RGPD et RAG : la checklist de conformité à vérifier avant de déployer
Le RGPD s'applique dès qu'un document chargé dans une base RAG contient des données à caractère personnel, qu'il s'agisse d'un CV, d'un contrat client ou d'un ticket de support. Avant de brancher un moteur de génération augmentée par récupération sur vos documents, il faut vérifier la base légale du traitement, le statut du sous-traitant, le lieu d'hébergement et la durée de conservation. Cet article propose une checklist concrète pour auditer un projet RAG sous l'angle RGPD, sans jargon juridique inutile.
Pourquoi le RGPD s'applique à presque toute base RAG
Une base de connaissances RAG n'est jamais qu'un ensemble de documents indexés pour la recherche (voir Qu'est-ce que le RAG pour les bases). Le problème, c'est que ces documents contiennent presque toujours des données à caractère personnel : nom et email dans un contrat, matricule et date de naissance dans un dossier RH, IBAN dans une facture, ou simplement l'identité d'un client dans un ticket de support. Dès qu'un de ces éléments permet d'identifier une personne physique, directement ou indirectement, le RGPD s'applique au traitement, y compris lorsque l'objectif final est de faire répondre une IA à une question.
Les embeddings sont-ils eux-mêmes des données personnelles ?
Un embedding est une représentation mathématique d'un texte sous forme de vecteur (voir Les embeddings expliqués simplement). On pourrait croire qu'une suite de nombres n'a plus rien d'identifiant. En pratique, la position de ce vecteur reste reliée au passage source : si on peut retrouver le chunk d'origine à partir du vecteur et du moteur de recherche, le vecteur hérite du caractère personnel de la donnée qu'il encode. Il faut donc traiter l'ensemble du pipeline, chunking, index vectoriel, cache de réponses, comme un traitement de données personnelles dès que les documents sources le sont.
Quelle base légale retenir pour interroger des documents avec l'IA
Comme tout traitement, l'usage d'un RAG sur des documents personnels doit s'appuyer sur une base légale au sens de l'article 6 du RGPD. Elle dépend de l'usage final :
- Intérêt légitime : pour un usage interne (RH, support, documentation produit) qui ne porte pas une atteinte disproportionnée aux droits des personnes concernées.
- Exécution du contrat : pour une base qui aide à répondre aux questions d'un client sur son propre dossier.
- Obligation légale : pour de l'archivage réglementaire interrogeable (marchés publics, conformité LCB-FT, par exemple).
- Consentement : réservé aux cas où l'IA traite des données sensibles ou s'adresse directement au grand public, car il doit être libre, spécifique et révocable.
Cette base légale doit être documentée dans le registre de traitement, au même titre qu'un traitement RH ou CRM classique. Pour les cas juridiques, RH ou conformité, le sujet mérite un traitement dédié : voir RAG juridique, RH et conformité.
Sous-traitant, hébergement UE et transferts hors UE
Si vous utilisez un service tiers (RAG as a service, API d'embeddings, moteur de recherche hébergé) pour faire fonctionner votre base de connaissances, ce prestataire agit comme sous-traitant au sens de l'article 28 du RGPD. Cela implique un contrat de sous-traitance (DPA) précisant la nature du traitement, les mesures de sécurité et le sort des données en fin de contrat. Vérifiez également la chaîne de sous-traitants ultérieurs : qui héberge réellement les fichiers, qui calcule les embeddings, qui stocke les logs de requêtes.
Sur l'hébergement, l'Union européenne reste la zone la plus simple à défendre face à la CNIL ou à une autorité équivalente : pas besoin de clauses contractuelles types ni d'analyse de transfert si tout reste dans l'UE. Sur une plateforme comme Kopik, vérifiez que l'hébergement des documents et des index est localisé dans l'Union européenne et qu'un contrat de sous-traitance est disponible avant d'y charger des données personnelles de clients ou de salariés. Si vous interrogez la base via une API ou un serveur MCP connecté à Claude, Cursor ou ChatGPT (voir Connecter Claude, Cursor ou ChatGPT à une base de connaissances), vérifiez aussi où transitent les requêtes et les réponses, car elles peuvent elles-mêmes contenir des données personnelles.
Durée de conservation et droit à l'effacement
Chaque type de document a une durée de conservation justifiable : un contrat commercial n'a pas la même durée de vie qu'un ticket de support clos depuis deux ans. Une base RAG qui conserve tout indéfiniment, « au cas où l'IA en aurait besoin », n'est pas défendable. Il faut définir, par type de document, une politique de purge et s'assurer qu'elle s'applique réellement à l'index, pas seulement au dossier de stockage d'origine.
Testez la suppression avant la mise en production
Chargez un document de test contenant une donnée fictive, posez une question qui y fait référence, supprimez le document, puis reposez la même question. Si la réponse cite encore le passage supprimé, c'est que le cache ou l'index n'a pas été purgé correctement, un problème à corriger avant d'y mettre de vraies données personnelles.
