MR-001 et MR-003 CNIL 2026 : l'IA on-premise devient obligatoire

Le 2 août 2026, cinq nouveaux membres rejoignent le Collège de la CNIL. Le même mois, l'autorité publie une mise à jour substantielle de ses méthodologies de référence MR-001 et MR-003. Coïncidence de calendrier ou signal délibéré ? Peu importe : pour les cabinets d'avocats qui ont déployé — ou envisagent de déployer — un outil IA pour leurs dossiers de santé, médicaux ou médico-sociaux, le message est sans ambiguïté. L'architecture que vous utilisez aujourd'hui est peut-être déjà hors des clous.

Ce que contiennent les MR-001 et MR-003, et pourquoi elles concernent les cabinets

Les méthodologies de référence de la CNIL ne sont pas des lignes directrices optionnelles. Ce sont des cadres de conformité que les organismes peuvent adopter pour traiter des données sensibles — au sens de l'article 9 du RGPD — sans avoir à soumettre une demande d'autorisation individuelle. En d'autres termes : se conformer à une MR, c'est bénéficier d'un « accord préalable implicite » de la CNIL, à condition de respecter scrupuleusement toutes les conditions fixées.

MR-001 encadre les traitements de données à caractère personnel dans le domaine de la recherche en santé. MR-003 couvre les études et évaluations dans le secteur médico-social.

La mise à jour publiée en 2026 — dont la CNIL a détaillé les évolutions lors d'un webinaire dédié (disponible sur cnil.fr) — renforce plusieurs axes :

• Les exigences de localisation des données : les traitements couverts doivent désormais s'appuyer sur des infrastructures offrant des garanties renforcées quant à la localisation effective des données en Union européenne.
• La traçabilité des accès : chaque accès à une donnée sensible doit être journalisé, horodaté et auditable, avec une responsabilité clairement établie côté cabinet.
• La minimisation stricte : seules les données strictement nécessaires à l'opération en cours peuvent être mobilisées — ce qui implique un contrôle granulaire difficile à démontrer dans un contexte SaaS.
• La documentation du flux de données : le responsable de traitement doit pouvoir produire à tout moment une cartographie précise des flux, y compris vers des sous-traitants et leurs propres sous-traitants.

Or, nombre de cabinets d'avocats intervenant en droit de la santé, en contentieux médical, en droit social ou en responsabilité hospitalière traitent quotidiennement des données qui tombent sous le coup de ces MR — dossiers médicaux versés aux procédures, expertises contradictoires, données de patients en litige, bilans médico-sociaux. Ces documents transitent aujourd'hui, dans beaucoup de structures, par des outils IA cloud dont les conditions de traitement sont incompatibles avec les nouvelles exigences.

Le problème architectural des LLM SaaS face aux MR

Il faut être précis ici, parce que le débat est souvent caricaturé. Le problème n'est pas que Harvey, CoCounsel ou Lexis+ Protégé soient de mauvais outils juridiques — Harvey revendique environ 100 000 avocats utilisateurs et 144 millions de dollars d'ARR fin 2025, ce qui témoigne d'une adoption réelle. CoCounsel (Thomson Reuters) propose des fonctionnalités de recherche documentaire sérieuses. Lexis+ Protégé intègre une base de jurisprudence étendue.

Le problème est architectural.

Dans un modèle SaaS classique, lorsque vous soumettez un document à l'outil IA, voici ce qui se passe :

1. Le document complet (ou une portion significative) est transmis au serveur de l'éditeur.
2. Ce serveur peut être localisé hors UE — c'est le cas pour Harvey (infrastructure AWS américaine) et pour la majorité des outils LLM américains.
3. Le traitement s'effectue dans un périmètre que le cabinet ne contrôle pas directement.
4. Les logs, les index, les données d'entraînement potentielles sont gérés selon les conditions générales du fournisseur.

Face aux exigences des MR-001 et MR-003 mises à jour, ce modèle crée une impossibilité de conformité documentée :

Remarquons que même des outils positionnés comme « conformes RGPD » ne suffisent pas nécessairement. La conformité RGPD générale est une condition nécessaire mais non suffisante pour satisfaire aux MR. Ces dernières imposent des garanties spécifiques que seule une architecture maintenant le contrôle côté cabinet peut fournir.

L'architecture RAGbase Legal : ce qui reste, ce qui part

L'angle honnête sur l'architecture on-premise mérite d'être exposé sans euphémisme. Une solution comme RAGbase Legal peut, elle aussi, interagir avec un fournisseur LLM externe — OpenAI, Anthropic, Mistral, ou un modèle open source hébergé localement selon le choix du cabinet. Ce n'est pas cela qui fait la différence.

La différence est dans ce qui quitte l'infrastructure et ce qui n'en sort jamais.

Ce qui reste sur l'infrastructure du cabinet

• L'agent orchestrateur : la logique de raisonnement, le découpage des tâches, les décisions de routage restent sur les serveurs du cabinet.
• L'index vectoriel (vector store) : la représentation sémantique de l'ensemble de la base documentaire — dossiers clients, précédents, modèles — n'est jamais transmise à l'extérieur.
• Les documents complets : les pièces de procédure, rapports d'expertise, dossiers médicaux, correspondances sensibles ne quittent pas le périmètre.
• Les permissions et contrôles d'accès : qui peut interroger quoi, sur quel périmètre, est géré localement selon la politique du cabinet.
• Les logs d'audit : chaque requête, chaque accès, chaque réponse générée est journalisée sur l'infrastructure interne — condition directe de l'auditabilité requise par les MR.
• Les workflows agentiques : les automatisations (génération de conclusions, synthèses de dossiers, recherche de jurisprudence IA) s'exécutent en local.

