Utiliser l'IA sans lui confier de données confidentielles : guide pratique pour les OBNL

Quand des gens d’OBNL veulent utiliser l’IA, la question qu’ils me posent le plus souvent, ce n’est pas « quel outil devrais-je prendre? ». C’est celle-ci :

« Comment je fais, concrètement, pour me servir de l’IA dans mon travail sans lui donner de renseignements confidentiels sur les personnes qu’on accompagne? »

C’est la bonne question. Et la réponse honnête, c’est que ça se règle, mais il faut savoir ce qui arrive vraiment à vos données, et la plupart des gens ne le savent pas.

Voici ce qu’il faut savoir, et quoi faire.

Ce qui arrive vraiment à vos données

Quand vous tapez quelque chose dans ChatGPT, Claude ou un autre outil d’IA, ce texte s’en va vers un serveur, habituellement aux États-Unis, où il est traité par le modèle d’IA. Ce qui se passe ensuite dépend de quelques facteurs que la plupart des utilisateurs ne vérifient jamais.

Les forfaits gratuits et grand public de la plupart des outils d’IA se sont longtemps servis des conversations pour entraîner les versions futures de leurs modèles. Les politiques varient et changent, mais pour les outils gratuits, partez du principe que ce que vous entrez peut servir à améliorer le produit.

Les forfaits payants et pour entreprises offrent généralement de meilleures protections des données. Les forfaits d’affaires d’OpenAI, Claude for Teams d’Anthropic et Microsoft Copilot pour entreprises s’engagent tous, par contrat, à ne pas utiliser vos données pour entraîner leurs modèles, et certains proposent des ententes de traitement des données qui tiennent compte des exigences des lois canadiennes sur la protection de la vie privée.

En pratique, pour les OBNL : si vous utilisez un compte ChatGPT gratuit, Google Gemini sans abonnement Workspace ou un outil grand public semblable, tenez pour acquis que, pour votre organisation, les données que vous entrez ne sont pas vraiment privées. Avec un forfait payant d’un fournisseur réputé, le portrait est nettement meilleur, mais ça ne veut pas dire pour autant que vous pouvez y verser des données brutes de clients sans y penser.

Le volet canadien

Les organisations canadiennes, particulièrement au Québec, ont des obligations supplémentaires que les conseils américains ne couvrent pas.

La LPRPDE (la loi fédérale sur la protection des renseignements personnels dans le secteur privé) oblige les organisations à protéger les renseignements personnels dont elles ont la responsabilité et à obtenir un consentement valable avant de les recueillir ou de les utiliser. Quand des données de clients se retrouvent dans un outil d’IA américain, savoir qui contrôle ces données devient vraiment compliqué.

La Loi 25 au Québec va plus loin. Elle exige des évaluations des facteurs relatifs à la vie privée (EFVP) pour les nouvelles technologies qui traitent des renseignements personnels, oblige à désigner une personne responsable des renseignements personnels dans votre organisation et, dans certains cas, exige d’informer les personnes lorsque des systèmes automatisés prennent des décisions qui les concernent. Si votre organisation est active au Québec et que vous utilisez des outils d’IA avec des données de clients, même avec un forfait payant, l’EFVP n’est pas optionnelle.

Je ne cherche pas à vous faire peur, seulement à être exact. Avec une mise en place réfléchie, la plupart des organisations peuvent s’en sortir. Mais « on a un forfait payant », ça ne suffit pas, à soi seul, pour être conforme.

La méthode de dépersonnalisation

L’approche la plus pratique pour la majorité des cas d’usage de l’IA en OBNL, c’est la dépersonnalisation : retirer ou remplacer les renseignements identificatoires avant qu’ils entrent dans un outil d’IA.

Pour la plupart des tâches, c’est plus simple que ça en a l’air. Voici comment ça fonctionne en pratique :

Pour les notes de dossier et la documentation des clients : avant d’utiliser l’IA pour vous aider à résumer, synthétiser ou rédiger à partir de notes de dossier, remplacez les noms par des codes (« Client A », « Client B ») ou des descriptions génériques (« une femme de 34 ans en situation d’instabilité résidentielle »). Retirez les dates précises, les lieux et tout autre détail qui pourrait identifier une personne. L’IA a assez de contexte pour vous aider; les renseignements identificatoires du client restent hors du système.

Pour les résumés de réunion : si vous résumez une réunion qui impliquait des clients ou où on a discuté de dossiers, retirez ou remplacez les noms avant de coller la transcription. L’IA n’a habituellement pas besoin de détails identificatoires pour vous aider à bien résumer le fond de la discussion (décisions sur les programmes, planification des services, orientations vers des ressources).

