DPO et IA en cabinet : ce que l'enquête CNIL change concrètement

Vingt-trois sanctions CNIL prononcées depuis janvier 2026 en procédure simplifiée. Ce chiffre, discret dans les communiqués officiels, devrait concentrer l'attention de tout associé gérant qui a déployé — ou envisage de déployer — un outil d'intelligence artificielle dans son cabinet. La CNIL vient de publier les résultats d'une enquête inédite sur le métier de DPO à l'heure de l'IA et de l'entrée en application du Règlement européen sur l'IA (AI Act). Le message est sans ambiguïté : les délégués à la protection des données font face à des défis structurellement nouveaux, et les organisations qui ont tardé à adapter leur gouvernance sont désormais dans le viseur d'une autorité qui a clairement quitté la phase pédagogique.

Pour les cabinets d'avocats, la lecture de cette enquête n'est pas un exercice académique. C'est un audit de risque en temps réel.

Ce que l'enquête CNIL révèle vraiment

L'enquête de la CNIL — première du genre à se concentrer spécifiquement sur l'intersection DPO/IA — identifie plusieurs points de tension organisationnelle qui méritent d'être lus sans filtre.

Premier constat : la cartographie des traitements IA est le maillon faible. La majorité des DPO interrogés déclarent ne pas disposer d'une visibilité complète sur les systèmes d'IA en production dans leur organisation. Dans un cabinet d'avocats, cela se traduit concrètement : savez-vous exactement quelles données de dossiers transitent vers quels serveurs lorsque votre collaborateur utilise un assistant IA pour rédiger des conclusions ? La réponse honnête, dans nombre de structures ayant adopté des outils SaaS juridiques en ordre dispersé, est non.

Deuxième constat : l'évaluation des risques spécifiques aux modèles IA échappe aux référentiels existants. Le RGPD impose des Analyses d'Impact relatives à la Protection des Données (AIPD) pour les traitements à risque élevé. L'article 35 RGPD prévoit explicitement cette obligation pour les traitements automatisés à grande échelle ou ceux impliquant des données sensibles. Or, les DPO signalent un manque flagrant de méthodologie adaptée aux particularités des LLM : non-déterminisme des sorties, risques d'hallucination, opacité des chaînes de traitement. La jurisprudence commence à s'en emparer — l'affaire Clearview AI (CNIL, délibération SAN-2022-019) a posé des jalons sur la responsabilité des organisations qui externalisent des traitements d'IA sans maîtrise suffisante.

Troisième constat : la gouvernance des modèles reste embryonnaire. Qui valide qu'un nouveau modèle peut être utilisé sur des données clients ? Qui conserve les logs d'utilisation ? Qui documente les biais potentiels ? Ces questions, que l'AI Act va rendre obligatoires pour les systèmes à haut risque, sont aujourd'hui gérées — quand elles le sont — de manière informelle dans la grande majorité des structures juridiques.

Le cabinet d'avocats : un profil de risque particulier

Un cabinet d'avocats n'est pas une entreprise comme les autres au regard du RGPD et du secret professionnel. Trois caractéristiques le distinguent et aggravent mécaniquement son exposition :

1. La nature des données traitées. Les dossiers clients contiennent régulièrement des données relevant de l'article 9 RGPD (santé, opinions politiques, données judiciaires relevant de l'article 10), soumises à des restrictions de traitement renforcées. Tout outil IA qui ingère ces documents pour en extraire de l'information opère donc dans un périmètre où la moindre défaillance de conformité devient une violation caractérisée.

2. Le secret professionnel comme obligation déontologique autonome. L'article 66-5 de la loi du 31 décembre 1971 impose au cabinet une confidentialité absolue sur les communications avec ses clients. Cette obligation ne se réduit pas au RGPD : elle crée une responsabilité disciplinaire distincte. Un transfert de données de dossiers vers des serveurs tiers sans garanties contractuelles suffisantes peut constituer une violation du secret professionnel indépendamment de toute infraction au RGPD.

3. La position de responsable de traitement sans DPO désigné pour les petites structures. Les cabinets de moins de 250 avocats ne sont pas soumis à l'obligation de désigner un DPO (sauf si leurs traitements sont à grande échelle ou à risque élevé). Mais ils restent responsables de traitement à part entière. En l'absence de DPO, c'est l'associé gérant qui porte personnellement la responsabilité de la conformité — y compris pour les outils IA déployés par les collaborateurs de leur propre initiative.

