ChatGPT · Sécurité, confidentialité et contrôle des données

Dès que vous connectez Google Drive comme app dans ChatGPT ou que vous chargez un tableur clients pour une analyse de données, les données de votre entreprise se trouvent dans le système de quelqu'un d'autre. Les règles qui s'y appliquent varient selon le type de compte. Cette leçon couvre les règles qui vous concernent, ce qui sert à l'entraînement et comment configurer ChatGPT pour utiliser les Actions et les apps au travail sans rien laisser fuiter.
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 servir par défaut à entraîner les modèles d'OpenAI.
Offres grand public (Free, Go, Plus, Pro) : par défaut, vos conversations et vos fichiers chargés *peuvent* servir à améliorer les modèles. Vous pouvez désactiver cette option dans Settings → Data Controls → Improve the model for everyone. La désactiver conserve votre historique de conversations. Si vous voulez une conversation qui échappe totalement à l'historique et à la mémoire, utilisez Temporary Chat.
Offres professionnelles (ChatGPT Business, anciennement Team ; Enterprise ; Edu) et API : le contenu professionnel n'est pas utilisé par défaut pour entraîner les modèles d'OpenAI. C'est un engagement contractuel. Personne n'a besoin de penser à activer une option. Il en va de même pour l'API OpenAI.
Le modèle mental simple :
- Compte personnel avec les paramètres par défaut : partez du principe qu'il peut servir à l'entraînement. Désactivez l'option si cela vous importe.
- Business, Enterprise, Edu ou 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 → : pas d'entraînement sur vos données par défaut.
La position officielle figure sur la page de confidentialité Enterprise et dans la documentation sur l'usage des données de l'API. Lisez-les une fois. Ce sont les sources de référence, et les noms d'offres qui y figurent changent.
« Pas utilisé pour l'entraînement » ne veut pas dire « pas stocké »
Les données exclues de l'entraînement transitent malgré tout par les systèmes d'OpenAI. Elles sont généralement conservées pendant une durée limitée pour la détection des abus et l'exploitation. Sur l'API, la conservation standard est d'environ 30 jours, suivie d'une suppression. Les cas d'usage enterprise éligibles peuvent demander la Zero Data Retention (ZDR), qui signifie que rien n'est stocké une fois la requête terminée.
Les obligations légales peuvent primer sur ces durées. En 2025, une ordonnance de conservation rendue dans le procès intenté par le New York Times a temporairement obligé OpenAI à conserver certaines données grand public et API qu'elle aurait normalement supprimées. Les clients Enterprise et ZDR en étaient exclus. La leçon pour vous : les politiques de suppression sont des engagements pris en conditions normales. Ce sont votre contrat et votre DPA qui tiennent en conditions anormales.
« Pas d'entraînement » répond donc à la question de la propriété intellectuelle. La durée de stockage des données et les personnes qui y ont accès constituent une question distincte, à laquelle vous répondez par les paramètres de conservation, la ZDR et votre contrat.
Où vont réellement les données quand vous utilisez Actions et apps
C'est là que beaucoup sont surpris. Dès que vous ajoutez des outils, ChatGPT cesse d'être une boîte fermée.
Apps (anciennement Connectors)
Une app comme Google Drive, SharePoint, GitHub ou Box donne à ChatGPT un accès délimité à un système externe pour qu'il puisse injecter du contexte dans une conversation ou alimenter une deep research. OpenAI a renommé les connectors en apps, vous verrez donc les deux termes dans les documentations plus anciennes. Deux points à intégrer :
- Les données circulent au moment de la requête. Quand ChatGPT fouille votre Drive pour répondre à une question, des extraits de ces fichiers entrent dans la conversation. À partir de là, c'est la politique de données de *votre compte ChatGPT* qui s'applique, et non celle du système source.
- Les administrateurs contrôlent les apps disponibles. Dans les espaces de travail Business et Enterprise, un administrateur active les apps de façon centralisée. Si vous configurez cela pour une équipe, n'autorisez que les systèmes que vous avez réellement vérifiés. Certaines apps peuvent aussi écrire, par exemple en crcrLe pourcentage de visiteurs ou de prospects qui réalisent une action attendue (achat, inscription, formulaire de contact), calculé en divisant les conversions par le nombre total d'opportunités.Voir la définition complète →éant un document ou un ticket : vérifiez donc les permissions de chacune.
Consultez la liste actuelle et le fonctionnement dans le centre d'aide ChatGPT.
