L'adoption de l'intelligence artificielle en entreprise se heurte à une question devenue impossible à ignorer : que deviennent les données envoyées à un modèle d'IA après le traitement d'une requête ? Pour une entreprise qui manipule des dossiers financiers, des contrats confidentiels, des données de santé, du code propriétaire ou des recherches sensibles, la réponse peut déterminer si l'IA est utilisable ou non.
Le 19 août 2026, OpenAI a annoncé une évolution importante de son architecture de confidentialité avec Zero Data Retention, ou ZDR, et un nouveau système appelé Private Safety Processing. L'objectif est particulièrement ambitieux : permettre aux organisations éligibles d'utiliser des modèles frontier sans que leurs prompts et réponses soient conservés après traitement, tout en maintenant des mécanismes automatisés capables de détecter certains risques sur plusieurs interactions liées.
Cette annonce place la confidentialité des données IA, la sécurité et le contrôle du client au centre de la compétition entre fournisseurs de modèles. Pour les entreprises, les développeurs SaaS et les responsables sécurité, il devient indispensable de comprendre ce que signifie réellement Zero Data Retention — et ce que cette expression ne signifie pas.
Qu'est-ce que Zero Data Retention chez OpenAI ?
Zero Data Retention est une option destinée aux clients API éligibles. Dans une configuration ZDR, OpenAI indique ne pas conserver les prompts et les réponses du modèle après le traitement de la requête.
OpenAI précise également que le contenu client concerné n'est pas accessible à son personnel pour examen, sous réserve d'exceptions légales documentées.
Par ailleurs, les données des clients Enterprise ne sont pas utilisées pour entraîner les modèles OpenAI sauf si le client choisit explicitement de participer.
En résumé : Zero Data Retention vise à permettre l'utilisation de modèles avancés tout en réduisant au maximum la conservation des prompts et réponses sensibles du client après traitement.
Pourquoi la rétention des données est devenue un enjeu majeur
Les premiers usages de l'IA générative étaient souvent relativement simples : rédiger un email, résumer un texte public ou générer quelques idées.
En 2026, les entreprises utilisent désormais l'IA dans des processus beaucoup plus sensibles : analyse de documents juridiques, traitement financier, développement logiciel, assistance médicale, analyse de dossiers clients, automatisation interne et agents capables d'effectuer plusieurs actions successives.
Plus l'IA entre profondément dans les opérations, plus les informations envoyées au modèle peuvent devenir stratégiques.
Une société peut vouloir bénéficier de la puissance d'un modèle frontier sans accepter que des documents confidentiels restent stockés chez un fournisseur après leur traitement. C'est précisément le problème que ZDR cherche à résoudre.
Ne pas utiliser les données pour l'entraînement n'est pas la même chose que Zero Data Retention
Une confusion fréquente consiste à penser que « mes données ne servent pas à entraîner le modèle » signifie automatiquement « mes données ne sont jamais conservées ».
Ce sont deux questions différentes.
L'utilisation pour l'entraînement concerne la possibilité que les informations servent à améliorer de futurs modèles. La rétention concerne la durée pendant laquelle les données restent stockées après une requête. L'accès humain concerne la possibilité pour du personnel du fournisseur de consulter ces informations.
Un fournisseur peut donc ne pas entraîner ses modèles sur les données d'entreprise tout en conservant temporairement certaines informations pour des raisons opérationnelles ou de sécurité. Zero Data Retention va plus loin en cherchant à supprimer cette conservation pour les déploiements compatibles.
Le nouveau problème : la sécurité moderne nécessite parfois plusieurs interactions
Les systèmes de sécurité traditionnels peuvent examiner une requête individuelle et déterminer si elle présente un risque.
Mais les nouveaux agents IA accomplissent des tâches beaucoup plus longues. Ils peuvent appeler des outils, effectuer plusieurs actions et poursuivre un objectif sur une série d'interactions.
OpenAI explique que certains comportements dangereux ne deviennent évidents qu'en observant plusieurs interactions liées. Une seule demande peut sembler normale, alors qu'une séquence complète peut révéler un abus ou un comportement anormal.
Cela crée un paradoxe : la sécurité bénéficie de davantage de contexte, mais la confidentialité exige de réduire la conservation du contenu.
Private Safety Processing a été conçu pour tenter de résoudre précisément ce conflit.
Qu'est-ce que Private Safety Processing ?
