Souveraineté des données à Lyon (28/09) : 12 questions avant de lancer une GenAI

Tu veux lancer une GenAI en entreprise ? Commence par éviter le piège classique

À Lyon, beaucoup d’équipes partent sur un POC GenAI en mode “on branche une API et on voit”. Ça marche… jusqu’au moment où quelqu’un colle un fichier client dans un prompt, où les logs partent chez un sous-traitant opaque, ou où la DSI découvre que “hébergé en Europe” ne veut pas dire “souverain”.

Le sujet n’est plus théorique. L’AI Act est applicable depuis le 2 août 2026, avec des obligations qui montent en charge, notamment sur la transparence. Source UE : Commission européenne et AI Act Service Desk.

Et côté données perso, la doctrine se précise : le CEPD (EDPB) a publié l’Opinion 28/2024 sur les modèles d’IA, et la CNIL insiste sur des risques très concrets en GenAI, dont la mémorisation et la régurgitation. Sources : EDPB, CNIL.

La soirée à Lyon du 28 septembre : à qui ça sert, et quoi venir chercher

Le lundi 28 septembre 2026 à 18:30, Lyon Data Science organise une soirée intitulée « Souveraineté des données : cadre, risques et solutions concrètes », à Epitech Lyon (format annoncé : présentation de l’association + conférence). Source : Meetup.

Si tu es DSI, RSSI, DPO, juriste, lead data, product owner, ou juste la personne à qui on a dit “tu vas nous trouver une GenAI souveraine”, c’est typiquement utile si :

• tu dois trancher entre cloud public, cloud “souverain”, on-prem, ou hybride, sans te faire enfumer,
• tu veux cadrer un RAG sur des documents internes sans ouvrir un boulevard aux fuites,
• tu veux savoir quoi exiger dans un contrat (DPA, sous-traitance en cascade, audit),
• tu veux une méthode pour passer de “on veut de l’IA” à “on peut prouver où vont les données”.

L’objectif n’est pas de faire peur. C’est de te donner des questions qui coupent court aux approximations, et qui évitent les surprises quand tu passes du pilote à la prod.

1) Les risques typiques quand tu parles “souveraineté des données” et GenAI

Risque 1 : la fuite bête, via prompts et pièces jointes

Le cas le plus fréquent n’a rien de sophistiqué : quelqu’un copie-colle un extrait de contrat, un tableau RH, un mail client, un devis, un export CRM dans une interface GenAI. Sans cadre, sans filtrage, sans séparation des environnements. La CNIL martèle l’importance d’encadrer l’usage (règles internes, interdictions par type de données, sensibilisation). Source : CNIL, Q/R IA générative.

Risque 2 : la mémorisation et la régurgitation

En GenAI, un modèle peut ressortir des fragments vus pendant l’entraînement, ou apprendre des patterns indésirables selon la manière dont le service est opéré. La CNIL demande de caractériser ce risque, de documenter les mesures de réduction, et de prévoir des mécanismes de recours. Source : CNIL.

Risque 3 : la sous-traitance en cascade

Tu penses avoir “un fournisseur IA”. En réalité tu as souvent une chaîne : LLM, hébergeur, base vectorielle, outil d’observabilité, support, analytics, parfois un routeur d’API. Chaque brique peut avoir ses propres sous-traitants. Et chaque brique peut avoir ses propres logs.

Résultat : tu ne sais plus qui accède à quoi, ni où, ni combien de temps, ni avec quels droits. Et tu ne peux pas le prouver.

Risque 4 : transferts hors UE, ou accès depuis un pays tiers

Le sujet n’est pas juste “les serveurs sont en France”. Il faut regarder les transferts et aussi les accès (support, admin, opérations) depuis un pays tiers. Dès qu’il y a transfert, il faut cadrer l’outil de transfert et les mesures supplémentaires. L’EDPB a publié des recommandations sur les mesures additionnelles pour les transferts. Source : EDPB Recommendations 01/2020.

Risque 5 : les logs, la rétention, et les environnements oubliés

Beaucoup d’incidents viennent d’un angle mort : logs applicatifs, traces d’observabilité, dumps de debug, sauvegardes, environnements de test copiés depuis la prod. Tu avais cadré “les données”. Pas “toutes les copies de données”.