Le piège architectural des outils SaaS juridiques

La prolifération d'outils IA spécialisés pour le droit — Harvey (~100 000 avocats utilisateurs, 144 M$ d'ARR, valorisation de 8 Md$ fin 2025), CoCounsel de Thomson Reuters, Lexis+ AI, ou encore Legora — crée une illusion de conformité. Ces outils sont présentés comme sécurisés, avec des certifications et des clauses contractuelles. Mais leur modèle architectural crée structurellement des frictions avec les exigences que l'enquête CNIL met en lumière.

Voici pourquoi, et comment les différentes architectures se comparent sur les critères DPO :

La distinction critique n'est pas binaire entre « données qui partent » et « données qui restent ». Elle est architecturale. Un système comme RAGbase Legal peut lui aussi utiliser un LLM externe — Claude, GPT-4o, Mistral — pour générer des réponses. La différence déterminante est ce qui reste sur l'infrastructure du cabinet : l'agent d'orchestration, les index vectoriels, les connecteurs vers les bases documentaires, les permissions par utilisateur, les logs complets, et surtout les documents clients dans leur intégralité.

Ce qui peut transiter vers le LLM externe : uniquement les chunks minimaux récupérés par le système RAG — des extraits textuels décontextualisés, sélectionnés précisément parce qu'ils sont pertinents pour la requête, envoyés selon les conditions de l'API choisie par le cabinet. C'est cet écart entre documents complets sous contrôle et extraits minimaux envoyés au modèle qui change fondamentalement l'équation DPO.

Pour aller plus loin sur ce que cela implique techniquement : IA privée pour cabinet d'avocats.

Ce que l'AI Act ajoute concrètement au tableau

L'enquête CNIL intervient précisément au moment où l'AI Act commence à déployer ses effets. Pour les cabinets d'avocats, deux catégories de systèmes méritent une attention particulière :

Les systèmes d'IA à usage général (GPAI) : les LLM comme GPT-4 ou Claude sont désormais soumis à des obligations de transparence et de documentation de leurs capacités. Mais ces obligations pèsent sur les fournisseurs du modèle, pas directement sur le cabinet qui l'utilise via API. La question pour le cabinet est donc : les conditions d'utilisation de l'API que j'ai signées me donnent-elles les garanties suffisantes pour documenter mon AIPD ?

Les systèmes IA à haut risque : l'annexe III de l'AI Act liste des domaines où les systèmes IA sont présumés à haut risque. L'accès à la justice et les décisions juridiques y figurent explicitement. Un cabinet qui utilise un outil IA pour évaluer la probabilité de succès d'un dossier, scorer des risques contractuels ou préparer des arguments stratégiques opère potentiellement dans cette catégorie — avec les obligations de documentation, de supervision humaine et d'audit qui en découlent.

L'enjeu pour le DPO — ou l'associé gérant qui en tient le rôle — est de pouvoir démontrer ces contrôles, pas seulement de les affirmer. Dans une architecture on-premise, les logs, les traces d'accès et la documentation des flux sont natifs et contrôlables. Dans un modèle SaaS, ils dépendent de ce que le vendor accepte de vous fournir contractuellement — et de sa bonne volonté en cas d'audit.

Trois actions concrètes pour un DPO de cabinet en 2025

Si l'enquête CNIL et l'accélération des sanctions depuis janvier 2026 appellent à l'action, voici ce que les cabinets les plus exposés devraient prioriser :

1. Cartographier immédiatement les outils IA en usage réel

Pas les outils officiellement approuvés — ceux effectivement utilisés. La distinction est importante : dans de nombreux cabinets, des collaborateurs utilisent ChatGPT, Claude.ai ou des outils gratuits sur des données de dossiers, sans que la direction ait validé ces usages. Cet inventaire doit alimenter le registre des traitements (article 30 RGPD) avec une entrée spécifique par outil IA, incluant les flux de données, les sous-traitants et les bases légales.

