Les équipes marketing B2B ont déployé des outils IA en production avant que la question juridique soit posée. Un export CRM collé dans ChatGPT, un scoring prédictif sur données tierces, une plateforme d'enrichissement : chacun de ces gestes engage l'entreprise sur un terrain légal précis. Voici ce que le cadre existant impose concrètement.
TL;DR
Coller un fichier de prospects dans un LLM sans vérifier le contrat du fournisseur constitue un envoi de données personnelles à un sous-traitant non encadré.
Dès qu'on attribue un score à un contact individuel, on fait du profilage au sens du RGPD, que l'outil l'appelle ainsi ou non.
L'ouverture d'un e-mail ne compte pas comme un contact du prospect pour le calcul de la durée de conservation des données.
Un bouton "valider tout" face à des propositions IA ne constitue pas un contrôle humain substantiel au regard de l'Art. 22 du RGPD.
L’intérêt légitime peut fonder le développement d’un système d’IA, sous les conditions posées par la CNIL le 19 juin 2025. Pour utiliser un outil IA en marketing, c’est à vous de documenter votre propre mise en balance.
Avant d'envoyer des données réelles à un fournisseur IA, vérifier le périmètre contractuel n'est pas une précaution : c'est une obligation.
Le RGPD ne change pas de nature quand on ajoute de l'IA, il change d'échelle
L’IA s’inscrit dans le régime juridique existant : elle amplifie des traitements qui existaient déjà (profilage, enrichissement, automatisation de décisions) et les rend beaucoup plus rapides, plus larges et moins visibles pour les équipes qui les déploient.
Ce glissement d'échelle a deux conséquences pratiques. D'abord, des traitements qu'une équipe de dix personnes effectuait manuellement sur quelques centaines de fiches peuvent désormais s'appliquer automatiquement à cent mille contacts en quelques secondes. Ensuite, la traçabilité se perd : on sait ce qu'on a demandé à l'outil, mais rarement ce qu'il a réellement écrit dans les champs, ni sur quelle base.
Pour Thiébaut Devergranne, docteur en droit et fondateur de donneespersonnelles.fr : « La mention "généré par IA" n'enlève ni le caractère personnel de ces informations ni vos obligations à leur égard. »
Ce que le RGPD couvre déjà dans vos workflows IA
Trois articles structurent la majorité des cas marketing. L’Art. 5(1)(c) et (d) impose minimisation et exactitude : une inférence non documentée qu’un outil IA écrit dans un champ actif peut violer les deux à la fois. L’Art. 22(1) encadre les décisions exclusivement automatisées à effet significatif, sauf exceptions (contrat, loi, consentement explicite). L’Art. 28 impose un contrat avec tout sous-traitant qui traite des données personnelles pour votre compte, y compris un éditeur SaaS.
À retenir :
L’IA rend les violations du RGPD plus rapides et plus difficiles à détecter après coup.
Un champ rempli par l’IA reste une donnée personnelle, avec les mêmes obligations d’exactitude et de minimisation.
Extraction, synthèse, inférence : trois gestes IA qui n'ont pas le même niveau de risque
C’est le point que la plupart des équipes ignorent. Quand un outil IA opère sur des données CRM, il peut faire trois choses très différentes, que Thiébaut Devergranne distingue explicitement :
« L'extraction reprend une information présente dans une source. La synthèse reformule cette demande pour faciliter sa lecture. L'inférence ajoute une conclusion : cette personne disposerait d'un budget important ou serait prête à acheter rapidement. Ces trois opérations ne présentent pas les mêmes besoins de contrôle. »
Extraction
Elle reprend ce qui est documenté dans une source identifiable. C'est le geste le plus défendable. Le risque porte sur la traçabilité : si le champ opérationnel ne conserve pas la référence de la source, la date et le passage exact, on ne peut plus vérifier l'exactitude ni répondre à une demande de rectification.
Synthèse
Elle reformule. Le problème spécifique de la synthèse : elle peut effacer une réserve ou une nuance présente dans la source. Un contact qui a dit "éventuellement intéressé d'ici un an" peut devenir "intérêt confirmé" après synthèse. Ce n'est plus exact au sens de l'Art. 5(1)(d).