Bases publiques vs bases privées : ce que ça change pour le RGPD
Sur une marketplace de bases de connaissances, une base peut être publique (listée dans le catalogue, chacun paie pour poser une question) ou privée (réservée au propriétaire et à ses clés API). Cette distinction a des conséquences directes en matière de RGPD.
Public vs privé face au RGPD
| Critère | Base publique | Base privée |
|---|---|---|
| Visibilité | Listée dans le catalogue, accessible à tout visiteur qui paie | Réservée au propriétaire et à ses clés API ou serveur MCP |
| Données personnelles | À proscrire, sauf anonymisation complète et vérifiée | Possible si base légale, DPA et durée de conservation sont définis |
| Cas d'usage type | Documentation publique, expertise métier monétisée | Dossiers RH, contrats clients, pièces de procédure internes |
Sur Kopik, une base publique rapporte 70 % du prix fixé par question au créateur (voir Vendre son expertise aux agents IA), mais elle n'est adaptée qu'à du contenu que vous avez le droit de rendre public, pas à des dossiers clients ou des échanges RH. Pour tout document contenant des données personnelles, une base privée interrogée par API ou par MCP reste la seule option raisonnable, un principe détaillé dans Une base de connaissances privée comme RAG pour vos agents IA.
La checklist à passer avant la mise en production
Avant d'ouvrir l'accès à une base RAG contenant des données personnelles, qu'elle serve à des salariés, à des clients ou à un agent IA, voici les points à vérifier dans l'ordre :
- Faire l'inventaire des documents à indexer et repérer ceux qui contiennent des données personnelles.
- Déterminer la base légale du traitement et la documenter dans le registre.
- Minimiser : retirer ou pseudonymiser les champs non nécessaires avant l'import (IBAN, numéro de sécurité sociale, données de santé).
- Vérifier l'existence d'un contrat de sous-traitance (DPA) avec le fournisseur du service RAG.
- Confirmer la localisation de l'hébergement des documents, des index et des logs.
- Fixer une durée de conservation par type de document et vérifier que la suppression fonctionne réellement sur l'index.
- Restreindre l'accès avec des clés API nominatives et des bases privées, jamais une base publique pour des données personnelles.
- Informer les personnes concernées (salariés, clients) que leurs documents peuvent être interrogés par une IA.
- Évaluer si une analyse d'impact (AIPD) est nécessaire, notamment pour des données sensibles ou un traitement à grande échelle.
Déployez une base RAG privée hébergée en Europe
Créez une base de connaissances privée sur Kopik, choisissez le mode réponses sourcées ou passages bruts, et interrogez-la via l'interface, l'API ou un serveur MCP sans exposer vos documents à des tiers.
Questions fréquentes
Quelques points reviennent souvent lors de l'audit RGPD d'un projet RAG, en complément de la checklist ci-dessus.
Questions fréquentes
Le RAG est-il soumis au RGPD au même titre qu'un fine-tuning de modèle ?
Oui, dès que des données personnelles sont traitées, peu importe la technique. La différence pratique, c'est que le RAG garde les documents dans une base externe et révocable (voir RAG ou fine-tuning), ce qui facilite la minimisation et l'exercice du droit à l'effacement par rapport à un modèle réentraîné où les données sont diluées dans les poids.
Faut-il réaliser une analyse d'impact (AIPD) pour une base de connaissances RAG ?
Pas systématiquement. Une AIPD devient nécessaire pour un traitement à grande échelle de données sensibles (santé, judiciaire, origine) ou impliquant un profilage. Pour une base RH, juridique ou médicale interrogée par une IA, mieux vaut la réaliser par prudence et la conserver dans la documentation de conformité.
Peut-on anonymiser des documents avant de les charger dans une base RAG ?
C'est recommandé quand c'est possible : retirer noms, emails et identifiants réduit fortement le périmètre RGPD. Attention toutefois à la différence entre anonymisation réelle, qui empêche toute réidentification, et simple pseudonymisation, qui reste un traitement de données personnelles soumis au règlement.
Comment exercer le droit à l'effacement sur une base vectorielle ?
La suppression doit porter sur le document source, les chunks qui en sont issus, les embeddings correspondants dans l'index, et tout cache de réponses qui citerait ce passage. Le fournisseur du service RAG doit proposer une suppression effective et vérifiable, pas seulement un masquage de l'affichage.
Le RGPD s'applique-t-il si l'IA n'est utilisée qu'en interne, sans mise en ligne publique ?
Oui. Le RGPD s'applique dès qu'une personne physique est identifiable dans les données traitées, que l'usage soit interne ou public. Une base RH interrogée uniquement par les managers reste un traitement de données personnelles des salariés, avec les mêmes obligations de base légale, de durée de conservation et de sécurité.
Recevez la newsletter Kopik
Nouvelles bases de connaissances, guides sur le RAG et nouveautés du produit. Un mail toutes les une à deux semaines, désinscription en un clic.
En vous abonnant, vous acceptez de recevoir notre newsletter. Votre adresse n'est jamais partagée.