En avril 2023, trois ingénieurs de la division semiconducteurs de Samsung ont fait quelque chose d’ordinaire qui s’est avéré coûteux. En l’espace de quelques semaines, l’un a collé le code source d’un système de mesure d’installation dans ChatGPT, un autre a téléchargé du code utilisé pour détecter les équipements défectueux, et un tiers a saisi des notes de réunion interne et en a demandé un résumé. Samsung a découvert le problème, a plaffonné les prompts à 1 024 bytes comme mesure d’urgence, puis a interdit complètement l’outil.
C’était il y a trois ans, et le problème sous-jacent n’a pas disparu. Il s’est simplement déplacé. Les politiques de données des vendeurs sont beaucoup plus matures en 2026 qu’à l’époque, mais la question la plus difficile que les dirigeants doivent se poser n’est plus « le vendeur promet-il de ne pas abuser de nos données ». C’est « où vont réellement nos données, qui peut les atteindre, et que leur arrive-t-il une fois que nous perdons le contrôle direct ». Cette question façonne la façon dont un engagement de développement IA est défini dès la première conversation, bien avant que quiconque n’écrive une ligne de code.
Cet article examine spécifiquement ce qui arrive aux données métier sensibles et à la propriété intellectuelle une fois qu’elles atteignent un système IA, API tierce ou auto-hébergée, et ce qui les protège réellement. Les frameworks de conformité et le verrouillage des vendeurs sont des préoccupations réelles aussi, mais ce sont des questions distinctes de celle-ci : où vont les données et qui d’autre peut les voir.
Ce qui arrive réellement à un secret commercial dès qu’il atteint un outil IA
La plupart des cadres imaginent une fuite dramatique unique : un pirate, un titre de violation, une lettre de régulateur. Le mode de défaillance le plus courant est plus discret et se produit par défaut, chaque jour, dans le travail normal.
La recherche de LayerX de 2025 sur l’IA en milieu professionnel a constaté que 77 % des employés ont collé des données professionnelles dans un outil IA public à un moment donné, et une analyse sépaée des vendeurs du trafic de prompts et de fichiers a découvert des informations sensibles présentes dans plus de 4 % des prompts et 22 % des fichiers envoyés aux systèmes IA. Rien de cela ne nécessite une violation.
Un employé qui rédige une proposition client colle la tarification d’un concurrent couverte par NDA. Un analyste financier télécharge une feuille de calcul avec des revenus non divulgués pour obtenir un résumé écrit plus rapidement. Un développeur colle un algorithme propriétaire dans un assistant de codage pour le déboguer.
Disney a appris la version en cascade de ce risque en 2024, quand environ un teraoctet de données a fui de son environnement Slack, incluant du code et de la propriété intellectuelle liée à des projets non divulgués. Les communications internes d’Amazon ont avertir le personnel de ne pas coller les secrets de l’entreprise dans ChatGPT, après que des messages d’employés divulgués décrivent l’assistant IA interne d’Amazon qui révélait les emplacements des centres de données et les détails de fonctionnalités non divulgués qu’il n’aurait jamais dû avoir. Aucun de ces incidents n’a nécessité une attaque sophistiquée. Cela a nécessité un employé avec une date limite et un outil qui rendait la tâche plus rapide.
Les politiques de données des vendeurs ont évolué, et les petits caractères comptent toujours
Crédit aux principaux vendeurs IA. À mi-2026, OpenAI, Anthropic, Google, Microsoft et Mistral publient tous des engagements de palier enterprise qui excluent par défaut les données client de la formation du modèle, et offrent tous des accords de traitement des données contractuels pour les données réglementées.
| Vendeur | Entraîne sur les données enterprise par défaut | Conservation par défaut | Conservation réduite ou zéro |
|---|---|---|---|
| OpenAI (Business/Enterprise/API) | Non | 30 jours | Zéro conservation disponible sur les endpoints éligibles |
| Anthropic (Claude for Work/Enterprise) | Non | 7 jours (API, depuis septembre 2025) | Conservation zéro pour les clients enterprise qualifiés |
| Google Gemini (API/Workspace) | Non | Non enregistré pour l’entraînement par défaut | Zéro conservation via paramètre API |
| Microsoft Copilot | Non | Régi par la politique de conservation de l’organisation | Résidence des données USA et UE depuis avril 2026* |
| Mistral | Non | 30 jours par défaut | Zéro conservation disponible ; la résidence UE est par défaut |
* Le « Flex Routing » de Microsoft, introduit le même mois, peut acheminer l’inférence UE en dehors de la limite de données UE pendant les pics de demande, donc vérifiez la configuration d’acheminement actuelle plutôt que d’assumer que la résidence est absolue par défaut.
