ChatGPT, Claude, Gemini ou IA privée: où vont vos données d’entreprise et comment garder le contrôle

Entre les assistants grand public et les solutions d’IA déployées en interne, les entreprises multiplient les usages, rédaction, support, analyse, développement. La question n’est plus de savoir si des informations circulent vers un modèle, mais où elles atterrissent, combien de temps elles sont conservées et qui peut y accéder. Derrière un simple copier-coller dans une fenêtre de conversation, il peut y avoir des journaux techniques, des mécanismes de modération, des équipes humaines d’amélioration, ou des sous-traitants cloud. En 2026, les directions informatiques et juridiques cherchent surtout à distinguer les flux de données selon les outils, à cadrer les pratiques, puis à prouver la conformité par des paramètres, des contrats et des contrôles.

ChatGPT et OpenAI: prompts, fichiers et journaux au cœur des interrogations

Dans un usage professionnel, la donnée envoyée à ChatGPT ne se limite pas au texte du prompt. Il peut s’agir de fichiers joints, de captures, de données structurées, voire de fragments de code contenant des secrets. Pour une entreprise, le risque principal tient moins à un vol direct qu’à l’addition de surfaces d’exposition, conservation dans des journaux, traces côté poste, synchronisations, réutilisation involontaire d’un extrait sensible dans un autre contexte. La première étape consiste à cartographier les informations transmises et à y associer une classification interne, public, interne, confidentiel, secret.

Les organisations doivent ensuite regarder les mécanismes de rétention et d’amélioration des services. Certaines offres proposent des options de non-utilisation des données pour l’entraînement, mais les détails comptent, périmètre exact, types de données concernés, conditions d’activation, et compatibilité avec des usages avancés. Les équipes sécurité demandent aussi où se trouvent les systèmes qui traitent les requêtes, centres de données, sous-traitants, et quel est le cadre contractuel. Dans les faits, beaucoup d’entreprises choisissent une configuration entreprise quand elle existe, car elle apporte des engagements plus clairs sur l’isolement des données et l’administration des comptes.

Le sujet des accès est tout aussi structurant. Une fuite ne vient pas toujours du fournisseur, mais d’un compte mal protégé, d’un partage d’équipe, ou d’un navigateur personnel utilisé pour un usage professionnel. En 2026, les exigences minimales se stabilisent, SSO via l’identité d’entreprise, authentification multifacteur, politiques de session, et journalisation des connexions. L’entreprise doit pouvoir couper un accès en quelques minutes lors d’un départ ou d’un incident, puis auditer ce qui a été fait, à quelle heure, par quel identifiant.

Enfin, le choix des fonctionnalités influence directement l’exposition. Plus un usage s’appuie sur des connecteurs, un stockage de conversation, des espaces partagés, plus il faut définir des règles. Beaucoup d’équipes adoptent des consignes opérationnelles simples, pas de données clients identifiantes, pas de mots de passe, pas de contrats non publiés, puis elles outillent cette règle avec des contrôles, filtrage de champs, masquage, et règles DLP. Ce cadrage est rarement parfait, mais il réduit nettement les erreurs humaines, qui restent la première cause de partage non maîtrisé.

Claude et Anthropic: politique d’usage, contrôles internes et traçabilité

L’adoption de Claude en entreprise suit souvent un chemin proche, d’abord des tests individuels, puis une demande d’encadrement. Les responsables conformité s’intéressent à la politique d’utilisation des contenus, à la façon dont les échanges sont traités pour la sûreté et à la capacité à isoler les données des clients. L’objectif n’est pas de rechercher une promesse universelle, mais de vérifier noir sur blanc ce qui est fait des conversations, ce qui est conservé et ce qui est exclu de toute réutilisation à des fins d’amélioration, selon l’offre souscrite.

Sur le plan opérationnel, la question de la traçabilité prend du poids. Les entreprises veulent pouvoir répondre à des questions concrètes, quel collaborateur a envoyé un extrait de base de données, quel projet a déposé un document, quel service a généré une synthèse. Sans journaux exploitables, un incident devient difficile à qualifier. En 2026, les équipes IT attendent des intégrations avec des outils SIEM, des exports d’événements et des options d’administration centralisée.

