Secret professionnel et IA : les métiers concernés

En bref. Sous le secret professionnel, l'IA peut être utilisée pour des tâches d’assistance documentaire, de pré‑tri ou de synthèse, à condition que les données restent sous contrôle du professionnel et que le modèle ne soit pas entraîné sur des informations confidentielles externes. Dans les métiers réglementés (avocat, expert‑comptable, santé), tout traitement qui implique un transfert hors du périmètre de confiance ou une ré‑utilisation des sorties constitue une violation du secret. Il faut donc privilégier des solutions locales ou chiffrées de bout en bout, et refuser toute externalisation non maîtrisée.

Lors d’une réunion de comité de direction d’un cabinet d’expertise comptable, le responsable juridique a lu à voix haute un courrier de l’Ordre demandant de justifier l’usage d’un outil de transcription automatique basé sur un service cloud américain.

Le cadre juridique du secret professionnel et ses implications pour l’IA

Le secret professionnel s’appuie sur des textes spécifiques : le code de déontologie des avocats, le code de déontologie des experts‑comptables et le secret médical régi par le code de la santé publique. Ces dispositions interdisent la divulgation d’informations confiées par un client ou un patient, sauf autorisation expresse ou obligation légale. Lorsqu’un système d’IA traite ces informations, il devient un sous‑traitant au sens du RGPD ; le responsable du traitement demeure le professionnel qui doit garantir la confidentialité tout au long du chaîne de traitement.

Deux principes en découlent : premièrement, aucune donnée secrète ne doit quitter le périmètre de contrôle du professionnel sans chiffrement de bout en bout et contrat de sous‑traitance conforme. Deuxièmement, le modèle d’IA ne doit pas être entraîné ou affiné avec ces données, sous peine de créer une copie potentiellement réutilisable ailleurs.

Ce qui reste possible : usages internes sous contrôle

Lorsque l’IA est déployée sur une infrastructure que le professionnel possède ou qu’il contrôle strictement (serveur interne, poste de travail chiffré, environnement cloud privé avec accès restreint), certaines fonctions d’assistance sont envisageables.

• Synthèse de notes de réunion ou de comptes rendus à partir de fichiers texte locaux, à l’aide de modèles tels que Mistral ou Claude exécutés en mode offline.
• Extraction d’entités juridiques ou comptables (numéros de SIREN, références de jurisprudence, codes CPT) via des règles combinées à un petit modèle de langage, sans envoyer les documents à un service extérieur.
• Assistant de rédaction de courriers types basé sur un modèle GPT-4o fine‑tuned sur un corpus interne anonymisé, hébergé sur un serveur dédié derrière un pare‑feu.
• Automatisation de tâches répétitives dans un CRM (par exemple HubSpot) grâce à n8n ou Make qui déclenchent des scripts uniquement sur des données déjà présentes dans le système.

Dans tous ces cas, le professionnel doit conserver les journaux d’accès, s’assurer que le modèle ne stocke pas les entrées après traitement, et prévoir une procédure de suppression immédiate en cas d’incident.

Ce qui est interdit : transferts et ré‑utilisation des données

Ne le faites pas lorsque l’outil utilisé envoie les données confidentielles à un serveur tiers dont vous ne maîtrisez pas les conditions d’utilisation. C’est le cas de nombreux services de transcription, de traduction ou de génération de texte proposés en mode SaaS sans option de déploiement sur site.

Exemples concrets à éviter :

• Utiliser un service de reconnaissance vocale hébergé aux États‑Unis pour transformer des enregistrements d’entretiens clients en texte, même si le service promet « ne pas conserver » les audio.
• Faire appel à un modèle de langage généraliste accessible via une API publique (ex. GPT-4o en version cloud) pour rédiger des conclusions d’audit contenant des données financières sensibles.
• Exporter un tableau Excel contenant des dossiers patients vers un complément d’IA qui analyse les tendances en ligne, sans chiffrement de bout en bout.

Dans ces situations, le risque est double : violation du secret professionnel et non‑conformité au RGPD, pouvant entraîner des sanctions professionnelles et financières.

Outils concrets et précautions d’emploi

Le choix de l’outil doit être guidé par la maîtrise du flux de données. Voici quelques combinaisons qui respectent, lorsqu’elles sont correctement configurées, les exigences de confidentialité.

