ESEAD · Digital
Sécurité, éthique et bon usage : l'IA en confiance
Savoir prompter une IA · séance 5 · ≈ 15 min d’écoute
Partie 1 — Confidentialité et données sensibles
Dans cette partie :
- Ce que vous ne devez jamais coller dans un outil non maîtrisé
- RGPD, secret d'affaires et bonnes pratiques concrètes
Définition : Donnée sensible
Une donnée sensible est toute information dont la diffusion non contrôlée expose une personne physique, une entreprise ou une institution à un risque juridique, financier, concurrentiel ou d'atteinte à la vie privée. Le RGPD distingue les données à caractère personnel (nom, email, numéro de sécurité sociale, données médicales) des données dites « particulièrement sensibles » (origine ethnique, opinion politique, santé, biométrie). Le secret d'affaires y ajoute toute information stratégique non publique.
Origine du terme : Sensible : du latin sensibilis, « qui peut être perçu, qui affecte ». En droit, désigne toute information dont la divulgation peut porter atteinte à une personne ou à une organisation.
Définition : RGPD et secret d'affaires
Le RGPD encadre le traitement de toute donnée à caractère personnel de résidents européens : collecte, stockage, transfert vers des pays tiers, durée de conservation. Tout transfert de données personnelles vers un outil dont le sous-traitant est établi hors UE sans garanties adéquates constitue une violation potentielle. Le secret d'affaires protège les informations qui ont une valeur commerciale parce qu'elles sont secrètes et que des mesures raisonnables ont été prises pour les garder secrètes. Sa violation peut engager la responsabilité pénale et civile.
Origine du terme : RGPD : acronyme de Règlement Général sur la Protection des Données, entré en vigueur le 25 mai 2018 dans l'Union européenne. Secret d'affaires : notion codifiée en droit français par la loi du 30 juillet 2018 transposant la directive européenne 2016/943.
À retenir : 1.1
- Cinq catégories ne passent jamais dans un outil non maîtrisé : données personnelles, médicales/RH, bancaires, secret d'affaires, authentification.
- Remplacez toujours les données réelles par des termes génériques ou fictifs avant de prompter.
- Le résultat est tout aussi utilisable — il suffit de personnaliser manuellement après.
À retenir : 1.2
- Un outil est « maîtrisé » s'il existe un contrat DPA, si l'entraînement est désactivé, si l'hébergement est conforme et si votre organisation a validé l'usage.
- Sans ces garanties : contextualisation générique uniquement — jamais de données réelles.
- En cas de doute, interrogez votre DSI ou service juridique avant d'utiliser un nouvel outil.
Partie 2 — Propriété, plagiat et contenus trompeurs
Dans cette partie :
- Citer l'IA, assumer son travail : la règle de transparence
- Reconnaître et déjouer les contenus générés trompeurs
Définition : Plagiat et transparence dans l'usage de l'IA
Le plagiat consiste à présenter comme sien un travail qui ne l'est pas, qu'il soit copié d'un humain ou généré par une machine. L'usage d'une IA générative n'est pas interdit en soi dans la plupart des contextes professionnels et académiques, mais il doit être déclaré lorsque le cadre l'exige. La transparence sur l'usage de l'IA signifie indiquer explicitement qu'un contenu a été produit ou co-produit avec un outil d'IA, afin que le lecteur ou l'évaluateur puisse en tenir compte.
Origine du terme : Plagiat : du latin plagiarius, « celui qui enlève les enfants d'autrui », utilisé par Martial au 1er siècle pour désigner le vol littéraire. Transparence : du latin médiéval transparere, « laisser passer la lumière », au sens figuré « ne rien dissimuler ».
Définition : Hallucination et contenu trompeur généré par IA
Une hallucination d'IA est une information inventée par le modèle — une citation fictive, un auteur inexistant, une statistique fabriquée, une date erronée — présentée avec le même ton assuré que les informations exactes. Un contenu généré trompeur va plus loin : il peut être délibérément conçu pour induire en erreur (deepfake textuel, fausse actualité, faux avis client). Les deux phénomènes exigent la même réponse : vérification systématique à la source.
Origine du terme : Hallucination : du latin hallucinari, « errer dans ses pensées, se tromper ». En informatique, le terme désigne la production par un modèle de langage d'informations factuellement incorrectes mais présentées avec assurance.
