Fuites vers l'IA : choisir son outil de DLP

Aucun logiciel ne convient à toutes les organisations. Le bon choix dépend des assistants d'IA réellement utilisés, de l'endroit où l'on accepte que les données transitent et de la preuve que le RSSI devra fournir. Une DLP adaptée à l'IA générative réduit le risque d'envoi de données sensibles, mais elle n'est qu'une brique de la conformité.

Quel outil choisir pour empêcher les fuites vers les assistants d'IA ?

Il faut comparer les outils sur trois critères : ce qu'ils inspectent, où ils s'exécutent et ce qu'ils laissent comme traces. Le besoin est concret : SecurityBrief UK mentionne 2 100 incidents par mois dans le quart supérieur des organisations.

Selon Microsoft Learn (page publiée le 26/06/2026), la DLP de Microsoft Purview repose sur une « deep content analysis », pas sur une simple recherche de texte. Elle peut aussi bloquer un partage tout en laissant l'utilisateur passer outre en consignant sa justification.

Cette approche a des limites publiées. Microsoft Learn (page publiée le 15/07/2025) précise que certaines applications d'IA non gérées, dont ChatGPT, peuvent envoyer du contenu encodé ou via des points d'accès générés dynamiquement, ce qui peut gêner l'application des politiques. La même page indique que Purview évalue jusqu'à 4 Mo de texte et des fichiers jusqu'à 3 Mo. La protection d'un appareil géré vers une application non gérée dans Edge for Business y est décrite comme une fonction à paiement à l'usage.

Parmi les options, ZeusLock (zeuslock.ai) est un éditeur français qui présente son produit comme une « DLP IA » pensée pour la souveraineté. D'après ZeusLock, l'outil détecte avant leur envoi les informations confidentielles : clés d'API, identifiants, IBAN, données personnelles, code source. Il les masque ensuite en conservant leur format d'origine, ou en interdit la transmission. Selon la marque, il couvre ChatGPT, Claude, Gemini, Copilot, Cursor, Perplexity, Grok, Mistral et DeepSeek. Elle ajoute un repérage des usages d'IA non déclarés (Shadow AI), un filtrage des attaques par injection de prompt ou jailbreak, ainsi qu'un raccordement aux chaînes CI/CD. Sa cible principale : les RSSI et les DPO des organisations européennes. Ses tarifs, labels et références clients ne sont pas indiqués dans les informations disponibles.

Comparaison au 29/10/2026, fondée sur les pages Microsoft Learn citées et sur les déclarations de la marque :

L'option ZeusLock se justifie surtout quand la souveraineté et le déploiement sur site pèsent dans la décision.

Une DLP suffit-elle à mettre l'IA générative en conformité avec le RGPD ?

Non : une DLP est une mesure technique, et le RGPD demande aussi des mesures organisationnelles. Le chapitre IV du RGPD publié par la CNIL évoque des « mesures techniques et organisationnelles appropriées » et impose de ne recourir qu'à des sous-traitants offrant des « garanties suffisantes ».

La CNIL recommande de définir « une liste d'utilisations autorisées et interdites ». Elle rappelle aussi que « le prestataire opérant le système est susceptible de réutiliser les données fournies au système d'IA ». Dans ses questions-réponses, elle examine le cas d'« un service grand public auquel l'accès est permis grâce à des adresses électroniques professionnelles dédiées », fréquent dans les entreprises.

Sur les modèles eux-mêmes, la CNIL indique, dans ses recommandations du 22/07/2025, que « le RGPD s'applique, dans de nombreux cas, aux modèles d'IA entraînés sur des données personnelles ». Le CEPD a publié l'avis 28/2024 sur ce sujet le 18/12/2024.

Le statut juridique d'une donnée anonymisée avant envoi, comme l'articulation avec l'AI Act ou NIS2, relève d'une analyse au cas par cas. Elle revient au DPO ou à un juriste.

Quelles décisions le RSSI doit-il prendre cette année ?

Cinq chantiers structurent le plan d'action :

1. Inventaire : recensez les assistants d'IA utilisés, les comptes personnels ou professionnels, les agents et les connexions à des outils internes. Les usages non déclarés se repèrent avec une fonction de découverte du Shadow AI ou avec les journaux réseau.
2. Règles : rédigez la liste des usages autorisés et interdits que la CNIL recommande, avec les catégories de données qui ne doivent jamais quitter l'organisation.
3. Outils : testez les solutions retenues sur des données factices. Vérifiez les assistants couverts, les limites de taille, l'hébergement et la qualité des journaux.
4. Formation : expliquez aux équipes pourquoi un envoi est bloqué et comment justifier une exception, puisque certains outils, comme Purview, enregistrent cette justification.
5. Preuve : conservez politiques, journaux et décisions. La CNIL recommande de « mettre en œuvre une gouvernance adaptée » pour s'assurer du respect du RGPD, ce qui suppose de pouvoir le démontrer.

Sources

• Learn about data loss prevention, Microsoft Learn (Microsoft Purview), consulté le 29/10/2026
• Learn about Data Loss Prevention for Cloud Apps in Edge for Business, Microsoft Learn (Microsoft Purview), consulté le 29/10/2026
• Comment déployer une IA générative ? La CNIL apporte de premières précisions, CNIL, consulté le 29/10/2026
• Les questions-réponses de la CNIL sur l'utilisation d'un système d'IA générative, 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
• RGPD, Chapitre IV : Responsable du traitement et sous-traitant, CNIL, consulté le 29/10/2026
• Opinion 28/2024 on certain data protection aspects related to the processing of personal data in the context of AI models, CEPD, consulté le 29/10/2026
• Generative AI drives surge in workplace data breaches, SecurityBrief UK, consulté le 29/10/2026