Sécurité, confidentialité et contrôle des données

Dès l'instant où vous connectez un Connector Google Drive ou téléversez un fichier client dans Advanced Data Analysis, vous avez déplacé les données de votre entreprise dans le système d'un tiers, et les règles qui régissent ces données ne sont pas les mêmes pour tous les comptes. Cette leçon porte sur le fait de savoir exactement quelles règles s'appliquent à vous, ce qui est utilisé pour l'entraînement, et comment configurer ChatGPT pour utiliser les Actions et les Connectors au travail sans rien laisser fuir.

La ligne qui compte vraiment : qui contrôle l'entraînement

Oubliez un instant les offres commerciales. La distinction la plus importante est de savoir si votre contenu peut être utilisé par défaut pour entraîner les modèles d'OpenAI.

Offres grand public (Free, Plus, Pro) : par défaut, vos conversations et téléversements *peuvent* être utilisés pour améliorer les modèles. Vous pouvez désactiver cela. Dans les paramètres, Data Controls → Improve the model for everyone gère ce point. Le désactiver coupe aussi, dans certains cas, la synchronisation de l'historique des conversations, mais vos données cessent d'alimenter l'entraînement.

Offres entreprise (Team, Enterprise, Edu) et l'API : le contenu professionnel n'est pas utilisé pour entraîner les modèles d'OpenAI par défaut. C'est un engagement contractuel, pas une case à cocher qu'il faut penser à activer. Les workspaces Team, Enterprise et Edu excluent vos données de l'entraînement dès le départ, et il en va de même pour l'API OpenAI.

Donc le modèle mental le plus simple :

• Compte personnel, paramètres par défaut : supposez que cela peut entraîner les modèles. Refusez si cela vous importe.
• Team / Enterprise / API : pas d'entraînement sur vos données, point.

La formulation officielle et à jour se trouve sur la page Enterprise privacy et dans la documentation sur l'usage des données de l'API. Lisez-les une fois ; elles changent rarement mais elles font foi.

« Non utilisé pour l'entraînement » ne veut pas dire « non stocké »

Même quand vos données sont exclues de l'entraînement, elles transitent quand même et sont généralement conservées pendant une période limitée pour la surveillance des abus et l'exploitation. Sur l'APIAPIApplication Programming Interface : une interface standardisée qui permet aux applications de communiquer et d'échanger des données sans connaître leur fonctionnement interne respectif.Voir la définition complète →, la conservation standard est d'environ 30 jours, puis suppression, sauf si vous êtes éligible au Zero Data Retention (ZDR), qu'OpenAI accorde aux cas d'usage entreprise éligibles afin que rien ne soit stocké après la fin de la requête.

À retenir : « pas d'entraînement dessus » répond à la question de la propriété intellectuelle. « Combien de temps est-ce stocké et qui peut le voir » est une question distincte, à laquelle vous répondez avec les paramètres de rétention et le ZDR.

Où vont réellement les données quand vous utilisez les Actions et les Connectors

C'est là que les gens sont surpris. ChatGPT n'est pas une boîte scellée dès lors que vous ajoutez des outils.

Connectors

Un Connector (Google Drive, SharePoint, GitHub, Box, et d'autres) donne à ChatGPT un accès cadré, en lecture, à un système externe pour qu'il puisse ramener du contexte dans une conversation ou alimenter la deep research. Deux choses à intégrer :

1. Les données circulent dans les deux sens au moment de la requête. Quand ChatGPT cherche dans votre Drive pour répondre à une question, des extraits de ces fichiers entrent dans la conversation. Ils sont désormais régis par la politique de données *de votre compte*, pas par celle du système source.
2. Les admins contrôlent quels Connectors existent. Dans les workspaces Enterprise et Team, un admin active les Connectors de façon centralisée. Si vous mettez cela en place pour une équipe, limitez les Connectors aux systèmes que vous avez réellement validés.

Consultez la liste actuelle et le comportement dans la documentation d'aide sur les Connectors ChatGPT.

GPT Actions

Une Action permet à un Custom GPT d'appeler une API externe que vous définissez via un schémamaUtiliser un logiciel pour automatiser les tâches et campagnes marketing répétitives, afin de personnaliser à grande échelle sur des canaux comme l'email, le web et le social.Voir la définition complète → OpenAPI. **C'est la surface la plus risquée parce que c'est *vous* qui câblez le chemin des données**. Quand un utilisateur parle à votre GPT, ChatGPT peut envoyer du contenu de conversation vers l'endpoint que votre Action désigne.

