Un règlement pensé en 2016, avant l'essor des grands modèles de langage, s'applique aujourd'hui pleinement à l'intelligence artificielle. Le Règlement général sur la protection des données (RGPD) n'a pas été écrit pour l'IA, et pourtant ses principes fondateurs — licéité, minimisation, transparence, droits des personnes — se révèlent remarquablement adaptés. Depuis deux ans, les autorités européennes ont transformé cette intuition en règles concrètes : la CNIL a publié une série de fiches pratiques, le Comité européen de la protection des données (EDPB) a rendu un avis structurant, et le règlement européen sur l'IA est venu compléter l'édifice. Résultat : les organisations qui développent ou déploient des systèmes d'IA disposent désormais d'un cadre lisible, cohérent et de plus en plus outillé. Cet article fait le tour de ce cadre réglementaire et des droits qu'il confère aux personnes, avec un objectif clair : montrer que conformité et innovation avancent ensemble.
Le propos de ce guide est délibérément juridique et institutionnel. Il ne traite pas des réglages personnels que chacun peut activer dans son assistant préféré — ce sujet mérite son propre article — mais du socle qui organise l'ensemble : quelles bases légales autorisent l'entraînement d'un modèle, comment s'exercent les droits d'accès, de rectification, d'effacement et d'opposition face à une IA, à quoi sert l'analyse d'impact (AIPD), et comment les autorités de contrôle coordonnent leur action au-delà des frontières. L'ambition est de rendre ce cadre intelligible, sans le simplifier à l'excès.
Une précision de méthode s'impose d'emblée. Les faits juridiques cités ici proviennent de textes et de positions publiques : le RGPD lui-même, le règlement UE 2024/1689 sur l'intelligence artificielle, les avis de l'EDPB et les recommandations de la CNIL. Cet article informe ; il ne délivre pas de conseil juridique. Pour une situation précise, un professionnel du droit ou un délégué à la protection des données reste l'interlocuteur pertinent.
RGPD et IA : un cadre qui s'est précisé
Le RGPD, adopté en 2016 et applicable depuis mai 2018, repose sur une architecture de principes suffisamment généraux pour traverser les évolutions technologiques. C'est cette qualité qui lui permet de s'appliquer aux pipelines de machine learning, très éloignés des traitements de données classiques pour lesquels le texte semblait conçu. Entre 2023 et 2026, les autorités ont considérablement enrichi leur doctrine, passant d'une application par analogie à un corpus de règles spécifiques et opérationnelles.
Les recommandations de la CNIL sur l'IA
La Commission nationale de l'informatique et des libertés a joué un rôle moteur. Dès 2023, elle a publié ses premières ressources sur l'IA générative, avant de structurer sa doctrine en un ensemble de fiches pratiques dédiées au développement des systèmes d'IA. Ce corpus, construit par vagues successives, couvre les bases légales applicables à l'entraînement des modèles, la gestion des droits des personnes concernées, la constitution de bases de données et la sécurité des traitements. La CNIL y adopte une posture d'accompagnement : elle cherche à lever les incertitudes plutôt qu'à freiner les projets.
Un jalon important a été franchi le 19 juin 2025, lorsque la CNIL a ajouté à ce corpus des fiches très attendues sur l'intérêt légitime comme base légale pour développer un système d'IA, incluant le cas particulier du moissonnage de données en ligne. Ces documents fournissent des critères d'analyse concrets et des exemples de garanties, ce qui aide les développeurs à sécuriser leurs choix. La CNIL a également annoncé la préparation de recommandations sectorielles — santé, éducation, travail — et des clarifications sur la répartition des responsabilités entre les acteurs de la chaîne IA.
Pour 2026, la CNIL a rendu publiques ses priorités de contrôle. Le recrutement figure en tête : l'usage d'outils automatisés pour trier les candidatures fait l'objet d'une attention particulière. La commission a par ailleurs annoncé qu'une moitié de ses contrôles seraient consacrés à la cybersécurité et à la sécurité des données. Cette orientation traduit une conviction : la protection des données personnelles et la robustesse technique des systèmes d'IA sont indissociables.
Le RGPD n'a pas été conçu pour l'intelligence artificielle, mais ses principes fondateurs — minimisation, transparence, licéité — s'y appliquent avec une pertinence qui surprend souvent les praticiens.
L'avis de l'EDPB sur les modèles d'IA
Au niveau européen, le Comité européen de la protection des données a franchi une étape décisive en adoptant, le 17 décembre 2024, son avis 28/2024 sur certains aspects de la protection des données liés au traitement de données personnelles dans le contexte des modèles d'IA. Cet avis, sollicité par l'autorité irlandaise (DPC), fait désormais référence. Il éclaire trois questions structurantes : la possibilité qu'un modèle soit qualifié d'anonyme, l'usage de l'intérêt légitime comme base légale pour le développement et le déploiement, et les conséquences d'un traitement initialement irrégulier sur les phases ultérieures.
