RGPD et données d’entraînement IA : ce qu’une PME qui bâtit un modèle doit savoir

Entraîner un modèle d’IA sur des données personnelles est une activité de traitement RGPD. Ce n’est pas exempté parce que c’est « de l’IA », pas exempté parce que les données sont « publiques », et pas exempté parce que le résultat est un modèle plutôt qu’une base de données. Les mêmes cinq questions que le registre article 30 pose à tout traitement — base légale, finalité, destinataires, conservation, sécurité — s’appliquent au pipeline d’entraînement, avec deux de plus : les personnes s’attendaient-elles à cela, et le modèle lui-même est-il une donnée personnelle ?

Une PME qui bâtit (ou ajuste) un modèle sur des données clients, employés, ou récupérées est responsable de cette activité d’entraînement. Une PME qui déploie un modèle de fournisseur sur ses propres données clients est responsable du traitement de déploiement et peut être co-responsable ou sous-traitant selon le rôle du fournisseur. Dans les deux cas le RGPD s’applique, et le CEPDP — le Comité européen de la protection des données, l’organe qui coordonne les autorités de protection des données de l’UE — a signalé à plusieurs reprises que l’entraînement IA n’est pas une catégorie spéciale exempte des principes du règlement.

Note d’ancrage : le canon résume les principes RGPD et nomme le CEPDP comme organe de coordination UE, mais ne contient pas mot pour mot les avis IA du CEPDP. Les positions attribuées au CEPDP ci-dessous reflètent sa direction publique établie sur l’entraînement de modèles d’IA (base légale incluant l’intérêt légitime, limitation des finalités entre entraînement et inférence, anonymat des modèles entraînés comme question factuelle). Confirmez la position actuelle du CEPDP contre ses avis publiés avant de vous appuyer sur un point précis opérationnellement.

Le pipeline d’entraînement est une activité de traitement

Décomposez le cycle de vie du modèle en activités de traitement que le RoPA doit enregistrer :

1. Collecte / ingestion des données. D’où viennent les données d’entraînement — votre CRM, les dossiers employés, une extraction, un jeu de données sous licence, les saisies utilisateurs d’un modèle déployé. Chaque source est une ligne. 2. Prétraitement et étiquetage. Nettoyage, annotation, pseudonymisation. Traitement à part entière, souvent par une équipe ou un fournisseur distinct. 3. Entraînement / ajustement. Le modèle apprend des données. La base légale et la finalité de cette activité sont le nœud. 4. Validation / test. Données mises de côté, évaluation. Toujours un traitement. 5. Déploiement / inférence. Le modèle en production, traitant de nouvelles saisies — souvent les données des personnes que la PME cherche réellement à protéger. 6. Conservation et suppression. Combien de temps le jeu d’entraînement est conservé ; si le modèle lui-même est conservé.

Chacune est une ligne du RoPA. Une PME qui n’enregistre que « nous utilisons l’IA » n’a pas documenté l’activité ; une PME qui enregistre les six étapes, oui.

La question de base légale pour l’entraînement

Le RGPD article 6 exige une base légale pour chaque activité de traitement. Pour l’entraînement IA les bases réalistes sont :

• **Consentement (article 6(1)(a)).** Propre mais difficile — le consentement doit être libre, éclairé, spécifique et rétractable, et la rétractation aussi facile que le consentement. Pour des données récupérées ou un CRM historique, le consentement n’est généralement pas faisable parce qu’il n’a jamais été collecté pour cette finalité.
• **Nécessaire à un contrat (article 6(1)(b)).** Lorsque l’entraînement est réellement nécessaire pour délivrer un service auquel la personne est partie. Étroite — la plupart des entraînements ne sont pas strictement nécessaires à un contrat individuel.
• **Intérêts légitimes (article 6(1)(f)).** La base que le CEPDP a signalée comme la plus susceptible de convenir à l’entraînement IA général, soumise à un test en trois parties : un intérêt légitime, nécessité (pas de moyen moins intrusif), et une mise en balance contre les droits et attentes raisonnables des personnes. La mise en balance est là où la plupart des entraînements échouent au contrôle — les personnes ne s’attendent pas à ce que leur enregistrement CRM ou leur post récupéré entraîne un modèle commercial.
• **Données à catégorie particulière (article 9).** Si le jeu d’entraînement contient des données de santé, biométriques, politiques, religieuses ou autre article 9, une condition article 9 supplémentaire est requise (typiquement consentement explicite). C’est le piège des jeux RH et des extractions qui ramassent incidemment du contenu à catégorie particulière.