Pour les demandes de subvention et les rapports : des données agrégées et des exemples de cas anonymisés suffisent presque toujours pour la rédaction assistée par l’IA. « Nous avons accompagné 47 personnes en situation d’itinérance au T3 », c’est à la fois plus respectueux de la vie privée et, généralement, exactement ce dont un rapport de subvention a besoin.

Pour les documents internes et les tâches administratives : brouillons de courriels, ordres du jour, documents de politique, communications RH : la plupart de ces documents ne contiennent aucun renseignement personnel sur les clients. C’est là que l’IA peut aider le plus librement, et c’est par là que la plupart des organisations devraient commencer.

Un cadre simple : trois catégories de tâches

Plutôt que d’évaluer chaque tâche une par une, c’est plus simple de classer votre travail en trois catégories :

Sans risque avec n’importe quel outil :
Les tâches qui ne touchent aucun renseignement personnel. Brouillons de communications, résumés de recherche, rédaction générale, gabarits administratifs, ordres du jour, matériel de formation interne, contenu public. Utilisez sans hésiter l’outil approuvé dont vous disposez.

Sans risque après dépersonnalisation :
Les tâches qui touchent des situations de clients, des tendances dans les dossiers ou des données de programmes, mais où les détails identificatoires peuvent être retirés sans perdre l’essentiel. Notes de dossier, rapports de programme, rédaction de demandes de subvention, cadres de planification des services. Dépersonnalisez avant d’utiliser l’IA.

Réservées aux humains (pour l’instant) :
Les tâches où les renseignements identificatoires sont indissociables de la tâche, où une erreur coûterait cher, ou où l’utilisation de l’IA minerait la relation de confiance avec la personne servie. Les décisions concernant des individus, le travail thérapeutique ou clinique, les évaluations à l’accueil de populations vulnérables, tout ce qu’une personne s’attend raisonnablement à voir traité en privé, par des humains seulement.

Ce n’est pas permanent. La catégorie « réservées aux humains » va rétrécir à mesure que les outils s’améliorent, que les politiques des organisations mûrissent et que des conseils propres au secteur se développent. Mais mieux vaut partir de catégories claires que de réévaluer chaque cas limite à partir de zéro.

La question du forfait payant

Pour les organisations qui ont un abonnement payant à l’IA ou qui y songent, voici ce qu’il faut vérifier côté protection des données :

• Pas d’entraînement sur vos données : le fournisseur devrait s’engager, par écrit, à ne pas utiliser vos conversations pour entraîner ses modèles.
• Entente de traitement des données : pour les organisations soumises à la LPRPDE ou à la Loi 25, une entente qui tient compte des exigences canadiennes est importante. Demandez-la expressément : ce ne sont pas tous les fournisseurs qui l’offrent d’office.
• Options de résidence des données : certains outils offrent l’hébergement des données au Canada ou en Europe. Ce n’est pas toujours possible, mais ça vaut la peine de le demander, surtout pour les organisations de santé ou de services sociaux.
• Contrôles d’accès selon les rôles : pour les comptes d’équipe, assurez-vous que le personnel n’a accès qu’à ce dont il a besoin.

Pour les organisations canadiennes, Microsoft Copilot (par un abonnement Microsoft 365) est l’option la plus mature en matière de gouvernance des données d’entreprise, surtout parce que Microsoft a une solide infrastructure de conformité pour les secteurs réglementés. Ce n’est pas la seule option, mais c’est le point de départ que les organisations déjà dans l’écosystème Microsoft ont le plus souvent sous la main.

Quoi dire à votre équipe

La dimension organisationnelle compte autant que la dimension technique. Des employés qui décident chacun de leur côté, au cas par cas, de ce qu’on peut mettre dans un outil d’IA, c’est la recette parfaite pour l’incohérence et le risque.

Une politique interne simple sur l’IA (une page, en langage clair) devrait répondre à trois questions pour votre équipe :

1. Quels outils sont approuvés pour l’usage de l’organisation?
2. Quels renseignements ne doivent jamais entrer dans un outil d’IA, peu importe les circonstances?
3. Quelle est la marche à suivre quand quelqu’un n’est pas sûr?

La troisième question est la plus importante. Quand le personnel sait vers qui se tourner en cas de doute, il risque beaucoup moins de prendre une mauvaise décision sous pression. Sans consignes, chacun invente ses propres règles, et ces règles sont imprévisibles.

Mitch Schwartz est le fondateur d’Ops Machine, un cabinet de conseil en intégration de l’IA et en flux de travail établi à Montréal. Il travaille avec des OBNL et des organisations en pleine transformation pour trouver où l’IA a sa place, bâtir les bons systèmes et s’assurer que les équipes s’en servent vraiment. Réservez un appel découverte gratuit →