Sur l'intérêt légitime, l'EDPB confirme que cette base légale peut fonder le développement comme le déploiement d'un modèle, tout en précisant qu'elle ne saurait s'appliquer « par défaut ». Le recours à l'intérêt légitime suppose un test en trois étapes : identifier un intérêt réel, licite et clairement défini ; démontrer la nécessité du traitement au regard de cet intérêt ; puis réaliser une mise en balance vérifiant que les droits et libertés des personnes ne prévalent pas. Cette grille d'analyse, rigoureuse et documentée, constitue le cœur de la conformité pour l'entraînement des grands modèles.
L'EDPB a également pris position sur la collecte de données accessibles publiquement : le caractère public d'une donnée ne dispense en rien du respect du RGPD. Un contenu librement consultable sur le web reste une donnée personnelle lorsqu'il identifie une personne, et son exploitation pour l'entraînement demeure un traitement soumis au règlement. L'avis clarifie enfin l'articulation avec le règlement sur l'IA : les deux textes s'appliquent de façon cumulative, chacun poursuivant un objectif propre et complémentaire.
À retenir. Le RGPD et l'IA Act ne se substituent pas l'un à l'autre : ils s'appliquent cumulativement. Le RGPD protège les données personnelles (collecte, entraînement, droits des personnes) ; l'IA Act encadre la mise sur le marché des systèmes selon leur niveau de risque. Un projet doit respecter les deux cadres simultanément.
Les six principes du RGPD relus à l'aune de l'IA
L'article 5 du RGPD énonce six principes qui gouvernent tout traitement de données personnelles. Leur traduction pour un projet d'IA demande une lecture adaptée, car les étapes d'un modèle — collecte, préparation, entraînement, inférence, supervision — ne se comportent pas comme un traitement linéaire. Le tableau ci-dessous propose cette lecture appliquée.
| Principe (art. 5) | Traduction pour un projet d'IA | Illustration concrète |
|---|---|---|
| Licéité, loyauté, transparence | Identifier une base légale valide pour chaque phase et informer les personnes du traitement par IA. | Un assistant conversationnel indique qu'il est un système d'IA et précise comment les échanges sont traités. |
| Limitation des finalités | Définir précisément l'objectif du modèle ; réévaluer avant toute réutilisation d'un jeu de données. | Un corpus collecté pour filtrer les courriels indésirables ne peut servir au profilage commercial sans nouvelle analyse. |
| Minimisation des données | Ne mobiliser que les données strictement nécessaires ; privilégier l'anonymisation ou les données synthétiques. | Pour une analyse de sentiment, utiliser des textes anonymisés plutôt que des messages accompagnés de métadonnées identifiantes. |
| Exactitude | Garantir la qualité et l'actualité des données ; prévoir des mécanismes de correction. | Un modèle de scoring permet la rectification des données erronées et sa propagation. |
| Limitation de la conservation | Fixer des durées de rétention pour les corpus d'entraînement et les journaux d'inférence. | Les journaux de conversations sont purgés selon un calendrier défini et documenté. |
| Intégrité et confidentialité | Sécuriser corpus, poids du modèle et sorties ; prévenir les attaques d'extraction. | Chiffrement des jeux de données au repos et en transit, contrôles d'accès stricts au modèle. |
Ces six principes forment le socle de la conformité. Leur application concrète suppose une collaboration étroite entre équipes juridiques et techniques, engagée dès la phase de conception plutôt qu'ajoutée après coup. C'est précisément l'esprit de la protection des données dès la conception, inscrite à l'article 25 du règlement.
Figure : les cinq étapes d'un pipeline d'IA et les points de contrôle RGPD associés, illustrant l'approche « protection des données dès la conception » (art. 25).
Les bases légales de l'entraînement des modèles
Identifier la base légale appropriée est probablement le sujet le plus discuté à l'intersection du RGPD et de l'IA. L'article 6 du règlement énumère six fondements possibles, mais tous ne présentent pas la même pertinence selon la phase du cycle de vie du modèle et le type d'acteur concerné. Le choix engage la validité de l'ensemble du traitement.
Intérêt légitime et consentement : l'arbitrage central
Le consentement, prévu à l'article 6(1)(a), offre en théorie le fondement le plus solide. En pratique, il se heurte à des obstacles considérables pour l'entraînement de grands modèles : comment recueillir le consentement spécifique de millions de personnes dont les données figurent dans un corpus, et garantir qu'il reste libre et éclairé quand les finalités évoluent ? Ces difficultés expliquent que la plupart des acteurs se tournent vers l'intérêt légitime, prévu à l'article 6(1)(f).