Private Safety Processing est une nouvelle architecture actuellement testée par OpenAI avec des premiers clients.
Les systèmes ZDR existants peuvent déjà appliquer certaines protections automatisées à une interaction individuelle. Private Safety Processing cherche à étendre cette analyse à plusieurs interactions liées tout en empêchant le personnel d'OpenAI d'accéder directement aux prompts et réponses sous-jacents.
Le système peut identifier un schéma présentant un risque et envoyer un signal limité à OpenAI, sans transmettre automatiquement le contenu complet de la conversation concernée.
Cette distinction est essentielle. L'objectif n'est pas de supprimer les systèmes de sécurité, mais de séparer l'analyse automatisée de l'accès humain au contenu privé.
Les données peuvent rester sur l'infrastructure contrôlée par le client
Pour les déploiements Zero Data Retention décrits par OpenAI, le contenu client peut rester sur une infrastructure contrôlée par l'organisation elle-même.
Cette architecture est particulièrement intéressante pour des entreprises qui souhaitent garder une maîtrise stricte de leurs informations sensibles.
Au lieu de transférer durablement l'ensemble du contexte vers une infrastructure accessible au fournisseur du modèle, l'organisation conserve ses informations dans un environnement qu'elle contrôle.
Les systèmes automatisés peuvent néanmoins exploiter les éléments nécessaires pour générer des signaux de sécurité limités.
OpenAI développe aussi un stockage chiffré avec clés contrôlées par le client
OpenAI travaille également sur une seconde architecture : le contenu pourrait être stocké sur une infrastructure fournie par OpenAI tout en étant chiffré avec des clés contrôlées par le client.
OpenAI indique que son personnel ne disposerait pas d'une copie de ces clés. Sans la clé de déchiffrement, les données sous-jacentes ne peuvent pas être simplement ouvertes et consultées par un employé.
Cette approche rapproche l'IA des architectures de sécurité déjà utilisées dans le cloud professionnel, où le contrôle cryptographique du client constitue une couche supplémentaire par rapport aux simples règles organisationnelles.
Pourquoi le contrôle des clés change le modèle de confiance
Dans un système classique, une entreprise doit faire confiance au fournisseur pour appliquer correctement ses politiques d'accès.
Avec des clés de chiffrement véritablement contrôlées par le client, une partie de cette confiance devient technique plutôt qu'exclusivement contractuelle.
Le fournisseur peut exploiter l'infrastructure sans nécessairement disposer de la capacité de lire les données protégées.
Pour les banques, assureurs, entreprises de santé, cabinets juridiques et sociétés possédant une propriété intellectuelle importante, cette séparation peut devenir un critère essentiel dans le choix d'un fournisseur d'IA.
Que reçoit OpenAI lorsqu'un risque est détecté ?
Selon OpenAI, lorsque Private Safety Processing détecte une activité potentiellement problématique, le système transmet un signal de sécurité étroitement défini.
Ce signal indique le type général d'activité détectée et peut être utilisé pour décider si une mesure d'application des règles est nécessaire.
Le personnel d'OpenAI ne reçoit pas automatiquement le contenu client sous-jacent simplement parce qu'une activité a été signalée.
Le client peut ensuite examiner l'événement à partir des informations disponibles dans son propre système.
Le client peut choisir de partager des informations pour une enquête ou un appel
Si une organisation estime qu'une activité signalée était légitime, souhaite contester une décision ou aider OpenAI à enquêter sur un abus vérifié, elle peut décider de fournir volontairement des informations supplémentaires.
Le modèle de confidentialité devient donc différent d'un système où l'opérateur peut consulter automatiquement tout le contenu stocké.
Le client conserve davantage de contrôle sur les informations révélées pendant une investigation.
Pourquoi cette architecture est importante pour les agents IA
Les agents constituent l'une des raisons principales pour lesquelles les mécanismes de sécurité doivent évoluer.
Un chatbot classique produit généralement une réponse. Un agent peut naviguer, appeler une API, manipuler des fichiers, interagir avec un système professionnel et poursuivre une tâche pendant plusieurs étapes.
OpenAI cite notamment le risque qu'un système poursuive une action au-delà de l'autorité prévue par l'utilisateur, par exemple s'il continue à agir après avoir reçu l'instruction de s'arrêter.
Dans ce type de scénario, examiner uniquement chaque interaction séparément peut ne pas suffire. Il faut parfois comprendre la trajectoire complète de l'agent.
