Interroger une data room financière avec l’IA, sans exposer de données personnelles

Un éditeur fintech voulait rendre ses data rooms de due diligence interrogeables en langage naturel, sans qu’aucune donnée personnelle ne quitte l’Union — parfois sans qu’aucune donnée ne sorte du réseau. Voici le montage, anonymisé, pour quelques dizaines de centimes par data room.

Mis à jour le 10 juillet 2026

Le contexte

Le client est un éditeur de logiciel fintech qui exploite une plateforme de due diligence et de financement M&A pour des PME. Son matériau : des data rooms de documents financiers hétérogènes — PDF signés, tableurs, liasses fiscales — qui mêlent des chiffres d’entreprise que l’on veut analyser et des données personnelles que l’on ne veut surtout pas disséminer : dirigeants, cautions, emprunteurs.

Cas anonymisé : ni le client ni ses data rooms ne sont nommés, et les chiffres cités sont des ordres de grandeur.

Trois contraintes qui se cumulaient

Confidentialité — exploiter les documents sans qu’aucune donnée personnelle n’atteigne un LLM externe ni l’index de recherche. Coller un document dans un prompt, c’est transférer ces données au fournisseur du modèle, souvent hors UE ; l’éditeur reste responsable de traitement.
Résidence — certains clients exigent que les données restent dans l’Union, d’autres qu’aucune donnée ne sorte du réseau (air-gapped).
Fiabilité — dans un dossier de crédit ou d’acquisition, un chiffre halluciné n’est pas une imperfection, c’est un risque. Il fallait des réponses traçables jusqu’à la source.

Le montage

Un pipeline où la donnée identifiante ne sort jamais du périmètre du client.

Anonymisation en amont, sur site — avant tout appel au modèle et toute indexation, l’identité est détectée et remplacée par des jetons ; les montants, ratios et entités d’entreprise, eux, sont préservés.
Extraction déterministe verrouillée — les tableaux financiers sont extraits par des règles déterministes et figés avant le modèle. Le LLM commente et met en relation ; il ne recalcule pas les montants. C’est le garde-fou contre l’hallucination de chiffres.
Backend d’inférence interchangeable — API rapide, cloud résident UE, ou modèle local air-gapped, selon l’exigence du client, sans changer la logique d’anonymisation ni d’extraction.
Vérification humaine — les sorties ont été confrontées à des rapports d’analystes avant mise en service.

Ce que le modèle voyait — et ne voyait pas

Il voyait la structure financière du dossier : postes de bilan, flux, ratios, entités d’entreprise, dates comptables, et la question de l’analyste. Assez pour lire, relier et répondre.

Il ne voyait pas l’identité des personnes physiques ni leurs coordonnées, remplacées par des jetons. La correspondance jeton → identité restait sur site. Tant qu’elle existe, l’opération relève de la pseudonymisation : les données restent personnelles pour l’éditeur, mais le fournisseur externe ne reçoit aucun identifiant.

Le résultat

Les data rooms sont devenues interrogeables en langage naturel. Aucune donnée personnelle n’était transmise aux LLM externes ni stockée dans l’index de recherche. Le coût de traitement d’une data room complète s’est établi à l’ordre de quelques dizaines de centimes ; le délai de mise en œuvre se compte en semaines, vérification comprise.

Et le même système se déploie en résidence UE ou en environnement air-gapped selon l’exigence du client — sans changer de méthode, seulement de moteur. C’est le genre de montage qui se décide au cadrage, pas à la recette.

Questions fréquentes

Comment publier ce cas sans exposer votre client ?

Aucune donnée n’identifie le client, ses propres clients ou les personnes figurant dans les documents. Le cas est décrit au niveau de la méthode et en ordres de grandeur, jamais des dossiers réels. C’est cohérent avec le montage lui-même : la donnée personnelle est retirée en amont. La minimisation appliquée au produit s’applique aussi à sa communication.

Est-ce un système à haut risque au sens de l’AI Act ?

Le pipeline livré — extraction et interrogation de documents — n’est pas en soi une notation de crédit. Mais l’annexe III classe à haut risque les systèmes destinés à évaluer la solvabilité de personnes physiques. Si la sortie alimentait une telle évaluation, c’est le système en aval qui relèverait de ce régime — applicable au 2 décembre 2027, sous réserve de publication au JOUE attendue en juillet 2026.

Anonymisation ou pseudonymisation, dans ce cas ?

Pseudonymisation. Tant que la table de correspondance existe, les données restent personnelles pour l’éditeur et dans le champ du RGPD. La valeur ne tient pas à une sortie du règlement, mais à la minimisation et à la sécurité : le fournisseur du modèle ne reçoit aucun identifiant, et l’exposition est réduite en cas d’incident, de journalisation ou de sous-traitance ultérieure.

Comment évitez-vous les chiffres hallucinés ?

Les tableaux sont extraits de façon déterministe et figés avant le passage au modèle. Le LLM commente et met en relation des chiffres déjà établis ; il ne les régénère pas. Les sorties ont été confrontées à des rapports d’analystes humains avant mise en service. La fidélité est mesurée au cas par cas, car elle dépend étroitement du corpus de chaque client.

Peut-on l’exécuter entièrement en UE, ou hors ligne ?

Oui. Le backend d’inférence est un choix, pas une contrainte de méthode : API rapide, cloud résident UE, ou modèle local air-gapped, sans modifier la logique d’anonymisation ni d’extraction. Le choix se fait selon les exigences contractuelles et le niveau de sensibilité du dossier. Le pipeline qui porte la conformité reste identique dans les trois cas.

Sources

Ressource liée

Agence IA →

Les trois métiers que recouvre le mot « agence IA », les questions à poser avant de signer, et pourquoi la conformité AI Act se décide au cadrage. Paris.