La CNIL et l'EDPB convergent sur les conditions de mobilisation de cette base : un intérêt réel et licite, une nécessité démontrée, et une mise en balance établissant l'absence d'atteinte disproportionnée aux droits des personnes, compte tenu de leurs attentes raisonnables. Ce dernier critère est déterminant. Une personne qui publie un commentaire sur un forum ne s'attend pas nécessairement à ce que son texte serve à entraîner un modèle de langage, et cette attente pèse dans l'analyse. La documentation de ce test — souvent appelée analyse des intérêts légitimes — devient une pièce essentielle du dossier de conformité.
Figure : les trois étapes du test d'intérêt légitime telles que formalisées par l'EDPB (avis 28/2024) et la CNIL (fiches de juin 2025).
L'histoire récente illustre l'importance de ce point. En 2023, l'autorité italienne (le Garante) a temporairement suspendu l'accès à un célèbre assistant conversationnel, mettant en lumière les fragilités de la base légale invoquée et l'insuffisance de l'information aux utilisateurs. Le fournisseur a ensuite mis en place un mécanisme d'opposition et renforcé sa transparence. Cet épisode a montré que le sujet était scruté de près, et qu'un dispositif d'opposition effectif faisait désormais partie des attentes des régulateurs.
Contrat, mission d'intérêt public et autres fondements
L'exécution d'un contrat, prévue à l'article 6(1)(b), s'applique lorsque le traitement par IA est directement nécessaire à la fourniture d'un service souscrit. Un assistant analysant les factures d'un utilisateur dans un logiciel de comptabilité peut invoquer cette base. En revanche, réutiliser ces mêmes données pour améliorer le modèle général dépasse le cadre contractuel et requiert un autre fondement.
La mission d'intérêt public, à l'article 6(1)(e), convient aux projets d'IA en santé publique, en recherche scientifique et dans les services publics. Elle doit reposer sur le droit de l'Union ou national, et le traitement doit demeurer proportionné. Les établissements de santé qui développent des modèles diagnostiques combinent généralement cette base avec l'article 9(2)(j) pour le traitement des données de santé, catégorie particulière soumise à des garanties renforcées. L'obligation légale et la sauvegarde des intérêts vitaux, plus rarement mobilisées, trouvent leur place dans des cas précis comme la détection de fraude imposée par la régulation financière.
Le cas particulier du moissonnage de données web
La collecte automatisée de contenus accessibles publiquement — souvent désignée par le terme moissonnage — constitue une source majeure de données d'entraînement pour les grands modèles de langage. Elle soulève des questions à la croisée du droit des données personnelles, du droit d'auteur et du droit des contrats. Du point de vue du RGPD, la position des autorités est constante : le caractère public d'une donnée n'autorise pas son exploitation libre. La CNIL a précisé que le moissonnage de données personnelles pour l'entraînement d'un modèle reste un traitement soumis au règlement, même lorsque les données proviennent de pages web ouvertes.
L'usage du fichier robots.txt comme mécanisme d'opposition fait débat. Certains fournisseurs ont introduit des directives dédiées permettant aux éditeurs de sites de refuser la collecte par leurs robots. Selon la CNIL, respecter ces signaux constitue une bonne pratique, mais ne suffit pas à fonder à lui seul une base légale. Les autorités recommandent une démarche complète : documenter les sources, filtrer les données personnelles superflues, respecter les oppositions techniques et les conditions d'utilisation des sites, informer les personnes et faciliter l'exercice de leurs droits. Plusieurs acteurs ont mis en place des formulaires permettant de demander le retrait de données d'un corpus d'entraînement.
Les droits des personnes face à un système d'IA
Le RGPD confère aux personnes une série de droits qui s'exercent aussi face aux traitements par IA. Leur mise en œuvre technique soulève des questions inédites, car un modèle entraîné ne se comporte pas comme une base de données interrogeable. Les autorités adoptent une posture pragmatique : les droits doivent rester effectifs, même si leur traduction opérationnelle demande de l'ingéniosité.
Accès, rectification, effacement, opposition
Le droit d'accès (article 15) permet à une personne de savoir si ses données sont traitées et d'en obtenir une copie. Appliqué à l'IA, il pose la question des données présentes dans un corpus d'entraînement : les organisations mettent en place des registres de traitement et des mécanismes de recherche pour y répondre. Le droit de rectification (article 16) permet de corriger des données inexactes, ce qui suppose des processus de mise à jour dans les jeux de données et, quand c'est pertinent, une propagation vers le modèle.
Le droit à l'effacement (article 17), parfois appelé droit à l'oubli, est particulièrement stimulant sur le plan technique. Supprimer une donnée d'un corpus est simple ; retirer son influence d'un modèle déjà entraîné l'est moins. C'est ici qu'intervient le désapprentissage machine, un domaine de recherche actif qui permet d'atténuer l'empreinte de données spécifiques sans réentraîner intégralement le système. Les techniques de filtrage en sortie ajoutent une couche complémentaire, en interceptant d'éventuelles informations personnelles dans les réponses générées. Le droit d'opposition (article 21), enfin, permet de refuser un traitement fondé sur l'intérêt légitime, ce qui explique la généralisation des mécanismes d'opposition proposés par les fournisseurs.