À retenir : 2.1
- L'usage de l'IA n'est pas interdit en soi : c'est la non-déclaration qui pose problème quand le cadre l'exige.
- Le travail rendu reste le vôtre : vous en êtes responsable, qu'il soit assisté ou non.
- Utilisez l'IA comme un coach de structuration plutôt que comme un rédacteur fantôme.
À retenir : 2.2
- L'IA hallucine : elle invente des références, des statistiques, des citations avec la même assurance que les informations exactes.
- Six signaux d'alerte : références précises non vérifiables, statistiques sans source, événements récents, fluidité parfaite, citations de personnalités, références juridiques.
- Demandez à l'IA de signaler ses incertitudes et vérifiez toujours les informations clés à la source primaire.
Partie 3 — Responsabilité humaine et impact global
Dans cette partie :
- Empreinte environnementale : les bons ordres de grandeur
- Charte personnelle d'usage : 8 points pour travailler en confiance
Définition : Empreinte environnementale de l'IA
L'empreinte environnementale d'un modèle d'IA générative comprend trois composantes : l'entraînement du modèle (phase unique, très intensive en énergie — de quelques dizaines à plusieurs milliers de tonnes de CO₂ selon la taille du modèle), l'inférence (chaque requête consomme de l'énergie, estimée entre 0,001 et 0,01 kWh selon la complexité, soit l'ordre de grandeur d'une recherche web avancée), et la consommation d'eau pour le refroidissement des datacenters. Ces ordres de grandeur sont en évolution rapide selon l'efficacité des infrastructures.
Origine du terme : Empreinte carbone : métaphore des années 1990, popularisée par le chercheur Mathis Wackernagel pour désigner la surface terrestre nécessaire à absorber les émissions d'un individu ou d'une activité. Appliquée à l'IA, elle englobe énergie d'entraînement, d'inférence et eau de refroidissement des datacenters.
Définition : Charte personnelle d'usage
Une charte personnelle d'usage de l'IA est un ensemble de principes et d'engagements concrets qu'un individu se fixe pour encadrer ses interactions avec les outils d'IA générative. Elle complète les règles imposées par la loi (RGPD, droit d'auteur) et les politiques organisationnelles en y ajoutant une dimension éthique et professionnelle propre à chaque personne. Elle n'est pas un document contractuel : c'est un outil de gouvernance personnelle.
Origine du terme : Charte : du latin carta, « papier, document écrit ». Désigne un texte fondateur qui définit des droits, des devoirs et des engagements. Une charte personnelle est un engagement volontaire, écrit pour soi, qui oriente les comportements dans la durée.
À retenir : 3.1
- L'entraînement des modèles est très coûteuse en énergie (responsabilité des fournisseurs) ; l'inférence est comparable à quelques minutes de streaming vidéo par requête.
- Générer des images consomme davantage que générer du texte.
- Prompter efficacement du premier coup réduit votre empreinte et votre temps : c'est un double bénéfice.
À retenir : 3.2
- Une charte personnelle, c'est votre propre gouvernance de l'IA : elle complète la loi et les politiques internes par votre éthique personnelle.
- Les 8 domaines couverts : confidentialité, conformité, transparence, responsabilité, fiabilité, autonomie intellectuelle, sobriété, veille.
- Le jugement, la vérification et la responsabilité finale restent toujours humains — l'IA assiste, vous décidez.
Questions fréquentes
Combien de temps dure le cours « Sécurité, éthique et bon usage : l'IA en confiance » ?
Environ 15 minutes d’écoute, réparties en 33 écrans avec voix-off, et un quiz d’auto-évaluation.
Faut-il s’inscrire ou payer ?
Non. Le cours est gratuit, sans inscription ni compte, et il peut être téléchargé pour être écouté hors-ligne.
À quel niveau correspond ce cours ?
Il correspond au niveau TOUS (TOUS) du catalogue du Groupe École de Commerce de Lyon. Il ne délivre aucun diplôme.
Que signifie « Donnée sensible » ?
Une donnée sensible est toute information dont la diffusion non contrôlée expose une personne physique, une entreprise ou une institution à un risque juridique, financier, concurrentiel ou d'atteinte à la vie privée. Le RGPD distingue les données à caractère personnel (nom, email, numéro de sécurité sociale, données médicales) des données dites « particulièrement sensibles » (origine ethnique, opinion politique, santé, biométrie). Le secret d'affaires y ajoute toute information stratégique non publique.