Fonction	Outil proposé	Condition de mise en œuvre
Transcription audio interne	Modèle Whisper exécuté sur un poste de travail Linux	Aucun transfert réseau ; stockage des fichiers wav chiffrés
Extraction de données factures	Pipeline n8n avec nœud de traitement local + modèle Mistral en mode CPU	Base de données SQLite locale, sauvegarde chiffrée
Rédaction de contrats types	Assistant basé sur Claude déployé via LLama.cpp sur serveur interne	Modèle fine‑tuned sur un corpus d’annexes anonymisées, aucun appel externe
Suivi des tâches dans un CRM	Make scénario déclenché par changement de statut dans HubSpot	Données restent dans le CRM ; aucun envoi à un service d’IA extérieur

Avant toute mise en production, réalisez une analyse d’impact sur la protection des données (AIPD) et faites valider le dispositif par votre responsable juridique ou votre délégué à la protection des données.

Quand il vaut mieux s’abstenir : scénarios à risque

Certaines approches, bien qu’attrayantes sur le papier, présentent un niveau de risque incompatibles avec le secret professionnel, même lorsqu’elles utilisent des outils réputés sûrs.

• Apprentissage fédéré avec des partenaires externes : bien que les données ne quittent pas votre serveur, le partage de mises à jour de modèle peut révéler des tendances statistiques permettant une ré‑identification indirecte. Dans le cadre d’un cabinet d’avocats traitant des dossiers contentieux, cette fuite potentielle est généralement considérée comme une violation du secret.
• Utilisation de modèles pré‑entraînés sur des corpus publics contenant des informations juridiques ou médicales : même si le modèle ne voit pas vos données spécifiques, ses poids peuvent reproduire des formulations protégées par le droit d’auteur ou des jurisprudences particulières, ce qui peut être interprété comme une utilisation non autorisée de connaissances confidentielles.
• Externalisation du traitement vers un prestataire cloud qui propose uniquement une garantie contractuelle de confidentialité sans audit indépendant : la simple promesse contractuelle ne suffit pas lorsqu’il s’agit de secret professionnel ; le responsable doit pouvoir démontrer un contrôle effectif, ce qui est rarement possible avec une offre standard de type SaaS.

Dans ces cas, la réponse appropriée est n’y allez pas tant que les garanties techniques et contractuelles ne sont pas renforcées (par exemple, déploiement sur infrastructure privée certifiée ISO 27001 ou utilisation d’un environnement de confiance matérielle).

La prochaine étape consiste à cartographier, avec votre équipe juridique et votre DSI, les flux de données actuels liés à vos processus métiers, puis à identifier lesquels peuvent être internalisés ou remplacés par des solutions sur site respectant le secret.

Questions fréquentes

Puis‑je utiliser un service de traduction en ligne pour des pièces confidentielles si je signe un NDA avec le prestataire ?

Un NDA ne remplace pas le contrôle technique requis par le secret professionnel. Tant que les documents transitent par des serveurs dont vous ne maîtrisez pas l’accès, le risque de copie ou de stockage non autorisé persiste. Il faut privilégier un moteur de traduction installé localement ou un service cloud privé certifié.

Est‑ce que l’utilisation d’un modèle d’IA génératif pour rédiger des emails internes constitue une violation du secret ?

Si le modèle est exécuté sur votre propre infrastructure et que les entrées ne sont pas conservées ni réutilisées pour l’entraînement, l’usage reste conforme. En revanche, tout appel à une API publique qui garde les données, même temporairement, expose à un risque de divulgation.

Dois‑je déclarer l’usage d’un outil d’IA à l’Ordre professionnel dont je dépends ?

La plupart des ordres exigent une information préalable lorsqu’un traitement implique un sous‑traitant externe ou un transfert de données hors du cabinet. Consultez le guide déontologique de votre profession ; en cas de doute, soumettez une demande d’avis écrit avant la mise en production.

Quelle est la différence entre un modèle « ouvert » et un modèle «  propriétaire » en termes de secret professionnel ?

Un modèle ouvert (ex. Mistral, Llama) peut être téléchargé et exécuté sur vos propres serveurs, ce qui vous permet de garder le contrôle complet des données. Un modèle propriétaire accessible uniquement via une API externe implique forcément un transfert des données vers le fournisseur, ce qui est généralement incompatible avec le secret sauf disposition particulière de chiffrement de bout en bout et audit tiers.