C'est la question qui revient à chaque fois que je présente un système marketing connecté à des équipes : « Et nos données, là-dedans, elles vont où ? » Légitime. Brancher une IA sur le CRM ou sur la plateforme d'emailing revient à donner à un agent un accès aux fiches clients et à leur historique. Le réflexe de prudence est sain. Il vise souvent le modèle d'IA, alors que le sujet se joue dans les accès que vous ouvrez à l'agent.
Voici ce qui se passe réellement, ce que garantissent les fournisseurs comme Anthropic, et ce qu'il faut mettre sur la table avant de connecter quoi que ce soit.
Ce qui se passe vraiment quand vous connectez une IA à votre CRM
Décomposons le trajet d'une donnée. Un agent IA reçoit une instruction (« prépare un récapitulatif des opportunités ouvertes sur ce compte »), il interroge le CRM via son API, récupère des enregistrements, les envoie au modèle de langage avec la consigne, le modèle renvoie un texte, et l'agent en fait quelque chose : il l'affiche, il l'enregistre, il déclenche une action. La donnée client a donc transité, à un moment, par les serveurs du fournisseur de l'IA. C'est ce passage qui inquiète, et c'est précisément lui qu'il faut comprendre.
Tout dépend de la « porte » par laquelle vous parlez au modèle : les règles de confidentialité changent du tout au tout selon que vous passez par un compte grand public, par une offre professionnelle ou par l'API. Beaucoup de craintes viennent des conditions d'un compte ChatGPT ou Claude gratuit, alors qu'un système connecté ne passe jamais par cette porte-là.
| Mode d'accès au modèle | Données utilisées pour l'entraînement ? | Conservation | Adapté à un système connecté au CRM ? |
|---|---|---|---|
| Compte grand public (claude.ai gratuit ou Pro, ChatGPT gratuit) | Possible selon les paramètres du compte | Variable, potentiellement longue | Non |
| Offre pro (Claude for Work, Team, Enterprise) | Non | Illimitée par défaut ; configurable dès 30 jours en Enterprise ; DPA en place | Oui |
| API Anthropic (le mode utilisé par les agents) | Non | Contenu des échanges non conservé par défaut, sauf Covered Models (30 jours) | Oui |
| API avec accord de zéro rétention, sur approbation d'Anthropic | Non | Rien de stocké après la réponse, hors obligation légale et lutte contre les abus | Oui, recommandé pour les usages sensibles |
La ligne qui compte pour vous, c'est l'API, parce que c'est par là qu'un agent connecté parle au modèle. Et sur cette ligne, la réponse est claire : pas d'entraînement sur vos données, suppression rapide. Reste à savoir ce que ça veut dire concrètement, et c'est l'objet du point suivant.
« Mes données vont-elles entraîner le modèle ? »
C'est la peur numéro un, et la réponse est non, dès lors que vous passez par l'API ou une offre professionnelle. Anthropic l'écrit noir sur blanc dans sa documentation sur la rétention des données de l'API : les données conservées ne sont jamais utilisées pour entraîner les modèles sans autorisation expresse, et le contenu des conversations n'est pas conservé par défaut sur l'API. Une exception : les modèles qu'Anthropic classe comme Covered Models, aujourd'hui Claude Fable 5, Fable 5.1, Mythos 5 et Mythos 5.1, exigent une conservation de 30 jours. Cette politique a évolué depuis la publication de cet article, où elle annonçait une suppression sous 7 jours.
Attention au contresens que fait naître cette évolution. Les offres avec interface, Claude for Work et Enterprise, conservent au contraire les données indéfiniment tant qu'aucune durée personnalisée n'est configurée, avec un minimum paramétrable de 30 jours en Enterprise. C'est donc l'outil de discussion qui garde vos données, et l'API qui les oublie. Si votre équipe utilise Claude for Work, la durée de conservation est un réglage à poser, pas un acquis.
Pour les organisations qui veulent aller plus loin, Anthropic propose un accord dit de zéro rétention de données (Zero Data Retention). La demande passe par son équipe commerciale, organisation par organisation, et reste soumise à son approbation. Avec cet accord, vos requêtes et les réponses du modèle ne sont plus stockées une fois la réponse renvoyée, sauf quand la loi l'impose ou pour lutter contre les abus, et Anthropic garde les résultats de ses classifieurs de sécurité pour faire respecter sa politique d'usage. L'accord couvre les API éligibles et les produits qui utilisent une clé d'organisation commerciale, Claude Code compris. Les interfaces Claude Team et Enterprise n'y sont pas éligibles, à l'exception de Claude Code sur Enterprise, qui a sa propre offre, et les Covered Models en restent exclus sauf autorisation expresse. Côté offres équipe et entreprise, Anthropic fournit en standard un accord de traitement des données (DPA, pour Data Processing Agreement) avec les comptes professionnels.
