C’est l’objection qui revient dans presque tous mes échanges dès qu’on parle d’intelligence artificielle : « et mes données, elles vont où ? ». La question est parfaitement légitime, surtout quand il s’agit de dossiers clients, de factures ou de contrats.
Elle mérite une réponse précise, pas un « ne vous inquiétez pas ». Voici ce qui se passe réellement, et les quatre niveaux de protection possibles, du plus simple au plus strict.
D’abord, lever une confusion qui fausse tout
Beaucoup de craintes viennent d’un mélange entre deux usages très différents.
Coller un document dans une application grand public, celle que vous ouvrez dans votre navigateur pour discuter avec l’IA, relève de vos réglages personnels. Selon le service et l’offre, vos échanges peuvent servir à améliorer le modèle, sauf si vous avez modifié le paramètre correspondant. C’est ce cas qui inquiète, et à juste titre : un employé qui colle un fichier client entier dans une conversation le fait sortir de l’entreprise sans aucun contrôle.
Faire appeler l’IA par une automatisation est un usage différent. La demande passe par la voie technique réservée aux applications, avec un contrat et des règles distinctes. Les principaux fournisseurs indiquent que les données transmises par ce canal ne servent pas à entraîner leurs modèles. Elles sont conservées un temps limité, de quelques jours à un mois selon les acteurs, uniquement pour détecter les usages abusifs.
Autrement dit, le risque principal ne vient pas des systèmes que vous faites construire. Il vient des usages individuels non encadrés.
Ces politiques évoluent régulièrement. Vérifiez celle qui est en vigueur au moment où vous vous engagez, plutôt que de vous fier à un article, y compris celui-ci.
Sécurité des données : les quatre niveaux de protection
À vous de choisir jusqu’où vous devez aller, selon la sensibilité de ce que vous traitez.
Niveau 1 : n’envoyer que le nécessaire
C’est la précaution la plus efficace et la moins coûteuse, et c’est celle qu’on oublie le plus souvent.
Posez-vous la question à chaque étape : de quelle information l’IA a-t-elle réellement besoin pour faire son travail ? Pour classer une facture par type et en extraire un montant, elle n’a pas besoin du numéro de compte bancaire ni de l’adresse complète du client. Pour rédiger une réponse à une réclamation, elle n’a pas besoin de l’historique de paiement.
Concrètement, cela veut dire que l’automatisation retire les informations inutiles avant l’envoi, et les réassocie après. Ce filtrage se construit une fois et protège en permanence.
C’est le niveau que je mets en place par défaut, et il suffit dans la grande majorité des situations.
Niveau 2 : masquer ce qui doit rester secret
Quand certaines informations sont indispensables au traitement mais ne doivent pas circuler telles quelles, on les remplace par des étiquettes avant l’envoi.
Le nom du client devient « Client A », le numéro de dossier devient « Dossier 1 ». L’IA travaille sur un texte anonymisé, produit son résultat, et le système remet les vraies valeurs à la place des étiquettes.
Cela demande un peu plus de travail à la construction, mais permet de traiter des documents sensibles tout en profitant de la qualité des meilleurs modèles.
Niveau 3 : choisir un fournisseur avec un engagement écrit
Si vous êtes soumis à des obligations particulières, ou si vos clients vous en imposent, il existe des offres professionnelles avec des engagements contractuels renforcés : conservation nulle, localisation des traitements, accord de traitement des données.
Ces conditions ne sont pas accessibles à tous les comptes et supposent généralement un volume ou un engagement minimum. Elles se demandent explicitement.
Niveau 4 : installer le modèle chez vous
C’est le niveau maximal : un modèle d’intelligence artificielle fonctionnant sur votre propre serveur. Aucune donnée ne sort de votre infrastructure, ce qui règle définitivement la question.
Deux contreparties. La qualité des modèles installables localement reste en dessous des meilleurs services en ligne, même si l’écart se réduit. Et il faut du matériel adapté ainsi que quelqu’un pour l’entretenir.