Pourquoi les entreprises financières s'intéressent à Zero Data Retention
Le secteur financier possède des cas d'usage évidents pour l'IA : analyse de rapports, extraction de données, automatisation documentaire, résumé de dossiers, détection de tendances et assistance aux employés.
Mais une banque ou une fintech ne peut pas traiter des données financières sensibles comme un texte public.
La possibilité de réduire la conservation, contrôler les clés et limiter l'accès humain peut donc devenir un élément important d'une architecture IA destinée aux services financiers.
ZDR ne remplace pas les autres contrôles : authentification, autorisation, journalisation, segmentation, chiffrement et gouvernance restent nécessaires.
Pourquoi le secteur de la santé est particulièrement concerné
Les organisations de santé gèrent certaines des informations les plus sensibles qui existent.
L'IA peut apporter une grande valeur pour la documentation, l'analyse, l'administration et la recherche, mais une architecture mal conçue peut également multiplier les endroits où les données circulent.
Une entreprise ne devrait donc pas se contenter d'une promesse générale de « confidentialité IA ». Elle doit comprendre où les données sont traitées, qui contrôle le stockage, qui possède les clés et quelles informations peuvent être conservées.
Les cabinets juridiques et les documents confidentiels
Les cabinets juridiques représentent un autre exemple évident. Un modèle d'IA peut analyser un contrat, comparer des clauses ou résumer un dossier beaucoup plus rapidement qu'un traitement manuel.
Mais ces gains ne sont acceptables que si les obligations de confidentialité restent respectées.
L'utilisation professionnelle de l'IA devient donc une décision qui implique à la fois les équipes techniques, juridiques, sécurité et conformité.
Pourquoi les développeurs SaaS doivent comprendre la rétention des données
Lorsqu'une plateforme SaaS connecte une API IA, elle devient elle-même une partie de la chaîne de confidentialité.
Même si le fournisseur du modèle n'enregistre pas le prompt, l'application SaaS peut conserver ce même prompt dans sa propre base de données, ses logs ou un outil d'analytics.
Une véritable architecture privacy-first doit donc analyser tout le trajet de l'information : navigateur, serveur, API IA, base de données, logs, fichiers, analytics et services tiers.
Zero Data Retention du fournisseur ne protège pas automatiquement une application mal conçue.
Le traitement local peut compléter une stratégie Zero Data Retention
Une autre manière de protéger les données consiste simplement à éviter de les envoyer lorsqu'un traitement distant n'est pas nécessaire.
Certaines tâches comme des transformations de documents, du traitement PDF ou certaines étapes OCR peuvent parfois être effectuées directement sur l'appareil ou dans le navigateur.
Le modèle cloud n'intervient alors que lorsqu'une tâche nécessite réellement des capacités avancées de raisonnement.
Cette philosophie hybride permet de réduire la quantité de données transférées tout en conservant la puissance du cloud pour les opérations complexes.
C'est également une approche utile lors de la conception de plateformes documentaires ou de systèmes IA professionnels. Les entreprises qui souhaitent développer une solution adaptée à leurs propres contraintes peuvent découvrir les services de développement sur mesure de DevDocu AI.
Zero Data Retention n'élimine pas tous les risques
Il est important d'éviter une conclusion trop simple : ZDR ne rend pas automatiquement une application invulnérable.
Une clé API exposée peut toujours être volée. Une base de données du client peut être mal configurée. Un développeur peut enregistrer des prompts dans des logs. Une intégration externe peut conserver des informations. Un compte administrateur peut être compromis.
Zero Data Retention réduit une catégorie de risque : la conservation du contenu par le fournisseur de modèle après traitement. La sécurité globale dépend toujours de l'ensemble de l'architecture.
L'exception légale à connaître
OpenAI précise une exception importante dans son annonce. Comme d'autres fournisseurs de modèles frontier, l'entreprise est légalement tenue de signaler certains contenus apparents liés à l'exploitation sexuelle des enfants.
Des images signalées comme potentiellement concernées peuvent donc être conservées pour examen humain et obligations de signalement, y compris dans certains déploiements Zero Data Retention.
Cette exception montre pourquoi une entreprise doit toujours lire la documentation technique et contractuelle complète plutôt que d'interpréter « zero retention » comme une promesse absolue sans aucune exception légale.
Quand Private Safety Processing sera-t-il disponible ?
Private Safety Processing est actuellement testé avec des clients early access.
