IA dans la fonction publique : les données stratégiques des entreprises françaises exposées aux LLM cloud ?

Les données stratégiques des entreprises françaises, confiées à l'État, risquent de transiter par des LLM cloud étrangers. Un danger de fuite peu documenté.

L’intelligence artificielle générative s’implante rapidement dans les administrations publiques françaises. Chatbots, assistants à la rédaction, outils de synthèse ou d’analyse de dossiers : les cas d’usage se multiplient. Pourtant, derrière ces gains d’efficacité se profile un risque encore peu documenté : celui de voir des données stratégiques des entreprises françaises, confiées à l’État dans le cadre de contrôles, de marchés publics ou d’obligations réglementaires, transiter par des modèles de langage hébergés sur des clouds étrangers.

Selon le rapport inter-inspections publié en avril 2026 par l’Inspection générale des finances (IGF), l’Inspection générale des affaires sociales (IGAS) et l’Inspection générale de l’administration (IGA), disponible sur le site de l’IGAS, le déploiement de l’IA dans les administrations publiques constitue "un levier majeur, mais non automatique ni exclusif, de transformation de l’action publique". Ce rapport dresse un état des lieux précis et formule 13 propositions. Il reste cependant largement silencieux sur un enjeu central pour les entreprises : la protection de leurs données sensibles lorsqu’elles transitent dans des outils d’IA non souverains.

1. Les données partagées par les entreprises avec l’administration : un volume important et sensible

Les entreprises françaises transmettent régulièrement à l’administration des informations à fort caractère stratégique. Ces données ne relèvent pas seulement de l’administratif courant : elles concernent souvent des éléments de compétitivité, de savoir-faire ou de conformité.

On peut les regrouper en plusieurs catégories principales. Les données de conformité réglementaire et de qualité arrivent notamment via les contrôles de la DGCCRF, les inspections du travail, les autorisations environnementales ou sanitaires, ou encore les certifications obligatoires. Les données industrielles et de processus sont fréquemment communiquées dans le cadre de marchés publics complexes, d’agréments ou de contrôles techniques. Les données financières et fiscales transitent lors des déclarations, des contrôles de l’administration fiscale ou des marchés publics. Enfin, certaines données liées aux clients ou aux bénéficiaires peuvent être impliquées dans les dispositifs de lutte contre la fraude sociale ou fiscale.

Ces informations présentent un double intérêt : elles sont souvent protégées par le secret des affaires ou des clauses de confidentialité contractuelles, et leur divulgation peut porter atteinte à la compétitivité de l’entreprise concernée. Le rapport note d’ailleurs que les administrations sont soumises à des "contraintes de souveraineté" particulièrement fortes, sans pour autant détailler les conséquences pour les entreprises qui fournissent ces données.

Parallèlement, les fonctionnaires et agents publics sont soumis à de strictes obligations de confidentialité. Le secret professionnel (article 226-13 du Code pénal), les règles déontologiques et, pour certains corps, un serment spécifique, encadrent leur activité. Des sanctions disciplinaires et pénales existent en cas de violation. Le rapport IGF/IGAS/IGA souligne cependant que le "shadow IA", usage spontané et non régulé d’outils d’IA grand public, pourrait concerner jusqu’à 40 % des agents dans les collectivités territoriales. Cette pratique expose directement les données traitées à des risques de fuite, d’autant que les outils concernés ne bénéficient généralement d’aucune garantie de confidentialité ni de souveraineté.

2. Un rapport officiel s’intéresse à l’IA dans la fonction publique… mais passe à côté d’un risque majeur

Le rapport inter-inspections d’avril 2026 a pour objectif principal d’évaluer les gains de productivité et d’amélioration de la qualité des services publics rendus possibles par le déploiement de l’intelligence artificielle. Il s’appuie sur un benchmark avec le secteur privé et treize administrations étrangères, et propose un cadre opérationnel structuré autour de treize recommandations : mise à disposition d’outils généralistes sécurisés, mutualisation des infrastructures, gouvernance renforcée des données, clauses contractuelles avec les fournisseurs, formation des agents et dialogue social technologique.