Ce qui peut quitter l'infrastructure (et dans quelles conditions)

Uniquement les extraits minimaux (chunks) strictement nécessaires à la génération d'une réponse — sélectionnés par l'agent local après retrieval sémantique — peuvent être transmis au fournisseur LLM, selon les conditions API négociées par le cabinet. Ce n'est pas un document, ni un dossier : c'est un fragment contextuel, dépourvu d'identifiants directs lorsque la configuration le permet, et dont la transmission est logguée.

C'est cet écart — documents complets + agent sous contrôle cabinet vs chunks minimisés envoyés au modèle — qui permet de satisfaire à l'exigence de minimisation des MR, à condition que le fournisseur LLM retenu soit lui-même qualifié (hébergement UE, clause contractuelle adéquate, ou modèle local).

Pour les dossiers les plus sensibles — expertise médicale contradictoire, données de mineurs en protection de l'enfance, bilans médico-sociaux — le cabinet peut choisir un modèle LLM entièrement local (Mistral, LLaMA dérivé, Falcon), ce qui signifie zéro donnée hors périmètre.

Ce que le renouvellement du Collège CNIL signale pour les contrôles à venir

Le renouvellement partiel du Collège de la CNIL au 2 août 2026, avec l'arrivée de cinq nouveaux membres, n'est pas anodin. Historiquement, les renouvellements de collège s'accompagnent d'une réorientation des priorités de contrôle — et la mise à jour simultanée des MR-001 et MR-003 suggère que la protection des données de santé et médico-sociales figure en haut de l'agenda du nouveau Collège.

La CNIL dispose de pouvoirs de contrôle qui incluent la vérification sur place des systèmes de traitement. Un cabinet qui utilise un outil IA SaaS américain pour traiter des données couvertes par les MR ne pourra pas, en cas de contrôle, produire les preuves d'audit requises — simplement parce que ces preuves sont chez le fournisseur, non chez lui.

La sanction potentielle n'est pas seulement financière. Dans le cadre d'un contentieux médical ou d'une procédure sensible, une violation de conformité aux MR peut constituer un manquement au secret professionnel ou aux obligations déontologiques de l'avocat — avec des conséquences disciplinaires distinctes des sanctions RGPD.

La jurisprudence commence à fixer des repères. Dans sa délibération SAN-2022-023 (affaire AP-HP), la CNIL a sanctionné un organisme de santé pour des insuffisances dans la sécurisation des données patients, en soulignant spécifiquement l'absence de journalisation suffisante des accès. Les cabinets d'avocats qui traitent des données médicales comparables ne sont pas dans une situation juridiquement différente.

Évaluation comparative pour une décision d'architecture

Pour les cabinets qui souhaitent objectiver leur choix, voici les paramètres à évaluer :

Le coût total de possession mérite une lecture attentive. Un cabinet de 30 avocats utilisant Harvey à 1 000–1 200 USD/utilisateur/mois engage entre 360 000 et 430 000 USD/an — avant même de comptabiliser le risque réglementaire. Le modèle on-premise, avec un investissement initial de 20 à 50 000 euros, présente une trajectoire économique très différente sur trois ans, particulièrement pour les cabinets dont le volume de dossiers sensibles est élevé.

Il ne s'agit pas de dire que les outils SaaS n'ont pas de valeur. Pour un cabinet dont les dossiers sont entièrement dépourvus de données de santé, les MR ne s'appliquent pas, et le calcul est différent. Mais pour un cabinet spécialisé en droit de la santé, responsabilité médicale ou protection de l'enfance, l'architecture n'est plus un choix technique — c'est une obligation de conformité.

Ce que les cabinets doivent faire maintenant

Trois actions concrètes s'imposent avant la fin du premier trimestre 2027 :

1. Cartographier les dossiers impliquant des données MR Identifier dans le registre des traitements quels dossiers actifs contiennent des données de santé ou médico-sociales. Pour beaucoup de cabinets, ce périmètre est plus large qu'estimé : un dossier de licenciement peut contenir un arrêt maladie ; une procédure de divorce peut inclure une expertise psychiatrique.

2. Auditer les outils IA en production Pour chaque outil IA utilisé, vérifier : où le traitement s'effectue, où les logs sont conservés, quelles données transitent hors périmètre. Demander au fournisseur une documentation contractuelle sur la localisation des données et les conditions de sous-traitance — si la réponse est vague, c'est en soi un signal.

3. Définir une architecture cible pour les charges sensibles Le guide IA pour cabinets recommande une approche par segmentation : conserver les outils SaaS pour les charges de travail non sensibles (recherche jurisprudentielle sur données publiques, rédaction administrative), et déployer une architecture on-premise ou hybride pour tout ce qui touche aux données couvertes par les MR. Ce n'est pas une logique binaire — c'est une gestion du risque proportionnée.

La mise à jour des MR-001 et MR-003 n'est pas une évolution technique de niche. Elle redéfinit les conditions dans lesquelles les cabinets d'avocats peuvent utiliser l'IA sur leurs dossiers les plus sensibles. L'arrivée d'un Collège partiellement renouvelé, combinée à une mise à jour réglementaire explicite, rend probable une période de contrôles accrus dans les douze à dix-huit mois à venir.

La vraie question que chaque associé gérant et DSI de cabinet devrait se poser n'est pas « utilisons-nous un outil IA conforme RGPD ? » — mais « pouvons-nous démontrer à la CNIL, dossier en main, que nos traitements de données sensibles respectent chaque condition des MR applicables ? » Pour la majorité des architectures SaaS actuelles, la réponse honnête est non.

Ce qu'il faut évaluer avant de déployer ou de renouveler un contrat IA : la localisation effective des données, la complétude des logs d'audit, la granularité des permissions, et la capacité à produire ces preuves lors d'un contrôle — pas seulement la qualité des réponses générées.