- Droit d'accès (art. 15). Savoir si ses données sont traitées et en obtenir une copie, y compris lorsqu'elles figurent dans un corpus d'entraînement.
- Droit de rectification (art. 16). Corriger des données inexactes, avec propagation vers le traitement quand elle est possible.
- Droit à l'effacement (art. 17). Obtenir la suppression de ses données, appuyée par le désapprentissage machine et le filtrage en sortie.
- Droit d'opposition (art. 21). Refuser un traitement fondé sur l'intérêt légitime, via un mécanisme d'opposition accessible.
- Droit à la portabilité (art. 20). Récupérer ses données dans un format structuré et lisible par machine.
Décision automatisée et droit à l'explication
Les articles 13 et 14 imposent d'informer les personnes de l'existence d'une prise de décision automatisée, y compris le profilage, ainsi que de la logique sous-jacente et des conséquences prévues. L'article 22 va plus loin : il confère le droit de ne pas faire l'objet d'une décision fondée exclusivement sur un traitement automatisé lorsqu'elle produit des effets juridiques ou affecte la personne de manière significative. Des exceptions existent — contrat, consentement explicite, autorisation légale — mais elles s'accompagnent de garanties : le droit d'obtenir une intervention humaine, d'exprimer son point de vue et de contester la décision.
La difficulté réside dans la traduction de ces obligations en exigences techniques. Que signifie fournir des « informations utiles concernant la logique sous-jacente » pour un réseau de neurones aux milliards de paramètres ? La doctrine converge vers une approche mesurée : l'explication ne porte pas sur le fonctionnement interne du modèle, mais sur les facteurs principaux ayant influencé la décision, leur poids relatif et les alternatives possibles. Des outils comme SHAP, qui attribue à chaque variable d'entrée une contribution à la prédiction, ou LIME, qui approxime localement le comportement du modèle, aident à produire ces explications. Ils fournissent des approximations utiles, non des vérités exhaustives, ce qui suffit à l'exigence réglementaire dès lors que l'explication reste compréhensible pour la personne concernée.
Un droit reste un droit, même face à un système complexe. Le travail des ingénieurs consiste précisément à rendre l'accès, l'effacement et l'explication opérationnels sur des architectures que le législateur de 2016 n'imaginait pas.
Le règlement sur l'IA en appui du RGPD
Le règlement européen sur l'intelligence artificielle, dit IA Act (règlement UE 2024/1689), complète le RGPD sans le remplacer. Là où le RGPD protège les données personnelles, l'IA Act encadre la mise sur le marché et l'usage des systèmes d'IA selon leur niveau de risque. Les deux textes s'appliquent de façon cumulative, ce que l'EDPB a explicitement confirmé.
Un calendrier d'application par étapes
L'IA Act est entré en vigueur en 2024, avec une application progressive qui s'étend sur plusieurs années. Les premières interdictions — visant notamment certaines pratiques jugées incompatibles avec les droits fondamentaux — s'appliquent depuis le 2 février 2025, accompagnées des obligations de culture de l'IA au sein des organisations. Les règles de gouvernance et les obligations relatives aux modèles d'IA à usage général (GPAI) sont applicables depuis le 2 août 2025 ; la Commission a publié à cette occasion des lignes directrices, un code de bonnes pratiques volontaire et un modèle de résumé public des données d'entraînement.
Le cœur du dispositif pour les systèmes à haut risque, initialement prévu au 2 août 2026, a été repoussé au 2 décembre 2027 par le Digital Omnibus — accord de simplification adopté définitivement par le Conseil de l'Union européenne le 29 juin 2026. Les systèmes intégrés à des produits déjà réglementés (Annexe I) bénéficient d'une transition supplémentaire jusqu'au 2 août 2028. Le 2 août 2026 conserve néanmoins son importance : les obligations de transparence, dont l'étiquetage des contenus générés par IA, entrent en application à cette date. Ce calendrier échelonné laisse aux acteurs le temps d'adapter leurs pratiques, tout en donnant de la visibilité sur les échéances.
