immédiat à l’ensemble des données de l’entreprise. Utilisez, si cela convient au cas, des exemples fictifs ou des informations expurgées pour vérifier le fonctionnement initial. La minimisation ne se résume pas à enlever des colonnes : elle concerne aussi les copies, les journaux techniques et les résultats générés.
Informer et garder la maîtrise
Les personnes concernées doivent recevoir une information compréhensible sur le traitement. L’article 13 du RGPD définit les informations à fournir lorsque les données sont recueillies directement auprès d’elles. Selon la situation, l’article 14 traite des données obtenues indirectement. Le message doit préciser l’objectif, les catégories de données et les éléments utiles pour comprendre leurs droits.
Dire seulement « nous utilisons l’IA » ne suffit pas à rendre le fonctionnement intelligible. Une entreprise peut expliquer que l’outil propose une catégorie, qu’un salarié vérifie les cas ambigus et que la décision finale reste prise par un responsable. Cette transparence algorithmique, autrement dit une explication accessible du rôle du système, aide les équipes à savoir quand elles doivent contrôler le résultat.
Il faut aussi distinguer une aide à la décision d’une décision entièrement automatisée ayant des effets importants. L’article 22 du RGPD encadre certaines décisions fondées exclusivement sur un traitement automatisé. Son application dépend des circonstances, notamment de la nature de la décision et de ses effets ; faites vérifier ce point par un juriste lorsque le système touche à l’accès à un service, à l’emploi ou à une situation similaire.
Pour Atelier Nord, une consigne opérationnelle peut indiquer que la suggestion de catégorie doit être vérifiée avant qu’un ordre de maintenance soit priorisé. Les salariés doivent pouvoir signaler une erreur et faire corriger une information. Une explication utile décrit les limites du système autant que son rôle.
Évaluer les risques et la sécurité
Avant le déploiement, examinez les conséquences possibles d’une erreur, d’un accès non autorisé ou d’une réutilisation inattendue des données. Le niveau de précaution dépend du contexte : les informations traitées, le nombre de personnes concernées, les décisions influencées et les possibilités de correction sont autant d’éléments à considérer.
Une analyse d’impact relative à la protection des données, prévue par l’article 35 du RGPD, est requise lorsque le traitement est susceptible d’engendrer un risque élevé pour les droits et libertés des personnes. Elle sert à décrire le traitement, évaluer ses risques et définir des mesures pour les réduire. Il ne faut pas la confondre avec un simple test de qualité du modèle.
La sécurité des données doit être étudiée avec les équipes métier et informatique. Vérifiez qui peut accéder aux données, où elles sont hébergées, comment les comptes sont protégés et ce qu’il advient des informations envoyées au prestataire. Examinez aussi les possibilités de suppression, les sauvegardes et les traces conservées lors de l’utilisation de l’outil.
Atelier Nord pourrait commencer par un essai sur un périmètre restreint, avec des droits d’accès limités et une procédure de contrôle des résultats. Il faut également prévoir qui traite un incident et comment arrêter le flux si une donnée sensible apparaît dans les entrées. Une analyse documentée rend les risques discutables et les mesures vérifiables.
Organiser un lancement maîtrisé
La conformité ne se règle pas à la dernière étape, une fois l’outil choisi. Réunissez tôt les personnes qui connaissent le processus, celles qui administrent les systèmes et celles qui suivent la protection des données. Un échange court autour d’un cas concret permet de révéler les exceptions que la description initiale ne montre pas.
Une feuille de préparation peut inclure la finalité, les catégories de données, la base légale envisagée, les personnes informées, les accès nécessaires et les modalités de contrôle humain. Pour guider les équipes, appuyez-vous sur des pratiques de formation adaptées aux métiers, par exemple en clarifiant les usages et limites de l’IA dans un contexte professionnel.
La phase pilote doit répondre à des questions précises : l’outil produit-il des erreurs récurrentes ? Les utilisateurs comprennent-ils ses suggestions ? Des données non prévues sont-elles transmises ? Les réponses permettent de corriger le processus avant d’élargir le périmètre, ou de conclure que le cas d’usage doit être redéfini.
Pour approfondir les usages en entreprise, vous pouvez aussi consulter cette présentation des applications de l’IA générative. Le point essentiel reste de rattacher chaque usage à un besoin métier, puis de vérifier les données et les responsabilités avant de le mettre à disposition des équipes.
Le consentement est-il toujours nécessaire pour un projet d’IA ?
Non. Le RGPD prévoit plusieurs bases légales à son article 6. Le choix dépend de la finalité et de la situation ; le consentement doit notamment être libre lorsqu’il est retenu. Faites valider l’analyse en cas de doute.
Faut-il réaliser une analyse d’impact pour chaque projet ?
Non, elle est requise lorsque le traitement est susceptible d’engendrer un risque élevé pour les droits et libertés des personnes, selon l’article 35 du RGPD. Évaluez le cas concret et documentez votre décision.
Peut-on utiliser des données fictives pour tester un outil ?
Oui, si elles permettent de vérifier le fonctionnement recherché. Elles évitent d’exposer des données personnelles pendant certains tests, mais ne remplacent pas l’examen du traitement réel avant sa mise en service.
Que faut-il expliquer aux personnes concernées ?
Présentez notamment l’objectif du traitement, les données utilisées, le rôle de l’outil et les modalités de contrôle ou de contestation adaptées à la situation. Les informations à fournir dépendent du contexte et des articles applicables du RGPD.
Dans votre entreprise, quel usage de l’IA vous semble aujourd’hui le plus délicat à encadrer au regard des données personnelles ?