2. Qualifier chaque outil au regard de l'obligation d'AIPD

Le Comité européen de la protection des données a publié des lignes directrices sur les critères déclenchant une AIPD. Pour un outil IA traitant des données de clients d'un cabinet, les critères de traitement à grande échelle, d'évaluation systématique ou de traitement de données sensibles sont fréquemment réunis. L'absence d'AIPD documentée est aujourd'hui l'un des premiers points de contrôle lors d'une inspection CNIL.

3. Revoir les DPA (Data Processing Agreements) avec les vendors IA

Les contrats signés avec les fournisseurs d'outils IA juridiques avant 2024 ont rarement anticipé les exigences de l'AI Act. Ils doivent être auditée sur quatre points : localisation effective des données, durée de rétention des requêtes, possibilité d'opt-out de l'entraînement des modèles, et engagements de notification en cas de violation. Sur le dernier point, le délai de 72 heures imposé par l'article 33 RGPD ne peut être respecté que si le vendor s'engage contractuellement à vous alerter dans un délai compatible.

Pour les cabinets qui gèrent des volumes importants de dossiers et souhaitent aller plus loin sur la recherche de jurisprudence IA dans un cadre souverain, l'architecture sous-jacente devient un critère de sélection à part entière.

Le coût réel de la non-conformité

Le calcul économique de la conformité IA se fait trop souvent en ne comptant que les coûts de mise en conformité. Il faut y ajouter les coûts d'une sanction.

La CNIL dispose depuis la loi SREN de 2024 d'une procédure simplifiée permettant de prononcer des amendes allant jusqu'à 20 M€ ou 4 % du chiffre d'affaires mondial sans instruction longue. Les 23 sanctions prononcées depuis janvier 2026 en procédure simplifiée montrent que cette procédure est activement utilisée. Pour un cabinet de 50 avocats avec un chiffre d'affaires de 10 M€, une amende de 4 % représente 400 000 € — soit largement plus que le coût d'une infrastructure IA privée.

Au-delà de l'amende, le risque réputationnel est potentiellement plus destructeur. Un cabinet dont une violation de données client est rendue publique — y compris via une sanction CNIL publiée au Journal officiel — doit gérer des conséquences sur sa clientèle qui n'ont pas de plafond monétaire.

Cette réalité économique transforme la question architecturale d'un débat technique en décision de gestion des risques.

L'architecture comme argument de marché

Un angle que peu de cabinets ont encore exploité : la souveraineté des données comme argument commercial vis-à-vis des clients. Les directions juridiques d'entreprises, les fonds d'investissement et les clients institutionnels deviennent progressivement sophistiqués sur ces questions. Certains d'entre eux incluent désormais dans leurs appels d'offres des questions explicites sur les outils IA utilisés par le cabinet et les garanties de confidentialité associées.

Un cabinet capable de démontrer qu'aucune donnée de dossier ne quitte son infrastructure — ou que seuls des extraits minimaux décontextualisés transitent vers un LLM dans le cadre d'une API sécurisée — dispose d'un argument différenciant que ses concurrents utilisant des SaaS mutualisés ne peuvent pas répliquer facilement.

Le guide IA pour cabinets détaille comment structurer cet argument dans le cadre de due diligences clients.

Ce qu'il faut évaluer maintenant

L'enquête CNIL sur les DPO face à l'IA est un signal rare : une autorité de régulation qui documente publiquement les failles de gouvernance avant d'en sanctionner les conséquences. Le calendrier entre publication de l'enquête et accélération des sanctions n'est pas fortuit — c'est la séquence classique d'une autorité qui passe de la pédagogie à l'enforcement.

Pour un cabinet d'avocats, les questions à trancher ne sont pas techniques. Elles sont stratégiques :

• Quel est notre niveau de visibilité réelle sur les données qui transitent via nos outils IA, y compris ceux utilisés à l'initiative des collaborateurs ?
• Notre DPA avec chaque vendor IA est-il compatible avec les délais et obligations de l'article 33 RGPD et des exigences AI Act ?
• L'architecture de nos outils IA nous permet-elle de produire une documentation d'AIPD crédible, ou dépendons-nous de la bonne volonté contractuelle d'un prestataire américain ?
• Le différentiel de risque entre une architecture SaaS mutualisée et une infrastructure privée est-il cohérent avec notre profil clients et la sensibilité de nos dossiers ?

Ces quatre questions méritent une réponse documentée avant la prochaine inspection — pas après.