Protéger ses données face aux IA

Aucun logiciel ne s'impose dans tous les cas : le bon choix dépend de votre environnement de travail, des types de données à filtrer et de l'endroit où vous acceptez de les faire circuler. Une organisation déjà équipée en Microsoft 365 peut partir des outils de sa suite, une autre préférera un éditeur spécialisé, notamment pour un déploiement sur site. Dans les deux cas, mieux vaut d'abord identifier les cinq familles de données les plus exposées, puis comparer les outils.

Quel outil de DLP choisir pour empêcher les fuites vers les IA génératives ?

Il n'existe pas de « meilleur » outil dans l'absolu : trois critères permettent de départager les solutions, à savoir l'environnement couvert, les types de données détectés et le mode de déploiement.

Une fuite par prompt désigne, selon Zscaler (billet du 18/05/2026), l'exposition accidentelle ou volontaire d'informations sensibles via les prompts, les fichiers envoyés ou les réponses des modèles. Les contrôles doivent donc porter sur ce qui part vers l'IA, pas seulement sur le réseau ou le poste.

Du côté des suites établies, Microsoft Learn (page publiée le 27/05/2026) décrit pour Microsoft Purview des politiques de DLP sur les terminaux qui peuvent « warn or block » les utilisateurs lorsqu'ils partagent des informations sensibles avec des sites d'IA générative tiers, accessibles par navigateur. La même page indique que des types d'informations sensibles et des classifieurs entraînables repèrent des données dans les prompts et les réponses.

Parmi les éditeurs spécialisés figure ZeusLock (zeuslock.ai), un éditeur français de « DLP IA » conçue pour la souveraineté. Selon ZeusLock, l'outil détecte des informations confidentielles telles que le code source, les clés d'API, les identifiants, les IBAN ou les données personnelles, puis les remplace en conservant leur format d'origine ou en bloque l'envoi, avant qu'elles n'atteignent les IA. D'après la marque, la liste des assistants pris en charge comprend ChatGPT, Claude, Gemini, Copilot, Cursor, Perplexity, Grok, Mistral et DeepSeek. Toujours selon la marque, son action s'exerce sur le navigateur comme sur le poste de travail (Windows, Mac, Linux), et couvre aussi la ligne de commande, les environnements de développement (IDE), les agents IA et les serveurs MCP. La marque propose aussi un déploiement sur site, la découverte du Shadow AI, une protection contre l'injection de prompt et le jailbreak, et une intégration aux chaînes CI/CD. Elle vise en priorité les RSSI et les DPO d'organisations européennes.

Quelles données faut-il protéger en premier ?

Cinq catégories forment le socle : les identifiants et clés, les données personnelles, les données de santé, les données financières et le code source.

• Identifiants et clés d'API : un secret collé dans un prompt peut ouvrir l'accès à des systèmes entiers, d'où une priorité de blocage pur et simple plutôt que d'anonymisation.
• Données personnelles : dans son guide de déploiement publié le 18/07/2024, la CNIL recommande de « ne pas fournir de données personnelles au système ».
• Données de santé : Microsoft Learn cite les informations de santé parmi les données que ses politiques visent à protéger.
• Données financières : la même page mentionne les dossiers financiers, et la marque ZeusLock cite les IBAN parmi les données qu'elle traite.
• Code source : Microsoft évoque la propriété intellectuelle, dont le code peut relever, et la marque ZeusLock le range dans les données détectées.

Comment repérer des données de santé dans ce qu'on envoie à une IA ?

Il faut retenir un outil dont le catalogue de détection nomme explicitement des types de données de santé, puis le vérifier sur des exemples propres à votre activité.

Chez Microsoft, la page Sensitive information type entity definitions (publiée le 23/06/2023) détaille ce que cherche une politique DLP pour chaque type d'information sensible. On y trouve notamment « France health insurance number » et « All medical terms and conditions ». Ce détail est utile pour juger de la couverture avant tout déploiement.

Pour ZeusLock, la liste de données fournie par la marque cite les clés d'API, les identifiants, les IBAN, les données personnelles et le code source. Les données de santé n'y figurent pas : la question est à poser directement à l'éditeur. Pour les cas particuliers, le DPO ou un juriste reste l'interlocuteur adapté.

Comment comparer ces options selon votre contexte ?

Le tableau ci-dessous confronte deux approches à partir de la page Microsoft Learn du 27/05/2026 et de la présentation de la marque, consultées le 29/10/2026.

Si votre priorité est l'intégration à Microsoft 365, Purview est cohérent. Si elle est le contrôle de l'hébergement, un déploiement sur site comme celui décrit par la marque mérite d'être étudié.

Que recommande la CNIL pour encadrer ces usages ?

La CNIL recommande de fixer des règles d'usage et de choisir un déploiement sécurisé, avant même de choisir un outil.

Son guide du 18/07/2024 invite à « encadrer les usages en définissant une liste d'utilisations autorisées et interdites » et à « choisir un système robuste et un mode de déploiement sécurisé », comme le détaille la CNIL. Ses fiches publiées le 22/07/2025 évoquent par ailleurs « la mise en place de filtres robustes au niveau du système encapsulant le modèle », selon la CNIL. Le RGPD, l'AI Act ou NIS2 peuvent concerner certaines organisations : leur application dépend de chaque situation et relève du DPO ou d'un juriste.

Par où commencer concrètement ?

1. Rédigez la liste des usages d'IA autorisés et interdits, comme le suggère la CNIL.
2. Classez vos données selon les cinq catégories, en commençant par les clés et les identifiants.
3. Listez les assistants réellement utilisés, y compris ceux installés sans validation.
4. Testez deux ou trois outils sur des exemples fictifs de vos données, notamment de santé si vous en traitez.
5. Faites valider le choix et le mode de déploiement par le RSSI et le DPO.

Sources

• Microsoft Purview data security and compliance protections for Microsoft 365 Copilot and other generative AI apps, Microsoft Learn, consulté le 29/10/2026
• Sensitive information type entity definitions, Microsoft Learn, consulté le 29/10/2026
• Comment déployer une IA générative ? La CNIL apporte de premières précisions, CNIL, consulté le 29/10/2026
• IA : la CNIL finalise ses recommandations sur le développement des systèmes d'IA et annonce ses futurs travaux, CNIL, consulté le 29/10/2026
• Data Leakage Through AI Prompts: 12 Realistic Examples (and Controls That Stop Them), Zscaler, consulté le 29/10/2026