La gestion des informations sensibles dépend aussi de la maturité interne. Une entreprise qui dispose déjà d’un référentiel de classification, de règles DLP et d’un contrôle des partages peut encadrer l’usage d’un assistant externe. À l’inverse, une organisation sans gouvernance documentaire expose parfois des données critiques par simple commodité. Les responsables sécurité insistent sur une règle pragmatique, si une donnée ne doit pas sortir d’un réseau ou d’un périmètre, elle ne doit pas être copiée dans un outil externe, même pour gagner du temps.

Un autre point concret est la présence de sous-traitants et de couches techniques, hébergement cloud, services d’observabilité, filtrage de sécurité. La due diligence consiste à regarder les dépendances, à demander les rapports de sécurité disponibles, puis à vérifier le niveau de support en cas d’incident. Le sujet est rarement visible pour l’utilisateur final, mais il conditionne la capacité à investiguer et à notifier en respectant les délais réglementaires. Dans les appels d’offres, les clauses sur les délais de réponse, l’accès aux logs et l’assistance forensic font partie des exigences qui montent.

Gemini et Google: données de workspace, connecteurs et gouvernance des accès

Avec Gemini, la question du où vont les données se double souvent d’un enjeu d’écosystème, car beaucoup d’entreprises utilisent déjà des suites collaboratives. Le risque n’est pas seulement l’envoi d’un prompt, mais l’activation de fonctionnalités qui s’appuient sur des connecteurs et des ressources existantes, documents, courriels, agendas, espaces de travail. En pratique, l’IA devient un nouvel utilisateur très puissant, capable de parcourir des contenus auxquels le compte a accès. La priorité consiste à vérifier que les droits d’accès, héritages, partages publics internes, sont cohérents.

Les RSSI demandent un inventaire des sources que l’IA peut interroger, puis un modèle d’autorisation par groupes, par projets et par sensibilité. Une dérive fréquente en entreprise est l’accumulation d’espaces partagés sans propriétaire clair, où des fichiers historiques restent accessibles à trop de monde. L’arrivée d’un assistant qui résume et recherche accroît l’impact d’une mauvaise gouvernance, car elle facilite l’extraction d’informations dispersées. Un audit de permissions, documenté et répété, devient un prérequis avant le déploiement large.

Sur le plan des données, il faut aussi distinguer les traitements nécessaires au service, exécution de la requête, filtrage de sécurité, journalisation technique, et les traitements destinés à améliorer le produit. Les entreprises cherchent des garanties contractuelles pour éviter que des contenus internes soient utilisés hors de leur périmètre. Elles comparent aussi les options d’administration, SSO, politiques de conservation, export des logs, et segmentation par unités organisationnelles. Les fonctions de conformité existantes, eDiscovery, conservation légale, archivage, doivent rester cohérentes avec les nouveaux flux.

Dans les cas d’usage, les gains sont réels, préparation de réunions, rédaction de notes, tri de messages, mais ils s’accompagnent d’une responsabilité accrue. Une entreprise qui autorise la génération automatique de synthèses à partir d’emails doit former les équipes, définir des règles et contrôler les accès. Les pratiques de 2026 vont vers des déploiements progressifs, d’abord des populations pilotes, puis une extension par métier. Cette approche limite les incidents et permet de corriger les paramétrages avant l’usage massif.

IA privée on-premise: souveraineté, coûts d’infrastructure et risques internes

L’idée d’une IA privée séduit par la promesse de garder les données à la maison. Déployer un modèle sur site ou dans un cloud dédié peut réduire l’exposition à des acteurs externes, mais cela déplace la responsabilité. L’entreprise doit gérer la sécurité de l’infrastructure, la segmentation réseau, le durcissement des serveurs, les mises à jour et la supervision. En 2026, la mise en place d’un environnement IA performant suppose souvent des accélérateurs, une architecture de stockage adaptée et des compétences rares, MLOps, sécurité cloud, administration GPU.

