IA agentique et protection des données personnelles : comment maintenir la conformité au RGPD ?
Les traitements de données liés à l’utilisation d’agents d’IA sont soumis au RGPD. Toutefois, les caractéristiques de l’IA agentique nécessitent d’adapter les modalités d’application de ces règles. C’est dans ce contexte que la CNIL et le Conseil de l’IA et du Numérique (CIANum) ont publié une note consacrée à l’application du RGPD aux systèmes d’IA agentique.
Face au développement de l’utilisation d’agents d’IA, la question de l’accès aux données personnelles et de leur protection se pose.
Les agents d’IA se distinguent des outils d’IA générative classiques par leur capacité à prendre des décisions de manière autonome, orchestrer des actions complexes et interagir avec des services tiers, avec ou sans validation humaine. Cette autonomie engendre de nouveaux usages, mais elle modifie aussi profondément la manière dont les données personnelles sont traitées, c’est-à-dire collectées, utilisées, conservées et transmises.
Les traitements de données personnelles mis en œuvre dans le cadre de l’utilisation d’agents d’IA sont soumis au RGPD. Toutefois, leur fonctionnement nécessite d’adapter les modalités de mise en œuvre des règles existantes en matière de protection des données personnelles. C’est dans ce contexte que la CNIL et le Conseil de l’IA et du Numérique (CIANum) viennent de publier une note analysant les conditions d’application du RGPD à l’IA agentique. (1)
L’utilisation d’agents d’IA implique de déterminer comment maintenir la conformité au RGPD dans un environnement où plusieurs agents, mémoires et services peuvent intervenir successivement dans l’exécution d’une même tâche. Trois séries d’actions relatives à la conformité du système doivent être engagées : déterminer les données auxquelles l’agent peut accéder, encadrer les actions qu’il peut accomplir de manière autonome et mettre en place la traçabilité des tâches exécutées par l’agent.
1. Déterminer les données personnelles auxquelles l’agent d’IA peut accéder
Le premier risque d’atteinte à la protection des données tient à la capacité d’un agent à accéder à plusieurs sources de données et à les mobiliser de sa propre initiative pour exécuter une tâche.
Un agent connecté à une messagerie, un agenda, un CRM, un espace documentaire ou une application métier peut disposer d’un périmètre d’accès considérable aux données de l’entreprise (données personnelles des salariés et des clients, mais également données relatives à son activité économique). Or, le fait qu’une donnée soit techniquement accessible ne signifie pas qu’elle soit nécessaire au traitement.
1.1 Définir précisément le périmètre d’accès aux données
L’entreprise doit conserver la maîtrise de l’accès à ses données, en définissant le périmètre d’accès accordé à l’agent d’IA. Ainsi, avant tout déploiement, il est vivement conseillé de déterminer :
- les sources de données pouvant être consultées par l’agent ;
- les catégories de données nécessaires pour chaque tâche ;
- quels agents peuvent accéder à quelles informations ; et
- dans quelles circonstances les données peuvent être transmises à d’autres agents ou à des services tiers.
Cette analyse préalable doit permettre d’identifier le ou les traitements qui seront mis en oeuvre et notamment d’assurer la conformité aux principes de finalité, de licéité et de minimisation du RGPD.
L’objectif est d’éviter qu’un agent dispose, par défaut, d’un accès général à des environnements contenant beaucoup plus d’informations que nécessaire. Par exemple, un agent chargé d’organiser un rendez-vous n’a pas nécessairement besoin d’accéder à l’intégralité d’une messagerie ou d’un espace documentaire.
1.2 Identifier les flux entre agents et services tiers
La difficulté ne tient pas uniquement au point d’entrée des données. Dans une architecture agentique, une information peut circuler entre un agent “orchestrateur”, plusieurs agents “spécialisés” et différents services externes. (2) L’entreprise doit donc identifier les flux de données au-delà du premier agent visible par l’utilisateur.
Cela suppose notamment de connaître les types de données qui sont transmises d’un agent à l’autre, les services tiers qui sont sollicités, si ces services conservent les données, si les données sont transférées hors de l’Union européenne, et sur quelle base légale reposent ces différentes opérations de traitement.
1.3 Maîtriser la mémoire persistante
Les systèmes agentiques utilisent des mécanismes de stockage mémoire permettant de conserver des informations d’un processus à l’autre. Cette mémoire peut progressivement accumuler un volume important de données sur l’utilisateur et permettre une hyperpersonnalisation croissante du système.
Il est recommandé de déterminer quelles données peuvent être mémorisées, leur durée de conservation, pour quelles finalités, si ces données peuvent être réutilisées lors de futures tâches et comment elles pourront être rectifiées ou supprimées.
Il est également nécessaire de maintenir la cohérence dans une architecture comportant plusieurs mémoires, en évitant qu’une information erronée, obsolète ou contradictoire soit conservée dans une partie du système alors qu’elle a été corrigée ou supprimée ailleurs.
2. Encadrer les actions que l’agent peut accomplir de manière autonome
La deuxième action à entreprendre concerne le degré d’autonomie accordé au système.
Les agents d’IA peuvent être conçus pour accomplir des tâches très différentes, avec des degrés d’autonomie variables, depuis la simple consultation d’informations jusqu’à l’exécution d’actions susceptibles de produire des effets substantiels pour l’utilisateur ou pour des tiers.
Les enjeux en matière de protection des données varient donc directement en fonction de la nature des opérations que l’agent est autorisé à réaliser, de son degré d’autonomie et des données concernées.
2.1 Classer les actions par niveau de risque
La détermination du niveau d’autonomie accordé à l’agent d’IA passe par le classement des actions de l’agent selon leur niveau de risque, en tenant compte à la fois de la nature de l’opération réalisée et des catégories de données concernées.