Une nuance importante, parce qu'elle est source de confusion : les versions grand public de Claude (compte gratuit ou Pro sur claude.ai) ont des règles différentes. Selon les paramètres choisis sur le compte, les conversations peuvent y être conservées plus longtemps et utilisées pour améliorer les modèles. C'est une raison de plus pour ne jamais bâtir un système connecté sur un compte personnel, et pour distinguer clairement, dans une équipe, l'outil de discussion individuel et le système outillé qui touche aux données clients.
Le débat « est-ce que l'IA va apprendre de mes données clients » est largement tranché pour les usages professionnels : non. La question qui reste porte sur ce que vous autorisez l'agent à faire dans vos systèmes.
Le vrai sujet, c'est l'architecture
Imaginez que vous embauchiez un alternant pour aider l'équipe marketing. La question pertinente porte sur les fichiers auxquels vous lui donnez accès et sur ce qu'il a le droit de modifier, bien plus que sur sa mémoire. Pour un agent IA connecté, c'est exactement pareil. Le risque vient des droits que vous lui ouvrez sur le CRM et les outils internes, et de la façon dont le système est construit autour.
Quelques principes que les référentiels de sécurité, de la CNIL aux recommandations sur la sécurité des agents IA, répètent et qui s'appliquent ici :
- Moindre privilège. L'agent n'a accès qu'aux objets et aux champs dont il a besoin pour sa tâche. Un agent qui prépare des récapitulatifs commerciaux n'a pas à voir les coordonnées bancaires ou les champs de santé. On le configure en lecture seule quand l'écriture n'est pas nécessaire.
- Compte de service dédié. L'agent se connecte au CRM avec son propre compte technique, traçable, révocable, distinct des comptes humains. Si quelque chose dérape, vous coupez ce compte sans toucher au reste.
- Cloisonnement et journalisation. On sait qui a accédé à quoi et quand. Les actions de l'agent sont enregistrées comme celles de n'importe quel utilisateur. C'est ce qui rend un incident analysable plutôt qu'invisible.
- Validation humaine sur les actions à risque. Lire des données, l'agent le fait seul. Modifier un enregistrement, envoyer un email à un client, ça peut passer par une confirmation. On décide ça champ par champ, action par action.
Un agent IA bien construit est un utilisateur de plus dans votre système d'information, avec des droits délibérément étroits et une trace de ce qu'il fait. Ce travail de cadrage porte l'essentiel de la sécurité réelle, avant le choix du fournisseur et du mode d'accès décrit plus haut.
Le shadow AI : le risque que personne ne pilote
Les gestes quotidiens qui font reculer ce risque, forfait par forfait, sont détaillés dans mon article sur les réflexes d'équipe autour de la confidentialité des données.
Voici le retournement que beaucoup d'équipes ne voient pas : le scénario le plus dangereux n'est pas l'agent connecté et cadré. C'est ce qui se passe déjà aujourd'hui, hors de tout contrôle. Un commercial qui colle son fichier de prospects dans une IA personnelle pour rédiger une relance. Une chargée de marketing qui dépose une transcription de réunion client dans un outil grand public. C'est ce qu'on appelle le shadow AI : l'usage d'outils d'IA non validés par la DSI, avec des données internes, sans que personne n'en ait conscience.
Comparé à ça, un système officiel est une amélioration de la posture de sécurité, pas une dégradation. Parce qu'il est documenté, parce que les droits sont explicites, parce que les flux sont connus. Mettre en place un agent connecté et cadré revient souvent à fermer les brèches qui existent déjà, en donnant à l'équipe un chemin officiel et sûr plutôt que des bricolages dispersés.
Si le sujet de l'anonymisation des données avant traitement vous concerne, j'ai écrit un guide pratique sur comment anonymiser vos données avant de les confier à une IA : c'est complémentaire de ce qui suit, pour les cas où le périmètre d'accès ne suffit pas et où il faut masquer les informations personnelles en amont.
Un projet d'IA connectée à vos outils ?
Le Cockpit Marketing : votre marque encodée, vos outils connectés, 61 skills prêts à l'emploi.