Le document dresse un panorama utile des usages (généralistes, fonctions supports, métiers spécialisés), de l’exposition des métiers selon la méthodologie de l’OIT et des freins au passage à l’échelle. Il insiste particulièrement sur les enjeux de souveraineté, de sécurité des données et de maîtrise des risques tout au long du cycle de vie des projets.

Pourtant, le rapport reste très largement centré sur la protection des données personnelles des usagers et sur la souveraineté de l’État. Il ne traite pas, ou de manière très marginale, les risques spécifiques liés aux données stratégiques des entreprises qui transitent dans les systèmes d’information publics puis dans des outils d’IA. Aucune analyse n’est consacrée aux conséquences pour la compétitivité des entreprises françaises ni aux risques de fuite vers des éditeurs de modèles de langage ou des autorités étrangères. Le focus reste institutionnel : il s’agit de protéger l’action publique et la confiance des citoyens, plus que de sécuriser la chaîne de valeur des données qui circulent entre secteur privé et secteur public.

3. Les risques concrets de fuite des données d’entreprises via les pratiques d’IA dans l’administration

Plusieurs pratiques actuelles ou en développement dans les administrations créent une exposition réelle des données d’entreprises.

Le premier risque tient au recours aux LLM cloud commerciaux. Comme le documente l’annexe X du rapport, la quasi-totalité des assistants conversationnels déployés ou expérimentés (GenIAI au ministère des Armées, Assistant IA de la DINUM, portails MIrAI ou PIAG) ne sont pas labellisés SecNumCloud 3.2. Or, ce label constitue le prérequis pour le traitement des données sensibles, définies largement par la loi SREN comme incluant les données dont la violation est susceptible de porter atteinte à l’ordre public, à la sécurité publique, à la santé ou à la protection de la propriété intellectuelle. L’annexe IX précise explicitement que, pour les données sensibles, il est impossible de recourir à des opérateurs soumis aux lois extraterritoriales américaines (Cloud Act, FISA).

Le deuxième risque concerne l’utilisation potentielle des données par les éditeurs eux-mêmes. L’annexe X du rapport développe longuement le phénomène de verrouillage technologique (lock-in) et "l’illusion de la souveraineté par le seul hébergement". Même lorsque les données sont hébergées en Europe, l’absence de maîtrise de la chaîne logicielle et l’exposition aux feuilles de route des éditeurs privés créent une dépendance. Les données transmises à des modèles cloud peuvent, selon les conditions d’utilisation, contribuer à l’amélioration des modèles ou être accessibles dans certaines conditions aux autorités du pays d’origine du fournisseur.

Ces risques exposent directement les entreprises. Une fuite de données industrielles, de procédés de fabrication, de données clients ou de données financières vers un éditeur de LLM ou vers une administration étrangère peut entraîner une perte d’avantage compétitif, une atteinte à la propriété intellectuelle ou un usage à des fins de renseignement économique. Les fonctionnaires et agents publics ne sont pas non plus à l’abri : en cas de fuite, leur responsabilité peut être engagée, d’autant plus lorsque l’outil utilisé n’est pas conforme aux exigences de sécurité et de souveraineté. Le rapport rappelle que le shadow IA constitue déjà "le principal risque lié à l’IA dans les administrations" en matière de fuite de données.

Le rapport inter-inspections d’avril 2026 constitue une contribution précieuse à la réflexion sur le déploiement de l’IA dans les administrations publiques. Il met utilement en évidence la nécessité d’une gouvernance rigoureuse, d’une mutualisation des infrastructures et d’une attention renforcée à la souveraineté. Il reste cependant en deçà d’une analyse complète des risques systémiques créés par la rencontre entre données stratégiques des entreprises et outils d’IA non souverains.

À l’heure où la France et l’Europe cherchent à renforcer leur autonomie technologique, la protection des données d’intérêt économique et stratégique des entreprises dans les usages publics de l’IA mérite d’être explicitement intégrée aux politiques de gouvernance. Cela suppose un renforcement des clauses contractuelles avec les fournisseurs de LLM, une accélération de la mise à disposition d’infrastructures réellement souveraines mutualisées, et une cartographie précise des flux de données entre secteur privé et outils d’IA publics. Sans cela, le levier de transformation que représente l’IA pour l’action publique pourrait paradoxalement fragiliser un autre pilier essentiel de la souveraineté française : la compétitivité de ses entreprises.