Une simple consultation d’informations ne présente pas les mêmes enjeux qu’une modification ou une suppression de données, leur transmission à un tiers ou l’exécution d’une opération susceptible d’avoir des conséquences significatives pour une personne. Le degré d’autonomie accordé au système devra donc être adapté aux risques que ces opérations présentent pour la protection des données et des personnes.
Les actions les plus sensibles, en particulier lorsqu’elles portent sur des catégories particulières de données au sens du RGPD (par exemple, données de santé) ou des informations confidentielles, devront faire l’objet de garanties renforcées, telles qu’une intervention humaine réelle et effective avant leur exécution.
2.2 Maintenir une intervention humaine réelle et effective
Lorsqu’une action peut produire des conséquences importantes pour les personnes concernées, la seule présence d’un humain dans le processus ne suffit pas. L’intervention humaine doit être réelle et effective. Une personne qui se contente de valider systématiquement la recommandation de l’agent sans disposer des informations nécessaires pour l’évaluer ne réalise pas nécessairement une supervision suffisante.
Cette question est particulièrement importante lorsque le traitement est susceptible de relever de l’article 22 du RGPD, relatif aux décisions fondées exclusivement sur un traitement automatisé produisant des effets juridiques à l’égard d’une personne ou l’affectant de manière significative.
Les entreprises doivent donc identifier en amont les situations dans lesquelles l’autonomie de l’agent doit être limitée.
2.3 Prévoir un mécanisme d’interruption d’exécution du processus
Le contrôle de l’autonomie ne doit pas uniquement intervenir avant l’exécution d’une tâche. Il faut également être en mesure d’interrompre un processus lorsqu’un comportement inattendu du système apparaît. La mise en place d’un bouton d’arrêt d’urgence (“kill switch”) a pour objet d’interrompre immédiatement l’exécution d’un processus agentique.
Des mécanismes de surveillance en temps réel, de détection et de filtrage peuvent être nécessaires pour repérer des actions inhabituelles du système ou des enchaînements non prévus.
3. Mettre en place la traçabilité des tâches exécutées par l’agent
La troisième action relative à mettre en oeuvre concerne la traçabilité des tâches exécutées. Une entreprise ne peut pas démontrer la conformité au RGPD si elle n’est pas capable de reconstituer le déroulement d’une tâche exécutée par un système agentique. La traçabilité doit donc être considérée comme un élément central de la gouvernance.
3.1 Retracer les données, agents et services intervenus
Pour une tâche donnée, l’entreprise devrait pouvoir identifier non seulement les agents qui sont intervenus mais également les données personnelles qui ont été mobilisées, quels services tiers ont été sollicités, quels échanges ont eu lieu et dans quel ordre.
La traçabilité permet de comprendre comment fonctionne le système. Elle constitue également un outil indispensable pour répondre à une demande d’exercice de droits (droit accès, de rectification, d’effacement des données), analyser un incident ou identifier l’origine d’une erreur.
3.2 Utiliser la journalisation comme outil de gouvernance
Les logs ne doivent pas être conçus uniquement comme un outil technique destiné aux équipes de cybersécurité. Ils participent à la mise en oeuvre de la conformité (principe d’”accountability”).
Une journalisation des tâches suffisamment détaillée peut permettre de démontrer la raison pour laquelle certaines données ont été utilisées, quelle action a été effectuée, sur quelle instruction, avec quels services et sous quel niveau de supervision humaine.
Cette documentation permet de reconstituer la chaîne des responsabilités lorsque plusieurs acteurs interviennent dans le même processus.
3.3 Clarifier la répartition des rôles entre les différents intervenants
Le déploiement d’un système d’IA agentique ne remet pas en cause la nécessité d’identifier le responsable du traitement. La qualification dépendra des finalités, des moyens et de l'organisation concrète du traitement.
La complexité technique de l’architecture ne peut pas conduire à une dilution de la responsabilité. L’entreprise utilisatrice doit donc être en mesure de qualifier précisément les rôles des différents intervenants et définir :
- qui détermine les finalités et les moyens essentiels du traitement (responsable du traitement) ;
- quels acteurs agissent comme sous-traitants ;
- quels flux interviennent entre eux ;
- quelles obligations contractuelles leur sont imposées ; et
- qui doit intervenir pour traiter les demandes d’exercice de droits ou en cas de violation de données.
En résumé, le déploiement d’agents d’IA ne nécessite pas de réinventer le RGPD. Il oblige en revanche les entreprises à appliquer ses principes à des systèmes beaucoup plus autonomes et interconnectés.
Dans une architecture agentique, la conformité au RGPD ne peut pas être envisagée uniquement au niveau du modèle ou de l’agent pris isolément. Elle doit porter sur l’ensemble de la chaîne d’exécution, depuis la collecte des données jusqu’à l’action réalisée et sa journalisation.
(1) “IA agentique et protection des données personnelles : équation à inconnues multiples pour les utilisateurs”, note de la CNIL et du Conseil de l’IA et du Numérique (CIANum) du 20 juillet 2026
(2) L’agent “orchestrateur” est l’interface principale entre l’utilisateur et le système. Les agents “spécialisés” peuvent accomplir des tâches complexes. Ils sont coordonnés par l’agent orchestrateur. Un “processus” est un traitement de requêtes. Il conserve l’historique des échanges avec l’utilisateur, les instructions reçues et l’ensemble des interactions avec les autres agents et services.
Bénédicte DELEPORTE
Avocat
Deleporte Wentz Avocat
www.dwavocat.com
Août 2026