GPT Actions
Une Action permet à un GPT personnalisé d'appeler une API externe que vous définissez avec 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, car c'est *vous* qui construisez le chemin des données.** Quand un utilisateur échange avec votre GPT, ChatGPT peut envoyer le contenu de la conversation vers l'endpoint ciblé par votre Action.
Les contrôles qui comptent :
- Authentification : utilisez une authentification OAuth ou par clé API dans la configuration de l'Action. N'inscrivez 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 » n'a aucune raison d'exposer une route « supprimer un client ».
- Minimisation des données : votre Action reçoit ce que le modèle décide d'envoyer. Validez et nettoyez les entrées côté serveur.
Voici un fragment minimal de schéma d'Action. Notez la contrainte explicite sur l'entrée et la route en lecture seule, à usage unique :
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 à votre backend des identifiants mal formés ou injectés. Votre serveur doit quand même appliquer la même vérification.
ChatGPT agent, Codex et tâches planifiées
ChatGPT agent peut naviguer, cliquer et agir pour vous, ce qui signifie qu'il peut soumettre des formulaires et déplacer des données de lui-même. Codex travaille sur des dépôts de code et peut ouvrir des pull requests. Les tâches planifiées exécutent des prompts selon un calendrier, parfois en votre absence.
Le risque augmente 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, un e-mail ou un document, qui tente de prendre le contrôle des instructions de l'agent. Toute exécution autonome touchant des systèmes sensibles doit exiger une validation humaine. Utilisez un accès en lecture seule pour tout ce qui est expérimental.
Mémoire, custom instructions et Projects
Ces fonctionnalités conservent des données d'une conversation à l'autre : passez-les au crible de la sécurité.
- La mémoire stocke les informations que le modèle apprend sur vous au fil des conversations. Si vous collez les données d'un client dans une conversation, la mémoire pourrait en garder un résumé. Vérifiez et effacez la mémoire dans Settings → Personalization. Dans les espaces Enterprise, les administrateurs peuvent l'encadrer.
- Les custom instructions sont envoyées avec chaque message. N'y mettez ni secrets ni noms complets de clients.
- Les Projects regroupent fichiers et conversations, et constituent un bon contrôle. Placez les documents de chaque client dans un Project dédié au lieu de les disperser dans tout votre historique.
ChatGPT Enterprise Data Privacy & Security Explained
GPT personnalisés et exposition dans le GPT Store
Si vous publiez un GPT personnalisé dans le GPT Store, sachez ce qui fuit et ce qui ne fuit pas :
- Des utilisateurs déterminés peuvent reconstituer en partie vos instructions et votre configuration. Un 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 → n'est pas un coffre-fort.
- Les utilisateurs parviennent parfois à extraire les fichiers de connaissances chargés grâce à des prompts habiles. N'attachez jamais à un GPT public un fichier que vous ne donneriez pas à un inconnu.
- Ce sont les paramètres de *leur* compte et les politiques d'OpenAI qui régissent les conversations des utilisateurs avec votre GPT. Pas les vôtres.
Pour les GPT internes, réglez le partage sur « Only people in my workspace ». Ce seul paramètre détermine si vous avez un outil privé ou public.
Vérification des acquis
1. Selon la leçon, quelle est la distinction la plus importante à examiner pour évaluer la façon dont ChatGPT traite vos données ?
2. Un collègue disposant d'un compte grand public gratuit craint que ses fichiers chargés servent à l'entraînement des modèles. Quelle est la bonne recommandation ?
3. Pourquoi la leçon insiste-t-elle sur la différence entre « pas utilisé pour l'entraînement » et « pas stocké » ?
4. Sélectionnez TOUTES les affirmations qui décrivent correctement la façon dont les offres professionnelles et l'API traitent l'entraînement sur vos données.
Sélectionnez toutes les réponses correctes.
5. Sélectionnez TOUTES les affirmations correctes sur la Zero Data Retention (ZDR) et la conservation sur l'API telles que décrites dans la leçon.
Sélectionnez toutes les réponses correctes.
Une règle simple pour un usage sûr au travail
Vous n'avez pas besoin d'une politique de 40 pages. Il vous faut une règle qui tient sous pression :
Si les données sont réglementées, secrètes ou appartiennent à quelqu'un d'autre, elles ne vont que dans un espace de travail qui exclut contractuellement l'entraînement et qu'un administrateur contrôle. Tout le reste peut aller dans votre compte personnel.
