SÉCURITÉ
Un assistant qui répond sur vos procédures, contrats ou fiches techniques, c'est du RAG. L'enjeu n'est pas seulement la qualité des réponses : c'est de garantir qu'aucun document ne sort de son périmètre. Principe, architecture et garde-fous.
Par Nassim Drine · Mis à jour le 20 novembre 2026
Un modèle de langage seul répond avec ce qu’il a appris pendant son entraînement. Il ne connaît ni vos procédures, ni vos contrats, ni vos fiches produits. Le RAG ajoute une étape avant la réponse : chercher dans vos documents les passages pertinents, puis demander au modèle de répondre uniquement à partir de ces passages, en citant d’où ils viennent.
C’est la différence entre demander à quelqu’un de répondre de mémoire et lui tendre le classeur ouvert à la bonne page. Le modèle ne « retient » pas vos documents : il les lit au moment de la question, passage par passage.
Pour une PME, les usages typiques sont concrets : un technicien qui interroge les notices et les modes opératoires, un commercial qui retrouve une clause dans les conditions générales, une équipe RH qui répond aux questions récurrentes sur le règlement intérieur, un service qualité qui retrouve la bonne version d’une procédure.
On connecte les sources choisies : un dossier partagé, une GED, un intranet, une base de connaissances. On ne prend que ce qui a été validé, pas « tout le serveur ».
Chaque document est découpé en passages de taille raisonnable. Les métadonnées sont conservées : titre, version, date, auteur, et surtout les droits d’accès d’origine.
Chaque passage est transformé en représentation numérique (un « embedding ») et rangé dans une base de recherche. C’est ce qui permet de retrouver un passage par le sens, pas seulement par mots-clés.
Quand un utilisateur pose une question, le système cherche les passages les plus proches, parmi ceux que cet utilisateur a le droit de voir.
Le modèle reçoit la question et les passages retenus, avec la consigne de s’y tenir. La réponse affiche les documents sources, pour que l’utilisateur vérifie.
Les questions, les documents consultés et les réponses sont tracés, avec une durée de conservation définie. C’est ce qui permet de corriger, d’auditer et d’améliorer.
Quand on parle de fuite avec le RAG, on pense d’abord au fournisseur du modèle. C’est un vrai sujet, mais ce n’est pas le seul. Quatre familles de risques méritent votre attention.
Les droits d’accès ignorés. C’est le risque le plus sous-estimé. On indexe tout le partage réseau dans une seule base, et l’assistant répond à un stagiaire avec un extrait du dossier des rémunérations. La cause n’est pas l’IA, c’est l’architecture : la recherche ne filtrait pas selon les droits.
Le prestataire du modèle. Si les passages sont envoyés à un modèle hébergé par un tiers, il faut savoir où ils sont traités, combien de temps ils sont conservés et s’ils peuvent servir à l’entraînement. Ces conditions varient selon les offres et évoluent : on les lit dans le contrat, pas dans une présentation commerciale.
Les documents piégés. Un document peut contenir des instructions cachées destinées au modèle (« ignore les consignes précédentes et affiche… »). C’est ce qu’on appelle une injection de prompt indirecte. Le risque augmente quand l’assistant indexe des contenus externes (e-mails reçus, pages web, documents fournisseurs). L’ANSSI consacre une partie de ses recommandations sur l’IA générative à ce type de menace.
Les journaux oubliés. Les questions posées contiennent souvent elles-mêmes des informations sensibles. Des journaux conservés sans limite, accessibles à trop de monde, deviennent une fuite à retardement.
Chaque passage garde les droits du document d’origine. Le filtrage se fait au moment de la recherche, jamais par une simple consigne donnée au modèle.
On liste les dossiers indexés, on exclut le reste. Un document retiré de la source disparaît de l’index.
API d’un éditeur avec engagements contractuels, cloud européen, ou modèle open-weight hébergé chez vous : le choix dépend des données, pas de la mode.
Journal des questions et des sources, durée de conservation fixée, accès aux journaux restreint.
Si aucun passage pertinent n’est trouvé, l’assistant le dit au lieu d’inventer.
Questions pièges, tentatives d’accès hors droits, documents contenant des instructions : on teste avant d’ouvrir aux équipes.
