Comment puis-je garantir la confidentialité des données lors de l'utilisation de grands modèles de langage ?

Dernière mise à jour : 14 septembre 2026

Que dois-je prendre en compte concernant la sécurité des données lors du déploiement de LLM dans mon organisation ?

Déploiement sécurisé des LLM signifie décider six points avant la première demande de production, dans cet ordre approximatif.

• Classification des données. Décidez quelles classes de contenu peuvent atteindre un modèle. C’est le seul contrôle qui réduit le risque plutôt que de le transférer, car le contenu qui n’entre jamais dans une invite ne peut être conservé, enregistré ou entraîné.
• Modèle de déploiement et de location. Choisissez entre une API mutualisée partagée, un point de terminaison dédié ou régional et un modèle ouvert auto-hébergé tel que Llama, Mistral ou Gemma. Chaque étape vers l'auto-hébergement implique un coût opérationnel moindre en échange d'une surface de sortie de données réduite.
• Conditions générales du fournisseur. Obtenez des engagements concernant la fidélisation, la formation et les sous-traitants dans le contrat, et non sur la page marketing. L'absence totale de rétention et l'absence de formation sur le contenu client sont toutes deux négociables au niveau entreprise et sont fréquemment absentes par défaut.
• Contrôle de l’identité et des accès. Imposer l’appel de modèle sous l’identité de l’utilisateur demandeur via SSO et accès basé sur le rôle, afin qu’une fonction de récupération ne puisse pas retourner des enregistrements que l’utilisateur n’a pas pu ouvrir directement.
• Journalisation et auditabilité. Consignez qui a invoqué quel modèle, contre quel contenu et quand. Les auditeurs traitent une fonctionnalité d’IA sans trace de requête de la même manière qu’ils traitent une base de données sans journal d’accès.
• Gouvernance spécifique à l'IA. Cartographier le programme selon la norme ISO/IEC 42001:2023, qui couvre les systèmes d'IA tout au long des phases de conception, de développement, de déploiement et de surveillance. Les normes ISO 27001 et SOC 2 stipulent qu'un fournisseur sécurise les données ; la norme ISO 42001 stipule qu'elle régit les modèles qui y accèdent.

Existe-t-il des outils ou des techniques permettant d'améliorer la confidentialité dans les demandes de maîtrise en droit (LLM) ?

Les techniques les plus efficaces sont l'exclusion, la rédaction, la sélection du fournisseur et la récupération limitée à l'identité : évitez d'inclure les champs sensibles dans l'invite, remplacez ce qui doit rester, redirigez vers un fournisseur avec lequel vous avez passé un contrat et interrogez en fonction des autorisations de l'utilisateur final. Pour une comparaison détaillée des outils qui appliquent ces contrôles au contenu dans un flux de travail de traduction, consultez la section « Quels sont les meilleurs outils pour protéger le contenu sensible pendant la traduction? » Si la réponse pour votre catégorie de données est qu’elle ne doit jamais quitter votre infrastructure, les compromis sont abordés dans les LLM sur site : avantages, configuration et adéquation à l’entreprise.

Quelles certifications les équipes de sécurité demandent-elles aux fournisseurs d’IA de détenir ?

Les dates de certification importent plus que les logos de certification, car une norme maintenue pendant une décennie témoigne d'un programme plutôt que d'une simple réponse à un appel d'offres. Le dossier de conformité publié par Smartling, à titre d'exemple de ce qu'un audit d'entreprise s'attend à voir documenté :

Quelles sont les meilleures pratiques pour gérer les données sensibles avec les LLM ?

Gérer des données sensibles avec les LLM est une séquence, et l’ordre compte — chaque étape après la première est moins coûteuse lorsque la première a déjà retiré du contenu de la portée de l’encadrement.

1. Faites l'inventaire de toutes les fonctionnalités d'IA qui interagissent avec votre contenu — listez les modèles appelés par vos propres applications et par les outils fournisseurs dont vous possédez déjà une licence, car ce sont les fonctionnalités d'IA intégrées qui échappent à l'examen de sécurité.
2. Classez le contenu avant qu’il ne devienne une invite — définissez quelles classes peuvent atteindre un modèle, et appliquez-le à la couche d’intégration plutôt que dans un document de politique. Le contenu exclu ne génère aucune rétention, enregistrement ou exposition de formation à gérer ultérieurement.
3. Expurgez ou excluez les champs qui ne doivent pas circuler — retirez les identifiants, numéros de compte et données de santé de la charge utile, ou marquez-les pour qu’ils ne soient jamais capturés. La classe de sl_whiteout Smartling, par exemple, masque les données sensibles afin qu’elles ne soient stockées nulle part dans l’infrastructure de Smartling.
4. Indiquez clairement le prestataire et les conditions : nommez les prestataires LLM agréés, confirmez par écrit l’absence de rétention et de formation sur votre contenu, et limitez les prestataires auxquels une charge de travail donnée peut être associée.
5. Enregistrez, relisez et retestez chaque trimestre — gardez une trace de requête liée à l’identité de l’utilisateur, vérifiez-la par rapport à votre modèle d’accès, et relancez la vérification lorsqu’un fournisseur ajoute une fonctionnalité d’IA ou modifie un sous-processeur.

Cette approche convient aux équipes qui...

