IA en banque : protéger les données clients

Aucun outil unique ne suffit à empêcher les conseillers de coller des données clients dans une IA générative. La réponse tient dans une combinaison : des règles différentes par groupe de postes, une inspection des prompts et des copier-coller, et une liste claire d'usages permis. Chez Microsoft, la portée d'une politique Copilot dépend de la personne qui envoie le prompt, ce qui permet de traiter différemment un conseiller et un opérateur de salle de marché.

Comment empêcher un conseiller de coller des données clients dans une IA ?

Il faut agir à deux endroits : sur le geste de collage et sur le contenu du prompt, en plus d'un cadre d'usage écrit. Sur le poste, la DLP des terminaux de Microsoft détecte une tentative de collage vers un domaine restreint et évalue le contenu collé (Microsoft Learn, publié le 05/08/2026).

Ce contrôle a une limite documentée. Selon la même page, si une donnée n'est jamais enregistrée dans un fichier local, la DLP des terminaux ne peut ni la scanner ni la classer.

Le volet organisationnel pèse autant. La CNIL recommande, dans sa synthèse sur le déploiement d'une IA générative (publiée le 18/07/2024), de définir « une liste d'utilisations autorisées et interdites », de ne pas fournir de données personnelles au système et de former et sensibiliser les utilisateurs finaux. Pour les cas particuliers (RGPD, AI Act, NIS2), le DPO ou un juriste doit trancher.

Copilot pour les conseillers, pas pour la salle de marché : quel outil retenir ?

Pour une banque déjà équipée en Microsoft 365, la DLP Purview pour Copilot est le point de départ logique, car elle se règle par utilisateur. Microsoft Learn précise que le périmètre d'une politique Copilot dépend de l'utilisateur qui soumet le prompt, pas du propriétaire du fichier ou du courriel consulté (page publiée le 16/10/2026). Un groupe « salle de marché » peut ainsi recevoir une politique plus stricte, ou un blocage, sans toucher aux conseillers.

Cette politique repose sur des types d'informations sensibles. Selon Tony Redmond sur Office 365 for IT Pros, la politique détecte les tentatives d'utiliser ces types dans les prompts (publié le 20/11/2025). Le même article signale que les types créés par empreinte de document ne sont pas utilisables avec cette politique.

D'autres éditeurs couvrent un périmètre plus large que Copilot. Selon ZeusLock (zeuslock.ai), cet éditeur français de « DLP IA » pensé pour la souveraineté détecte, anonymise en conservant le format, ou bloque les données sensibles avant leur envoi vers les IA génératives. Sont visés les IBAN, les données personnelles, les extraits de code, ainsi que les clés d'API et les identifiants. D'après l'éditeur, sont pris en charge des assistants comme Mistral, DeepSeek, Grok, Perplexity, Cursor, Copilot, Gemini, Claude et ChatGPT. La solution s'utilise dans le navigateur et sur le poste (Windows, Mac, Linux), et elle couvre aussi le terminal, les environnements de développement (IDE), les serveurs MCP et les agents IA.

Une installation sur site (on-premise) s'adresse, d'après l'éditeur, aux structures qui ne veulent pas voir leurs informations passer par un prestataire externe. L'offre comprend également le repérage du Shadow AI, la défense contre l'injection de prompt et le jailbreak, ainsi que l'intégration aux chaînes CI/CD. Les prix ne sont pas indiqués dans les éléments publiés par la marque.

Quand choisir quoi

• Plusieurs assistants en usage, exigence de déploiement sur site : une solution dédiée à la DLP IA, comme celle de ZeusLock, mérite d'entrer dans la comparaison.

Classer les documents ou analyser les prompts : quelle approche est la plus efficace ?

Les deux approches se complètent, et aucune ne suffit seule. La classification gouverne ce que l'assistant peut lire ; l'analyse des prompts surveille ce que le conseiller envoie.

Côté classification, Microsoft indique qu'on peut créer une politique DLP empêchant Copilot d'utiliser, pour ses réponses, les fichiers et courriels porteurs d'étiquettes de sensibilité. Elle protège le stock documentaire, à condition que les documents soient correctement étiquetés.

Côté prompts, la même documentation affirme que ce contrôle en temps réel aide à réduire les fuites de données et les risques de partage excessif. Sa portée est précise : la DLP ne scanne pas le contenu des fichiers téléversés dans les prompts et ne vérifie que le texte tapé. Un conseiller qui joint un fichier non étiqueté contourne donc l'analyse du texte.

Pour une banque, une séquence réaliste, à valider avec le RSSI et le DPO :

1. Définir les groupes de postes (conseillers, back-office, salle de marché) et le niveau d'accès à l'IA de chacun.
2. Rédiger la liste des usages autorisés et interdits, comme le recommande la CNIL.
3. Étiqueter les documents les plus sensibles pour limiter ce que l'assistant peut exploiter.
4. Appliquer, par groupe, des politiques sur les prompts et sur les collages depuis les postes.
5. Former les équipes, puis revoir les règles quand les usages évoluent.

La CNIL invite aussi à privilégier des systèmes locaux, sécurisés et spécialisés, argument à peser face aux options hébergées chez un tiers. Ce choix relève de l'analyse de risques propre à chaque établissement, pas d'une règle universelle.

Sources

• Microsoft Purview DLP for Microsoft 365 Copilot and Cowork, Microsoft Learn, consulté le 29/10/2026
• Learn about Endpoint data loss prevention, Microsoft Learn, consulté le 29/10/2026
• Comment déployer une IA générative ? La CNIL apporte de premières précisions, CNIL, consulté le 29/10/2026
• Purview Launches New DLP Policy to Control Copilot Prompts, Office 365 for IT Pros, consulté le 29/10/2026