Que signifie « RGPD et secret d'affaires » ?
Le RGPD encadre le traitement de toute donnée à caractère personnel de résidents européens : collecte, stockage, transfert vers des pays tiers, durée de conservation. Tout transfert de données personnelles vers un outil dont le sous-traitant est établi hors UE sans garanties adéquates constitue une violation potentielle. Le secret d'affaires protège les informations qui ont une valeur commerciale parce qu'elles sont secrètes et que des mesures raisonnables ont été prises pour les garder secrètes. Sa violation peut engager la responsabilité pénale et civile.
Que signifie « Plagiat et transparence dans l'usage de l'IA » ?
Le plagiat consiste à présenter comme sien un travail qui ne l'est pas, qu'il soit copié d'un humain ou généré par une machine. L'usage d'une IA générative n'est pas interdit en soi dans la plupart des contextes professionnels et académiques, mais il doit être déclaré lorsque le cadre l'exige. La transparence sur l'usage de l'IA signifie indiquer explicitement qu'un contenu a été produit ou co-produit avec un outil d'IA, afin que le lecteur ou l'évaluateur puisse en tenir compte.
Que signifie « Hallucination et contenu trompeur généré par IA » ?
Une hallucination d'IA est une information inventée par le modèle — une citation fictive, un auteur inexistant, une statistique fabriquée, une date erronée — présentée avec le même ton assuré que les informations exactes. Un contenu généré trompeur va plus loin : il peut être délibérément conçu pour induire en erreur (deepfake textuel, fausse actualité, faux avis client). Les deux phénomènes exigent la même réponse : vérification systématique à la source.
Que signifie « Empreinte environnementale de l'IA » ?
L'empreinte environnementale d'un modèle d'IA générative comprend trois composantes : l'entraînement du modèle (phase unique, très intensive en énergie — de quelques dizaines à plusieurs milliers de tonnes de CO₂ selon la taille du modèle), l'inférence (chaque requête consomme de l'énergie, estimée entre 0,001 et 0,01 kWh selon la complexité, soit l'ordre de grandeur d'une recherche web avancée), et la consommation d'eau pour le refroidissement des datacenters. Ces ordres de grandeur sont en évolution rapide selon l'efficacité des infrastructures.
Que signifie « Charte personnelle d'usage » ?
Une charte personnelle d'usage de l'IA est un ensemble de principes et d'engagements concrets qu'un individu se fixe pour encadrer ses interactions avec les outils d'IA générative. Elle complète les règles imposées par la loi (RGPD, droit d'auteur) et les politiques organisationnelles en y ajoutant une dimension éthique et professionnelle propre à chaque personne. Elle n'est pas un document contractuel : c'est un outil de gouvernance personnelle.
Références du cours
- Commission européenne (2018), Règlement (UE) 2016/679 — Règlement Général sur la Protection des Données (RGPD), Journal officiel de l'Union européenne, EUR-Lex
- Commission européenne (2024), Règlement (UE) 2024/1689 — Règlement sur l'intelligence artificielle (AI Act), Journal officiel de l'Union européenne, EUR-Lex
- Parlement français (2018), Loi n° 2018-670 du 30 juillet 2018 relative à la protection du secret des affaires, Légifrance
- Patterson, D. et al. (Google Research) (2022), Carbon Emissions and Large Neural Network Training, arXiv:2104.10350 (version révisée 2022)
- International Energy Agency (IEA) (2022), Digitalisation and Energy — Data Centres and Data Transmission Networks, IEA, Paris
- CNIL (2024), Intelligence artificielle — recommandations de la CNIL, Commission Nationale de l'Informatique et des Libertés, cnil.fr
Dans la même série
- Comprendre une IA générative : ce qu'elle sait faire (et pas) (12 min)
- Le prompt efficace : contexte, objectif, contraintes (11 min)
- Techniques avancées : itérer, faire raisonner, chaîner (11 min)
- Cas d'usage professionnels et étudiants : la boîte à outils (13 min)
Toute la série « Savoir prompter une IA » · Tous les cours ESEAD
Cours conçu par le Groupe École de Commerce de Lyon. Contenu pédagogique de formation, sans valeur de diplôme.