Risque 6 : croire que c’est un sujet 100 % IT

La gouvernance des données IA touche l’IT, le juridique, le métier, la sécurité, les RH. Et ça se voit surtout dans les responsabilités : qui décide ce qu’on met dans le RAG, qui valide les exceptions, qui signe les clauses, qui arbitre le niveau de risque acceptable.

2) Checklist : 12 questions concrètes à poser avant de lancer une GenAI en entreprise

Tu peux venir à la soirée du 28/09 avec cette liste. L’objectif : repartir avec des réponses, ou au moins une to-do list claire pour ton fournisseur et tes équipes.

A. Données et responsabilités (les bases, sinon le reste ne tient pas)

• 1) Quelles données entrent vraiment dans le système ?
  Prompts, pièces jointes, contexte RAG, métadonnées, outputs, feedback utilisateurs. Liste par catégories : données personnelles, données sensibles, secrets d’affaires, données clients, données RH.
• 2) Qui est responsable de traitement et qui est sous-traitant, brique par brique ?
  LLM, hébergement, base vectorielle, outil de logs, SSO, support. Tu veux une cartographie des rôles, pas un organigramme marketing.

B. Cloud, localisation, accès (la “souveraineté des données” en version vérifiable)

• 3) Où sont hébergées les données et où s’exécutent les traitements ?
  Stockage, sauvegardes, environnements de test, traitements batch, indexation RAG. “UE” ne suffit pas, demande les régions exactes.
• 4) Qui peut accéder aux données, et dans quelles conditions ?
  Admins, support, astreinte, sous-traitants. Exige le détail des droits, la traçabilité, et les contrôles (MFA, bastion, JIT, etc.).
• 5) Quels sous-traitants sont impliqués, et peux-tu t’y opposer ?
  Sous-traitance en cascade : tu veux la liste, les localisations, et une clause de notification et d’objection.
• 6) Y a-t-il des transferts hors UE, ou des accès depuis un pays tiers ?
  Même si “tout est hébergé en France”, le support peut être ailleurs. Demande les mécanismes de transfert et les mesures supplémentaires si nécessaire.

C. RAG, indexation, et séparation des périmètres (le vrai risque terrain)

• 7) Quelles sources alimentent le RAG, et comment tu empêches l’indexation de documents hors périmètre ?
  SharePoint, intranet, fichiers, CRM, emails, tickets. Tu veux des règles d’inclusion/exclusion, et des tests de non-régression.
• 8) Comment gères-tu les droits d’accès dans le RAG ?
  Le modèle ne doit pas répondre avec un document que l’utilisateur n’a pas le droit de lire. Demande le mécanisme : ACL, filtrage au retrieval, contrôle d’identité, segmentation par équipes.
• 9) Où est stocké l’index vectoriel, et contient-il des infos sensibles ?
  Un embedding n’est pas “magiquement anonyme”. Tu veux savoir ce qui est stocké, chiffré, et combien de temps.

D. Logs, rétention, apprentissage, et preuves (là où les projets se plantent)

• 10) Que contiennent les logs et traces d’observabilité ?
  Prompts complets ? Extraits de documents ? Identifiants utilisateurs ? Données d’incidents ? Demande un mode “redaction” et des politiques de masquage.
• 11) Quelle est la politique de rétention, et qui peut supprimer quoi ?
  Rétention des conversations, des pièces jointes, des embeddings, des backups. Tu veux des durées, et une capacité à purger réellement (pas juste “on désactive l’accès”).
• 12) Les données servent-elles à entraîner ou améliorer le modèle ?
  Tu veux une réponse contractuelle claire. Et tu veux comprendre si c’est “opt-out”, “opt-in”, ou “jamais”. C’est un point central pour une GenAI entreprise RGPD.

Le bonus qui fait gagner du temps : le contrat et le DPA

Ces 12 questions doivent se traduire dans des clauses. Si tu veux une base pour ne pas te faire avoir, tu peux t’appuyer sur notre article : Contrat avec un fournisseur d'IA : les clauses à lire deux fois.

Et pour le volet “héberger en France” sans simplisme, utile pour cadrer un cloud souverain IA : Souveraineté des données : héberger son IA en France, concrètement.