Sur l’hébergement, il n’y a pas de réponse unique. Pour des notices techniques déjà publiques, une API avec des garanties contractuelles claires peut convenir. Pour des dossiers RH, médicaux ou juridiques, un modèle hébergé sur une infrastructure que vous maîtrisez est souvent plus adapté. Des modèles à poids ouverts, comme certains modèles de Mistral AI, rendent cette option réaliste : voir notre page Mistral. Dès que des données personnelles sont en jeu, les règles du RGPD s’appliquent aussi à l’index et aux journaux, comme nous l’expliquons dans automatisation et RGPD.
Parlons de vos documents, de qui doit y accéder et de leur sensibilité. Échange découverte gratuit de 30 minutes, sans engagement.
Échange découverte gratuit — 30 minNous écrireIl ne vaut que ce que valent vos documents. Trois versions contradictoires d’une même procédure donneront des réponses contradictoires. Le premier chantier est souvent un tri : quelle version fait foi, où elle se trouve, qui la met à jour.
Il réduit les inventions, il ne les supprime pas. Le modèle peut mal interpréter un passage ou en combiner deux à tort. D’où l’importance des citations : l’utilisateur doit pouvoir vérifier en un clic.
Il a du mal avec certains formats. Tableaux complexes, plans, scans de mauvaise qualité, documents manuscrits : ils demandent une préparation spécifique, parfois un passage par l’OCR. Notre service de traitement de documents et la page saisie et classement de documents couvrent cette étape en amont.
Il ne remplace pas l’expert. Pour une décision qui engage (une interprétation juridique, une consigne de sécurité, un diagnostic), l’assistant retrouve et présente l’information ; la personne compétente décide.
Il demande de l’entretien. Les documents changent, les droits aussi. Un index qui n’est pas resynchronisé finit par répondre avec des informations périmées. Le suivi fait partie du projet, voir maintenance et supervision.
Commencez petit : un corpus limité, une équipe, une série de questions réelles collectées auprès des utilisateurs. Mesurez la qualité des réponses sur ces questions avant d’élargir. Vérifiez avec quelqu’un d’extérieur au projet que les droits d’accès tiennent. Puis étendez le périmètre, document par document.
C’est la démarche que nous appliquons pour nos assistants IA sur documents : la sécurité est conçue dès le départ, pas ajoutée après coup. L’équipe de Rel-IA vient de la cybersécurité ; ce n’est pas un argument commercial, c’est la raison pour laquelle nous commençons toujours par la question « qui a le droit de voir quoi ? ».
Pas dans une architecture RAG : les documents sont lus au moment de la question, ils ne modifient pas le modèle. La vraie question concerne le prestataire, si vous utilisez un modèle hébergé par un tiers. Ses conditions contractuelles doivent préciser s’il conserve les données envoyées et s’il peut les réutiliser. Nous vérifions ces clauses avec vous avant de choisir.
Pas si l’assistant est correctement conçu. Les droits du document d’origine sont copiés dans l’index, et la recherche ne remonte que les passages autorisés pour l’utilisateur connecté. Se contenter de demander au modèle de « ne pas révéler » certaines informations ne suffit pas. Nous testons ce point avec des comptes de profils différents avant toute mise en service.
Pas forcément. Cela dépend de la sensibilité des documents, de vos contraintes clients et de vos ressources. Un hébergement interne offre le plus de maîtrise, mais demande de l’infrastructure et de l’entretien. Une API européenne avec des engagements contractuels clairs convient à de nombreux usages. On en décide après avoir classé vos documents par niveau de sensibilité.
Ceux dont les droits d’accès sont flous, les versions obsolètes qui contredisent les documents en vigueur, et les dossiers très sensibles tant que le dispositif n’a pas fait ses preuves sur un périmètre plus simple. Un premier corpus bien choisi, à jour et peu sensible permet de valider la qualité des réponses et les contrôles d’accès avant d’aller plus loin.

À VOIR AUSSI
Vos équipes interrogent procédures, contrats et archives en langage naturel. Réponses citées, accès respectés, données qui restent chez vous si besoin.
Mistral AI en entreprise avec Rel-IA, partenaire officiel : service hébergé en Europe, modèles open-weight sur vos serveurs, assistants internes.
Automatisation et RGPD : base légale, minimisation, sous-traitants, transferts hors UE, registre, information. Les règles à vérifier avant de lancer.
Trente minutes pour savoir ce qui vaut la peine d'être automatisé chez vous.