Un vecteur n'est pas anonyme : ce que le RGPD impose vraiment à votre base d'embeddings
Beaucoup d'experts RAG pensent qu'un embedding est une suite de chiffres anonymes. La CNIL et la jurisprudence disent l'inverse. Ce que cela change pour votre responsabilité.
- Un embedding dérivé d'un texte contenant des données personnelles reste une donnée à caractère personnel : il n'est ni anonyme, ni hors du champ du RGPD.
- Le droit à l'effacement implique de pouvoir supprimer non seulement le document source mais aussi tous les chunks et vecteurs qui en dérivent : sans traçabilité, vous ne pouvez pas honorer une demande d'effacement.
- Minimisation, base légale, durée de conservation et localisation des données s'appliquent à votre pipeline d'ingestion comme à n'importe quel traitement.
- En tant que concepteur, vous engagez votre responsabilité sur l'architecture de conformité ; l'option Cyber couvre la violation de données et les coûts de notification CNIL.
L'illusion de l'embedding anonyme
Le raisonnement séduisant et faux que l'on entend en mission : « un embedding, c'est un vecteur de nombres flottants, donc ce n'est plus une donnée personnelle, donc le RGPD ne s'applique pas ». C'est une erreur de qualification juridique aux conséquences lourdes.
Le RGPD définit la donnée personnelle comme toute information se rapportant à une personne identifiée ou identifiable. Un embedding dérivé d'un texte nominatif conserve l'information sémantique de ce texte : il permet de retrouver, par recherche de similarité, le passage d'origine et donc la personne concernée. Mieux, des travaux d'embedding inversion montrent qu'on peut reconstituer une partie significative du texte source à partir du seul vecteur.
La conclusion est nette : un embedding issu de données personnelles reste une donnée personnelle. Votre base vectorielle est un traitement de données personnelles à part entière, soumis au RGPD comme la base documentaire d'origine.
Le droit à l'effacement : le piège technique du RAG
L'article 17 du RGPD consacre le droit à l'effacement. Une personne peut exiger la suppression de ses données. Dans une base documentaire classique, on supprime le fichier. Dans un RAG, l'opération est bien plus délicate.
Un même document a été chunké en dizaines de fragments, chacun transformé en vecteur, parfois dupliqué dans plusieurs collections, possiblement répliqué dans des sauvegardes ou un cache. Si vous n'avez pas conçu une traçabilité document-source vers chunks vers vecteurs, vous êtes incapable de garantir un effacement complet. Or une suppression partielle n'est pas conforme.
Si votre architecture ne permet pas de retrouver et supprimer tous les vecteurs dérivés d'une personne, vous avez livré un système structurellement non conforme au droit à l'effacement.
C'est un point de conception, donc un point de responsabilité. Le client vous opposera, à juste titre, que la conformité « privacy by design » de l'article 25 du RGPD vous incombait dès la phase de conception. Comprendre l'étendue de votre couverture en cas d'incident passe par notre page assurance cyber.
Minimisation, base légale, localisation : les autres obligations oubliées
Au-delà de l'effacement, plusieurs principes du RGPD pèsent directement sur votre pipeline d'ingestion :
- Minimisation des données : indexer un partage de fichiers entier « par confort » viole le principe de minimisation. Vous ne devez ingérer que les sources nécessaires à la finalité.
- Base légale : le traitement des données indexées doit reposer sur une base légale valide. Ce n'est pas à vous de la déterminer, mais votre conseil doit alerter le client si elle manque.
- Durée de conservation : les vecteurs ne doivent pas survivre indéfiniment. Une politique de purge doit être prévue.
- Localisation et sous-traitance : utiliser une base vectorielle managée hors UE ou une API d'embeddings d'un fournisseur tiers crée un transfert de données et une chaîne de sous-traitance à encadrer.
Chacun de ces points est un risque de non-conformité que le client vous reprochera s'il n'a pas été traité ou signalé. Votre devoir de conseil de professionnel s'étend à ces aspects, même quand le client ne les a pas évoqués.
Où s'arrête le responsable de traitement, où commence le sous-traitant
Le RGPD distingue le responsable de traitement (votre client, qui décide des finalités) et le sous-traitant (vous, qui traitez pour son compte). Cette distinction conditionne votre exposition.
En tant que sous-traitant, vous n'êtes pas le décideur des finalités, mais l'article 28 vous impose des obligations propres : sécurité, assistance aux demandes d'exercice de droits, documentation, et surtout l'obligation d'alerter le responsable si une instruction lui paraît non conforme. Un contrat de sous-traitance (DPA) doit formaliser tout cela.
Le piège : si vous prenez des décisions techniques structurantes (choix d'indexer telle source, durée de conservation, localisation) sans instruction explicite, vous glissez vers une coresponsabilité et votre exposition augmente. D'où l'importance de tracer par écrit qui décide quoi. Cette rigueur contractuelle, combinée à une RC Pro solide, constitue votre meilleure protection.
Le coût d'une violation et le rôle de l'option Cyber
Quand une donnée personnelle indexée fuite ou qu'un droit n'a pu être honoré, l'addition monte vite. Voici les postes typiques et la garantie qui répond :
| Poste | Garantie |
|---|---|
| Notification CNIL et information des personnes concernées | Option Cyber |
| Expertise forensique et remédiation technique | Option Cyber |
| Préjudice immatériel subi par le client (sanction, désorganisation) | RC Pro |
| Frais de défense face à la mise en cause | RC Pro |
Rappelons que les sanctions RGPD peuvent atteindre des montants considérables pour le responsable de traitement, qui cherchera ensuite à se retourner contre son sous-traitant. Pour un expert RAG freelance, la combinaison RC Pro + option cyber démarre à 17,90€/mois, ajustée selon votre chiffre d'affaires et la sensibilité des données de vos clients. Tous les détails sur votre fiche expert RAG.
Questions fréquentes
Oui, dès lors qu'il dérive d'un texte contenant des données personnelles. Le vecteur conserve l'information sémantique permettant de retrouver la personne, et des techniques d'inversion peuvent reconstituer le texte source. Il n'est donc ni anonyme, ni hors du champ du RGPD.
Il faut une traçabilité complète document-source vers chunks vers vecteurs, incluant duplications, collections et sauvegardes. Sans cette architecture conçue dès le départ, un effacement complet est impossible et le système est non conforme à l'article 17.
En partie. Le client reste responsable de traitement, mais vous êtes sous-traitant au sens de l'article 28, avec des obligations propres de sécurité et d'alerte. Le privacy by design de l'article 25 vous incombe dès la conception : une architecture non conforme engage votre responsabilité.
Oui, cela crée un transfert de données hors UE et une chaîne de sous-traitance à encadrer (DPA, garanties appropriées). Votre devoir de conseil impose d'alerter le client sur ce point, même s'il ne l'a pas soulevé.
L'option Cyber prend en charge la notification CNIL, l'information des personnes et la remédiation technique. La RC Pro couvre le préjudice immatériel subi par le client et vos frais de défense. Les deux se combinent à partir de 17,90€/mois pour un freelance.
Souscrivez votre assurance pro en 2 minutes
Toutes nos protections pour votre activité de Expert RAG — attestation immédiate, sans engagement.
* Tarifs indicatifs « à partir de », selon votre profil, votre activité et les garanties choisies. · Voir la fiche Expert RAG →
Article rédigé et vérifié par l'équipe Insurio — Tutassûr, courtier en assurance immatriculé à l'ORIAS sous le n° 22001730. Information à caractère général ne se substituant pas aux conditions de votre contrat.