Ce tableau est la bonne nouvelle, et c’est un vrai progrès. Deux réserves l’empêchent d’être toute l’histoire. Premièrement, aucune de ces politiques ne couvre les sous-traitants, c’est-à-dire l’infrastructure cloud, les outils d’analyse et les processus de gel judiciaire qui se cachent derrière les propres systèmes du vendeur, et la plupart des organisations ont une visibilité contractuelle limitée dans cette chaîne. Deuxièmement, et c’est celle qui mérite du temps : un compte de niveau consommateur est un produit différent avec des paramètres par défaut différents. Les plans consommateurs gratuit et Plus d’OpenAI laissent toujours les utilisateurs opter pour l’entraînement d’une manière que les plans enterprise ne le font pas, et le risque pratique apparaît quand les employés utilisent leurs propres comptes personnels ChatGPT pour le travail sans que le département IT ne sache jamais que les données ont quitté l’entreprise.
Où « zéro conservation » cesse d’être zéro
Les vendeurs qui promettent conservation zéro des données le pensent, dans des conditions d’exploitation normales. Les conditions d’exploitation normales ne sont pas les seules conditions qui importent pour une entreprise détenant de vrais secrets.
Entre mai 2025 et janvier 2026, un magistrat fédéral américain a ordonné à OpenAI de conserver tous les journaux de conversation ChatGPT indéfiniment dans le cadre du litige New York Times c. OpenAI. OpenAI s’est conformé, conservant les données que les utilisateurs avaient déjà supprimées. En janvier 2026, un juge fédéral est allé plus loin et a ordonné à OpenAI de produire 20 millions de journaux de conversation désidentifiés aux demandeurs.
Une description pour cette catégorie de données qui circule parmi les professionnels de la confidentialité : « données zombies », supprimées par l’utilisateur, vivantes malgré tout parce qu’un tribunal l’a ordonné.
Deux autres incidents de 2025 à 2026 font le même point sous un angle différent. En juillet 2025, l’index de recherche de Google a capturé des milliers de liens de conversation ChatGPT que les utilisateurs croyaient avoir partagés en privé, exposant du contenu personnel et professionnel à la recherche publique. Au début de 2026, les chercheurs ont révélé une vulnérabilité de canal auxiliaire basée sur DNS dans ChatGPT qui aurait pu laisser les données de conversation sensibles fuir au-delà des garde-fous normaux ; OpenAI l’a corrigée le 20 février 2026, sans exploitation confirmée.
La politique de conservation est une couche de protection. La sécurité de la plateforme et l’exposition juridique sont des couches distinctes, et une politique de conservation forte ne couvre ni l’une ni l’autre.
Cela vaut la peine d’être nommé clairement, car c’est affirmé à la légère et cela ne devrait pas l’être : « conservation zéro des données » n’est pas une garantie absolue. C’est un engagement opérationnel fort qu’une ordonnance du tribunal ou une vulnérabilité de la plateforme peut toujours annuler.
Les employés sont le vecteur de fuite le plus important, et la politique seule ne l’arrêtera pas
Si vous corrigez chaque contrat de vendeur et continuez à permettre au personnel de traiter des travaux confidentiels via des comptes IA personnels, vous n’avez pas réellement réduit votre exposition. Les équipes de sécurité s’accordent, presque sans exception, sur le fait que le vecteur de perte dominant n’est pas l’inconduite du vendeur. Ce sont les employés qui utilisent des outils non approuvés et non gérés.
Il y a aussi un angle juridique ici que la plupart des cadres n’ont pas encore remarqué. Dans United States c. Heppner (février 2026), une cour fédérale a décidé que les échanges d’un défendeur avec un outil IA de niveau consommateur n’étaient pas privilégiés, même s’il croyait que la conversation était confidentielle. L’affaire impliquait l’utilisation de l’outil par le défendeur lui-même plutôt que par ses avocats, mais les commentateurs juridiques le lisent largement comme un avertissement pour les cabinets juridiques aussi : un bureau de général counsel ne peut pas supposer sans risque qu’un compte ChatGPT personnel préserve le privilège pour l’analyse juridique, car le privilège lui-même ne survit pas à l’outil.
