Base légale RGPD des agents IA (art. 6) : quand choisir le consentement, le contrat ou l'intérêt légitime

La base légale RGPD de l'IA détermine sur quel fondement de l'article 6, paragraphe 1, du RGPD une entreprise appuie le traitement de données effectué par un agent IA. Pour les déploiements internes, le fine-tuning, le RAG et les agents de service client B2B, l'intérêt légitime (art. 6, paragraphe 1, point f) est la base dominante, à côté du consentement, du contrat ou de l'obligation légale. Sans base légale solide, tout traitement est illicite.

• L'intérêt légitime (point f) est la base la plus fréquente pour les agents IA internes, le fine-tuning, le RAG, la détection des fraudes et les agents de service B2B courants, mais il exige le test en trois étapes.
• Le contrat (point b) ne couvre que ce qui est strictement nécessaire à l'exécution du contrat ; le consentement (point a) convient aux fonctionnalités opt-in, mais se prête mal aux volumes de données d'entraînement.
• Les données sensibles (art. 9) et les décisions individuelles automatisées (art. 22) entraînent des exigences supplémentaires qui vont au-delà de l'article 6.

Pourquoi chaque agent IA a besoin d'une base légale

Selon l'article 4, points 1 et 2, du RGPD, toute opération portant sur des données personnelles déclenche l'application du règlement. Dans un système agentique, presque chaque point de contact constitue un traitement : prompts et prompts système, outputs (y compris des données personnelles hallucinées), mémoire de l'agent et bases vectorielles, payloads des appels d'outils vers des API internes ou des serveurs MCP, messages multi-agents ainsi que logs et traces. Pour chacun de ces flux de données, le responsable du traitement a besoin d'une base légale au titre de l'article 6, paragraphe 1.

Point important : les prompts et les outputs sont presque toujours des données personnelles dès qu'ils nomment une personne ou la caractérisent suffisamment, même lorsque le contenu est inventé. C'est sur ce point que repose la plainte de noyb contre OpenAI déposée en avril 2024 auprès de l'autorité autrichienne de protection des données : ChatGPT avait indiqué à plusieurs reprises une date de naissance erronée du plaignant, et OpenAI avait refusé de la rectifier. Tu devrais traiter les embeddings stockés dans des bases vectorielles comme des données personnelles pseudonymisées lorsque les textes sources concernent des personnes. La raison : l'inversion d'embeddings. Dans une étude de 2023, 92 % des entrées courtes (32 tokens) ont pu être reconstituées exactement à partir de leurs embeddings. L'article sur l'analyse d'impact relative à la protection des données pour les agents IA t'explique comment évaluer ce risque.

Les six bases légales et leur adéquation aux agents IA

L'article 6, paragraphe 1, du RGPD prévoit six fondements. Pour les agents IA, trois dominent en pratique : le consentement (point a), le contrat (point b) et l'intérêt légitime (point f), complétés par l'obligation légale (point c).

Le test en trois étapes de l'intérêt légitime

Selon les lignes directrices 1/2024 du CEPD (adoptées le 8 octobre 2024) et l'avis 28/2024 du CEPD (adopté le 17 décembre 2024), les responsables du traitement doivent documenter trois étapes :

1. Test de finalité. L'intérêt doit être licite, réel, actuel et formulé de manière précise. « Améliorer les produits d'IA » dans l'abstrait ne suffit pas ; « améliorer la précision de classification de l'agent interne de présélection RH pour nos salariés », oui.
2. Test de nécessité. La finalité pourrait-elle être atteinte avec moins de données ou avec des données anonymes ? Pour le RAG, cela plaide souvent pour la pseudonymisation des documents indexés et la minimisation des payloads de contexte.
3. Test de mise en balance. Il faut mettre l'intérêt en balance avec les attentes raisonnables des personnes concernées, la nature des données, la relation entre les parties et des risques comme la réidentification, la dérive des finalités (scope creep) et le profilage. Les critères du CEPD tirés de l'avis 28/2024 s'appliquent (données publiquement accessibles ? ; nature du service ? ; conscience d'être en ligne ?).

