By · Last updated 2026-04-04

Retour au blogSécurité de l'IA

De FEMA à la finance : Pourquoi la politique d'IA...

77 % des employés partagent des données sensibles au travail avec des outils d'IA malgré des politiques l'interdisant.

April 4, 20268 min de lecture
AI data governancetechnical controlsChatGPT policy failureChrome Extension DLPenterprise AI security

Quand la politique rencontre le comportement réel

Un prestataire gouvernemental était sous pression. Il avait un arriéré de dossiers FEMA d'aide aux victimes d'inondations à traiter. Il a collé des noms, adresses et dossiers médicaux dans ChatGPT pour aller plus vite. Il ne pensait enfreindre aucune règle. Il utilisait simplement l'outil le plus efficace à sa disposition.

Résultat : une enquête gouvernementale et une divulgation publique.

C'est l'échec fondamental de la gouvernance IA reposant uniquement sur des politiques. Les politiques indiquent aux employés ce qu'ils doivent faire. Elles n'arrêtent pas le comportement.

77 % des employés d'entreprise partagent des informations professionnelles sensibles avec des outils IA au moins chaque semaine — même lorsque les politiques l'interdisent (eSecurity Planet/Cyberhaven 2025). Ce ne sont pas des travailleurs imprudents. Ce sont des personnes sous pression temporelle qui choisissent l'outil le plus rapide.

Pourquoi les politiques échouent

Les politiques d'utilisation de l'IA reposent sur le jugement humain au moment de la saisie. Ce moment est bref. L'employé peut ne pas se souvenir de la politique. Il peut ne pas voir le contenu comme « sensible ». Il accepte le risque parce que le gain de temps semble important.

L'analyse Q4 2025 de Cyberhaven révèle que 34,8 % de toutes les saisies ChatGPT contiennent des informations confidentielles. Beaucoup de ces utilisateurs connaissaient la politique. Ils ont quand même collé.

Les politiques d'accès fonctionnent parce que les systèmes les appliquent. La DLP au niveau de la messagerie fonctionne parce que les systèmes l'appliquent. Les politiques IA n'ont aucun mécanisme d'application au point de collage. Une décision humaine comble cette lacune. À grande échelle, les humains font des erreurs.

Le prestataire FEMA a fait l'une de ces erreurs. Ce n'était pas un acteur malveillant. L'outil l'a emporté parce que la politique lui demandait de choisir la lenteur plutôt que la vitesse. Sous pression, il a choisi la vitesse.

Les contrôles techniques arrêtent ce que les politiques ne peuvent pas

La seule solution qui fonctionne à grande échelle opère au niveau technique — pas au niveau de la formation.

Une extension de navigateur peut intercepter le contenu du presse-papiers avant qu'il n'atteigne une IA en ligne. Lorsque le prestataire copie des noms et adresses de demandeurs et les colle dans ChatGPT, l'extension détecte les informations personnelles, les anonymise et envoie la version épurée. L'IA voit [NAME_1] et [ADDRESS_1] au lieu de valeurs réelles. Elle accomplit quand même la tâche. Les informations privées du demandeur n'atteignent jamais les serveurs de ChatGPT.

C'est automatique. L'utilisateur n'a rien à mémoriser.

Pour les développeurs utilisant Cursor ou GitHub Copilot, un Serveur MCP fournit la même couche de protection. Le code collé dans le contexte IA passe d'abord par le moteur d'anonymisation. Les identifiants et les références propriétaires deviennent des jetons. L'IA reçoit une entrée épurée et fournit toujours une sortie utile.

Comparez avec le blocage : Blocage vs. Anonymisation — Comparaison DLP navigateur.

Ce qui change avec les contrôles techniques

Avec une extension de navigateur en place, le scénario FEMA se déroule différemment :

  1. Le prestataire copie les dossiers des demandeurs depuis le système de gestion
  2. L'extension détecte les informations personnelles dans le presse-papiers
  3. Une fenêtre d'aperçu montre ce qui sera remplacé
  4. La version anonymisée est envoyée à ChatGPT
  5. ChatGPT traite la demande et renvoie les résultats
  6. Le prestataire obtient l'aide nécessaire — aucune enquête déclenchée

La politique n'avait pas besoin de changer. La formation n'avait pas besoin d'être effectuée. La couche d'interception a tout géré.

La formation aux politiques réduit les risques à la marge. Les contrôles techniques éliminent le mode d'échec. L'incident FEMA était un échec de politique. Avec une seule Chrome Extension déployée sur l'appareil de ce prestataire, il n'aurait pas eu lieu.

Voir aussi :

Sources

Prêt à protéger vos données ?

Commencez à anonymiser les PII avec plus de 285 types d'entités dans 48 langues.

About this page

We update this page when our platform or the law changes.

Read our founder note for how we work.

Each change shows up in the timestamp at the top.

Related reading

We follow these rules

  • GDPR (EU 2016/679).
  • ISO/IEC 27001:2022.
  • NIS2 (EU 2022/2555).
  • HIPAA safe harbor under 45 CFR § 164.514(b)(2).

Our promise

We do not sell your data.

We do not train models on your text.

We store your files in Germany.

You can delete your account at any time.

You own your work.

Where we run

Our servers live in Falkenstein, Germany.

We use Hetzner. They hold ISO 27001 certification.

All data stays in the EU.

Backups run every day.

Need help?

Email support@anonym.legal.

We reply within one business day.

How we test

We run a full check suite on every release.

Each surface gets its own sweep script and report.

Human reviewers spot-check the output each week.

We track recall and precision on a labelled set.

Bad runs block the deploy.

What we never do

  • We never sell your information to third parties.
  • We never train models on what you upload.
  • We never keep your work after you delete it.
  • We never share keys with any outside firm.
  • We never run ads inside the product.

Plans in plain words

We sell credits, not seats.

One credit covers one short job.

Long jobs use a few credits each.

You can top up at any time.

Unused credits roll over each month.

Read the plans page for current rates.

Who built this

A small team of engineers and lawyers built this.

We ship from Europe and work in the open.

Our founder note spells out why we started.

Where to start

How the parts fit

A browser add-on cleans text inside Chrome.

A Word plug-in handles drafts in Office.

A small desktop tool works on whole folders.

An agent protocol link feeds large models safely.

All four share one core engine and one rule set.

Words from our team

We started this work after a lunch about cookies.

One friend kept getting odd ads on her phone.

We asked why a court file leaked through a draft.

We sketched the first build on a napkin that week.

By month three we had a tiny demo for a friend.

She used it on her first case the next day.

Common questions we hear

Can the tool read scanned PDFs? Yes, with OCR.

Does it work on long files? Yes, in small chunks.

Can I roll my own rule set? Yes, save it as a preset.

Does it run offline? The desktop build runs offline.

Do you keep my files? No, the cloud build wipes after each run.

Will it learn from my work? No, we never train on inputs.

A short tour of the workflow

Upload a file or paste a snippet of prose.

Pick the entities you want gone from the draft.

Choose a method: replace, mask, hash, encrypt, or redact.

Press run and watch the side panel show each hit.

Skim the result and tweak any rule that misfired.

Save the cleaned file or send it to a teammate.