Découvrir le Cockpit MarketingCe qu'il faut sur la table avant de connecter quoi que ce soit
Avant de brancher le premier agent, voici la liste que je passe en revue avec mes clients. Elle tient sur une page et elle évite les mauvaises surprises en fin de projet, notamment du côté de la DSI.
- L'accord de traitement des données (DPA) est signé avec le fournisseur de l'IA, et le mode d'accès retenu est une offre professionnelle ou l'API, pas un compte personnel.
- La localisation des données est documentée. Par défaut, l'API Anthropic traite les données aux États-Unis ; des options d'hébergement régional existent via les fournisseurs cloud. Vous savez où passent les données, et c'est écrit.
- Le périmètre d'accès de l'agent est défini noir sur blanc : quels objets, quels champs, en lecture seule ou en écriture, quelles actions nécessitent une validation humaine.
- La journalisation est en place côté CRM et côté agent : vous pouvez reconstituer qui a fait quoi.
- Le registre des traitements RGPD est à jour et intègre ce nouveau traitement, avec sa finalité et sa base légale.
- La DSI a validé. Pas en fin de projet : dès le cadrage. Connecter une IA au CRM crée un nouveau flux et de nouveaux droits dans le système d'information ; c'est son sujet autant que le vôtre.
- L'équipe sait ce qu'elle peut et ne peut pas faire avec le système : quelles données entrent, lesquelles n'entrent jamais, et pourquoi.
Rien là-dedans n'est insurmontable. C'est même plutôt court. Mais chaque ligne sautée est une ligne qui revient plus tard, au pire moment.
Comment je le fais chez mes clients
Concrètement, je ne branche jamais un agent sur un CRM le premier jour. La démarche commence par une cartographie : quelles données vivent où, lesquelles sont sensibles, quels outils l'équipe utilise déjà, et où sont les usages cachés. C'est le travail d'audit qui ouvre toute la méthode que j'applique en accompagnement.
Ensuite, je connecte progressivement, en commençant par les flux à faible risque (de la lecture, des données peu sensibles). Je documente chaque accès, je configure les comptes de service et leurs périmètres, et la journalisation tourne avant d'élargir. C'est exactement la logique de l'agent IA de prospection que j'ai mis en place : un agent connecté aux outils, mais aux droits délibérément étroits, supervisable, et dont l'équipe a appris le fonctionnement avant qu'il ne touche à quoi que ce soit d'important. Même principe pour le copilot marketing quand il se connecte aux plateformes de contenu : des droits étroits, et une validation humaine sur ce qui compte.
Enfin, je forme l'équipe. Un système connecté qui n'est pas compris est un système mal utilisé. Les 4 semaines de coaching que je prévois servent justement à ça : savoir briefer l'agent, lire ce qu'il a fait, repérer ce qui sort de l'ordinaire, et connaître les garde-fous. La sécurité d'un système d'IA connecté tient à sa configuration et à ce que les gens savent en faire.
Conclusion
Connecter une IA à son CRM et à ses outils internes n'est pas un saut dans le vide. Côté modèle, les garanties existent et sont documentées : avec l'API ou les offres professionnelles, vos données ne servent pas à l'entraînement, et leur durée de conservation dépend de l'offre choisie. Un accord de zéro rétention, qu'Anthropic examine au cas par cas, réduit encore ce qui reste stocké, avec des exceptions publiées. Le sujet réel, celui sur lequel se joue la confidentialité, c'est l'architecture : les droits que vous donnez à l'agent, la traçabilité, la validation humaine, et le cadrage avec la DSI et votre référent RGPD.
Bien fait, ce travail rend votre équipe plus sûre qu'elle ne l'est aujourd'hui, où le shadow AI fait circuler des données sans aucun contrôle. Mal fait, c'est effectivement un risque. Tout se joue sur la méthode.
Depuis la publication de cet article, le calendrier réglementaire a bougé : le règlement européen sur l'IA s'applique depuis le 2 août 2026, à quelques exceptions près. J'ai détaillé ce que cela change pour une équipe marketing, offre par offre, dans ce qu'exigent le RGPD et l'AI Act avant de brancher l'IA sur vos données clients.
Pour aller plus loin, lisez aussi comment anonymiser vos données avant de les confier à une IA, les trois erreurs à éviter avant de se lancer dans l'IA générative, et la méthode STEP pour intégrer durablement l'IA dans une équipe marketing. Et si vous voulez faire le point sur votre situation, le diagnostic IA marketing gratuit identifie vos priorités en quelques minutes.