Trois contrôles comptent :

• Auth : utilisez OAuth ou une authentification par clé d'API dans la configuration de l'Action, ne codez jamais un secret en dur dans les instructions.
• Périmètre : l'endpoint ne doit faire que ce dont le GPT a besoin. Une Action « consulter le statut d'une commande » ne doit pas exposer une route « supprimer un client ».
• Minimisation des données : votre Action reçoit ce que le modèle décide d'envoyer. Validez et assainissez côté serveur.

Voici un fragment de schéma d'Action minimal et sûr. Notez l'authentification explicite et l'objet unique en lecture seule :

openapi: 3.1.0
info:
  title: Order Status
  version: "1.0"
servers:
  - url: https://api.example.com
paths:
  /orders/{id}/status:
    get:
      operationId: getOrderStatus
      summary: Return shipping status for one order
      parameters:
        - name: id
          in: path
          required: true
          schema: { type: string, pattern: "^[A-Z0-9]{8,12}$" }
      responses:
        "200":
          description: Status found
          content:
            application/json:
              schema:
                type: object
                properties:
                  status: { type: string }
                  eta: { type: string, format: date }

La contrainte pattern est un contrôle modeste mais réel : elle empêche le modèle d'envoyer des identifiants mal formés ou injectés à votre backend.

L'agent ChatGPT, Codex et les tâches planifiées

L'agent ChatGPT peut naviguer, cliquer et exécuter des actions en votre nom, ce qui signifie qu'il peut soumettre des formulaires et déplacer des données de façon autonome. Codex opère sur des dépôts de code. Les tâches planifiées exécutent des prompts à intervalles, parfois pendant votre absence.

Le profil de risque monte avec l'autonomie. Un agent capable d'agir sur un système connecté peut être détourné par prompt injection : du texte malveillant caché dans une page web ou un document qui tente de détourner les instructions de l'agent. Considérez toute exécution autonome touchant des systèmes sensibles comme nécessitant une étape d'approbation humaine, et privilégiez un accès en lecture seule pour tout ce qui est expérimental.

Un mot sur la memory, les custom instructions et les Projects

Ces trois fonctionnalités conservent discrètement des données d'une conversation à l'autre, elles méritent donc une revue de sécurité.

• Memory stocke des faits que le modèle apprend sur vous au fil des conversations. Si vous collez les données d'un client dans une conversation, la memory pourrait en retenir un résumé. Consultez et effacez la memory dans Settings → Personalization → Memory. Dans les workspaces Enterprise, les admins peuvent en encadrer l'usage.
• Les custom instructions sont envoyées avec chaque message. N'y mettez pas de secrets ni de noms de clients complets.
• Les Projects limitent fichiers et conversations à un espace unique. C'est en fait un *bon* contrôle : cela contient les documents d'un client dans un seul Project au lieu de les répandre dans tout votre historique. Utilisez les Projects comme frontières de confinement.

L'exposition des custom GPT et du GPT Store

Si vous publiez un Custom GPT dans le GPT Store, rappelez-vous ce qui est partagé et ce qui ne l'est pas.

• Vos instructions et votre configuration peuvent être partiellement déduites par des utilisateurs déterminés ; ne considérez pas le system promptsystem promptLes instructions cachées qui définissent le comportement d'un assistant IA avant toute question : son rôle, son ton, ses limites et ses règles.Voir la définition complète → comme un coffre-fort.
• Les fichiers de connaissance téléversés attachés à un GPT peuvent parfois être extraits par des utilisateurs à force de prompts habiles. N'attachez jamais à un GPT public un fichier que vous ne remettriez pas sereinement à un inconnu.
• Les conversations que les utilisateurs ont avec votre GPT sont régies par les paramètres de *leur* compte et par les politiques d'OpenAI, pas par les vôtres.

Pour les GPT à usage interne, réglez le partage sur « Uniquement les personnes de mon workspace » plutôt que public. Ce seul réglage fait la différence entre un outil privé et un outil public.

Une règle simple pour un usage sûr au travail

Vous n'avez pas besoin d'une politique de 40 pages. Vous avez besoin d'une règle qui tient sous pression :

Si la donnée est réglementée, confidentielle, ou appartient à quelqu'un d'autre, elle ne va que dans un workspace qui exclut contractuellement l'entraînement et qu'un admin contrôle. Tout le reste peut aller dans votre compte personnel.