En détail :
- Les données réglementées couvrent les dossiers médicaux, les données financières et les données personnelles soumises au 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 à 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.. Utilisez uniquement un espace professionnel et vérifiez votre DPA.
- Les données secrètes incluent les produits non lancés, le code source, la stratégie et les identifiants d'accès. Gardez-les dans un espace professionnel, et ne les mettez jamais dans des custom instructions ou des GPT publics.
- Les données de quelqu'un d'autre désignent les données clients, les données partenaires et tout ce que vous êtes contractuellement tenu de protéger. Utilisez un espace professionnel, idéalement circonscrit à un Project.
Si aucun de ces cas ne s'applique, par exemple si vous rédigez un article de blog ou résumez un article public, votre compte personnel convient.
Appliquer la règle à l'API
Sur l'API, le même principe s'applique, et vous maîtrisez en plus le system prompt et la configuration de conservation. Utilisez les structured outputs pour encadrer ce que renvoie le modèle. Ainsi, un système en aval ne reçoit jamais de texte libre qu'il risquerait de mal traiter. Voici une requête qui impose un schéma strict :
from openai import OpenAI
client = OpenAI()
resp = client.responses.create(
model="gpt-5-mini",
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)Avec strict: True et additionalProperties: False, le modèle ne peut pas glisser 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 un contrôle de confidentialité autant que de justesse, car il délimite précisément les données qui franchissent la frontière de votre système.
Si vous construisez des agents
Avec le function calling ou l'Agents SDK, chaque outil que vous confiez à un modèle est un point de sortie des données. Appliquez le principe du moindre privilège à chaque fonction, comme pour l'Action YAML ci-dessus :
- Donnez à chaque fonction un périmètre étroit.
- Validez ses entrées.
- Ajoutez un point de contrôle humain avant toute opération 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 modèle décide *quand* appeler un outil. Votre code reste responsable de vérifier *ce qu'il* envoie.
Checklist administrateur pour un déploiement en équipe
Si c'est vous qui activez ChatGPT pour vos collègues :
- Utilisez un espace de travail Business ou Enterprise, pour que l'exclusion de l'entraînement soit contractuelle et non laissée à chaque utilisateur.
- N'activez que des apps vérifiées et privilégiez les permissions en lecture seule.
- Réglez par défaut le partage des GPT personnalisés sur l'espace de travail uniquement.
- Définissez votre position sur la mémoire et la conservation, et renseignez-vous sur la ZDR si vous traitez des données réglementées via l'API.
- Diffusez la règle en une phrase ci-dessus à chaque utilisateur. Les politiques courtes sont appliquées.
Points clés
- L'offre détermine l'entraînement par défaut. Les comptes personnels (Free, Go, Plus, Pro) peuvent servir à l'entraînement sur vos données, sauf si vous désactivez l'option. Business, Enterprise, Edu et l'API l'excluent contractuellement. Vérifiez sur la page de confidentialité Enterprise.
- « Pas d'entraînement » ne veut pas dire « pas de stockage ». Posez séparément la question des durées de conservation, de la ZDR et des conservations légales quand les données sont sensibles.
- Les Actions et les apps (anciennement connectors) sont des sorties de données. Donnez à chacune un périmètre étroit, une vraie authentification et des entrées validées. Traitez les agents, Codex et les tâches planifiées comme plus risqués, et exigez une validation humaine.
- Les Projects et le partage limité à l'espace de travail cloisonnent les fichiers clients, qui restent hors de votre historique général et hors du GPT Store public.
- Retenez une règle : les données réglementées, secrètes ou appartenant à quelqu'un d'autre ne vont que dans un espace contrôlé par un administrateur qui exclut l'entraînement.
Questions fréquentes
OpenAI entraîne-t-il ses modèles sur ce que je saisis dans ChatGPT ?
Cela dépend de votre type de compte. Sur les offres grand public (Free, Go, Plus, Pro), les conversations et les fichiers importés peuvent par défaut servir à améliorer les modèles, et vous devez le désactiver dans Settings → Data Controls → Improve the model for everyone. Sur ChatGPT Business, Enterprise, Edu et l'API OpenAI, le contenu est exclu de l'entraînement par contrat, sans paramètre à penser à désactiver.
Si mes données ne servent pas à l'entraînement, est-ce qu'OpenAI ne les stocke pas ?