Documentez la base par activité d’entraînement dans le RoPA. « Intérêts légitimes » exige l’évaluation des intérêts légitimes écrite — la mise en balance est l’artefact que l’autorité demande.

Limitation des finalités : entraînement vs inférence

Le RGPD article 5(1)(b) exige que les données collectées pour une finalité déterminée ne soient pas traitées de façon incompatible. Entraîner un modèle sur des données collectées pour une autre finalité (données CRM collectées pour la prestation de service, données récupérées collectées sans accord de la personne) est un traitement ultérieur — licite seulement si compatible avec la finalité initiale, ou si une base légale distincte s’applique. La direction du CEPDP traite l’entraînement sur des données collectées pour une finalité sans rapport comme une question de compatibilité qui échoue fréquemment : un client qui a donné son adresse pour la livraison ne s’attendait pas à ce qu’elle entraîne un modèle de prédiction d’attrition.

La correction pratique est une évaluation de compatibilité documentée par activité d’entraînement, ou — plus souvent — une base légale fraîche (consentement ou LIA réussie) pour l’entraînement lui-même.

Minimisation, conservation, et « le modèle est-il une donnée personnelle ? »

• **Minimisation des données (article 5(1)(c)).** Les jeux d’entraînement sont systématiquement sur-collectés. La minimisation demande si vous avez besoin des identifiants, des champs en texte libre, du contenu adjacent à catégorie particulière que vous avez récupéré. La pseudonymisation avant entraînement est l’atténuation standard.
• **Limitation de conservation (article 5(1)(e)).** La conservation doit être limitée au nécessaire. Garder un jeu d’entraînement indéfiniment « au cas où on réentraîne » n’est pas une politique de conservation. Fixez une conservation du jeu d’entraînement et une conservation du modèle.
• **Le modèle entraîné est-il une donnée personnelle ?** La question contestée. Un modèle qui a mémorisé des exemples d’entraînement et peut les régurgiter traite arguablement des données personnelles à l’inférence. Le CEPDP a signalé que l’anonymat du modèle est une question *factuelle* — un modèle est anonyme seulement s’il ne peut pas être amené à émettre des données personnelles, ce qui pour beaucoup de grands modèles n’est pas démontrable. Traitez le modèle comme potentiellement une donnée personnelle sauf si vous pouvez démontrer la non-réversibilité ; ne supposez pas « c’est un modèle, pas une base de données » l’exempte.

Article 22 et décisions automatisées

Si le modèle déployé produit des décisions à effets juridiques ou significatifs sur les personnes (filtrage de crédit, filtres de recrutement, tarification), l’article 22 s’applique — le droit de ne pas faire l’objet de décisions solely automatisées, plus une information utile sur la logique. C’est l’activité de déploiement, non d’entraînement, mais c’est la raison en aval pour laquelle la qualité des données d’entraînement compte. Une AIPD est requise pour ce type de traitement ; le canon est explicite que la décision automatisée impliquant du profilage est à haut risque et déclenche une AIPD avant implémentation.

L’AIPD pour l’entraînement IA

Une AIPD (article 35) est requise pour un traitement susceptible d’engendrer un haut risque — et le canon nomme le profilage systématique et étendu, le traitement à grande échelle de catégories particulières, et la surveillance systématique comme déclencheurs. L’entraînement IA sur des données clients, sur des données personnelles récupérées, ou sur des catégories particulières passe au moins un déclencheur. L’AIPD décrit le traitement, évalue la nécessité et la proportionnalité, identifie les risques pour les personnes, et documente les atténuations. Pour une PME, l’AIPD est aussi le document qui force les questions de base légale et de compatibilité à être répondues par écrit avant l’entraînement — non après la mise en production.

