Réserver un billet de train, trier une boîte mail, relancer un client ou générer un rapport sans qu’on lui détaille chaque étape : c’est la promesse de l’IA agentique, en plein déploiement dans les entreprises. Le 20 juillet 2026, la CNIL et le Conseil de l’IA et du Numérique (CIANum) ont publié une note exploratoire qui alerte sur les risques que ces systèmes autonomes font peser sur les données personnelles. Pour les dirigeants, DSI, RSSI et responsables RH qui envisagent d’adopter ces outils, ce texte mérite une lecture attentive. Il ne crée pas de nouvelle obligation, mais il pose un constat clair : le RGPD s’applique pleinement à l’IA agentique, avec des enjeux inédits de traçabilité, de responsabilité et de sécurité que les entreprises doivent anticiper dès maintenant.
Qu’est-ce que l’IA agentique, concrètement ?
Contrairement à un simple chatbot qui répond à une requête ponctuelle, un système d’IA agentique agit à la place de l’utilisateur. Il s’appuie sur un agent « orchestrateur », qui dialogue en langage naturel, et sur des agents « spécialisés » capables d’exécuter des tâches précises : rédaction, recherche, paiement en ligne, envoi d’e-mails. L’ensemble peut se connecter à des services externes, boîte mail, agenda, CRM, outils collaboratifs, pour aller chercher l’information nécessaire ou réaliser l’action demandée.
Deux mécanismes rendent ce fonctionnement possible : un « contexte », propre à chaque échange et supprimé une fois la tâche terminée, et une mémoire persistante, qui conserve des informations d’une conversation à l’autre pour personnaliser les réponses. C’est précisément cette mémoire, combinée à l’autonomie d’action, qui change la donne pour la protection des données personnelles.
Un changement d’échelle dans le traitement des données personnelles
En multipliant les connexions à des services tiers et en conservant l’historique des interactions, l’IA agentique construit des profils utilisateurs beaucoup plus précis que les outils d’IA générative classiques. Chaque nouvelle interaction enrichit la connaissance que le système a de l’utilisateur, parfois à partir de sources que celui-ci n’a pas explicitement mobilisées pour sa requête initiale.
Cette hyperpersonnalisation a un revers : la personne concernée perd en visibilité sur ce qui est collecté, où s’est stocké et pendant combien de temps. Un salarié qui donne à un assistant IA l’accès à sa messagerie professionnelle pour préparer une réunion ne mesure pas toujours l’étendue des informations que l’agent va consulter, ni celles qui seront conservées en mémoire pour des usages futurs.
Les principes du RGPD mis sous tension
La note de la CNIL et du CIANum identifie plusieurs principes fondamentaux du RGPD directement concernés par l’IA agentique et le traitement de données par IA :
- Finalité (article 5.1.b) : le périmètre exact des tâches que peut accomplir un agent est difficile à circonscrire à l’avance.
- Licéité (article 6) : le lien entre une nouvelle action de l’agent et la base légale de traitement IA initialement choisie peut se distendre au fil des interactions.
- Minimisation (article 5.1.c) : les agents ont tendance à mobiliser plus de données que nécessaire pour anticiper les besoins de l’utilisateur.
- Exactitude (article 5.1.d) : les hallucinations propres aux modèles génératifs peuvent se propager d’un agent à l’autre sans que personne ne s’en aperçoive.
- Conservation limitée (article 5.1.e) : la multiplication des espaces de mémoire complique le suivi des durées de conservation.
- Droits des personnes (articles 15 à 22) : il devient plus difficile de savoir quel agent a collecté quelle donnée, où elle a été transmise, et auprès de qui exercer ses droits.
Des exemples concrets qui doivent alerter les entreprises
La note cite un cas révélateur : une salariée d’une grande entreprise du numérique a vu son IA agentique supprimer un volume important d’e-mails professionnels, sans parvenir à interrompre le processus à distance. L’incident illustre un risque bien réel pour toute organisation qui déploie ce type d’outil : une mauvaise interprétation d’une requête initiale peut déclencher des actions massives et difficiles à corriger.
Autre exemple mentionné par les deux institutions : un fichier sensible supprimé par un collaborateur de son ordinateur peut rester présent dans la mémoire de son IA agentique si le dossier était partagé avec elle. Sans mécanisme de contrôle, il devient impossible de garantir que la donnée a bien disparu de l’ensemble du système.