Inférence
Elle ajoute quelque chose qui n'était pas dans la source. "Budget estimé à 15 000 €", "probabilité d'achat : 92 %", "profil décisionnaire" déduit d'un titre LinkedIn : toutes ces informations sont des inférences. Elles ne sont licites que si elles reposent sur une base légale identifiée, si elles sont nécessaires à l'action commerciale et si leur méthode est documentée. Un taux de confiance affiché par le modèle n'est pas une preuve si la méthode et la qualité pour l'usage ne sont pas documentées.
Côté actions :
Cartographier chaque champ que votre outil IA peut remplir et le classer dans l'une des trois catégories.
Désactiver l'écriture directe dans les champs actifs pour tout ce qui relève de l'inférence tant que la base légale n'est pas identifiée.
Le scoring prédictif est du profilage dès le premier point attribué
Beaucoup d'équipes pensent que le profilage commence à partir d'un certain niveau de sophistication, alors que le scoring prédictif par l’IA fait partie des premiers usages déployés en marketing B2B.
Pour Joseph Désiré, pôle Éditorial de La Fabrique du Net : « Noter une personne pour prédire son comportement porte un nom précis : c'est un profilage au sens du RGPD. Un CRM qui score ses contacts fait du profilage, qu'il l'appelle ainsi ou non. »
La distinction que Joseph Désiré formule est utile pour comprendre où commence l'obligation : « Mesurer que les entreprises de plus de cinquante salariés convertissent mieux ne relève donc pas du profilage. Attribuer 15 points à cette entreprise-ci parce qu'elle a plus de cinquante salariés, si. »
Trois risques concrets dans les grilles de scoring
Le score qui décide seul. Un score qui écarte automatiquement un contact d'une campagne, d'une offre ou d'un appel sans qu'aucune personne puisse revoir la décision entre dans le champ de l'Art. 22(1). Pour Joseph Désiré : « Un score qui déclenche seul une décision à effet significatif tombe sous l'article 22 du RGPD. »
L'ouverture d'e-mail comme signal de vie. Les grilles de scoring comportemental accordent généralement des points à l'ouverture d'un courriel. Or, selon la documentation CNIL reprise par La Fabrique du Net, le délai de conservation d'un prospect non client est de 3 ans à compter du dernier contact venant de lui. Et Joseph Désiré est catégorique : « L'ouverture d'un courriel ne compte pas comme un contact du prospect. » Une base entretenue par des envois réguliers peut donc afficher des scores actifs sur des fiches qui auraient dû être supprimées depuis longtemps.
Les données tierces comme source de scoring. Dès qu'un scoring intègre des données achetées ou issues d'un enrichissement externe, le cadre change. Pour Joseph Désiré : « Un scoring alimenté par des données achetées à des tiers sort du référentiel de la CNIL sur la gestion des activités commerciales. Autrement dit, l'entreprise quitte le cadre de référence qui lui servait de repère de conformité, et se retrouve à devoir justifier son traitement par elle-même. »
Ce que ça change concrètement :
Vérifier que votre workflow de scoring comporte un point de décision humain réel avant toute action à effet significatif (exclusion d'un segment, déclenchement d'un appel, refus d'une offre).
Auditer les critères comportementaux de votre grille : lesquels s'appuient sur des actions générées par votre propre envoi (ouverture, clic sur lien maison) plutôt que sur une initiative du prospect ?
Identifier les champs issus de données tierces et documenter la base légale spécifique pour chacun.
Coller un export CRM dans un LLM : ce que ça engage réellement
C'est probablement le geste le plus répandu et le moins encadré. Un commercial ou un ops exporte une liste de contacts, la colle dans ChatGPT, Claude ou Gemini pour obtenir une segmentation, une liste de priorités ou une rédaction personnalisée. En quelques secondes, des données personnelles ont quitté l'environnement contrôlé de l'entreprise. Les équipes qui ont structuré leurs outils IA en marketing B2B le savent : certaines refusent justement de faire passer leurs données clients par un LLM grand public.
Ce que le contrat du fournisseur détermine
L'Art. 28 du RGPD exige que tout sous-traitant qui traite des données personnelles pour votre compte soit encadré contractuellement : finalités, durée de conservation, accès, sous-traitants ultérieurs, possibilités de réutilisation. Les conditions générales des LLMs grand public ont souvent été rédigées pour un usage individuel. Elles ne couvrent pas nécessairement le traitement de données de tiers dans un contexte professionnel.