L'avis 28/2024 du CEPD confirme que l'intérêt légitime est en principe mobilisable pour le développement et le déploiement. Parmi les intérêts potentiellement légitimes, il cite par exemple les assistants conversationnels, la détection des fraudes et la cybersécurité. Le 19 juin 2025, la CNIL a complété ce cadre par une taxonomie de finalités d'IA présumées légitimes : recherche scientifique, facilitation de l'accès du public, assistants conversationnels, amélioration des performances d'un produit existant et prévention de la fraude.

Application aux scénarios d'agents typiques

• Fine-tuning sur des données clients internes : généralement l'article 6, paragraphe 1, point f). La finalité doit être plus précise que « améliorer notre IA » ; une LIA (Legitimate Interest Assessment) doit être réalisée, complétée par une analyse de compatibilité au titre de l'article 5, paragraphe 1, point b). Si des données sensibles sont concernées, une exception au titre de l'article 9 est en outre nécessaire.
• RAG sur des documents du personnel : le plus souvent point b) ou point f). Si l'agent mesure le comportement des salariés, il faut en Allemagne la codécision du conseil d'entreprise (§ 87, al. 1, n° 6 BetrVG) et en Autriche l'accord du conseil d'entreprise au titre du § 96 ou du § 96a ArbVG. En Suisse, l'art. 26 OLT 3 interdit les systèmes de surveillance destinés à surveiller le comportement des travailleurs à leur poste de travail.
• Mémoire d'agent persistante entre sessions : la base légale doit couvrir le stockage secondaire ; le schéma habituel est l'intérêt légitime avec une politique de conservation claire et un opt-out, documenté au titre de l'article 5, paragraphe 1, point b).
• Entraînement de modèles de fondation sur des corpus collectés massivement par scraping : l'avis 28/2024 du CEPD place ici la barre haut. Sans LIA documentée, sans politique d'exclusion du web scraping et sans justification solide de l'« effort disproportionné » au titre de l'article 14, paragraphe 5, point b), les déployeurs ne devraient pas mener d'entraînement à grande échelle sur des données collectées par scraping.

Le piège du « publiquement accessible »

Une idée reçue tenace veut que les données web accessibles au public échappent au RGPD. Clearview AI a été sanctionnée précisément pour cette raison : en Italie à hauteur de 20 millions d'euros (10 février 2022), en France à hauteur de 20 millions d'euros (17 octobre 2022) plus 5,2 millions d'euros d'astreinte, ainsi qu'en Grèce, au Royaume-Uni et aux Pays-Bas. Le caractère public des données ne vaut ni consentement ni aucune autre base légale. L'arrêt Meta c. Bundeskartellamt (C-252/21 du 4 juillet 2023, points 85–89) le confirme : l'exception des données « manifestement rendues publiques » de l'article 9, paragraphe 2, point e), est très étroite, et l'article 6, paragraphe 1, point f), exige toujours une mise en balance distincte.

Données sensibles : l'article 9, second verrou

L'article 9, paragraphe 1, interdit par principe le traitement des données sensibles, notamment les données de santé, les données biométriques aux fins d'identifier une personne de manière unique, les données relatives à l'orientation sexuelle et l'appartenance syndicale. Une base légale au titre de l'article 6 ne suffit pas à elle seule ; il faut en plus une exception au titre de l'article 9, paragraphe 2. En pratique, les plus pertinentes sont : le consentement explicite (point a), le droit du travail et de la protection sociale (point b, par exemple le § 26, al. 3, BDSG), le motif d'intérêt public important (point g) et la prise en charge sanitaire (points h/i).