Ces situations concernent directement les entreprises qui connectent un chatbot ou un assistant IA à leur messagerie, leur CRM ou leurs outils collaboratifs : un usage RH, un usage marketing ou un usage commercial mal encadré expose l’organisation à une perte de maîtrise sur ses propres données, y compris celles de ses salariés ou de ses clients.
Qui est responsable en cas d’incident ?
L’IA agentique implique souvent plusieurs acteurs : développeur du modèle, intégrateur, fournisseur de la solution, entreprise déployante, utilisateur final. Cette chaîne complexifie l’identification du responsable de traitement au sens du RGPD, et donc la démonstration du principe d’accountability. En cas de dysfonctionnement, achat erroné, e-mail envoyé au mauvais destinataire, donnée confidentielle transmise à un service tiers, retracer l’origine exacte du problème demande une vraie capacité de traçabilité.
L’autonomie de ces systèmes soulève aussi la question des décisions automatisées encadrées par l’article 22 du RGPD. La Cour de justice de l’Union européenne a rappelé, dans son arrêt SCHUFA de décembre 2023, qu’une intervention humaine ne suffit à écarter cette qualification que si elle est réelle et effective : une validation purement formelle ne suffit pas. Un point de vigilance essentiel pour toute entreprise qui laisserait un agent IA prendre seul des décisions affectant des salariés, des candidats ou des clients, par exemple dans le cadre d’un recrutement algorithmique.
Enfin, l’architecture distribuée de l’IA agentique élargit la surface d’exposition aux risques d’IA et cybersécurité : chaque service connecté devient un point d’entrée potentiel, et une faille dans un seul composant peut affecter l’ensemble du système.
RGPD, AI Act : une articulation encore en construction
Le règlement européen sur l’IA n’a pas prévu de régime spécifique pour les agents IA, mais ses règles leur sont bien applicables, selon l’approche fondée sur les niveaux de risque qui structure tout le texte, y compris pour les systèmes d’IA à haut risque.
Des lignes directrices communes du Comité européen de la protection des données (CEPD) et de la Commission européenne, consacrées à l’articulation entre AI Act et RGPD, sont attendues d’ici fin 2026. En attendant, les entreprises ne peuvent pas se contenter d’attendre : les obligations actuelles du RGPD s’appliquent dès aujourd’hui à tout usage d’IA agentique, quel que soit le niveau de risque retenu au titre de l’AI Act.
Quelles actions mettre en place dès maintenant ?
Face à ces risques, les entreprises ont intérêt à structurer leur gouvernance de l’IA avant, et non après, le déploiement d’un outil d’IA agentique :
- Cartographier les usages : identifier les agents déjà utilisés par les équipes, y compris ceux adoptés spontanément en dehors de toute validation IT.
- Mettre à jour le registre des traitements RGPD pour intégrer les flux de données générés par ces systèmes.
- Réaliser une analyse d’impact (AIPD) dès que le système traite des données sensibles ou prend des décisions affectant significativement une personne.
- Limiter les accès accordés aux agents, en application du principe de minimisation : messagerie, agenda ou CRM ne doivent être ouverts qu’au strict nécessaire.
- Exiger une validation humaine réelle avant l’exécution des actions les plus sensibles (envoi de données à l’extérieur, transactions financières, décisions RH).
- Contractualiser avec les fournisseurs de solutions IA agentique : clauses de sous-traitance, garanties de sécurité, localisation et durée de conservation des données.
- Former les collaborateurs à un usage responsable de ces outils et aux risques qu’ils font peser sur les données de l’entreprise et de ses clients.
- Documenter la base légale retenue pour chaque usage, en particulier lorsque l’intérêt légitime est invoqué.
Ce travail s’inscrit pleinement dans une démarche de Privacy by Design, qui doit accompagner tout projet d’IA responsable dès sa conception plutôt qu’être ajoutée après coup.
L’IA agentique promet des gains de productivité réels, mais elle change d’échelle dans le traitement des données personnelles et complexifie la répartition des responsabilités. La note publiée par la CNIL et le CIANum ne doit pas être lue comme un frein à l’innovation, mais comme une feuille de route : cartographier les usages, encadrer les accès, documenter les choix et prévoir une supervision humaine réelle sur les actions les plus sensibles.
SOURCES :
https://cnil.fr/fr/ia-agentique-cnil-cianum-note
https://www.cnil.fr/sites/default/files/2026-07/ia-cianum-cnil.pdf