Pour Thiébaut Devergranne: « Tant que le périmètre du fournisseur reste indéterminé, n'envoyez pas les dossiers réels pour "voir ce que cela donne". »
Ce qu'il faut vérifier avant le premier envoi
Thiébaut Devergranne recommande de vérifier cinq points :
Le service effectivement souscrit (version entreprise ou grand public ?)
Les instructions données au modèle sont-elles conservées ? Par qui ? Pendant combien de temps ?
Les données sont-elles utilisées pour entraîner ou améliorer le modèle ?
Quels sont les sous-traitants ultérieurs du fournisseur ?
Où sont hébergées les données réellement (pas seulement l'interface) ?
Les transferts hors UE doivent être examinés au regard du chapitre V du RGPD, y compris les accès de support.
Points de vigilance :
Distinguer la version grand public d'un LLM (risque élevé) de la version entreprise avec DPA signé (risque encadré).
Ne jamais envoyer de données réelles avant d'avoir lu les clauses sur la réutilisation des données et identifié les sous-traitants ultérieurs.
L’intérêt légitime et l’IA : le cadre posé par la CNIL
Beaucoup d’équipes retiennent l’intérêt légitime par défaut pour leurs traitements IA. Les recommandations publiées par la CNIL le 19 juin 2025 portent sur un cas précis : le développement des systèmes d’IA, c’est-à-dire l’entraînement des modèles. Elles concernent d’abord les éditeurs, mais elles indiquent ce qu’il faut exiger d’eux.
Ce que les recommandations CNIL précisent
Pour les cas de réutilisation de données (conversations d’utilisateurs pour améliorer un modèle, web scraping), la CNIL attend des garanties fortes :
Information des personnes sur le traitement.
Droit d’opposition discrétionnaire (la personne peut s’y opposer sans avoir à justifier sa demande).
Limitation à des données pseudonymisées ou anonymisées dans la mesure du possible.
Exclusion de certaines catégories de données dès la collecte.
Le statut du modèle, la question à poser à vos fournisseurs
La CNIL a complété ce cadre le 22 juillet 2025 avec ses trois dernières fiches : annotation des données, sécurité du développement et statut d’un modèle au regard du RGPD. Le corpus compte désormais 13 fiches.
Un point concerne directement les équipes marketing : un modèle capable de mémoriser des données personnelles issues de son entraînement n’est pas anonyme, il reste donc soumis au RGPD. Si le fournisseur estime que son modèle échappe au RGPD, il doit pouvoir présenter l’analyse qui le démontre.
Pour votre équipe :
Si vous retenez l’intérêt légitime pour utiliser un outil IA, documenter votre propre test de mise en balance (intérêt de l’entreprise vs droits des personnes) et les garanties mises en place.
Prévoir un mécanisme d’opposition effectif, pas seulement une mention dans la politique de confidentialité.
Demander à chaque fournisseur s’il a documenté l’analyse de statut de son modèle au regard du RGPD.
Les questions que les équipes marketing posent sur le RGPD et l'IA
L'utilisation de ChatGPT avec des données clients est-elle conforme au RGPD ?
Cela dépend de la version utilisée et du contrat signé. Les conditions de la version grand public visent un usage individuel et ne couvrent pas nécessairement le traitement de données de tiers dans un cadre professionnel. La version entreprise (ChatGPT Enterprise ou API avec DPA) peut être encadrée, à condition de vérifier les clauses sur la réutilisation des données, les sous-traitants ultérieurs et les transferts hors UE. Dans les deux cas, l’envoi doit être encadré par contrat.
Qui est responsable de traitement quand on utilise un outil IA SaaS pour scorer des leads ?
L’entreprise qui déploie l’outil reste responsable de traitement : elle définit les finalités du scoring, choisit les données injectées et répond aux droits des personnes concernées. L’éditeur SaaS agit en principe comme sous-traitant au sens de l’Art. 28. S’il réutilise les données pour ses propres finalités (entraîner son modèle, par exemple), il devient responsable de ce traitement-là. En tant que sous-traitant, il répond du respect de vos instructions et des garanties de sécurité.
Comment mettre en conformité RGPD un outil d'enrichissement de données piloté par IA ?
Quatre étapes :
Identifier la source de chaque donnée enrichie et la base légale de sa réutilisation (une donnée accessible publiquement reste soumise au RGPD).
Documenter la provenance dans le champ lui-même (référence, date, passage).