Déroulons :

• Réglementée : données de santé, financières, personnelles couvertes par le RGPDRGPDRèglement de l'UE encadrant la collecte, le stockage et l'usage des données personnelles, avec des amendes indexées sur le chiffre d'affaires mondial.Voir la définition complète → ou des règles de type HIPAAHIPAAHealth Insurance Portability and Accountability Act, loi américaine imposant la protection des données de santé (PHI). Violations : amendes jusqu'à 1,9M$ par catégorie de violation.. Workspace professionnel uniquement, et vérifiez votre DPA.
• Confidentielle : produits non lancés, code source, stratégie, identifiants. Workspace professionnel, et jamais dans les custom instructions ni dans des GPT publics.
• Celle de quelqu'un d'autre : données clients, données partenaires, tout ce que vous êtes contractuellement tenu de protéger. Workspace professionnel, idéalement cadré dans un Project.

Si aucun de ces trois cas ne s'applique (vous rédigez un article de blog, vous apprenez un concept, vous résumez un article public), votre compte personnel convient.

Appliquer la règle à l'API

Sur l'API le même principe tient, et en plus vous maîtrisez le system prompt et la configuration de rétention. Utilisez les structured outputs pour contraindre ce que le modèle renvoie, afin qu'un système en aval ne reçoive jamais du texte libre qu'il pourrait mal traiter. Voici la forme d'une requête qui impose un schéma strict :

from openai import OpenAI

client = OpenAI()

resp = client.responses.create(
    model="gpt-4.1",
    input="Extract the order ID and status from: 'Order AB12CD34 shipped today.'",
    text={
        "format": {
            "type": "json_schema",
            "name": "order",
            "strict": True,
            "schema": {
                "type": "object",
                "properties": {
                    "order_id": {"type": "string"},
                    "status": {"type": "string"},
                },
                "required": ["order_id", "status"],
                "additionalProperties": False,
            },
        }
    },
)

print(resp.output_text)

strict: True plus additionalProperties: False garantit que le modèle ne peut pas faire passer de champs supplémentaires dans votre pipelinepipelineL'ensemble des opportunités commerciales actives réparties selon les étapes du processus de vente, avec leur valeur potentielle cumulée et leur probabilité de conclusion.Voir la définition complète →. C'est autant un contrôle de confidentialité qu'un contrôle de justesse : cela borne exactement les données qui franchissent la frontière de votre système.

Si vous construisez des agents

Quand vous utilisez le function calling ou l'Agents SDK pour donner des outils à un modèle, chaque outil est un point de sortie de données. Appliquez le moindre privilège à chaque fonction comme vous le feriez pour l'Action YAML ci-dessus : périmètre étroit, entrées validées, et un point de contrôle humain avant toute action irrirrLe taux de rendement interne est le taux d'actualisation qui annule la valeur actuelle nette d'un projet. Il exprime le rendement annualisé attendu d'un investissement.Voir la définition complète →éversible ou sensible. Le fait que le modèle décide *quand* appeler un outil n'exonère pas votre code de valider *avec quoi* il l'appelle.

Checklist admin rapide pour un déploiement d'équipe

Si c'est vous qui activez ChatGPT pour vos collègues :

1. Utilisez un workspace Team ou Enterprise pour que l'exclusion d'entraînement soit contractuelle, pas au cas par cas.
2. N'activez que les Connectors validés, et privilégiez les scopes en lecture seule.
3. Réglez le partage par défaut des Custom GPT sur workspace uniquement.
4. Décidez de votre posture sur la memory et la rétention, et renseignez-vous sur le ZDR si vous traitez des données réglementées.
5. Diffusez la règle en une phrase ci-dessus à tous les utilisateurs. C'est la simplicité qui fait qu'une politique est réellement suivie.

Points clés

• L'offre détermine l'entraînement par défaut. Les comptes personnels peuvent entraîner les modèles sur vos données sauf refus explicite ; Team, Enterprise, Edu et l'API l'excluent contractuellement. Vérifiez sur la page Enterprise privacy.
• « Pas d'entraînement dessus » n'est pas « pas stocké ». Posez séparément la question des durées de rétention et du Zero Data Retention quand les données sont sensibles.
• Les Actions et les Connectors sont des sorties de données. Donnez à chacun un périmètre étroit, une vraie authentification et des entrées validées ; considérez les agents autonomes et les tâches planifiées comme plus risqués et ajoutez une approbation humaine.
• Utilisez les Projects et le partage limité au workspace comme confinement. Ils évitent que les fichiers d'un client se répandent dans votre historique ou dans le GPT Store public.
• Retenez une règle : les données réglementées, confidentielles ou appartenant à quelqu'un d'autre ne vont que dans un workspace contrôlé par un admin qui exclut l'entraînement. Tout le reste passe très bien dans votre compte personnel.