Le coût financier de cette lacune est mesurable. Le rapport Cost of a Data Breach Report d’IBM de 2025 a constaté que les violations impliquant l’IA fantôme, c’est-à-dire les outils IA déployés ou utilisés sans approbation ou gouvernance, ajoutent en moyenne 670 000 dollars au coût total de l’incident. Cette prime existe parce que les outils non gérés n’ont pas de journal d’audit, pas de cartographie des données, et souvent personne dans l’entreprise ne sait même que l’exposition s’est produite jusqu’à bien après.
Ce que l’auto-hébergement vous achète réellement, et où cela échoue
C’est d’où vient l’instinct d’auto-hébergement, et cet instinct n’est pas faux. Exécuter l’inférence sur l’infrastructure que vous contrôlez supprime le vendeur en tant que tiers ayant un accès quelconque à vos données. Pas de chaîne de sous-traitants, pas de transfert transfrontalier à considérer, pas de gel judiciaire de vendeur qui peut faire remonter vos conversations supprimées des années plus tard.
C’est aussi pas un raccourci. Selon la recherche State of AI in the Cloud de Wiz de 2026, 81 % des organisations utilisent des services IA gérés et 90 % exécutent des modèles auto-hébergés, signifiant que la plupart des grandes organisations en exécutent les deux plutôt que de traiter l’un comme une solution universelle. Les équipes de sécurité qui héritent d’un déploiement auto-hébergé le trouvent souvent dépourvu d’évaluation des vulnérabilités, de test de pénétration ou de journalisation de base configurée, ce qui en pratique peut être une posture de sécurité pire qu’une API gérée par un vendeur avec un accord signé.
GDPR et l’Acte sur l’IA de l’UE ne se relâchent pas non plus pour les systèmes auto-hébergés : les obligations de transparence de l’Article 50, qui sont entrées en vigueur le 2 août 2026, s’appliquent indépendamment de où le modèle s’exécute. L’auto-hébergement déplace l’ensemble du fardeau de conformité à l’intérieur de vos murs. Cela ne le supprime pas.
Une autre idée fausse mérite une correction directe, car elle provoque de véritables erreurs budgétaires : un forfait « enterprise » d’un vendeur IA majeur ne signifie pas que le modèle s’exécute sur votre infrastructure. Cela signifie presque toujours des conditions contractuelles meilleures superposées au cloud du vendeur, un accord de traitement des données, un journalisation d’audit et des contrôles de conservation plus forts, tandis que l’inférence s’effectue toujours sur des serveurs que vous ne contrôlez pas. Si la résidence des données à l’intérieur de votre réseau est l’exigence réelle, un contrat enterprise ne le satisfait pas ; seule une architecture qui maintient l’inférence sur l’infrastructure que vous possédez ou louez sous votre propre juridiction le fait. Nos articles compagnons sur qui construit réellement l’IA auto-hébergée avec succès et ce qu’il en coûte d’exécuter un cluster d’inférence local passent en revue ce à quoi l’engagement d’ingénierie ressemble en pratique, y compris où les mathématiques du coût des tokens favorisent ou non l’achat de matériel.
Construire une véritable limite de données, quel que soit le chemin que vous choisissez
Le choix entre API et auto-hébergement n’est pas la décision réelle. La véritable décision est quelles données atteindront jamais un système IA en premier lieu, et sous quels contrôles, et cette question s’applique de manière égale aux deux voies de déploiement.
Une limite défendable inclut généralement :
- Classez avant de connecter. Connaître quelles catégories de données (dossiers clients, PI non divulguée, données personnelles réglementées) sont autorisées près d’un système IA quelconque, et lesquelles nécessitent une rédaction ou une pseudonymisation d’abord.
- Supprimez l’IA fantôme des comptes consommateurs. Bloquez les comptes personnels ChatGPT, Gemini et Claude sur les appareils gérés, et donnez au personnel une alternative enterprise approuvée afin que l’interdiction ne pousse pas simplement le comportement sous terre.
- Obtenez un accord signé pour tout ce qui touche les données personnelles, que le destinataire soit une API de vendeur ou une équipe interne qui met en place un modèle auto-hébergé qu’un processeur de données soutient. Notre guide sur les agents IA et GDPR couvre ce que cet accord doit inclure.
- Connaître votre exposition réelle de conservation et de gel judiciaire au-delà de la page marketing. Posez directement la question au vendeur sur ce qui arrive à vos données en cas de subpoena, et documentez la réponse.
- Considérez la dépendance aux vendeurs comme son propre risque, distinct de l’exposition des données. Notre article sur le verrouillage des plateformes d’agents IA couvre ce qui se passe quand un fournisseur change les termes après que vos workflows sont déjà construits autour d’eux.