La souveraineté ne signifie pas absence de risque. Une fuite peut provenir d’un compte admin, d’un accès trop large à des jeux de données, ou d’un export non contrôlé. Beaucoup d’entreprises découvrent que le point faible n’est pas le modèle, mais le pipeline, collecte, nettoyage, vectorisation, indexation, stockage de logs. Les systèmes de RAG, qui combinent recherche documentaire et génération, multiplient les emplacements où des contenus peuvent être stockés, base vectorielle, cache, répertoires temporaires. Sans politique claire de rétention et de purge, les traces s’accumulent.

Un autre sujet est la qualité des données. L’IA privée est performante si elle est nourrie de contenus fiables, à jour et autorisés. Or beaucoup d’entreprises ont des référentiels documentaires incomplets, des duplications, et des informations obsolètes. Le risque devient alors décisionnel, une réponse plausible mais fausse, construite sur des documents périmés, peut entraîner des erreurs opérationnelles. Les équipes mettent donc en place des garde-fous, citation des sources, date des documents, signalement d’incertitude, et validation humaine sur les sujets sensibles.

Enfin, il faut intégrer les coûts, matériel, énergie, licences, exploitation, support 24/7. Une IA privée peut être pertinente pour des données hautement sensibles, santé, finance, R&D, ou pour des contraintes réglementaires strictes. Mais pour des usages bureautiques standards, certaines entreprises gardent une stratégie hybride, un assistant externe encadré pour les tâches génériques, et une IA interne pour les dossiers sensibles. Cette segmentation, associée à des formations et à des contrôles DLP, répond à une logique de réduction du risque plutôt qu’à une promesse de sécurité totale.

Contrats, DLP et formation: les leviers concrets des DSI en 2026

Face à la diversité des outils, les directions IT adoptent une approche en trois piliers, cadre contractuel, contrôles techniques, et gouvernance des usages. Le volet contrat couvre les engagements de traitement, les sous-traitants, les lieux d’hébergement, la conservation, l’assistance en cas d’incident et les modalités d’audit. Dans les projets structurants, les juristes demandent une annexe dédiée aux flux d’données, avec des scénarios d’usage, saisie libre, documents, API, connecteurs. Sans ce travail, l’entreprise ne sait pas ce qu’elle doit protéger ni comment prouver sa conformité.

Le second pilier est technique, DLP, filtrage, chiffrement, contrôle des postes, et journalisation. Les entreprises déploient des règles simples, bloquer l’envoi de numéros de carte, d’identifiants clients, de données de santé, ou de secrets industriels connus. Elles complètent avec des politiques navigateur, séparation des comptes, interdiction des extensions non validées, et sécurisation des terminaux mobiles. Le but est de réduire les erreurs, pas de créer une forteresse inutilisable. Les outils de sécurité sont évalués sur leur capacité à s’intégrer sans casser les usages.

Le troisième pilier est humain. Les incidents les plus fréquents sont des copier-coller de tableaux exportés, de clauses contractuelles ou de tickets support contenant des informations identifiantes. Les DSI mettent en place des formations courtes, centrées sur des exemples, et des rappels intégrés, bannières, messages d’alerte, guides de prompts. La gouvernance passe aussi par des champions métiers qui relaient les bonnes pratiques. Un dispositif d’IA en entreprise échoue rarement pour des raisons techniques, il échoue quand l’usage réel diverge des règles écrites.

Enfin, la mesure devient indispensable. Les équipes pilotent des indicateurs, volume de requêtes, catégories de données bloquées, taux d’utilisation des comptes gérés, incidents déclarés. Elles organisent des revues trimestrielles, ajustent les politiques et retirent des accès si nécessaire. Ce pilotage permet de répondre aux dirigeants, au comité d’audit, et aux partenaires, en montrant des preuves, pas seulement des intentions. La maturité en 2026 se lit dans cette capacité à documenter, à contrôler, puis à corriger rapidement quand un flux de données n’est pas conforme aux attentes.