OpenAI prévoit de commencer son déploiement et de publier un technical white paper en septembre 2026.
Ce document sera particulièrement important pour les responsables sécurité, car ils voudront comprendre en détail le modèle de menace, le chiffrement, la gestion des clés, la génération des signaux et les limites techniques du système.
Zero Data Retention peut accélérer l'adoption de l'IA d'entreprise
Une grande partie de l'adoption de l'IA dépend désormais moins de la question « le modèle est-il assez intelligent ? » que de la question « pouvons-nous légalement et techniquement lui confier nos données ? »
Les modèles frontier sont déjà capables de traiter des tâches complexes. Le prochain obstacle est donc souvent la confiance.
Si des mécanismes comme ZDR, le chiffrement avec clés contrôlées par le client et Private Safety Processing fonctionnent comme prévu, davantage d'organisations pourraient envisager d'utiliser l'IA dans des workflows auparavant jugés trop sensibles.
Les questions que toute entreprise devrait poser à son fournisseur IA
- Les prompts sont-ils conservés après traitement ?
- Les réponses sont-elles conservées ?
- Les données servent-elles à entraîner les modèles ?
- Le personnel du fournisseur peut-il accéder au contenu ?
- Qui contrôle les clés de chiffrement ?
- Où les données sont-elles stockées ?
- Quels services tiers reçoivent les données ?
- Quelles exceptions légales existent ?
- Que se passe-t-il lorsqu'un risque de sécurité est détecté ?
- L'entreprise peut-elle auditer ses propres événements et logs ?
Ces questions deviennent progressivement aussi importantes que le prix du modèle ou ses performances sur les benchmarks.
Questions fréquentes sur OpenAI Zero Data Retention
Qu'est-ce que OpenAI Zero Data Retention ?
ZDR est une option destinée aux clients API éligibles dans laquelle OpenAI indique ne pas conserver les prompts et réponses après traitement de la requête.
OpenAI utilise-t-il les données Enterprise pour entraîner ses modèles ?
OpenAI indique que les données Enterprise ne sont pas utilisées pour l'entraînement de ses modèles sauf si le client choisit explicitement de participer.
Le personnel d'OpenAI peut-il lire le contenu ZDR ?
OpenAI indique que le contenu client concerné n'est pas accessible à son personnel pour examen, sous réserve des exceptions légales documentées.
Qu'est-ce que Private Safety Processing ?
Il s'agit d'une architecture conçue pour identifier certains risques à travers plusieurs interactions liées sans donner au personnel d'OpenAI l'accès au contenu sous-jacent.
Private Safety Processing est-il déjà disponible ?
Le système est actuellement testé avec des premiers clients. OpenAI prévoit un début de déploiement ainsi qu'un white paper technique en septembre 2026.
Qui contrôle les clés de chiffrement ?
Dans l'option de stockage OpenAI en développement décrite par l'entreprise, les clés seraient contrôlées par le client et le personnel d'OpenAI n'en posséderait pas de copie.
ZDR garantit-il qu'aucune donnée ne peut jamais fuiter ?
Non. ZDR réduit le risque lié à la rétention chez le fournisseur, mais la sécurité de l'application dépend toujours des bases de données, logs, comptes, clés API, intégrations et systèmes contrôlés par le client.
Conclusion : la confidentialité devient un avantage concurrentiel pour les modèles frontier
La compétition entre fournisseurs d'intelligence artificielle ne se joue plus uniquement sur les benchmarks, la vitesse ou les capacités de raisonnement.
Pour les entreprises, la question du contrôle des données peut devenir tout aussi importante que la puissance du modèle.
Avec Zero Data Retention, OpenAI promet aux clients API éligibles que leurs prompts et réponses ne sont pas conservés après traitement. Private Safety Processing cherche maintenant à préserver cette confidentialité tout en permettant à des systèmes automatisés d'identifier des risques qui apparaissent seulement sur plusieurs interactions.
L'idée est puissante : des modèles plus capables, des systèmes de sécurité plus avancés et, en même temps, un contrôle plus strict du client sur ses propres informations.
La véritable IA privée pour entreprise ne dépendra toutefois jamais d'un seul bouton. Elle dépendra de l'ensemble de l'architecture : stockage, chiffrement, identité, permissions, logs, services tiers et règles internes. Zero Data Retention est une pièce importante de ce puzzle — mais la sécurité réelle reste une discipline de bout en bout.
