DLP pour l'IA : protéger vos données face aux LLM en Suisse

La DLP (Data Loss Prevention, soit prévention des fuites de données) appliquée à l'IA consiste à repérer les informations sensibles avant qu'un collaborateur ne les saisisse dans un assistant ou un LLM, puis à alerter, masquer ou bloquer l'envoi, et à garder une trace de ce qui s'est passé. En Suisse, elle s'inscrit dans le cadre de la nLPD, qui s'applique déjà pleinement aux traitements d'IA. Elle fonctionne mieux lorsqu'elle s'appuie sur un espace IA dont les données ne quittent pas le pays, comme le propose Nectos, une alternative à ChatGPT pensée pour le droit suisse.

En bref

• La DLP pour l'IA inspecte les prompts, les fichiers téléversés et les sorties des modèles, puis applique des règles : alerte, masquage, blocage, journalisation.
• Le droit suisse de la protection des données est technologiquement neutre : la nLPD s'applique directement aux outils d'IA générative, sans attendre une loi spécifique.
• Aucun outil ne suffit seul : une stratégie solide combine règles techniques, politique d'usage claire, formation et contrôle de l'hébergement.
• Un espace IA hébergé exclusivement en Suisse, avec anonymisation des prompts et journaux d'audit, réduit le problème à la source plutôt que de le surveiller après coup.

Table des matières

• Que signifie DLP, et pourquoi l'IA change la donne
• Comment des données sensibles fuient-elles avec un LLM ?
• Les contrôles DLP qui comptent vraiment pour l'IA
• Ce que la nLPD exige des organisations qui utilisent l'IA
• Rédiger une politique DLP pour l'usage des LLM
• Les cinq vérifications à faire sur l'hébergement et les données
• Notre point de vue : traiter le risque à la source
• Un espace IA souverain pour appliquer cette politique
• Par où commencer : un plan en quatre étapes
• FAQ
• Sources

Que signifie DLP, et pourquoi l'IA change la donne

La DLP regroupe des règles, des procédures et des outils qui identifient les informations sensibles, évaluent chaque action au regard d'une politique, puis réagissent : alerte, blocage, chiffrement, mise en quarantaine, anonymisation ou simple journalisation. Pendant des années, ces dispositifs ont surveillé les e-mails, les clés USB et les partages cloud.

L'IA générative ajoute un canal de sortie que ces dispositifs ne couvraient pas : la fenêtre de conversation. Un collaborateur colle un contrat, un dossier patient ou un extrait de comptabilité dans un chatbot pour gagner du temps. Dès cet instant, la donnée a quitté le périmètre de l'organisation. Avec un outil d'IA non géré, le contrôle après coup est bien plus faible qu'avec un e-mail, ce qui impose d'agir avant l'envoi.

La « DLP pour l'IA » (ou « DLP LLM », selon l'expression employée) désigne donc l'adaptation de ces principes à quatre points de contact :

1. le texte saisi dans les prompts ;
2. les fichiers téléversés pour analyse ou résumé ;
3. les documents injectés dans une base de connaissances ou un contexte de recherche (RAG) ;
4. les réponses générées, qui peuvent elles-mêmes contenir des informations confidentielles.

Comment des données sensibles fuient-elles avec un LLM ?

La fuite ne ressemble pas toujours à un piratage. Dans la majorité des cas, elle commence par un geste ordinaire et bien intentionné.

Le prompt lui-même

La voie la plus fréquente est la plus banale : l'utilisateur fournit lui-même la donnée. Les autorités françaises de protection des données (CNIL) recensent, parmi les risques liés aux grands modèles de langage, la divulgation de données fournies dans l'invite, aux côtés de la régurgitation de données mémorisées pendant l'entraînement, des attaques par inférence d'appartenance et de l'inversion de modèle.

Les sorties du modèle

Le projet OWASP, référence en sécurité applicative, classe la divulgation d'informations sensibles parmi les principaux risques des applications LLM : les réponses peuvent révéler des données personnelles, des algorithmes propriétaires ou d'autres éléments confidentiels, avec à la clé des violations de confidentialité.