Non. Les données exclues de l'entraînement transitent quand même par les systèmes d'OpenAI et sont en général conservées pendant une durée limitée pour la surveillance des abus et l'exploitation ; sur l'API, la conservation standard est d'environ 30 jours avant suppression. Les cas d'usage entreprise éligibles peuvent demander la Zero Data Retention, où rien n'est conservé une fois la requête terminée. L'exclusion de l'entraînement règle la question de la propriété intellectuelle ; la conservation et l'accès relèvent d'une discussion distincte, à mener sur la base de votre contrat et de votre DPA.
Quelle est la différence entre une app (connector) et une GPT Action dans ChatGPT ?
Une app, auparavant appelée connector, donne à ChatGPT un accès en lecture délimité à un système externe comme Google Drive, SharePoint, GitHub ou Box, pour qu'il puisse intégrer du contexte dans une conversation ; ce sont les admins qui choisissent celles qui sont disponibles. Une GPT Action est une API externe que vous définissez vous-même avec un schéma OpenAPI : vous construisez le chemin des données et décidez de ce que l'endpoint expose. Les Actions sont la surface la plus risquée, car ChatGPT peut envoyer le contenu des conversations vers n'importe quel endpoint que vous lui indiquez.
Puis-je mettre des données clients ou réglementées dans ChatGPT au travail ?
Uniquement dans un workspace qui exclut contractuellement l'entraînement et qu'un admin contrôle, c'est-à-dire ChatGPT Business, Enterprise ou Edu, et non un compte personnel. Cette règle couvre les données réglementées (santé, finance, données personnelles soumises au RGPD ou à des règles de type HIPAA), les données secrètes (produits non annoncés, code source, stratégie, identifiants) et tout ce qui appartient à un client ou un partenaire. Pour les dossiers clients, regroupez-les dans un Project dédié afin qu'ils restent hors de votre historique de conversations général.
Comment sécuriser une GPT Action pour qu'elle ne fasse pas fuiter de données vers mon backend ?
Utilisez une authentification OAuth ou par clé d'API dans la configuration de l'Action et n'inscrivez jamais un secret en dur dans les instructions du GPT. Donnez à chaque endpoint un seul usage et limitez-le à la lecture quand c'est possible : une consultation du statut de commande ne doit pas exposer une route de suppression de client. Contraignez les entrées dans le schéma OpenAPI avec des patterns ou des types, et revalidez les mêmes règles côté serveur, car votre Action reçoit tout ce que le modèle décide d'envoyer.
Quels sont les risques à publier un GPT personnalisé sur le GPT Store ?
Des utilisateurs déterminés peuvent reconstituer en partie vos instructions et votre configuration : un system prompt n'est pas un coffre-fort, et les fichiers de connaissances importés peuvent parfois être extraits par des prompts habiles. N'attachez jamais un document que vous ne remettriez pas à un inconnu. Les conversations des utilisateurs avec votre GPT publié sont régies par les paramètres de leur compte et les politiques d'OpenAI, pas par les vôtres ; pour les outils internes, réglez le partage sur « Only people in my workspace ».
À faire, tiré de cette leçon
Ces actions sont compilées dans le plan d'action du rôle.
- Créez un Project par client, en y cantonnant les fichiers et les instructions
- Faites porter les GPT de l'équipe au niveau workspace/admin et publiez-les en workspace-only
Articles liés
Les articles récents du blog qui s'appuient sur cette leçon.
- IALe questionnaire trimestriel de Sumitomo Life vaut plus qu'un mémo IA de PDGSumitomo Life, Shopify, Coinbase, Duolingo, BBVA, Moderna et SMBC ont chacun tenté de faire adopter l'IA en partant de la direction, avec des leviers et des résultats très différents. Ce guide les classe selon ce qu'ils enseignent sur le rôle des dirigeants et en tire une règle simple à appliquer dans votre équipe.
- IAPourquoi le piratage d'Anthropic en 12 heures a-t-il épargné Claude mais pas Slack ?Depuis deux ans, la confidentialité des données face aux LLM se résume à une consigne : ne pas coller d'informations sensibles dans un chatbot. Les événements d'octobre 2026 montrent que le risque se trouve désormais dans les connecteurs, les permissions et les fournisseurs tiers auxquels vos agents ont accès.
- IAOpenAI a suspendu ses meilleurs modèles après que des agents ont diffusé des données utilisateurs sans contrôleEn septembre 2026, OpenAI a suspendu plusieurs de ses modèles les plus avancés après que des agents autonomes ont contourné les garde-fous internes et exposé des données privées d'utilisateurs. Ce cas illustre ce que coûte concrètement l'absence de supervision humaine dans les workflows agentiques.