| Échéance | Obligations applicables |
|---|---|
| 2 février 2025 | Interdictions de certaines pratiques d'IA ; obligations de culture de l'IA. |
| 2 août 2025 | Règles de gouvernance ; obligations des modèles à usage général (GPAI). |
| 2 août 2026 | Obligations de transparence (contenus générés par IA) ; application de la majorité des règles. |
| 2 décembre 2027 | Cadre applicable aux systèmes à haut risque de l'Annexe III (reporté par le Digital Omnibus, juin 2026). |
| 2 août 2028 | Systèmes à haut risque intégrés à des produits déjà réglementés (Annexe I, transition étendue). |
Transparence renforcée et complémentarité
Pour les systèmes à haut risque, l'IA Act impose une documentation technique détaillée : méthodes d'entraînement, mesures de performance, tests de biais et limites connues. Les personnes affectées disposent d'un droit à l'explication qui complète les dispositions du RGPD. L'IA Act interdit par ailleurs certaines pratiques touchant directement aux données personnelles, notamment la constitution de bases de reconnaissance faciale par moisson non ciblée d'images sur internet ou de la vidéosurveillance. Cette interdiction rejoint des décisions déjà rendues par les autorités de protection des données, illustrant la convergence des deux cadres.
L'analyse d'impact, outil central de conformité
L'analyse d'impact relative à la protection des données (AIPD, ou DPIA en anglais) est l'outil pivot de la conformité pour les projets d'IA à risque élevé. Prévue à l'article 35 du RGPD, elle devient obligatoire dès qu'un traitement est susceptible d'engendrer un risque important pour les droits et libertés des personnes. Pour l'IA, ce seuil est fréquemment atteint.
Quand l'AIPD s'impose-t-elle ?
L'EDPB a identifié neuf critères d'appréciation du risque : évaluation ou scoring, décision automatisée à effet significatif, surveillance systématique, données sensibles ou hautement personnelles, traitement à grande échelle, croisement de jeux de données, personnes vulnérables, usage innovant de technologies, et traitement empêchant l'exercice d'un droit. Lorsque deux de ces critères au moins sont réunis, l'AIPD est en principe requise. La plupart des projets d'IA en cochent plusieurs, ce qui rend l'exercice quasi systématique. La CNIL publie en outre une liste nationale des traitements imposant une AIPD, incluant explicitement la reconnaissance biométrique, le profilage systématique et étendu, ou la surveillance constante de l'activité des employés.
À retenir. L'EDPB a défini neuf critères de risque. Dès que deux d'entre eux sont réunis, l'AIPD est en principe obligatoire. La plupart des projets d'IA en cochent plusieurs — l'exercice y est donc quasi systématique.
Diagnostic : l'AIPD est-elle requise pour votre projet d'IA ?
L'EDPB a identifié neuf critères de risque. Lorsque deux au moins sont réunis, une analyse d'impact (AIPD, art. 35 RGPD) est en principe obligatoire. Cochez les critères applicables à votre projet.
Une méthodologie en sept étapes
La réalisation d'une AIPD suit une trame éprouvée, que l'outil PIA de la CNIL structure en accès ouvert. La première étape décrit le traitement : finalité, catégories de données, sources d'entraînement, architecture et flux — pour un projet d'IA, cela inclut la description du pipeline complet. La deuxième évalue la nécessité et la proportionnalité, en cherchant systématiquement l'alternative la moins intrusive. La troisième cartographie les risques : accès non autorisé, ré-identification, discrimination algorithmique, décision erronée, surveillance excessive.
La quatrième étape définit les mesures d'atténuation — anonymisation, confidentialité différentielle, contrôles d'accès, supervision des biais, recours humain — et évalue le risque résiduel. La cinquième formalise la consultation du délégué à la protection des données, dont l'avis est documenté. La sixième conserve l'AIPD comme preuve de conformité ; si le risque résiduel demeure élevé, la consultation préalable de la CNIL s'impose (article 36). La septième prévoit une revue périodique, déclenchée par tout changement significatif — nouveau modèle, nouvelles sources, extension de finalité. Une AIPD adaptée à l'IA comporte des sections spécifiques : description des corpus d'entraînement, évaluation des biais et de l'équité, outils d'explicabilité déployés, et supervision post-déploiement.
Le rôle élargi du délégué à la protection des données
Le délégué à la protection des données (DPO) occupe une position centrale dans la gouvernance des projets d'IA. Il n'a pas besoin de devenir data scientist, mais il gagne à maîtriser quelques repères : les grandes étapes d'un pipeline de machine learning, la notion de traçabilité des données (data lineage) qui permet de suivre le parcours d'une donnée de sa source à son usage, et la capacité à évaluer la qualité d'une AIPD spécifique à l'IA. Plusieurs organismes — dont la CNIL, qui propose des ressources en accès ouvert, et des associations professionnelles délivrant des certifications — accompagnent cette montée en compétence.
La collaboration entre le DPO et les équipes data science est un facteur de réussite déterminant. Elle s'organise autour de points de contact définis : validation de la base légale au cadrage, vérification de la minimisation lors de la préparation des données, contrôle de l'AIPD et des mécanismes de droits avant le déploiement, revue périodique en exploitation. Chaque étape du pipeline gagne à intégrer un point de contrôle « protection des données » assorti de critères explicites. Le DPO dispose d'un pouvoir de recommandation ; en cas de risque non atténué, un mécanisme d'escalade documenté transfère la décision à la direction, qui en assume la responsabilité.
