Droit à l'effacement RGPD : le piège silencieux des LLM SaaS pour les cabinets

Le 15 mai 2025, la CNIL publiait une fiche pratique rappelant que le droit à l'effacement prévu par l'article 17 du RGPD s'applique y compris aux organismes de presse en ligne — avec des exceptions strictement encadrées. Ce signal réglementaire, discret en apparence, touche en réalité à une question bien plus large : qui, dans la chaîne de traitement des données personnelles, peut prouver qu'une donnée a effectivement disparu ? Pour les cabinets d'avocats qui ont adopté des LLM SaaS pour accélérer leur production juridique, la réponse est inconfortable.

Le droit à l'effacement : bien plus qu'un droit de la presse

La fiche CNIL sur la suppression de données dans la presse en ligne rappelle une logique fondamentale : l'article 17 RGPD ne connaît pas d'acteur immunisé. Ni l'éditeur de presse, ni l'agrégateur de jurisprudence, ni le fournisseur d'IA juridique. Ce qui vaut pour Mediapart vaut pour Harvey.

La CNIL identifie les trois conditions qui peuvent faire obstacle à l'effacement :

1. L'exercice de la liberté d'expression et d'information — inapplicable dans un contexte de traitement interne par un cabinet
2. L'exécution d'une mission d'intérêt public — là encore, hors du périmètre d'un cabinet privé
3. La constatation, l'exercice ou la défense de droits en justice — paradoxalement, c'est précisément là que les cabinets opèrent, mais cela ne les protège pas en tant que responsables de traitement vis-à-vis de leurs clients

La montée en exigence est structurelle : depuis janvier 2025, la CNIL dispose d'un mandat explicite pour cibler les sous-traitants IA dans ses contrôles. Elle peut désormais ouvrir une procédure directement contre un fournisseur cloud étranger ayant reçu des données de ressortissants français, mais aussi — et c'est là que le risque est immédiat — sanctionner le responsable de traitement qui ne peut pas démontrer l'effectivité de la suppression.

Pour un cabinet d'avocats gérant des dossiers contentieux, des M&A ou des due diligences, les données personnelles concernées ne sont pas abstraites : ce sont les noms de parties adverses, des données financières identifiantes, des éléments de vie privée produits en pièces, des données de santé dans des litiges prud'homaux.

Cabinets d'avocats : responsables de traitement, qu'ils le veuillent ou non

La qualification juridique est sans ambiguïté. Dès qu'un cabinet décide pourquoi et comment des données sont traitées — même en déléguant l'exécution technique —, il est responsable de traitement au sens de l'article 4 RGPD. L'adoption d'un LLM SaaS ne délègue pas cette responsabilité : elle crée un nouveau traitement dont le cabinet est le responsable.

Voici ce que cela implique concrètement lorsqu'un avocat charge une pièce de procédure dans une interface comme CoCounsel ou Lexis+ AI :

L'enjeu n'est pas théorique. Un client — ou la partie adverse dont des données figurent dans une pièce produite — peut exercer son droit à l'effacement auprès du cabinet. Le cabinet a un mois pour répondre (art. 12 RGPD), deux mois si la complexité le justifie. S'il a transmis cette donnée à un LLM SaaS, il ne maîtrise ni où elle se trouve exactement, ni si sa suppression chez le fournisseur est granulaire, traçable et opposable.

L'angle mort architectural des LLM SaaS juridiques

Les grands acteurs du marché — Harvey, CoCounsel (Thomson Reuters), Lexis+ Protégé — proposent des interfaces puissantes, des intégrations natives avec les outils de rédaction et une expérience utilisateur soignée. Harvey a franchi 144 M$ d'ARR et est utilisé par plus de 100 000 avocats dans le monde. Ces chiffres témoignent d'une adoption réelle, pas d'un effet de mode.

Mais leur architecture présente un angle mort commun du point de vue de la souveraineté des données : le document complet, dans sa version intégrale, quitte l'infrastructure du cabinet.

Lorsqu'un avocat soumet un contrat de 80 pages ou un rapport d'expertise médicale à une interface SaaS, voici ce qui se passe en réalité :

Document complet → Envoyé au serveur SaaS (US/UK) → Découpé en chunks
→ Vectorisé dans un index propriétaire → Contextualisé → Requête LLM
→ Réponse renvoyée au cabinet

À chaque étape, la donnée est traitée sur une infrastructure que le cabinet ne contrôle pas. L'index vectoriel, les logs de requête, les métadonnées de session — tout cela réside chez le fournisseur. Certains proposent des garanties contractuelles de non-utilisation pour l'entraînement, mais ces garanties ne couvrent pas l'obligation de suppression granulaire et traçable exigée par l'article 17 RGPD.

Le coût de cette architecture est significatif : Harvey se positionne entre 1 000 et 1 200 USD par utilisateur et par mois, CoCounsel entre 250 et 500 USD, Lexis+ Protégé entre 500 et 1 000 USD. Pour un cabinet de 50 avocats utilisant Harvey, l'exposition financière dépasse 600 000 USD annuels — à laquelle il faut potentiellement ajouter le coût d'une mise en conformité RGPD qu'on n'a pas anticipée.

Ce que change une architecture sous contrôle : la logique RAGbase Legal

La différence architecturale pertinente n'est pas binaire — « donnée qui part » vs « donnée qui ne part jamais ». Une IA on-premise comme RAGbase Legal peut elle aussi utiliser des fournisseurs LLM externes (OpenAI, Anthropic, Mistral) pour la génération de texte. Ce serait intellectuellement malhonnête de prétendre le contraire.