- Si vous auto-hébergez, budgétisez pour le travail de sécurité continu aux côtés du matériel. Les correctifs, le contrôle d’accès et la surveillance sont des coûts récurrents qui se poursuivent bien au-delà de la configuration initiale.
Qui cela favorise pour l’auto-hébergement : les organisations traitant des données réellement réglementées ou couvertes par un NDA, avec un volume d’utilisation durable et une équipe qui peut assumer le travail de sécurité pendant des années.
Qui ne convient pas : les équipes avec une utilisation IA faible ou imprévisible, des travaux de sensibilité générale comme des brouillons marketing ou du brainstorming interne, et personne disponible pour assumer la sécurité continue des infrastructures. Pour ce profil, une API enterprise-tier d’un vendeur réputé avec un accord signé et des contrôles de données internes disciplinés protégera mieux les secrets commerciaux qu’un déploiement auto-hébergé que personne n’a la bande passante pour maintenir correctement.
Les deux voies fonctionnent quand elles sont construites délibérément, avec une réponse claire à quelles données atteignent le modèle et qui peut les voir après. Ni l’une ni l’autre ne fonctionne comme une hypothèse par défaut empruntée à la page marketing d’un vendeur ou au projet de week-end d’un ingénieur.
Questions fréquentes
L'auto-hébergement d'un modèle IA garde-t-il automatiquement vos données confidentielles ?
Non. L'auto-hébergement supprime le vendeur en tant que tiers pouvant voir, conserver ou être assigné pour vos données, mais ne rend pas le déploiement automatiquement sécurisé ou conforme. Sans contrôle d'accès, chiffrement, surveillance et correctifs réguliers, un modèle auto-hébergé peut divulguer des données aussi facilement qu'une API cloud, et les chercheurs en sécurité constatent que les déploiements auto-hébergés sont souvent laissés sans maintenance une fois que le projet initial est terminé.
Qu'est-ce que l'IA fantôme et pourquoi est-ce le plus grand risque de confidentialité ?
L'IA fantôme désigne les employés qui utilisent des outils IA non approuvés, souvent des comptes personnels ChatGPT ou Gemini, pour effectuer des tâches professionnelles sans que le département IT le sache. C'est la source de la plupart des fuites documentées : des ingénieurs Samsung ont collé du code source propriétaire dans ChatGPT en 2023, et IBM a constaté en 2025 que les incidents d'IA fantôme ajoutent en moyenne 670 000 dollars aux coûts de violation. Une politique de données du vendeur ne peut pas protéger une fuite qui ne touche jamais les systèmes du vendeur en premier lieu.
Les politiques de « conservation zéro des données » des vendeurs IA sont-elles fiables ?
Elles sont fiables pour la confidentialité opérationnelle courante, mais non absolues. OpenAI, Anthropic et Google offrent tous des options d'entraînement nul et de conservation réduite sur les forfaits enterprise, mais une ordonnance de cour fédérale américaine de 2025 a contraint OpenAI à conserver les journaux de chat indéfiniment pour un litige, contrecarrant les demandes de suppression que les utilisateurs avaient déjà faites. Considérez une politique de conservation comme une réelle protection contre l'usage abusif de routine. Elle n'offre aucune protection si un tribunal ordonne la conservation ou émet un gel judiciaire.
Un forfait IA « enterprise » signifie-t-il que le modèle s'exécute sur notre infrastructure ?
Non, presque jamais. Un palier enterprise d'OpenAI, Anthropic ou Microsoft signifie généralement des conditions contractuelles plus robustes superposées au cloud du vendeur, un accord de traitement des données, des journaux d'audit et des contrôles de conservation plus forts, mais l'inférence s'effectue toujours sur l'infrastructure exploitée par le vendeur. Si garder vos données à l'intérieur de votre réseau est l'exigence réelle, seul un déploiement véritablement auto-hébergé ou sur un cloud privé dédié le satisfait.
Quand l'auto-hébergement a-t-il du sens pour protéger les secrets commerciaux ?
Cela a du sens quand les données sont réellement réglementées ou contractuellement sensibles, comme la PI non divulguée couverte par un NDA, les dossiers de santé ou les données financières, quand le volume d'utilisation est suffisant pour justifier l'effort d'ingénierie, et quand votre équipe peut assumer la responsabilité des correctifs et de la surveillance continus. Pour les travaux moins sensibles comme la copie marketing ou la rédaction générale, une API enterprise-tier de vendeur réputé avec un accord signé est généralement la voie la plus simple.