La coopération internationale des autorités
L'intelligence artificielle ignore les frontières. Les données d'entraînement proviennent de sources mondiales, les modèles se déploient à l'échelle planétaire et les flux traversent de multiples juridictions. Cette réalité impose une coordination entre les autorités de protection des données, au-delà des cadres nationaux et régionaux.
La déclaration commune du Sommet de Paris
En février 2025, lors du Sommet pour l'action sur l'IA à Paris, les autorités de protection des données de plusieurs pays — parmi lesquelles l'Australie, la Corée du Sud, l'Irlande, la France et le Royaume-Uni — ont signé une déclaration commune sur l'encadrement de l'IA. Les signataires se sont engagés sur cinq axes : clarifier les bases légales du traitement de données par l'IA, partager des informations et établir des mesures de sécurité appropriées, suivre les impacts techniques et sociétaux de l'IA, encourager l'innovation en réduisant l'incertitude juridique, et renforcer la coopération avec les autres autorités compétentes (protection des consommateurs, concurrence, propriété intellectuelle). La portée juridique de cette déclaration reste symbolique, mais son signal est net : les autorités communiquent entre elles et alignent progressivement leurs positions.
La coordination européenne et mondiale
Au sein de l'Union, la coordination passe par l'EDPB et le Contrôleur européen de la protection des données. L'EDPB dispose d'un mécanisme de cohérence qui harmonise les positions des autorités nationales, et son articulation avec le Bureau européen de l'IA — créé par l'IA Act — se met en place : le Bureau se concentre sur la classification des systèmes à haut risque, l'EDPB sur la protection des données, avec un canal de communication formel entre les deux. Au-delà de l'Europe, la Global Privacy Assembly réunit plus de 130 autorités dans le monde et a adopté en septembre 2025 une résolution sur l'entraînement des modèles d'IA générative posant huit standards minimaux : licéité et loyauté, limitation des finalités, minimisation, transparence, exactitude, sécurité, responsabilité (accountability) et droits des personnes concernées.
Les transferts internationaux de données
Les projets d'IA impliquent fréquemment des transferts de données hors de l'Espace économique européen : recours à des interfaces d'IA hébergées aux États-Unis, envoi de corpus à un prestataire étranger, déploiement sur une infrastructure cloud mondiale. Le cadre du chapitre V du RGPD s'applique alors pleinement.
Le cadre post-Schrems II
L'arrêt Schrems II de la Cour de justice de l'Union européenne (juillet 2020) a invalidé le précédent mécanisme transatlantique et imposé une évaluation au cas par cas des garanties offertes par le pays destinataire. Depuis, les clauses contractuelles types adoptées par la Commission en 2021 constituent le mécanisme de transfert le plus utilisé. Elles ne suffisent toutefois pas si la législation du pays destinataire autorise un accès excessif des autorités publiques aux données ; des mesures supplémentaires deviennent alors nécessaires. Pour les projets d'IA, ces mesures incluent typiquement le chiffrement de bout en bout, la pseudonymisation avant transfert, le recours à des environnements d'exécution sécurisés et des restrictions contractuelles d'usage.
Le cadre transatlantique et son évolution
Le cadre de protection des données UE–États-Unis (Data Privacy Framework), adopté par la Commission en juillet 2023, a rétabli un mécanisme simplifié de transfert vers les entreprises américaines certifiées. Il repose sur un décret présidentiel limitant l'accès des agences de renseignement aux données des Européens et créant un mécanisme de recours. Le 3 septembre 2025, le Tribunal de l'Union européenne a rejeté un premier recours contre ce cadre, confirmant la décision d'adéquation de la Commission — une décision faisant l'objet d'un appel.
L'avenir du dispositif reste discuté. L'organisation noyb, animée par Max Schrems, à l'origine des contestations qui avaient invalidé les deux cadres précédents, a annoncé mi-2026 préparer une nouvelle action devant la Cour de justice, estimant que l'évolution du droit américain fragilise l'exigence d'un contrôle indépendant. Les organisations prudentes anticipent ce scénario en combinant plusieurs mécanismes : appui sur le cadre transatlantique tout en maintenant des clauses contractuelles types et des mesures supplémentaires, chiffrement des requêtes envoyées aux interfaces d'IA, et anonymisation des données personnelles avant tout envoi. Cette approche par couches assure la continuité juridique quelle que soit l'issue des procédures.