La différence est ailleurs, et elle est structurellement importante :

Ce qui reste sur l'infrastructure du cabinet :

• Le document complet dans sa version intégrale
• L'index vectoriel (vector store) et tous les embeddings
• L'agent orchestrateur et ses règles de traitement
• Les permissions et droits d'accès par dossier/utilisateur
• Les logs complets de toutes les requêtes et accès
• Les workflows métier et règles de filtrage

Ce qui peut quitter l'infrastructure :

• Uniquement les chunks minimaux — les extraits pertinents récupérés par l'agent pour répondre à une requête spécifique — envoyés au fournisseur LLM selon les conditions API choisies par le cabinet

Cet écart est décisif sur le plan RGPD. Lorsqu'un client ou une partie exerce son droit à l'effacement, le cabinet qui opère sur cette architecture peut :

1. Supprimer le document de son index — les vecteurs associés disparaissent immédiatement
2. Purger les logs qui référencent ce document selon sa politique de rétention
3. Produire un certificat d'effacement basé sur ses propres logs d'audit
4. Démontrer que les seules données transmises à un tiers étaient des extraits minimaux, dans le cadre d'une requête ponctuelle, sans conservation par le fournisseur (selon les conditions API sans mémoire de session)

C'est cette traçabilité sous contrôle exclusif qui rend la conformité à l'article 17 RGPD démontrable — et opposable à la CNIL en cas de contrôle.

La question des permissions : un angle souvent négligé

Dans un cabinet gérant plusieurs centaines de dossiers actifs, la recherche de jurisprudence IA et l'analyse documentaire traversent des périmètres de confidentialité stricts. Un collaborateur affecté au dossier A ne doit pas, même indirectement via une requête IA, accéder aux éléments du dossier B.

Avec un SaaS mutualisé, cette granularité est difficile à garantir : l'index est souvent partagé au niveau du tenant cabinet, et le cloisonnement dossier par dossier dépend de la configuration — parfois absente par défaut. Avec une architecture où l'index et les permissions résident sur l'infrastructure du cabinet, ce cloisonnement est natif et auditable.

Jurisprudence et précédents : le risque n'est pas hypothétique

Plusieurs décisions récentes dessinent le contexte dans lequel les cabinets évoluent :

• CJUE, C-340/21 (Natsionalna agentsia, 2023) : la Cour a confirmé que la simple exposition d'une donnée à un risque de violation — même sans violation avérée — peut engager la responsabilité du responsable de traitement. Appliqué au contexte IA : envoyer des données personnelles à un fournisseur dont on ne maîtrise pas la chaîne de suppression constitue une exposition.

• CNIL, délibération SAN-2024-009 (Doctissimo) : sanction de 380 000 € pour transferts hors UE insuffisamment encadrés et absence de mécanisme de suppression effective. Le raisonnement est directement transposable à un cabinet transmettant des données à un fournisseur SaaS américain sans DPA conforme.

• CNIL, délibération SAN-2023-023 (Clearview AI) : 20 M€ d'amende pour incapacité à honorer des demandes d'effacement — la CNIL a expressément sanctionné l'impossibilité architecturale de supprimer une donnée, pas seulement le refus délibéré.

Ces précédents convergent : l'impossibilité technique de supprimer une donnée est elle-même une violation, indépendamment de la bonne volonté du responsable de traitement.

Évaluation pratique : cinq questions à poser avant tout déploiement IA

Avant de déployer ou de maintenir un LLM SaaS dans un cabinet, les associés gérants et DSI devraient obtenir des réponses documentées à ces cinq questions :

Si l'une de ces questions ne reçoit pas de réponse documentée et contractuellement engageante, le cabinet opère dans un angle mort de conformité.

Ce que les cabinets devraient anticiper d'ici 2026

La trajectoire réglementaire est lisible. Plusieurs évolutions sont prévisibles à horizon 18-24 mois :

Intensification des contrôles CNIL sur les sous-traitants IA. La CNIL a annoncé faire des systèmes d'IA une priorité de son programme de contrôles. Les prestataires juridiques, qui traitent des données sensibles par nature, seront dans le périmètre.

Entrée en vigueur effective des dispositions IA Act sur les systèmes à haut risque. Les LLM utilisés dans des contextes légaux peuvent être requalifiés en systèmes à haut risque (Annexe III du règlement UE 2024/1689), imposant des obligations de traçabilité et de documentation supplémentaires.

Pression croissante des clients finaux. Dans les opérations M&A et les due diligences, les vendeurs et acquéreurs incluent désormais des clauses de data governance dans leurs négociations. Un cabinet incapable de certifier la souveraineté de ses traitements IA sera progressivement exclu de certains mandats.

Pour les cabinets qui veulent aller plus loin dans leur réflexion sur l'architecture IA, le guide IA pour cabinets détaille les critères d'évaluation par type de charge de travail.

L'enjeu n'est pas de renoncer aux bénéfices productivité des LLM — ils sont réels et mesurables. L'enjeu est de savoir quelle partie de l'architecture doit rester sous contrôle exclusif du cabinet pour que la conformité RGPD reste démontrable. Pour les charges de travail impliquant des données personnelles identifiantes — ce qui couvre la majorité des dossiers contentieux, sociaux et transactionnels —, la question mérite une réponse architecturale, pas seulement contractuelle.

À évaluer concrètement : la capacité de votre solution IA actuelle à produire, dans un délai d'un mois, un certificat d'effacement documenté, opposable à la CNIL, pour n'importe quelle donnée personnelle transmise depuis son déploiement. Si cette réponse n'est pas immédiatement disponible, c'est le point de départ d'une conversation stratégique sur votre architecture.