La réidentification

Le Préposé fédéral à la protection des données et à la transparence (PFPDT) rappelle que l'IA facilite les recoupements : des données pseudonymisées, voire anonymisées, peuvent être à nouveau reliées à une personne lorsqu'on met en relation plusieurs jeux de données. Masquer un nom ne suffit donc pas toujours.

Le « Shadow AI »

Lorsque l'organisation ne fournit pas d'outil approuvé, les collaborateurs utilisent leur compte personnel. L'entreprise perd alors toute visibilité sur ce qui est envoyé, où cela est traité et combien de temps cela est conservé.

Les contrôles DLP qui comptent vraiment pour l'IA

Une DLP adaptée aux LLM repose sur une chaîne de contrôles. Chacun répond à une étape du cheminement de la donnée, qui part du poste de travail, voyage vers un serveur et revient sous forme de réponse.

Les guides techniques de gouvernance IA publiés en Suisse convergent sur ce point : la DLP sur les prompts, une passerelle IA sanctionnée, la journalisation des prompts et des sorties, ainsi que des limites de débit forment le socle des contrôles techniques. Le principe central reste le même : agir avant la soumission, car une fois la donnée partie, il est trop tard pour la reprendre.

Ce que la DLP ne résout pas à elle seule

Une règle de détection repose sur des motifs connus. Un secret d'affaires formulé en langage naturel, une stratégie commerciale décrite en trois phrases ou un dossier anonymisé de manière incomplète passent plus facilement entre les mailles. Une stratégie efficace repose donc sur plusieurs niveaux complémentaires : identifier les données à protéger, définir les outils autorisés, poser des règles techniques, sensibiliser les équipes et suivre l'évolution des usages. La technologie ne remplace ni la gouvernance ni la formation.

Ce que la nLPD exige des organisations qui utilisent l'IA

Le cadre juridique suisse est clair sur un point essentiel : la loi sur la protection des données est technologiquement neutre. Le PFPDT l'a rappelé le 9 novembre 2023 : elle s'applique directement aux traitements d'IA. L'autodétermination numérique doit être prise en compte dès la planification de l'usage, pas une fois l'outil déployé.

Transparence et finalité

Selon le PFPDT, fabricants, fournisseurs et utilisateurs doivent rendre transparents la finalité, le fonctionnement et les sources de données des traitements d'IA. Pour un LLM, l'utilisateur doit savoir s'il s'adresse à une machine et si ses données sont réutilisées pour améliorer le système ou à d'autres fins. Le principe de finalité (art. 6 LPD) est d'ailleurs souvent mis à mal lors de l'entraînement de modèles, puisque les données ont été collectées pour un autre usage.

Mesures techniques et organisationnelles

Dans son guide sur les mesures techniques et organisationnelles, le PFPDT range l'anonymisation, le chiffrement et l'authentification parmi les mesures techniques, et la politique d'habilitation ou le registre des traitements parmi les mesures organisationnelles. Les deux familles sont nécessaires et doivent couvrir tout le cycle de vie des données. La DLP relève du premier volet, la politique d'usage du second.

Transferts à l'étranger

L'art. 16 LPD pose la règle : la communication de données personnelles à l'étranger est possible si le Conseil fédéral a constaté que l'État concerné offre un niveau de protection adéquat. À défaut, il faut recourir à des garanties, comme des clauses de protection des données préalablement communiquées au PFPDT ou des clauses type reconnues. Chaque prompt envoyé à un service hébergé hors de Suisse est potentiellement un transfert transfrontalier à documenter.

Pour les professions soumises au secret professionnel (avocats, médecins, fiduciaires, établissements financiers), la question dépasse la seule nLPD : la divulgation involontaire d'informations couvertes par ce secret engage une responsabilité propre. Dans ces cas, faites valider votre dispositif par votre responsable de la protection des données ou votre conseil juridique.