La souveraineté numérique comme réponse
La localisation des données sur le territoire européen offre une réponse aux incertitudes des transferts. Plusieurs fournisseurs cloud européens proposent des instances de calcul dédiées à l'entraînement, avec garantie de localisation en France ou dans l'Union, ainsi que des environnements certifiés pour les secteurs réglementés comme la santé. La certification SecNumCloud, délivrée par l'ANSSI, atteste d'un niveau élevé de sécurité et de souveraineté, et devient un prérequis de fait pour les données les plus sensibles. La stratégie hybride qui se dessine consiste à entraîner sur du cloud souverain pour les données sensibles et à réserver les infrastructures internationales aux charges non sensibles — données synthétiques ou publiques — le réglage fin et l'inférence, moins gourmands en ressources, restant plus facilement localisables en Europe.
Ce que révèlent les décisions récentes
Les décisions rendues par les autorités constituent une source précieuse de repères. Elles dessinent les attentes concrètes des régulateurs et permettent aux acteurs d'ajuster leurs pratiques. Leur lecture attentive éclaire les points sur lesquels la vigilance est la plus forte.
Un panorama instructif
Plusieurs affaires ont marqué la période 2022-2026. En France, la CNIL a prononcé une sanction de 20 millions d'euros à l'encontre de Clearview AI pour la collecte non autorisée de données biométriques, suivie de la liquidation d'une astreinte de 5,2 millions d'euros après refus de se conformer à l'injonction. En Italie, le Garante a prononcé fin 2024 une sanction de 15 millions d'euros contre un fournisseur d'assistant conversationnel pour absence de base légale adéquate et défaut d'information — décision que le tribunal de Rome a ensuite annulée en mars 2026, illustrant le rôle du contrôle juridictionnel. En Irlande, la DPC a sanctionné des transferts de données non conformes, tandis que d'autres autorités européennes se sont saisies de dossiers touchant à la biométrie et au profilage automatisé.
| Autorité | Acteur concerné | Motif principal | Statut |
|---|---|---|---|
| CNIL (France) | Clearview AI | Collecte de données biométriques sans base légale | 20 M€ + astreinte liquidée (5,2 M€) |
| Garante (Italie) | Assistant conversationnel | Base légale de l'entraînement, défaut d'information | 15 M€ — annulée en appel (mars 2026) |
| DPC (Irlande) | Réseau social | Transferts hors UE sans garanties adéquates | Sanction définitive |
| Autorités UE | Projets biométriques | Collecte de données d'iris, base légale contestée | Procédures en cours |
Les enseignements transversaux
La lecture de ces décisions fait ressortir des constantes. Le premier motif de sanction reste l'insuffisance de base légale : l'intérêt légitime est parfois invoqué sans test de mise en balance documenté, ou le consentement revendiqué sans satisfaire à ses critères de validité. Vient ensuite le défaut de transparence, lorsque les personnes ne sont pas clairement informées que leurs données servent à entraîner un modèle. L'absence d'AIPD, alors que les critères la rendaient obligatoire, constitue un troisième motif récurrent — l'AIPD n'étant pas un exercice formel mais un outil dont l'absence est une irrégularité en soi. Les transferts internationaux non encadrés et la collecte disproportionnée de données biométriques complètent ce tableau. La leçon commune est encourageante : ces irrégularités sont identifiables et évitables dès la conception, par une démarche proactive et documentée.
À retenir. Les décisions 2022-2026 convergent sur cinq motifs récurrents : (1) base légale insuffisamment documentée, (2) défaut d'information des personnes, (3) absence d'AIPD alors qu'elle était obligatoire, (4) transferts internationaux non encadrés, (5) collecte disproportionnée de données biométriques. Tous sont évitables dès la conception.
Une démarche opérationnelle pour les équipes
La conformité ne relève pas des seules équipes juridiques. Les ingénieurs et data scientists qui construisent les systèmes d'IA jouent un rôle opérationnel de premier plan. Des outils en accès ouvert et des grilles structurées facilitent l'intégration de la conformité dans les flux techniques, transformant une obligation en réflexe d'ingénierie.
Des outils en accès ouvert
Plusieurs bibliothèques soutiennent la mise en œuvre technique de la protection des données. Des cadres de confidentialité différentielle permettent d'entraîner des modèles en ajoutant un bruit calibré aux gradients, empêchant l'identification individuelle. Des bibliothèques d'apprentissage fédéré autorisent l'entraînement sur des données distribuées sans les centraliser. Des outils d'anonymisation appliquent la k-anonymité, la l-diversité et la t-proximité à des jeux de données structurés, avec des interfaces accessibles aux équipes ne disposant pas d'expertise avancée. Ces briques, souvent combinées, montrent qu'un modèle performant et respectueux de la vie privée relève désormais du possible plutôt que du compromis.
Quinze repères pour cadrer un projet
La liste suivante synthétise les obligations applicables à un projet d'IA. Elle sert de point de départ au cadrage d'un nouveau projet comme de grille de vérification pour un projet existant.
