Comprendre la confidentialité et les données

Cette leçon ouvre la boucle Délégation-Diligence par la préoccupation la plus fréquente des associations face à l’IA : que deviennent les données que l’on partage ? Vous apprendrez à évaluer un outil selon sa politique de données, à décider ce qui peut être partagé, et à préparer des données sensibles pour un usage sûr. Deux exercices entraînent ce jugement sur des cas familiers.

Mise à jour du 5 novembre 2026. Les repères sur Claude (réglage d’amélioration des modèles, conversations incognito, offres professionnelles) sont ceux du centre de confidentialité Anthropic à cette date, désormais publié sur privacy.claude.com ; le cours officiel renvoie à privacy.anthropic.com, qui y redirige.

Ce qui se passe avec vos données

Une association manipule des informations que les gens lui ont confiées dans un cadre précis : coordonnées de donateurs, situations personnelles de bénéficiaires, réponses de sondages. Avant de partager quoi que ce soit avec un outil d’IA, il faut comprendre ce qu’il advient de ces données.

Premier point : l’entraînement des modèles. Certains outils utilisent vos saisies pour entraîner leurs modèles futurs, ce qui signifie que des motifs issus de vos données pourraient influencer les productions ultérieures du système. Ce n’est pas une raison de paniquer, mais une raison de lire la politique de chaque outil avant de lui confier autre chose que des informations publiques ; l’absence d’une telle politique est en soi un signal d’alerte.

Deuxième point : différents outils obéissent à différentes règles. L’IA gratuite que vous utilisez pour trouver des thèmes d’événement n’offre pas les mêmes protections qu’un compte payant assorti de politiques strictes de conservation. Adaptez l’outil à la tâche : des idées de titre pour votre gala peuvent se chercher n’importe où ; analyser les réponses d’un sondage de bénéficiaires exige un outil dont les garanties sont à la hauteur.

Troisième point, le plus important : l’usage responsable ne consiste pas à éviter l’IA, mais à l’utiliser judicieusement. Retrouvez la conscience du problème et la conscience de la plateforme avant tout nouveau projet : que cherchez-vous vraiment à obtenir, et que fait l’outil de vos données ? Vous découvrirez souvent que vous pouvez tirer pleinement parti de l’IA sans partager aucune information sensible, en découpant la tâche : demander la trame d’un rapport ne nécessite aucune donnée réelle, et vous n’insérez les chiffres qu’ensuite. Et pour une analyse de tendances, vous n’avez probablement besoin ni des noms, ni des coordonnées : les motifs se voient aussi bien sur des données anonymisées. Partez de votre objectif réel et demandez-vous quelles données sont vraiment nécessaires ; la réponse est presque toujours « moins que ce que contient le fichier ».

Et si malgré tout vous avez partagé quelque chose que vous n’auriez pas dû ? Supprimez la conversation, demandez la suppression des données via le processus de confidentialité de la plateforme, et suivez les protocoles de votre organisation, comme pour tout incident touchant des données.

Sur Claude, en novembre 2026

Sur les offres grand public (Free, Pro, Max), l’utilisation de vos conversations pour améliorer les modèles dépend d’un réglage que vous contrôlez, « Aider à améliorer nos modèles d’IA », dans les paramètres de confidentialité ; une conversation incognito n’est jamais utilisée à cette fin et n’est pas conservée dans l’historique. Sur les offres professionnelles (Team, Enterprise), les données ne servent pas à l’entraînement par défaut, et c’est votre organisation qui en reste responsable. Les politiques détaillées sont publiées sur le centre de confidentialité et le centre de confiance d’Anthropic. Les autres fournisseurs devraient proposer des ressources équivalentes ; s’ils n’en proposent pas, considérez cela comme un signal d’alerte.

À vous de jouer

Exercice 1 : évaluer la sensibilité des données. Choisissez le scénario le plus proche de votre travail : un tableur d’historique de dons avec noms, montants et coordonnées ; des réponses de sondage de participants avec détails démographiques ; un brouillon de rapport de subvention avec témoignages de bénéficiaires et données de résultats. Annotez-le : quels champs contiennent des informations personnelles identifiantes ? Lesquelles sont essentielles à l’analyse voulue ? Lesquelles pourraient être retirées ou anonymisées sans perte ? Quel serait le pire scénario si ces données étaient exposées ? Puis planifiez : ce que vous retireriez ou modifieriez avant tout partage, quel outil ou niveau d’offre conviendrait à cette sensibilité, quelles vérifications vous feriez après l’analyse.

Exercice 2 : pratiquer l’hygiène des données. Prenez un vrai document contenant des informations sensibles, ou créez un échantillon réaliste. Assainissez-le : remplacez les noms par des identifiants génériques (Personne A, Donateur 1), supprimez ou généralisez les lieux s’ils ne sont pas essentiels, supprimez les coordonnées, transformez les montants exacts en fourchettes si possible. Partagez le document assaini avec l’IA et posez-lui une question utile pour votre travail. Observez : la suppression des informations identifiantes a-t-elle limité l’aide ? Quel contexte avez-vous dû ajouter pour compenser ? Êtes-vous à l’aise avec ce qui a été partagé ? Dans la plupart des cas, l’analyse reste tout aussi utile : c’est la leçon centrale.

Questions de réflexion

• Comment votre réflexion sur la confidentialité avec l’IA se compare-t-elle à celle que vous appliquez à vos autres outils (messagerie, stockage en ligne, base de donateurs) ?
• Quel changement concret apporterez-vous à votre façon de partager des données avec l’IA ?

Sources officielles : Understanding privacy and data (Claude Academy) · Mes données servent-elles à l’entraînement ? (offres grand public) · Mes données servent-elles à l’entraînement ? (offres professionnelles) · Conversations incognito · Centre de confiance Anthropic

Points clés à retenir

• L’IA introduit une question nouvelle : vos saisies peuvent servir à entraîner des modèles ; lisez la politique de chaque outil.
• Différents outils, différentes règles : adaptez l’outil à la sensibilité de la tâche.
• L’usage responsable ne consiste pas à éviter l’IA, mais à découper la tâche et à anonymiser.
• Partez de l’objectif réel : vous avez presque toujours besoin de moins de données que le fichier n’en contient.
• En cas d’erreur, des recours existent : suppression de la conversation, demande de suppression des données, protocole interne.

Crédits et licence — Adaptation française du cours « AI Fluency for Nonprofits » de l’Anthropic Academy, réalisé par Anthropic en partenariat avec GivingTuesday et fondé sur le cadre AI Fluency de Rick Dakan et Joseph Feller. Les supports d’origine sont © 2026 Anthropic, publiés sous licence CC BY-NC-SA 4.0 ; cette adaptation, qui les traduit et les remanie, est diffusée sous la même licence.