3) Ce que tu dois avoir clarifié en interne avant d’arriver (sinon tu perds ta soirée)

Le piège, c’est de venir avec “on veut un ChatGPT interne”. Trop vague. Tu repars avec des opinions, pas des décisions.

1. Une cartographie minimale des données

• où sont les documents utiles (GED, SharePoint, drive, CRM, ERP, tickets),
• quelles données sont sensibles (RH, santé, finance, contrats),
• qui y a accès aujourd’hui (droits réels, pas théoriques).

Tu n’as pas besoin d’un inventaire parfait. Tu as besoin d’un périmètre de départ propre.

2. Un cas d’usage prioritaire, mesurable, avec un périmètre clair

Choisis un cas où la valeur est évidente et où les données sont maîtrisables. Exemple : assistant interne sur procédures et documentation, support niveau 1, aide à la réponse à appels d’offres, recherche dans une base documentaire cadrée.

Pour un RAG bien posé, tu peux relire : RAG : comment faire répondre une IA sur vos propres documents.

3. Tes contraintes non négociables

• interdiction de sortie de certaines données,
• exigence d’hébergement, mais surtout d’accès et de preuves,
• rétention maximum des conversations,
• pas d’entraînement sur tes données,
• droits d’audit et capacité à démontrer la conformité.

4. Qui décide quoi (gouvernance des données IA)

Si tu n’as pas de réponse, tu vas bricoler. Et la “Shadow AI” va s’installer : des outils utilisés sans validation, sans traçabilité, sans garde-fous.

Deux lectures utiles si tu veux formaliser vite :

• Gouvernance de l'IA : qui décide quoi dans une entreprise de cinquante personnes
• Shadow AI : quand vos équipes utilisent des IA sans vous le dire

5. Ton dispositif interne “usage” (charte + formation minimum)

La meilleure infra ne rattrape pas un usage incontrôlé. Tu veux une charte simple : ce qui est autorisé, interdit, comment signaler un incident, quoi faire en cas de doute.

Base de départ : Rédiger une charte d'usage de l'IA pour ses équipes.

Pourquoi c’est le bon moment (et pourquoi attendre te coûte plus cher)

Depuis août 2026, le cadre européen bouge du “bientôt” vers le “maintenant”. L’AI Act est applicable, avec des exigences de transparence qui deviennent exécutoires à partir du 2 août 2026, et une montée en charge selon les catégories de systèmes. Source : AI Act Service Desk.

En parallèle, le RGPD ne s’est pas “adapté” à la GenAI. Il s’applique déjà. Et les autorités demandent surtout une chose : que tu saches décrire ton système, ses flux, ses acteurs, et tes mesures.

Si tu dois aussi te mettre à jour côté AI Act, tu peux t’appuyer sur notre base pratique : AI Act : documenter vos usages d’IA en entreprise (registre prêt à copier).

Comment te préparer en 45 minutes avant la soirée (simple et efficace)

• Écris ton cas d’usage en 10 lignes : objectif, utilisateurs, données utilisées, outils ciblés, niveau de sensibilité.
• Liste tes sources documentaires : où elles vivent, qui y a accès, et ce que tu refuses d’indexer.
• Imprime (ou copie) les 12 questions : tu notes les réponses, et surtout les “on ne sait pas”.
• Prépare 3 contraintes non négociables : localisation, accès support, rétention, pas d’entraînement, audit.

Ce que tu veux obtenir en sortant : une décision, pas une impression

Ta cible, c’est d’être capable de dire :

• “voici les flux de données, et où ils passent”,
• “voici les acteurs et leurs rôles (responsable, sous-traitant)”,
• “voici la politique de logs et de rétention”,
• “voici ce qu’on accepte et ce qu’on interdit”,
• “voici les preuves qu’on exigera (contrats + éléments techniques)”.

Si tu repars avec ça, tu as fait le plus dur. Le reste, c’est de l’exécution.

Prochaine étape

Si tu es basé à Lyon ou dans la métropole, la soirée Lyon Data Science du 28/09 est un bon point de passage pour arrêter de parler “souveraineté” en slogans, et commencer à parler “données, contrats, accès, preuves”. Infos et inscription : page Meetup de l’événement.

Et si tu veux préparer ton terrain avant de choisir une solution, garde ce fil directeur : la souveraineté des données à Lyon, ce n’est pas une étiquette. C’est une chaîne de décisions vérifiables.