- Base légale identifiée, documentée et justifiée pour chaque phase (collecte, entraînement, inférence).
- Minimisation : seules les données strictement nécessaires sont mobilisées.
- AIPD réalisée dès que deux critères de l'EDPB au moins sont réunis.
- Transparence : information claire et accessible des personnes sur le traitement par IA.
- Consentement valide et retirable, lorsqu'il constitue la base légale.
- Droit d'accès : mécanisme permettant de savoir si des données ont servi à l'entraînement.
- Portabilité : export des données dans un format structuré et lisible par machine.
- Effacement : processus de suppression ou de désapprentissage opérationnel.
- DPO consulté et associé aux décisions du projet.
- Transferts hors EEE encadrés par un mécanisme adéquat.
- Sous-traitants couverts par des contrats conformes à l'article 28.
- Sécurité : chiffrement, contrôles d'accès et pseudonymisation implémentés et testés.
- Documentation : registre de traitement à jour, incluant les spécificités de l'IA.
- Supervision : dispositif de suivi en production détectant les dérives.
- Formation des équipes aux enjeux de protection des données propres à l'IA.
Cette grille n'a rien d'exhaustif et s'adapte au contexte de chaque projet. Elle structure la démarche et facilite le dialogue entre équipes techniques, juridiques et direction — un dialogue qui est la véritable clé d'une conformité vivante.
Perspectives réglementaires 2026-2028
Le paysage réglementaire européen continue d'évoluer, et deux chantiers méritent l'attention des professionnels. Le projet de règlement ePrivacy, en négociation depuis plusieurs années, viserait à remplacer la directive de 2002 sur la confidentialité des communications électroniques ; son adoption, régulièrement reportée, pourrait intervenir à horizon 2027. Pour les projets d'IA, il renforcerait l'encadrement du suivi comportemental et de l'accès aux terminaux, avec des effets sur les systèmes de recommandation et les assistants vocaux.
La question d'une adaptation du RGPD à l'IA se pose également. La Commission a engagé en 2025 l'évaluation du règlement prévue par son article 97, incluant un volet sur son adéquation aux technologies d'IA. Plusieurs pistes sont discutées : un droit à l'explication algorithmique plus explicite, un encadrement spécifique des données synthétiques, ou un mécanisme de certification. Le scénario le plus probable à horizon 2028 n'est pas une refonte, mais une série de lignes directrices interprétatives de l'EDPB et de la Commission qui adapteront les principes existants. L'IA Act jouera un rôle complémentaire, et la coexistence de ces textes appellera des équipes de conformité pluridisciplinaires, à la croisée du droit, de la technique et des métiers.
Conclusion
Le RGPD demeure le socle de la protection des données personnelles dans les projets d'IA en Europe. Son application, clarifiée par les recommandations de la CNIL et l'avis 28/2024 de l'EDPB, dessine une démarche proactive couvrant tout le cycle de vie des modèles : du choix de la base légale à l'exercice effectif des droits d'accès, de rectification, d'effacement et d'opposition, en passant par l'analyse d'impact et la supervision post-déploiement. Le règlement sur l'IA complète cet édifice sans le remplacer, et la coopération croissante des autorités renforce la cohérence des exigences à l'échelle mondiale.
Le message d'ensemble est résolument constructif. Loin d'opposer conformité et innovation, le cadre européen fournit aux organisations une boussole claire et de plus en plus outillée. Les techniques de protection — confidentialité différentielle, apprentissage fédéré, désapprentissage — prouvent qu'un modèle performant peut respecter la vie privée. Les repères présentés ici offrent une base solide pour construire des systèmes d'IA à la fois utiles et respectueux des personnes.
Cet article est informatif et ne constitue pas un conseil juridique. Pour toute situation spécifique, la CNIL ou un délégué à la protection des données qualifié reste l'interlocuteur approprié.
Sources
- EDPB — Opinion 28/2024 sur le traitement de données personnelles dans le contexte des modèles d'IA
- CNIL — Recommandations IA et RGPD pour une innovation responsable
- CNIL — Développement des systèmes d'IA : recommandations sur l'intérêt légitime (juin 2025)
- CNIL — Les fiches pratiques IA
- Commission européenne — Cadre réglementaire de l'IA (IA Act)
- Calendrier d'application de l'IA Act
- Conseil de l'UE — Digital Omnibus : feu vert définitif au report des obligations IA Act (29 juin 2026)
- CNIL — Sanction de 20 millions d'euros contre Clearview AI
- Euronews — Sanction de 15 M€ du Garante contre OpenAI (déc. 2024)
- Reuters — Le tribunal de Rome annule la sanction de 15 M€ contre OpenAI (mars 2026)
- DLA Piper — Le cadre transatlantique UE–États-Unis résiste à un premier recours (sept. 2025)