Vérifier que l'Art. 14 est respecté : quand les données n'ont pas été collectées auprès de la personne, l'obligation d'information s'applique.
Encadrer le fournisseur d'enrichissement par un contrat conforme à l'Art. 28.
Les modèles d'IA hébergés aux États-Unis respectent-ils le RGPD pour les données européennes ?
Le simple hébergement en Europe ne garantit pas l'absence de transfert hors UE. Les accès de support, les flux vers des sous-traitants ultérieurs et les opérations de maintenance peuvent constituer des transferts soumis au chapitre V du RGPD. Le Data Privacy Framework (DPF) encadre les transferts vers les entreprises américaines certifiées, mais il faut vérifier la certification du fournisseur et les clauses contractuelles applicables.
Que doit contenir un contrat de sous-traitance avec un éditeur d'IA pour être conforme au RGPD ?
L'Art. 28 liste les clauses obligatoires. Dans le contexte spécifique de l'IA, les points à vérifier en priorité sont les suivants :
Finalités pour lesquelles le fournisseur peut utiliser les données (entraînement du modèle inclus ou exclu).
Liste des sous-traitants ultérieurs.
Localisation réelle des données et des accès.
Durée de conservation après résiliation du contrat.
Procédure de suppression ou de restitution des données.
Modalités d'audit.
Ce que vos contrats fournisseurs IA ne prévoient probablement pas encore
La plupart des DPA (Data Processing Agreements) des éditeurs IA ont été rédigés pour répondre aux exigences minimales de l'Art. 28 sans descendre dans les spécificités des cas d'usage marketing. Plusieurs clauses sont rarement présentes et méritent d'être demandées explicitement.
Les angles morts les plus fréquents
L'utilisation des données pour améliorer le modèle. Certains contrats prévoient que les données traitées peuvent servir à affiner les paramètres du modèle. Le fournisseur poursuit alors sa propre finalité : il devient responsable de ce traitement, ce qui modifie l’équilibre des responsabilités. Cette clause doit être identifiée et négociée avant signature.
La liste des sous-traitants ultérieurs. L’Art. 28(2) interdit au sous-traitant de recruter un autre sous-traitant sans autorisation écrite préalable du responsable de traitement. Si cette autorisation est générale, il doit l’informer de tout changement et lui laisser la possibilité de s’y opposer. Les contrats IA standard listent rarement ces tiers de façon exhaustive : exiger une liste nominative et une procédure de notification.
Les accès de support. Un hébergement déclaré en Europe peut coexister avec des accès techniques depuis des équipes de support localisées hors UE. Ces accès constituent des transferts au sens du RGPD s'ils permettent de consulter des données personnelles.
La durée de conservation après résiliation. Certains contrats prévoient une conservation longue à des fins de backup ou d'audit interne de l'éditeur. La durée doit être définie et limitée, avec une procédure de suppression certifiée.
À vérifier avant signature :
Demander à chaque éditeur IA une version à jour de son DPA et de sa liste de sous-traitants.
Négocier un délai de préavis avant tout changement de sous-traitant ultérieur, pour pouvoir vous y opposer à temps.
Vérifier explicitement que l'utilisation des données pour l'entraînement du modèle est exclue, ou encadrée sous les conditions CNIL (données pseudonymisées, droit d'opposition).
RGPD et IA en marketing B2B : les arbitrages que les équipes ne peuvent plus reporter
Le décalage décrit en introduction a une conséquence directe : la conformité devient un projet géré par le DPO, sans retour vers les ops. C’est ce découplage qui crée le risque.
Les gestes à sécuriser en priorité sont les plus quotidiens :
L’export CRM qui finit dans un prompt.
Le score comportemental calculé sur des données qui auraient dû être supprimées.
L’inférence IA écrite dans un champ actif sans validation humaine réelle.
Pour chacun, le cadre juridique existe déjà : l’Art. 22 encadre les décisions automatisées depuis 2018, l’Art. 28 impose l’encadrement contractuel des sous-traitants, et la CNIL a précisé ses attentes sur l’IA en 2025. Ce qui manque dans la plupart des équipes, ce n’est pas la réglementation : c’est sa traduction en gestes opérationnels vérifiables.
Pour aller plus loin
Vous utilisez l’IA sur vos données prospects et vous voulez confronter vos choix de conformité à d’autres CMO qui font face aux mêmes questions ?