Ce niveau se justifie pour des données de santé, des dossiers juridiques sensibles ou des secrets industriels. Pour un suivi commercial classique, c’est disproportionné.
Un exemple concret : traiter un document confidentiel
Voici comment se conçoit, en pratique, un système qui lit des documents contenant des informations sensibles.
Le document arrive dans l’espace de stockage de l’entreprise. Le système le récupère et en extrait le texte. Avant tout envoi, il retire ce qui n’est pas nécessaire au traitement : coordonnées bancaires, numéros d’identité, adresses complètes. Ces informations restent dans l’entreprise et ne quittent jamais son infrastructure.
Le texte allégé part alors vers le modèle d’intelligence artificielle, qui identifie le type de document et en extrait les informations utiles : montant, date, référence, catégorie. Il reçoit exactement ce qu’il lui faut, rien de plus.
Le résultat revient, le système le réassocie aux informations conservées localement, puis remplit la fiche complète dans l’outil de gestion. Le document original, lui, n’a jamais circulé en entier.
C’est cette approche que j’applique sur les systèmes de lecture de documents, comme celui-ci, qui traite chaque semaine des dossiers de projet complets. Le filtrage se construit une fois, au moment de la conception, et protège ensuite chaque exécution sans que personne ait à y penser.
Outiller ce filtrage plutôt que le bricoler
Le filtrage décrit plus haut peut se construire à la main, avec des règles de remplacement écrites une par une. C’est faisable, mais fastidieux et facile à trouer.
Depuis peu, n8n propose un composant dédié à cela, le nœud Guardrails. Il se place comme un portique aux deux portes de votre système : un premier à l’entrée, qui nettoie le texte avant qu’il ne parte vers le modèle, un second à la sortie, qui vérifie la réponse avant qu’elle ne soit utilisée.
Neuf protections sont disponibles, et la distinction entre elles compte pour le budget. Cinq fonctionnent sans appeler de modèle, donc sans coût supplémentaire : la détection de mots-clés que vous listez, celle des données personnelles connues, celle des clés d’accès et jetons, celle des adresses web, et vos propres motifs de recherche. Quatre demandent un modèle, et sont donc facturées à l’usage : la détection des tentatives de contournement des instructions, celle des contenus inappropriés, le maintien de la conversation dans son périmètre, et vos propres critères écrits en français.
Autrement dit, l’essentiel de la protection des données sensibles se fait gratuitement. Ce sont les protections de comportement, celles qui empêchent un assistant de sortir de son sujet ou de se faire manipuler, qui consomment.
Deux points de vigilance méritent d’être connus avant de s’y fier.
La détection automatique ne connaît pas nos identifiants. Elle reconnaît les formats de données personnelles les plus répandus dans le monde anglo-saxon, mais pas le numéro de sécurité sociale ni le numéro d’entreprise français, ni les noms. Le raisonnement vaut évidemment pour les identifiants locaux d’ici. Il faut donc ajouter vos propres motifs de recherche pour rattraper ce qui compte chez vous, et ne jamais supposer que le réglage par défaut suffit.
Ce portique ne vérifie jamais si une information est vraie. Un tarif inventé par le modèle traverse le filtre sans déclencher la moindre alerte, puisqu’il n’a rien de sensible ni de choquant. C’est exactement le risque que j’évoquais plus haut à propos des assistants qui répondent aux clients : la véracité se contrôle ailleurs, en confrontant la réponse à vos données réelles.
J’ai détaillé le fonctionnement de ce nœud, ses neuf protections, sa configuration et un protocole de test dans un article dédié : Nœud Guardrails n8n : sécuriser un agent IA en production.
Les règles internes, qui comptent autant que la technique
La meilleure architecture ne protège pas d’un employé qui colle un fichier entier dans une application publique. Trois règles simples suffisent à encadrer les usages.
Dire ce qui est autorisé et ce qui ne l’est pas. Écrire un message commercial avec l’aide de l’IA, oui. Y coller la base clients, non. Cette distinction doit être explicite, sinon chacun décide seul.