Rédiger une politique DLP pour l'usage des LLM

Le Centre national pour la cybersécurité (BACS) de la Confédération donne la direction. Dans sa publication sur l'IA au quotidien professionnel, il recommande de définir les outils autorisés et les données à ne pas saisir, de former le personnel, de privilégier les solutions d'entreprise qui excluent contractuellement l'entraînement sur vos données, et de prévoir des mesures techniques comme la DLP. Avant chaque saisie, il faut vérifier et anonymiser les données personnelles, les données de clients et les secrets d'affaires.

Concrètement, une politique utile tient sur une page et comprend :

1. Les outils autorisés. Une liste courte de services approuvés, avec comptes gérés par l'organisation. Les comptes personnels sont exclus.
2. Les classes de données. Ce qui peut être saisi librement, ce qui doit être anonymisé, ce qui est interdit (mots de passe, données de santé, informations couvertes par le secret professionnel, documents stratégiques non publiés).
3. Les règles techniques. Détection et masquage dans les prompts, contrôle des fichiers, journalisation, rôles et habilitations.
4. La vérification humaine. Toute réponse utilisée dans un dossier client est relue.
5. La formation et le signalement. Une courte session d'entrée et un canal simple pour annoncer une erreur sans crainte de sanction. Une erreur signalée tôt se corrige, une erreur cachée se transforme en incident.
6. La revue périodique. Les usages évoluent vite : la politique se réexamine au moins une fois par an.

Exemple : une fiduciaire de dix personnes

Une fiduciaire autorise l'IA pour résumer des procès-verbaux et préparer des courriers types. Elle interdit la saisie de numéros de compte et de déclarations fiscales nominatives. Les collaborateurs utilisent un espace unique, géré par l'administrateur, qui masque automatiquement les identifiants et conserve un journal des échanges. En cas de demande d'un client ou d'un contrôle, l'étude peut démontrer ce qui a été traité, par qui et où.

Les cinq vérifications à faire sur l'hébergement et les données

La DLP protège ce qui sort de votre poste. Reste à savoir ce qui se passe ensuite. Avant de choisir un service d'IA, posez ces questions à son fournisseur :

1. Où les données sont-elles stockées et traitées ? Pays, centres de données, accès à distance.
2. Servent-elles à entraîner les modèles ? Et peut-on l'exclure ? Les offres professionnelles l'excluent en général par défaut, mais cela se vérifie par écrit.
3. Combien de temps sont-elles conservées ? Et comment les supprimer ?
4. Quels sous-traitants ultérieurs interviennent ? Qui peut accéder aux données, et avec quelles garanties ?
5. Existe-t-il un contrat de sous-traitance avec des garanties pour tout transfert hors de Suisse ?

L'entreprise reste responsable de ses réglages, de ses habilitations et de ses durées de suppression, même lorsque le fournisseur est sérieux. Plus la chaîne est courte et située en Suisse, moins ces vérifications sont complexes. C'est la logique que nous développons dans notre article sur la souveraineté suisse comme garantie légale.

Notre point de vue : traiter le risque à la source

Nous observons le même schéma chez les professionnels suisses : l'outil de surveillance arrive après l'adoption de l'IA, quand les habitudes sont déjà prises. La DLP reste indispensable, mais elle gagne en efficacité lorsque l'espace de travail est conçu dès le départ pour limiter ce qui peut sortir.

C'est la raison d'être de Nectos. Notre espace IA est hébergé uniquement sur des serveurs suisses, sur une infrastructure cloud 100 % suisse (Hidora), sous droit suisse. Nos modèles sont hébergés localement et nous ne transmettons aucune donnée à de grands fournisseurs étrangers. Nous avons conçu la plateforme pour qu'aucune donnée client ne serve à entraîner l'IA.

Deux fonctions répondent directement aux enjeux de DLP : l'anonymisation automatique des prompts, qui retire les éléments identifiants avant le traitement, et les journaux d'audit complets, exportables pour la conformité. Le contrôle d'accès administrateur et la gestion de rôles permettent de traduire votre politique d'usage en règles concrètes.