L’AIPD s’emboîte avec l’évaluation d’impact du système d’IA ISO 42001 (clauses 6.1.4 et 8.4). L’AIPD RGPD est la coupe protection des données ; l’évaluation d’impact ISO 42001 est la coupe plus large du système d’IA couvrant les préoccupations de fiabilité — sécurité, sûreté, équité, transparence, qualité des données, cycle de vie. Si vous exploitez les deux, une analyse alimente les deux rapports. Voir le modèle d’évaluation d’impact IA ISO 42001 et le pilier gouvernance IA ISO 42001.

Fournisseurs et modèle déployé

La plupart des PME n’entraînent pas de zéro — elles ajustent ou déploient un modèle de fournisseur. Les questions RGPD se déplacent mais ne disparaissent pas :

• **Le fournisseur est-il sous-traitant ou responsable ?** Si vous envoyez vos données clients au modèle du fournisseur et que le fournisseur les utilise pour améliorer son propre modèle, le fournisseur est responsable pour cette amélioration (ou co-responsable), et un contrat de traitement de données article 28 ne suffit pas — il vous faut un arrangement de co-responsabilité ou une garantie que le fournisseur n’entraînera pas sur vos données.
• **Où l’inférence a-t-elle lieu ?** Sur site, dans une région UE, ou transmise à un point de terminaison américain ? Les règles de transfert pays tiers s’appliquent (Clauses contractuelles types, décision d’adéquation). La colonne transferts du RoPA capte cela.
• **Que fait le fournisseur des prompts ?** Beaucoup d’API de modèles conservent les prompts pour une durée ou pour revue de sécurité. C’est une activité de traitement que vous devriez enregistrer et une conservation que vous devriez connaître.

Ce qu’une PME doit faire avant d’entraîner ou déployer

1. Ajouter le cycle de vie du modèle au RoPA comme les six activités ci-dessus, avec base légale et finalité par étape. 2. Mener l’évaluation des intérêts légitimes si vous vous appuyez sur l’intérêt légitime, et l’évaluation de compatibilité si vous entraînez sur des données collectées pour une autre finalité. Documentez les deux. 3. Mener l’AIPD avant entraînement ou déploiement si le traitement est à haut risque (il l’est généralement). Partez du modèle d’AIPD. 4. Pseudonymiser le jeu d’entraînement et fixer une conservation du jeu d’entraînement et du modèle. 5. Décider la position sur l’anonymat du modèle par écrit — ne défautez pas sur « le modèle est anonyme. » 6. Vérifier le contrat fournisseur pour les clauses d’entraînement-sur-vos-données et la localisation du point d’inférence. 7. Si vous exploitez ISO 42001, plier l’AIPD dans l’évaluation d’impact IA — une analyse, deux rapports.

Comment cela s’intègre dans la série

C’est le fil du cluster IA de la série RGPD — le pont vers le pilier ISO 42001 et le recouvrement Loi européenne sur l’IA. Il suppose que vous avez bâti le registre article 30 (le cycle de vie du modèle y est six lignes) et lu les droits des personnes et l’horloge 72 heures (l’article 22 est le déclencheur de droits en aval). Le modèle d’AIPD est l’artefact opérationnel vers lequel cet article vous envoie.

Que faire ensuite

Avant d’entraîner sur ou d’envoyer un seul enregistrement à un modèle, écrivez les six lignes RoPA du cycle de vie du modèle et tranchez la question de base légale pour l’étape d’entraînement. Si la réponse est « intérêts légitimes, » rédigez l’évaluation des intérêts légitimes et l’évaluation de compatibilité. Si l’entraînement touche des catégories particulières ou produit des décisions article 22, démarrez l’AIPD. Le coût de faire cela avant l’entraînement est un après-midi ; le coût de le faire après qu’une autorité demande est un modèle que vous pourriez devoir retirer.

Vous bâties ou déployiez un modèle d’IA sur des données personnelles et incertain où le RGPD atterrit ? Réservez une **revue RGPD + données d’entraînement IA** de 30 min — nous mappons votre cycle de vie de modèle aux six lignes RoPA, mettons sous pression votre base légale et votre LIA, et délimitons l’AIPD. Bilingue FR/EN, sans obligation.

→ /contact · téléchargez le guide de conformité RGPD pour PME