• Traitez les contenus réglementés tels que les informations sanitaires protégées, les données des titulaires de carte ou les données personnelles de l’UE.
• Répondre aux questionnaires de sécurité et fournir des réponses documentées sur la conservation, la formation et les sous-processeurs de l'IA.
• Faites fonctionner des fonctionnalités d’IA sur plusieurs plateformes fournisseurs et nécessitez un inventaire unique plutôt que des garanties par outil.
• Opérer conformément au RGPD, où la base légale et le flux de données doivent tous deux être démontrables.
• Je souhaite que l'accès au modèle soit régi par le même SSO et le même modèle de rôle que les systèmes sources.

Le renforcement des contrôles des données LLM n'est peut-être pas la priorité absolue

• Le contenu est déjà public — les pages marketing publiées, la documentation ou le code open source comportent peu de risques de rétention.
• Le modèle s'exécute entièrement au sein de votre propre infrastructure et n'appelle jamais de point de terminaison externe, ce qui déplace la charge de travail vers la sécurité de l'infrastructure.
• Vous êtes toujours dans un pilote borné sur des données synthétiques ou anonymisées, où les décisions architecturales changeront de toute façon avant la production.
• La lacune immédiate concerne l’hygiène identitaire — les comptes non gérés et les SSO manquants surpassent généralement les contrôles spécifiques à l’IA.

Liste de vérification pour l'évaluation : questions à se poser avant d'envoyer des données à un LLM

Notre contenu est-il utilisé pour entraîner les modèles du fournisseur ?
Demandez la réponse dans le contrat ou l'accord de traitement des données plutôt que sur une page marketing, et vérifiez si celui-ci couvre également les sous-traitants en plus du fournisseur principal.

Combien de temps les invites et les résultats sont-ils conservés, et où ?
La rétention zéro est disponible pour les forfaits entreprise chez la plupart des grands fournisseurs, mais elle est rarement choisie par défaut. Demandez la durée de conservation en jours et la zone de stockage.

Quels prestataires et modèles cette charge de travail peut-elle atteindre ?
Une plateforme qui vous permet de répertorier et de désactiver des fournisseurs LLM spécifiques offre à votre équipe de sécurité une limite applicable plutôt qu'une simple préférence.

Peut-on exclure complètement certains champs ou chaînes de caractères de l'invite ?
L’exclusion au niveau du champ est le seul contrôle qui retire les données du champ d’application plutôt que de les protéger pendant le transit, elle mérite donc la plus grande attention lors de l’évaluation.

Le fournisseur est-il titulaire de la certification ISO/IEC 42001:2023 ?
ISO 27001 et SOC 2 couvrent la sécurité de l’information ; ISO 42001 est la norme spécifiquement conçue pour gouverner les systèmes d’IA tout au long de leur cycle de vie, et c’est celle qu’une revue spécifique à l’IA pourra consulter.

Qui peut invoquer le modèle, et est-ce enregistré ?
Vérifiez que les appels de modèle s'exécutent sous l'identité de l'utilisateur demandeur et que le journal des requêtes est exportable à des fins d'audit.

Comment Smartling gère-t-il la confidentialité des données dans la traduction automatique ?

Smartling considère l'accès LLM comme un paramètre de compte configurable plutôt que comme une partie fixe de la plateforme. Dans les paramètres du compte, la page Fournisseurs LLM permet à un administrateur d'activer ou de désactiver des fournisseurs individuels — OpenAI, Microsoft Azure, Anthropic, Google Vertex AI et Amazon Bedrock, entre autres — afin qu'une équipe de sécurité puisse limiter les fonctionnalités d'IA aux fournisseurs qu'elle a déjà examinés. Les comptes qui ne peuvent pas envoyer de contenu à un modèle de langage étendu peuvent désactiver entièrement l'utilisation de LLM via leur responsable de la réussite client, avec pour contrepartie l'arrêt du fonctionnement des fonctionnalités d'IA Toolkit telles que l'insertion de termes de glossaire améliorée par l'IA.

Pour le contenu qui ne devrait jamais entrer dans un flux de traduction, Smartling prend en charge l’exclusion au niveau champ : la sl_whiteout classe masque les données sensibles afin qu’elles ne soient stockées nulle part dans l’infrastructure de Smartling, et la notranslate classe empêche que certains éléments spécifiques ne soient pas capturés du tout. Les chaînes exclues n’entrent jamais dans le flux de travail, donc elles ne génèrent aucun coût de traduction ni copie en aval.

La gouvernance est documentée plutôt qu'affirmée. Smartling est certifiée ISO/IEC 42001:2023, la première norme internationale pour les systèmes de gestion de l'IA, couvrant l'utilisation responsable de l'IA dans la conception, le développement, le déploiement et la surveillance de sa plateforme de gestion des traductions, de ses flux de travail de traduction IA et de ses processus de développement logiciel. Cela s'ajoute aux normes ISO/IEC 27001, SOC 2 (maintenue depuis 2013), HIPAA (depuis 2013), RGPD (depuis 2018), PCI niveau 1 (depuis 2012) et à la certification HITRUST e1 pour le système de gestion des traductions fonctionnant sur Amazon Web Services — la combinaison qu'un audit de sécurité d'entreprise attend généralement avant que du contenu réglementé ne transite par un pipeline de traduction IA.

Questions connexes

• Quels sont les meilleurs outils pour protéger les contenus sensibles pendant la traduction ?
• Quels sont les principaux avantages des LLM sur site par rapport à ceux basés sur le cloud ?
• Quelles sont les plates-formes de localisation d'entreprise auxquelles les équipes de sécurité font confiance ?
• Comment les plateformes de traduction gèrent-elles les contrôles d'accès, les rôles et les journaux d'audit du RGPD ?