Nous défendons une idée simple : un collaborateur qui dispose d'un outil sûr, rapide et approuvé n'a plus de raison de se tourner vers un compte personnel. La meilleure politique de prévention est celle qu'on a envie de respecter.

Nectos

Un espace IA souverain pour appliquer cette politique

Si vous cherchez une alternative à ChatGPT qui réponde aux exigences de la nLPD, Nectos réunit dans un même espace le chat IA privé, l'analyse de documents, la base de connaissances privée, la transcription et le résumé de réunions, ainsi que la recherche web anonymisée. Tout est hébergé en Suisse, avec anonymisation des prompts et journaux d'audit.

Les abonnements se facturent par siège et par mois : Starter à 29.90 CHF, Pro à 49.90 CHF et Pro+ à 99.90 CHF. Un essai (Trial) est également proposé, sans prix publié. Consultez les formules et les tarifs, découvrez la plateforme ou rendez-vous sur la page d'accueil de Nectos pour comprendre comment nous gardons vos données en Suisse.

Par où commencer : un plan en quatre étapes

1. Inventoriez les usages réels. Demandez aux équipes quels outils d'IA elles utilisent déjà, y compris à titre personnel. Sans cette cartographie, la politique reste théorique.
2. Classez vos données. Trois niveaux suffisent pour débuter : libre, à anonymiser, interdit.
3. Choisissez un espace unique et approuvé. Vérifiez hébergement, sous-traitants, conservation et entraînement avec les cinq questions ci-dessus.
4. Activez les contrôles et formez. Rôles, journaux, anonymisation, puis une session courte pour expliquer le pourquoi des règles.

Si vous influencez l'adoption de l'IA dans votre organisation sans en être le décideur, ce plan se présente bien en réunion : il est concret, chiffrable et il répond à une obligation légale déjà en vigueur.

FAQ

Que signifie DLP ?

DLP signifie « Data Loss Prevention », soit prévention des fuites de données. Il s'agit de règles et d'outils qui identifient les informations sensibles et réagissent lorsqu'elles risquent de sortir de l'organisation. Appliquée à l'IA, la DLP surveille les prompts, les fichiers et les réponses des LLM.

La DLP suffit-elle à rendre l'usage de l'IA conforme à la nLPD ?

Non, elle constitue une mesure technique parmi d'autres. Le PFPDT attend des mesures techniques et organisationnelles, soit une politique d'habilitation, un registre des traitements, de la transparence et un contrôle des transferts à l'étranger. La DLP doit s'inscrire dans cet ensemble.

Quelles données ne faut-il jamais saisir dans un assistant IA ?

Excluez les mots de passe et clés d'accès, les données de santé, les informations couvertes par le secret professionnel ou un accord de confidentialité, les données financières de clients et les documents stratégiques non publiés. Si une saisie reste nécessaire, anonymisez d'abord les éléments identifiants, comme le recommande le BACS.

Comment limiter les risques si mes collaborateurs utilisent déjà ChatGPT ?

Commencez par fournir une alternative approuvée et gérée par l'organisation, puis interdisez les comptes personnels pour les données professionnelles. Ajoutez une formation courte et un canal de signalement des erreurs. Un espace IA hébergé en Suisse avec anonymisation des prompts et journaux d'audit, comme Nectos, facilite cette transition.

Sources

• CNIL, LINC : risques de sécurité des grands modèles de langage
• OWASP : LLM06, divulgation d'informations sensibles
• PFPDT : recours à l'intelligence artificielle au quotidien
• PFPDT : la loi actuelle sur la protection des données est directement applicable à l'IA
• PFPDT : IA et protection des données
• PFPDT : guide relatif aux mesures techniques et organisationnelles
• PFPDT : guide pour l'examen de la licéité de la communication de données à l'étranger
• BACS : l'IA dans le quotidien professionnel