La règle sur les biais du règlement sur l'IA figurait jusqu'ici à l'article 10, paragraphe 5. L'omnibus IA (omnibus numérique relatif au règlement sur l'IA, règlement (UE) 2026/1744) l'a supprimée et reformulée dans un nouvel article 4 bis. Les fournisseurs de systèmes à haut risque peuvent traiter des données sensibles à titre exceptionnel, dans la mesure où cela est strictement nécessaire à la détection et à la correction des biais. Les fournisseurs et déployeurs d'autres systèmes et modèles d'IA, ainsi que les déployeurs de systèmes à haut risque, le peuvent également à titre exceptionnel lorsque le biais est susceptible de porter atteinte à la santé, à la sécurité ou aux droits fondamentaux, ou de conduire à une discrimination interdite. Le considérant 9 de l'omnibus IA qualifie ce traitement de motif d'intérêt public important au sens de l'article 9, paragraphe 2, point g), du RGPD. Le fondement est donc fourni par le droit de l'Union lui-même, sans qu'une loi nationale soit nécessaire. L'article 4 bis n'est pas pour autant un blanc-seing : le traitement n'est autorisé que si la détection des biais ne peut pas être réalisée efficacement avec d'autres données, y compris synthétiques ou anonymisées. Les données doivent être pseudonymisées, soumises à un accès restreint et supprimées après la correction, et le registre des activités de traitement doit justifier pourquoi le traitement était strictement nécessaire.

Décisions individuelles automatisées (art. 22), en bref

Lorsque l'agent IA prend une décision fondée exclusivement sur un traitement automatisé et produisant des effets juridiques ou des effets significatifs similaires, l'article 22 durcit considérablement les exigences. Selon l'arrêt SCHUFA de la CJUE (C-634/21, 7 décembre 2023), l'établissement automatisé d'une valeur de probabilité constitue déjà une « décision » lorsqu'un tiers s'appuie de manière déterminante sur elle pour prendre sa décision. Selon l'arrêt Dun & Bradstreet Austria (C-203/22, 27 février 2025), les personnes concernées ont droit à une explication compréhensible de la procédure et des principes concrètement appliqués, qui leur permette de contester la décision. Les détails sont traités dans l'article du cluster consacré à l'article 22.

Exemple concret chiffré

Une ETI de la région DACH (Allemagne, Autriche, Suisse), d'environ 800 salariés, utilise un agent interne de lead scoring qui classe des fiches CRM. Le traitement est fondé sur l'article 6, paragraphe 1, point f). La LIA documente la finalité de façon restreinte (« priorisation des demandes B2B entrantes »), examine la nécessité (pseudonymisation des champs indexés) et la mise en balance. Au titre de la minimisation des données, le payload de contexte par appel d'outil passe de 42 champs CRM à l'origine à 7 champs nécessaires, et la conservation des prompts est limitée à 30 jours avec caviardage avant tout stockage permanent, sur le modèle de la conservation standard de l'API d'OpenAI et de l'API d'Anthropic, de 30 jours au maximum. Si le score rejette automatiquement une demande et que cela produit des effets juridiques ou des effets significatifs similaires pour une personne physique, l'article 22 s'applique. Il faut alors une exception au titre de l'article 22, paragraphe 2. Si la décision repose sur un contrat ou sur un consentement explicite, le responsable du traitement doit en outre permettre au minimum l'intervention humaine, l'expression du point de vue de la personne et la contestation de la décision (art. 22, paragraphe 3).

Pour les agences et les décideurs B2B

Qui déploie des agents IA en production devrait fixer la base légale avant la mise en service et la documenter pour chaque flux de données, au lieu de la justifier après coup. Le Garante italien a infligé à OpenAI une amende de 15 millions d'euros (décision du 2 novembre 2024, publiée le 20 décembre 2024), notamment parce que des données avaient été traitées sans base légale clarifiée au préalable (violation de l'article 5, paragraphe 1, point a, de l'article 5, paragraphe 2, et de l'article 6). Le Tribunale di Roma a annulé la décision le 18 mars 2026, au motif qu'en vertu du mécanisme de guichet unique, l'autorité irlandaise de protection des données aurait été compétente. Le tribunal ne s'est pas prononcé sur les griefs eux-mêmes. Pour les agences, cela signifie qu'une LIA rigoureuse, une politique de confidentialité à plusieurs niveaux mentionnant l'IA et un opt-out bien visible font partie du périmètre de livraison standard de tout projet d'IA. Blck Alpaca aide les entreprises en Europe à choisir la bonne base légale, à documenter les mises en balance des intérêts de manière à résister à un contrôle et à mettre en place des agents IA conformes au RGPD dès le départ.

Remarque : cet article a une vocation d'orientation technique et ne constitue pas un conseil juridique. Pour les cas concrets, nous recommandons de se rapprocher d'un délégué à la protection des données ou d'un cabinet spécialisé.