Fournir un outil approuvé. Les usages non autorisés apparaissent surtout quand les gens n’ont rien d’officiel à leur disposition. Un accès encadré, avec les bons réglages, vaut mieux qu’une interdiction que personne ne respecte.
Former en dix minutes. Il ne s’agit pas d’un cours technique. Expliquer la différence entre l’application grand public et un système d’entreprise suffit à éviter l’essentiel des accidents.
Ce que vos clients au Bénin vous demanderont
Trois questions reviennent régulièrement quand on présente un système à un client ou à un partenaire ici, et il vaut mieux avoir la réponse prête.
« Où sont hébergées mes données ? » La réponse honnête est que la plupart des services que nous utilisons stockent les données à l’étranger, en Europe ou aux États-Unis. Ce n’est pas un problème en soi, et cela n’a rien de spécifique à l’automatisation : votre messagerie et votre espace de stockage fonctionnent déjà ainsi. Mais si votre client exige que les données restent sur le continent ou dans son pays, la seule réponse solide est l’auto-hébergement, sur un serveur dont vous choisissez l’emplacement.
« Est-ce que quelqu’un peut lire nos échanges ? » Sur les canaux professionnels correctement configurés, non. Le vrai risque se situe ailleurs : dans les captures d’écran de conversations qui circulent dans des groupes, et dans les fichiers clients envoyés en pièce jointe sur des messageries personnelles. Ce sont ces pratiques qu’il faut encadrer, bien avant de s’inquiéter des serveurs.
« Que se passe-t-il si vous n’êtes plus là ? » Question légitime, et sans rapport direct avec l’IA. La réponse tient en trois points : les systèmes tournent sur les comptes du client, celui-ci détient les accès, et une documentation existe. C’est ce qui sépare un prestataire d’une dépendance.
Un point pratique enfin : les coupures de connexion, fréquentes dans la région, n’exposent aucune donnée. Les traitements tournent sur des serveurs en ligne et reprennent tout seuls. Ce qui doit être prévu, en revanche, c’est qu’un système ne considère pas une coupure comme un échec définitif, ce qui est l’une des erreurs classiques les plus coûteuses.
Ce qui menace la sécurité des données bien avant l’IA
Un point d’honnêteté pour finir, parce qu’il remet les risques dans le bon ordre.
Dans les entreprises que j’accompagne, les vraies failles sont presque toujours ailleurs : un fichier client partagé par un lien accessible à tous, un mot de passe utilisé par cinq personnes, un ancien employé qui a toujours accès aux outils, aucune sauvegarde des données critiques, des documents sensibles qui circulent en pièce jointe sur des messageries personnelles.
Ces risques sont plus fréquents, plus faciles à exploiter et plus rarement traités que ceux liés à l’IA. Si vous devez consacrer une journée à la sécurité de vos données, commencez par là.
L’automatisation aide d’ailleurs souvent sur ce terrain : quand un système transfère les informations d’un outil à l’autre, personne n’a plus besoin d’exporter un fichier complet et de l’envoyer par message pour faire circuler l’information.
La bonne façon d’aborder le sujet
La question ne devrait pas être « faut-il utiliser l’IA ou non », mais « quelles données, pour quel traitement, avec quel niveau de protection ».
Cela se décide au début du projet, jamais après. Une fois qu’un système tourne, ajouter du filtrage revient à le reconstruire en partie.
La sécurité des données n’est donc pas un obstacle à l’automatisation : c’est un paramètre de conception, à poser au début. Si vous voulez qu’on regarde ce que votre cas exige réellement, sans surenchère et sans naïveté, écrivez-moi. Et pour savoir quels usages de l’IA valent vraiment le coup avant même de parler protection, cet article fait le tri entre ce qui rapporte et ce qui fait perdre du temps. C’est aussi la règle que suivent les agents IA que j’installe en entreprise : le filtrage se décide au cadrage, jamais après l’incident.
